Capítulo 1 - Modelagem Matemática
|
|
- João Henrique Mendes
- 5 Há anos
- Visualizações:
Transcrição
1 Capítulo 1 - Modelagem Matemática Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 7 de agosto de / 54
2 Modelagem Matemática Área do conhecimento que estuda maneiras de desenvolver e implementar modelos matemáticos de sistemas reais. Modelagem caixa branca modelagem baseada na física (ou natureza) do processo - modelagem fenomenológica ou conceitual. Identificação de Sistemas alternativa à modelagem caixa branca. Modelagem caixa preta, baseada em dados experimentais coletados. Objetivo da aula introduzir conceitos básicos e princípios fundamentais, úteis no estudo de técnicas de identificação de sistemas. 2 / 54
3 Modelagem Matemática Área do conhecimento que estuda maneiras de desenvolver e implementar modelos matemáticos de sistemas reais. Modelagem caixa branca modelagem baseada na física (ou natureza) do processo - modelagem fenomenológica ou conceitual. Identificação de Sistemas alternativa à modelagem caixa branca. Modelagem caixa preta, baseada em dados experimentais coletados. Objetivo da aula introduzir conceitos básicos e princípios fundamentais, úteis no estudo de técnicas de identificação de sistemas. 2 / 54
4 Modelagem Matemática Área do conhecimento que estuda maneiras de desenvolver e implementar modelos matemáticos de sistemas reais. Modelagem caixa branca modelagem baseada na física (ou natureza) do processo - modelagem fenomenológica ou conceitual. Identificação de Sistemas alternativa à modelagem caixa branca. Modelagem caixa preta, baseada em dados experimentais coletados. Objetivo da aula introduzir conceitos básicos e princípios fundamentais, úteis no estudo de técnicas de identificação de sistemas. 2 / 54
5 Modelagem Matemática Área do conhecimento que estuda maneiras de desenvolver e implementar modelos matemáticos de sistemas reais. Modelagem caixa branca modelagem baseada na física (ou natureza) do processo - modelagem fenomenológica ou conceitual. Identificação de Sistemas alternativa à modelagem caixa branca. Modelagem caixa preta, baseada em dados experimentais coletados. Objetivo da aula introduzir conceitos básicos e princípios fundamentais, úteis no estudo de técnicas de identificação de sistemas. 2 / 54
6 Conceitos básicos O que é um modelo? Para que serve um modelo? Qual tipo de modelo deve ser utilizado? 3 / 54
7 Conceitos básicos O que é um modelo? Para que serve um modelo? Qual tipo de modelo deve ser utilizado? 3 / 54
8 Conceitos básicos O que é um modelo? Para que serve um modelo? Qual tipo de modelo deve ser utilizado? 3 / 54
9 Considerações frequentemente feitas em modelagem Linearidade princípio da superposição. Invariância no tempo dinâmica que rege a evolução temporal é sempre a mesma. Concentração de parâmetros as variáveis de interesse variam apenas com o tempo, e não com o espaço. 4 / 54
10 Considerações frequentemente feitas em modelagem Linearidade princípio da superposição. Invariância no tempo dinâmica que rege a evolução temporal é sempre a mesma. Concentração de parâmetros as variáveis de interesse variam apenas com o tempo, e não com o espaço. 4 / 54
11 Considerações frequentemente feitas em modelagem Linearidade princípio da superposição. Invariância no tempo dinâmica que rege a evolução temporal é sempre a mesma. Concentração de parâmetros as variáveis de interesse variam apenas com o tempo, e não com o espaço. 4 / 54
12 Linearidade em um sistema estático Considere o sistema estático: y = 5x. (1) Se x 1 = 2 y 1 = 10; Se x 2 = 3 y 2 = 15; Então, se x 3 = 4x 1 + 5x 2 = 7 y 3 = 4y 1 + 5y 2 = 35. Ainda, y 3 = 5x 3 = 35. Portanto, o sistema é linear. Por outro lado, y = 2 + 5x não é linear (PROVE!) 5 / 54
13 Linearidade em um sistema dinâmico Considere o seguinte sistema dinâmico: 5u(t) dy + y(t) 10u(t) = 0. (2) dt O sistema apresentado pela equação 11 não é linear. Um sistema linear equivalente é τ dy dt + y(t) Ku(t) = 0. (3) 6 / 54
14 Invariância temporal Seja: Para u 1 (t) y 1 (t) = sen(u 1 (t)). Para u 2 (t) = u 1 (t t 0 ): y(t) = sen(u(t)). (4) y 2 (t) = sen(u 2 (t)) = sen(u 1 (t t 0 )) y 1 (t t 0 ) = sen(u 1 (t t 0 )) (5) Como y 2 (t) = y 1 (t t 0 ), o sistema é invariante no tempo. 7 / 54
15 Invariância temporal Seja: y(t) = tu(t). (6) Para u 1 (t) y 1 (t) = tu 1 (t). Para u 2 (t) = u 1 (t t 0 ): y 2 (t) = tu 2 (t) = tu 1 (t t 0 ) y 1 (t t 0 ) = (t t 0 )u 1 (t t 0 ). (7) Como y 2 (t) y 1 (t t 0 ), o sistema não é invariante no tempo. 8 / 54
16 Sistema a parâmetros distribuídos Considere uma viga presa ao teto com a extremidade inferior livre. A posição de qualquer parte da viga é determinada pela distância x ao teto. Na extremidade livre é aplicado um conjugado. O ângulo de torção θ dependerá da posição e do tempo, conforme: 2 θ x 2 = K 2 θ t 2 (8) 9 / 54
17 Sistema a parâmetros distribuídos Considere uma viga presa ao teto com a extremidade inferior livre. A posição de qualquer parte da viga é determinada pela distância x ao teto. Na extremidade livre é aplicado um conjugado. O ângulo de torção θ dependerá da posição e do tempo, conforme: 2 θ x 2 = K 2 θ t 2 (8) 9 / 54
18 Sistema a parâmetros distribuídos Considere uma viga presa ao teto com a extremidade inferior livre. A posição de qualquer parte da viga é determinada pela distância x ao teto. Na extremidade livre é aplicado um conjugado. O ângulo de torção θ dependerá da posição e do tempo, conforme: 2 θ x 2 = K 2 θ t 2 (8) 9 / 54
19 Tipos de modelos Modelos estáticos e dinâmicos. Modelos discretos e contínuos. Modelos autônomos e não autônomos Modelos monovariáveis e multivariáveis Modelos determinísticos e estocásticos Modelos paramétricos e não paramétricos 10 / 54
20 Tipos de modelos Modelos estáticos e dinâmicos. Modelos discretos e contínuos. Modelos autônomos e não autônomos Modelos monovariáveis e multivariáveis Modelos determinísticos e estocásticos Modelos paramétricos e não paramétricos 10 / 54
21 Tipos de modelos Modelos estáticos e dinâmicos. Modelos discretos e contínuos. Modelos autônomos e não autônomos Modelos monovariáveis e multivariáveis Modelos determinísticos e estocásticos Modelos paramétricos e não paramétricos 10 / 54
22 Tipos de modelos Modelos estáticos e dinâmicos. Modelos discretos e contínuos. Modelos autônomos e não autônomos Modelos monovariáveis e multivariáveis Modelos determinísticos e estocásticos Modelos paramétricos e não paramétricos 10 / 54
23 Tipos de modelos Modelos estáticos e dinâmicos. Modelos discretos e contínuos. Modelos autônomos e não autônomos Modelos monovariáveis e multivariáveis Modelos determinísticos e estocásticos Modelos paramétricos e não paramétricos 10 / 54
24 Tipos de modelos Modelos estáticos e dinâmicos. Modelos discretos e contínuos. Modelos autônomos e não autônomos Modelos monovariáveis e multivariáveis Modelos determinísticos e estocásticos Modelos paramétricos e não paramétricos 10 / 54
25 Modelo discreto de um sistema biológico Considere uma população de besouros, cuja dinâmica é descrita por: L(k + 1) = νb(k), C(k + 1) = L(k)[1 µ l ], B(k + 1) = C(k)[1 µ c ] + B(k)[1 µ b ]; (9) em que L é a população de larvas, C é o número de casulos, B é o número de besouros, ν a taxa de natalidade, µ l, µ c e µ b as taxas de mortalidade de larvas, casulos e besouros. 11 / 54
26 Modelo Não Autônomo de um Sistema Biológico Seja A(k) a quantidade de agrotóxico aspergido por m 2 : L(k + 1) = νb(k), C(k + 1) = L(k)[1 µ l µ a A(k)], B(k + 1) = C(k)[1 µ c ] + B(k)[1 µ b ]; (10) sendo µ a a taxa de mortalidade devida exclusivamente à ação do agrotóxico. 12 / 54
27 Modelos Monovariáveis e Multivariáveis Modelo monovariável (SISO - Single Input, Single Output): τ dy dt + y(t) Ku(t) = 0. (11) Modelo da população de besouros pode ser interpretado como um modelo multivariável. 13 / 54
28 Modelos Determinísticos e Estocásticos Modelo determinístico: L(k + 1) = νb(k), C(k + 1) = L(k)[1 µ l ], B(k + 1) = C(k)[1 µ c ] + B(k)[1 µ b ]; (12) Modelo estocástico L(k + 1) = νb(k), C(k + 1) = L(k)[1 µ l ], B(k + 1) = C(k)[1 µ c ] + B(k)[1 µ b ] + e(k + 1); (13) sendo e(k) uma variável aleatória qualquer. 14 / 54
29 Modelos Paramétricos e Não Paramétricos O modelo abaixo é paramétrico: H(s) = 1 s 2 + 0,4s + 1, (14) e sua resposta ao impulso/em frequência é dada por: 15 / 54
30 Modelos Paramétricos e Não Paramétricos Figura 1: Representações não paramétricas. Resposta ao impulso. 16 / 54
31 Modelos Paramétricos e Não Paramétricos Figura 2: Representações não paramétricas. Resposta em frequência. 17 / 54
32 Representações de modelos lineares Função de transferência: transformada de Laplace da resposta ao impulso (h(t)) do sistema. Para um sinal x(t): X(s) = L{x(t)} = x(t) = L 1 {X(s)} = 1 2πj 0 x(t)e st dt σ+j σ j X(s)e st ds, (15) sendo s = σ + jω. A transformada de Fourier de h(t) é H(jω), e define a resposta em frequência do sistema 18 / 54
33 Representações de modelos lineares No caso discreto, utiliza-se a transformada Z, definida por: X(z) = Z{x(k)} = k= k= x(k) = Z 1 {X(z)} = 1 2πj x(k)z k X(z)z k 1 dz. (16) 19 / 54
34 Representação em espaço de estados Em espaço de estados, um sistema linear contínuo pode ser representado por: Para o caso discreto: ẋ = Ax + Bu y = Cx + Du. (17) x(k + 1) = A d x(k) + B d u(k) y(k) = C d x(k) + D d u(k). (18) 20 / 54
35 Modelos Discretos Modelos AR (Auto Regressivo) e ARX (Auto Regressivo com entrada exógena) y(k) = a 1 y(k 1) + a 2 y(k 2) + + a ny y(k n y ) y(k) = a 1 y(k 1) + + a ny y(k n y ) + b 1 u(k 1) + + b nu u(k n u ) (19) Modelo ARX de um conversor CC-CC buck: y(k) = 1,7649y(k 1) 0,8027y(k 2) + 0,8661u(k 3) 0,73578u(k 1) + 0,07513u(k 2) + ξ(k) (20) 21 / 54
36 Modelos Discretos Função de transferência em tempo discreto: H(z) = 0,01075z2 + 0,2151z + 0,1075 z 2 1,6129z + 0,8280 Cuja resposta ao impulso é dada por: (21) Figura 3: Resposta ao impulso de um modelo discreto. 22 / 54
37 Modelos discretos Modelo autônomo da população de besouros em espaço de estados: L(k+1) C(k+1) B(k+1) = 0 0 ν 1 µ l µ c 1 µ b L(k) C(k) B(k) (22) 23 / 54
38 Modelos discretos Modelo não autônomo da população de besouros em espaço de estados: L(k+1) C(k+1) B(k+1) = 0 0 ν 1 µ l µ c 1 µ b 0 L(k)µ a 0 L(k) C(k) B(k) A(k) (23) 24 / 54
39 Estimação de Parâmetros Potenciômetro para medição de deslocamento angular. y = θ 1 + θ 2 x é uma boa aproximação do comportamento. Figura 4: Os dados medidos (x) e a reta ( ) ajustada utilizando regressão linear. Reta parametrizada por θ 1 = 1, e θ 2 = 6, / 54
40 Estimação de Parâmetros Estimação de parâmetros é uma etapa que sucede a escolha da função a ser estimada ˆf ( ); Neste exemplo, ˆf ( ) é linear nos parâmetros θ 1 e θ 2. ˆf ( ) pode ser decomposta na forma: [ ] θ1 y = [1x] θ 2 (24) 26 / 54
41 Estimação de Parâmetros E se utilizássemos apenas dois pontos? Tomando (x 1,y 1 ) = (144,0; 0,098) e (x 2,y 2 ),(158,4; 0,109), sabendo que: tem-se y 1 = θ 1 + x 1 θ 2 ; y 2 = θ 1 + x 2 θ 2 ; (25) [ 0,098 0,109 ] = [ 1 144, ,4 ] [ θ1 θ 2 ] (26) 27 / 54
42 Estimação de Parâmetros Ou ainda: [ θ1 θ 2 ] = = [ 11,00 10,00 0,069 0,069 [ ] 1, , ] [ 0,098 0,109 ] (27) 28 / 54
43 Estimação de Parâmetros Graficamente: Figura 5: Determinação dos parâmetros de uma reta ( ) utilizando dois pontos ( ) da mesma. y = 1, , x. 29 / 54
44 Modelagem Baseada na Física do Processo Considere o seguinte processo a ser modelado: Figura 6: Esquema da planta de bombeamento. 30 / 54
45 Modelagem Baseada na Física do Processo Considerações simplificadoras: Sistema a parâmetros concentrados; Perda de carga dentro dos dutos desprezada; Área do tanque constante; Dinâmica do inversor e conjunto moto-bomba desprezada; Água incompressível e com peso específico constante; Pressão atmosférica idêntica em todos os pontos da planta. 31 / 54
46 Modelagem Baseada na Física do Processo Considerações simplificadoras: Sistema a parâmetros concentrados; Perda de carga dentro dos dutos desprezada; Área do tanque constante; Dinâmica do inversor e conjunto moto-bomba desprezada; Água incompressível e com peso específico constante; Pressão atmosférica idêntica em todos os pontos da planta. 31 / 54
47 Modelagem Baseada na Física do Processo Considerações simplificadoras: Sistema a parâmetros concentrados; Perda de carga dentro dos dutos desprezada; Área do tanque constante; Dinâmica do inversor e conjunto moto-bomba desprezada; Água incompressível e com peso específico constante; Pressão atmosférica idêntica em todos os pontos da planta. 31 / 54
48 Modelagem Baseada na Física do Processo Considerações simplificadoras: Sistema a parâmetros concentrados; Perda de carga dentro dos dutos desprezada; Área do tanque constante; Dinâmica do inversor e conjunto moto-bomba desprezada; Água incompressível e com peso específico constante; Pressão atmosférica idêntica em todos os pontos da planta. 31 / 54
49 Modelagem Baseada na Física do Processo Considerações simplificadoras: Sistema a parâmetros concentrados; Perda de carga dentro dos dutos desprezada; Área do tanque constante; Dinâmica do inversor e conjunto moto-bomba desprezada; Água incompressível e com peso específico constante; Pressão atmosférica idêntica em todos os pontos da planta. 31 / 54
50 Modelagem Baseada na Física do Processo Considerações simplificadoras: Sistema a parâmetros concentrados; Perda de carga dentro dos dutos desprezada; Área do tanque constante; Dinâmica do inversor e conjunto moto-bomba desprezada; Água incompressível e com peso específico constante; Pressão atmosférica idêntica em todos os pontos da planta. 31 / 54
51 Modelagem Baseada na Física do Processo Partindo de: dm = ω i ω o, (28) dt Como m = V ρ e a área do tanque é constante: m = Ahρ, (29) sendo ρ a massa específica, h a altura e ω i, ω o as vazões mássicas. De (28): ρa dh dt dh dt = q i ρ q o ρ sendo q i e q o : vazões volumétricas. = q i q o A, (30) 32 / 54
52 Modelagem Baseada na Física do Processo Utilizando a equação de Bernoulli: q = k P, (31) Para a tubulação de saída: q o = k o P Patm (32) Para a tubulação de entrada: q i = k i Pb P; (33) 33 / 54
53 Modelagem Baseada na Física do Processo Utilizando a equação de Bernoulli: q = k P, (31) Para a tubulação de saída: q o = k o P Patm (32) Para a tubulação de entrada: q i = k i Pb P; (33) 33 / 54
54 Modelagem Baseada na Física do Processo Utilizando a equação de Bernoulli: q = k P, (31) Para a tubulação de saída: q o = k o P Patm (32) Para a tubulação de entrada: q i = k i Pb P; (33) 33 / 54
55 Modelagem Baseada na Física do Processo Utilizando γ (peso específico da água), pode-se escrever: P = γh + P atm (34) dh dt = k i Pb γh P atm k o γh A Pela geometria do tanque, aproxima-se: A = 2,5m 2 ; P atm = kgf /m 2 ; γ = 1000kgf /m 3. k i =? k o =? (35) 34 / 54
56 Modelagem Baseada na Física do Processo Figura 7: Relação entre sinal de comando do inversor e pressão na saída da bomba. Dados (x) e reta aproximada ( ) P b = 3554, ,8u(t) (36) 35 / 54
57 Modelagem Baseada na Física do Processo A saída de água se encontra a 0,114m do fundo. Determinação de constante K que, adicionada ao modelo, resultará em dh/dt=0, quando h=0. Substituindo h=0 na equação 35: dh = k i P b Patm + K = 0 (37) dt A K = k i P b P atm (38) A P b = ,4kgf /m2 pressão medida na saída para h = 0 (nova referência); 36 / 54
58 Obtençaõ de k i Figura 8: Dados medidos ( ) e reta ajustada por regressão linear ( ). O eixo das abcissas é (P b γh P atm) 1/2, sendo a inclinação da reta uma estimativa de k i. 37 / 54
59 Obtenção de k i Para o duto de entrada: Então: q i = 1, , P b γh P atm (39) dq i k i = d P b γh P atm = 5, m 4 /s(kgf ) 1/2 (40) 38 / 54
60 Obtençaõ de k o Figura 9: Dados medidos ( ) e curva ajustada por regressão linear ( ). O eixo das abcissas é (γh) 1/2, sendo a inclinação da reta tangente à curva uma estimativa de k o. 39 / 54
61 Obtenção de k o Para o duto de saída: Então: q o = 1, , γh + 6, γh, (41) k 0 = dq i d γh = 3, , γh m 4 /s(kgf ) 1/2 (42) 40 / 54
62 O modelo pela física do processo Tem-se então um modelo do processo: dh dt = 5, , ,8u(t) 1000h A (3, , h) 1000h A 0,014 (43) 41 / 54
63 Validação do Modelo Figura 10: Resposta do nível a uma variação em degrau em u(t). Dados medidos (- -) e modelo ( ). Os picos são devidos ao ruído no processo de medição. 42 / 54
64 Sintonia do Modelo O modelo obtido precisa ser sintonizado para melhor representar o processo. Ajuste da constante de tempo ḣ = 0,4ḣ. Ajuste do ganho aumentar a amplitude do degrau de entrada de 16,34mA a 17,05mA, visto pelo modelo, para 16,34mA a 1,012 17,05mA 43 / 54
65 Sintonia do Modelo O modelo obtido precisa ser sintonizado para melhor representar o processo. Ajuste da constante de tempo ḣ = 0,4ḣ. Ajuste do ganho aumentar a amplitude do degrau de entrada de 16,34mA a 17,05mA, visto pelo modelo, para 16,34mA a 1,012 17,05mA 43 / 54
66 Sintonia do Modelo O modelo obtido precisa ser sintonizado para melhor representar o processo. Ajuste da constante de tempo ḣ = 0,4ḣ. Ajuste do ganho aumentar a amplitude do degrau de entrada de 16,34mA a 17,05mA, visto pelo modelo, para 16,34mA a 1,012 17,05mA 43 / 54
67 Validação do Modelo Sintonizado Figura 11: Resposta do nível a uma variação em degrau na entrada. Dados medidos (- -) e modelo sintonizado ( ). 44 / 54
68 Quão Gerais São Estes Ajustes? Figura 12: Resposta do nível a uma variação em degrau na entrada, diferente da utilizada para sintonizar o modelo. Dados medidos (- -) e modelo sintonizado ( ). 45 / 54
69 Identificação de Sistemas Procedimento alternativo que propõe a obtenção de um modelo matemático que relacione causa e efeito presente nos dados. Espera-se, observando dados experimentais, responder à pergunta: Que modelo há que, ao ser excitado pela entrada u(k), resulta na saída y(k)? 46 / 54
70 Identificação de Sistemas - etapas Testes dinâmicos e coleta de dados; Escolha da representação matemática a ser utilizada; Determinação da estrutura do modelo; Estimação de parâmetros; Validação do modelo. 47 / 54
71 Identificação de Sistemas - etapas Testes dinâmicos e coleta de dados; Escolha da representação matemática a ser utilizada; Determinação da estrutura do modelo; Estimação de parâmetros; Validação do modelo. 47 / 54
72 Identificação de Sistemas - etapas Testes dinâmicos e coleta de dados; Escolha da representação matemática a ser utilizada; Determinação da estrutura do modelo; Estimação de parâmetros; Validação do modelo. 47 / 54
73 Identificação de Sistemas - etapas Testes dinâmicos e coleta de dados; Escolha da representação matemática a ser utilizada; Determinação da estrutura do modelo; Estimação de parâmetros; Validação do modelo. 47 / 54
74 Identificação de Sistemas - etapas Testes dinâmicos e coleta de dados; Escolha da representação matemática a ser utilizada; Determinação da estrutura do modelo; Estimação de parâmetros; Validação do modelo. 47 / 54
75 Simulação de Modelos Avaliação do desempenho de modelos simulação. Simulação de modelos contínuos solução de equações diferenciais do tipo ẋ = f (x,t); A aproximação explícita de Euler é dada por: ẋ(t k ) = x(k + 1) x(k) T (44) A aproximação implícita de Euler é dada por: x(k) x(k 1) ẋ(t k ) = T sendo T o intervalo de integração. (45) 48 / 54
76 Simulação de Modelos As aproximações de Euler resultam em: Explícita: Implícita: x(k) = x(k 1) + Tf (x(k 1),t k 1 ), (46) x(k) = x(k 1) + Tf (x(k),t k ), (47) 49 / 54
77 Simulação de Modelos - Exemplo Para ẋ = 6x + 5e t, com T = 0,3, a aproximação explícita de Euler resulta em: x(k) = x(k 1) + 0,3( 6x(k 1) + 5e t k 1 ). (48) Escolhe-se uma condição inicial x(0); Itera-se a equação para k = 1,2, / 54
78 Validação de Modelos - Runge-Kutta Um dos algoritmos de simulação mais utilizados para simular modelos contínuos. A = f (x(k 1),t k 1 ) ( B = f x(k 1) + T 2 A,t k 1 + T ) 2 ( C = f x(k 1) + T 2 B,t k 1 + T ) 2 D = f (x(k 1) + TC,t k 1 + T ) x(k) = x(k 1) + T (A + 2B + 2C + D). (49) 6 51 / 54
79 Simulação de Modelos Discretos Não requer nenhum algoritmo especial. Simulação de um modelo ARX de um conversor CC-CC buck: O modelo y(k) = 1,7649y(k 1) 0,8027y(k 2) + 0,8661u(k 3) pode ser simulado: 0,73578u(k 1) + 0,07513u(k 2) + ξ(k) (50) 52 / 54
80 Simulação de Modelos Discretos Não requer nenhum algoritmo especial. Simulação de um modelo ARX de um conversor CC-CC buck: O modelo y(k) = 1,7649y(k 1) 0,8027y(k 2) + 0,8661u(k 3) pode ser simulado: 0,73578u(k 1) + 0,07513u(k 2) + ξ(k) (50) 52 / 54
81 Simulação de Modelos Discretos Não requer nenhum algoritmo especial. Simulação de um modelo ARX de um conversor CC-CC buck: O modelo y(k) = 1,7649y(k 1) 0,8027y(k 2) + 0,8661u(k 3) pode ser simulado: 0,73578u(k 1) + 0,07513u(k 2) + ξ(k) (50) 52 / 54
82 Simulação de Modelos Discretos Admitindo condições iniciais y(1) = y(2) = 14V ; Entrada u(0) = u(1) = 2,3V, u(2) = u(3) = 2,4V y(3) = 1,7649(14) 0,8027(14) + 0,8661(2,3) 0,73578(2,4) + 0,7513(2,3) = 13,8698; (51) y(4) = 1,7649(13,8698) 0,8027(14) + 0,8661(2,3) 0,73578(2,4) + 0,7513(2,4) = 13,6474; (52) y(5) = 1,7649(13,6474) 0,8027(13,8698) + 0,8661(2,4) 0,73578(2,3) + 0,7513(2,4) = 13,5197; (53). =. (54) 53 / 54
83 Simulação de Modelos Discretos Admitindo condições iniciais y(1) = y(2) = 14V ; Entrada u(0) = u(1) = 2,3V, u(2) = u(3) = 2,4V y(3) = 1,7649(14) 0,8027(14) + 0,8661(2,3) 0,73578(2,4) + 0,7513(2,3) = 13,8698; (51) y(4) = 1,7649(13,8698) 0,8027(14) + 0,8661(2,3) 0,73578(2,4) + 0,7513(2,4) = 13,6474; (52) y(5) = 1,7649(13,6474) 0,8027(13,8698) + 0,8661(2,4) 0,73578(2,3) + 0,7513(2,4) = 13,5197; (53). =. (54) 53 / 54
84 Simulação de Modelos Discretos Admitindo condições iniciais y(1) = y(2) = 14V ; Entrada u(0) = u(1) = 2,3V, u(2) = u(3) = 2,4V y(3) = 1,7649(14) 0,8027(14) + 0,8661(2,3) 0,73578(2,4) + 0,7513(2,3) = 13,8698; (51) y(4) = 1,7649(13,8698) 0,8027(14) + 0,8661(2,3) 0,73578(2,4) + 0,7513(2,4) = 13,6474; (52) y(5) = 1,7649(13,6474) 0,8027(13,8698) + 0,8661(2,4) 0,73578(2,3) + 0,7513(2,4) = 13,5197; (53). =. (54) 53 / 54
85 Agradecimentos MUITO OBRIGADO! Prof. Samir Martins DEPEL/UFSJ 54 / 54
DESCRIÇÃO MATEMÁTICA DE SISTEMAS PARTE 1
DESRIÇÃO MATEMÁTIA DE SISTEMAS PARTE 1 Prof. Iury V. de Bessa Departamento de Eletricidade Faculdade de Tecnologia Universidade Federal do Amazonas Agenda Modelagem de sistemas dinâmicos Descrição Entrada-Saída
Leia maisCapítulo 11 - Projeto de Testes e Escolha de Estruturas
Capítulo 11 - Projeto de Testes e Escolha de Estruturas Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 22 de novembro de 2016 1 / 38 Introdução
Leia maisModelagem Matemática de Sistemas
Modelagem Matemática de Sistemas 1. Descrição Matemática de Sistemas 2. Descrição Entrada-Saída 3. Exemplos pag.1 Teoria de Sistemas Lineares Aula 3 Descrição Matemática de Sistemas u(t) Sistema y(t) Para
Leia maisEstabilidade. Samir A. M. Martins 1. Programa de Pós-Graduação em Engenharia Elétrica Associação ampla entre UFSJ e CEFET MG
Interna Samir A. M. Martins 1 1 UFSJ / Campus Santo Antônio, MG Brasil Programa de Pós-Graduação em Engenharia Elétrica Associação ampla entre UFSJ e CEFET MG O que nos espera? Interna 1 em sistemas multivariáveis
Leia maisIdentificação de Sistemas Dinâmicos com Aritmética Intervalar
Identificação de Sistemas Dinâmicos com Aritmética Intervalar Márcia L. C. Peixoto Marco T. R. Matos Wilson R. Lacerda Júnior Samir A. M. Martins Erivelton G. Nepomuceno Programa de Pós-Graduação em Engenharia
Leia maisModelos Matematicos de Sistemas
Modelos Matematicos de Sistemas Introdução; Equações Diferenciais de Sistemas Físicos; Aproximações Lineares de Sistemas Físicos; Transformada de Laplace; Função de Transferência de Sistemas Lineares;
Leia maisControle de Processos: Modelagem matemática de processos
Controle de Processos: Modelagem matemática de processos Prof. Eduardo Stockler Tognetti & David Fiorillo Laboratório de Automação e Robótica (LARA) Dept. Engenharia Elétrica - UnB Conteúdo 1. Etapas no
Leia maisCapítulo 10 - Identificação de Sistemas Não Lineares: Algoritmos
Capítulo 10 - Identificação de Sistemas Não Lineares: Algoritmos Prof. Samir Martins UFSJ-CEFET/MG Programa de Pós Graduação em Engenharia Elétrica - PPGEL São João del-rei, 16 de outubro de 2018 1 / 31
Leia maisAula 6 Transformada de Laplace
Aula 6 Transformada de Laplace Introdução Propriedades da Transformada de Laplace Tabela Transformada ade Laplace Transformada Inversa de Laplace Função de transferência Definição: X s = L x t = s é uma
Leia maisResumo. Sinais e Sistemas Transformada de Laplace. Resposta ao Sinal Exponencial
Resumo Sinais e Sistemas Transformada de aplace uís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Definição da transformada de aplace Região de convergência Propriedades da transformada de
Leia maisII. REVISÃO DE FUNDAMENTOS
INSTITUTO TECNOLÓGICO DE AERONÁUTICA CURSO DE ENGENHARIA MECÂNICA-AERONÁUTICA MPS-43: SISTEMAS DE CONTROLE II. REVISÃO DE FUNDAMENTOS Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de Mecatrônica
Leia maisSinais e Sistemas Exame Data: 11/6/2018. Duração: 3 horas
Sinais e Sistemas Exame Data: /6/. Duração: 3 horas Número: Nome: Identique este enunciado e a folha de respostas com o seu número e os seus primeiro e último nomes. Para as questões a, indique as suas
Leia maisComportamento Dinâmico de Sistemas de Primeira Ordem. Sistemas de Primeira Ordem (CP1) DEQ/UFSCar 1 / 46
Comportamento Dinâmico de Sistemas de Primeira Ordem Sistemas de Primeira Ordem (CP1) www.professores.deq.ufscar.br/ronaldo/cp1 DEQ/UFSCar 1 / 46 Roteiro 1 Sistemas de Primeira Ordem Função de Transferência
Leia maisEN2607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares 2 2 quadrimestre 2011
EN607 Transformadas em Sinais e Sistemas Lineares Lista de Exercícios Suplementares quadrimestre 0 (P-0003D) (HAYKIN, 00, p 9) Use a equação de definição da TF para obter a representação no domínio da
Leia mais2/47. da matemática é ainda de grande importância nas várias áreas da engenharia. Além disso, lado de Napoleão Bonaparte. 1/47
Introdução aos Circuitos Elétricos Séries e Transformadas de Fourier Prof. Roberto Alves Braga Jr. Prof. Bruno Henrique Groenner Barbosa UFLA - Departamento de Engenharia Sinais: conjunto de dados ou informação
Leia maisAula 05 Transformadas de Laplace
Aula 05 Transformadas de Laplace Pierre Simon Laplace (1749-1827) As Transformadas de Laplace apresentam uma representação de sinais no domínio da frequência em função de uma variável s que é um número
Leia maisAula 05 Transformadas de Laplace
Aula 05 Transformadas de Laplace Pierre Simon Laplace (1749-1827) As Transformadas de Laplace apresentam uma representação de sinais no domínio da frequência em função de uma variável s que é um número
Leia maisTransformada de Laplace
Sinais e Sistemas Transformada de Laplace lco@ist.utl.pt Instituto Superior Técnico Sinais e Sistemas p.1/60 Resumo Definição da transformada de Laplace. Região de convergência. Propriedades da transformada
Leia maisManual de Experimentos de Sistemas de Controle
Manual de Experimentos de Sistemas de Controle Laboratório de Automação Industrial e Robótica 29 de setembro de 2017 Universidade Federal do Amazonas Sumário 1 Representação e Simulação de Sistemas em
Leia maisIntrodução aos Circuitos Elétricos
1 / 47 Introdução aos Circuitos Elétricos Séries e Transformadas de Fourier Prof. Roberto Alves Braga Jr. Prof. Bruno Henrique Groenner Barbosa UFLA - Departamento de Engenharia 2 / 47 Séries e Transformadas
Leia maisTransformada de Laplace
Transformada de Laplace Monitoria de Sinais e Sistemas Lineares 04/11/09 Monitoria de Sinais e Sistemas Lineares () Transformada de Laplace 04/11/09 1 / 19 Transformadas Transformada de Laplace X(s) =
Leia maisSistemas a Tempo Discreto
Sistemas a Tempo Discreto 1. Caracterização de sistemas dinâmicos a tempo discreto 2. Transformada-Z 3. FT discreta, estabilidade e analogia com domínio-s 4. Sistemas amostrados 4.1 Amostragem e retenção
Leia maisEES-20: Sistemas de Controle II. 31 Julho 2017
EES-20: Sistemas de Controle II 31 Julho 2017 1 / 41 Folha de informações sobre o curso 2 / 41 O que é Controle? Controlar: Atuar sobre um sistema físico de modo a obter um comportamento desejado. 3 /
Leia maisSérie de Fourier. Prof. Dr. Walter Ponge-Ferreira
Resposta à Excitação Periódica Série de Fourier Prof. Dr. Walter Ponge-Ferreira E-mail: ponge@usp.br Escola Politécnica da Universidade de São Paulo Departamento de Engenharia Mecânica - PME Av. Prof.
Leia maisELT062 - OFICINA DE SIMULAÇÃO ANALÓGICA E DIGITAL EM CONTROLE LINEARIZAÇÃO DE SISTEMAS
ELT062 - OFICINA DE SIMULAÇÃO ANALÓGICA E DIGITAL EM CONTROLE LINEARIZAÇÃO DE SISTEMAS 1. INTRODUÇÃO Sistemas dinâmicos lineares são aqueles que obedecem ao princípio da superposição, isto é, um sistema
Leia maisAula 04 Representação de Sistemas
Aula 04 Representação de Sistemas Relação entre: Função de Transferência Transformada Laplace da saída y(t) - Transformada Laplace da entrada x(t) considerando condições iniciais nulas. Pierre Simon Laplace,
Leia maisEstimação na Presença de Ruído colorido
36 Estimação na Presença de Ruído colorido Como se viu, em presença de ruído colorido, os mínimos quadrados fornecem uma estimativa polarizada. Quer dizer, ao fazer muitas observações a estimativa não
Leia maisConceitos de sistemas e introdução à modelagem
Instrumentação e Controle Aula 2 Conceitos de sistemas e introdução à modelagem Prof. Renato Watanabe ESTO004-17 Sistema Um sistema pode ser visto como um processo que transforma um sinal em outro. Portanto,
Leia maisAnálise de Processos ENG 514
Análise de Processos ENG 514 Capítulo 1 Introdução à Modelagem de Processos Prof. Édler Lins de Albuquerque Outubro de 2013 1 Considerações Iniciais Processos e Sistemas da Engenharia Química são Complexos
Leia maisSistemas Lineares e Invariantes: Tempo Contínuo e Tempo Discreto
Universidade Federal da Paraíba Programa de Pós-Graduação em Engenharia Elétrica Sistemas Lineares e Invariantes: Tempo Contínuo e Tempo Discreto Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br
Leia maisIntrodução aos Sinais e Sistemas
Introdução aos Sinais e Sistemas Edmar José do Nascimento (Análise de Sinais e Sistemas) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco Colegiado de Engenharia
Leia maisEstabilidade. 1. Estabilidade Entrada-Saída Sistemas LIT. 2. Estabilidade BIBO Sistemas LIT. 3. Estabilidade BIBO de Equações Dinâmicas Sistemas LIT
Estabilidade 1. Estabilidade Entrada-Saída Sistemas LIT 2. Estabilidade BIBO Sistemas LIT 3. Estabilidade BIBO de Equações Dinâmicas Sistemas LIT 4. Sistemas Discretos LIT 5. Estabilidade BIBO Sistemas
Leia maisSistemas lineares. Aula 3 Sistemas Lineares Invariantes no Tempo
Sistemas lineares Aula 3 Sistemas Lineares Invariantes no Tempo SLIT Introdução Resposta de um SLIT Resposta de Entrada Nula Resposta de Estado Nulo Resposta ao Impulso Unitária Introdução Sistemas: Modelo
Leia maisMario Campos, Dr.ECP PETROBRÁS/CENPES. Engenharia Básica em Automação e Otimização de Processos (EB/AOT)
Controle Regulatório Avançado e Sintonia de Controladores PID Mario Campos, Dr.ECP PETROBRÁS/CENPES Engenharia Básica em Automação e Otimização de Processos (EB/AOT) e-mail: mariocampos@petrobras petrobras.com..com.br
Leia maisSistemas de Controle
Sistemas de Controle Adriano Almeida Gonçalves Siqueira Aula 2 - Transformada de Laplace e Função Transferência Sistemas de Controle p. 1/27 Função Impulso Unitário Função pulso com área unitária: f(t)
Leia maisConteúdo. Definições básicas;
Conteúdo Definições básicas; Caracterização de Sistemas Dinâmicos; Caracterização dinâmica de conversores cc-cc; Controle Clássico x Controle Moderno; Campus Sobral 2 Engenharia de Controle Definições
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA. Resp.: Prof. Tit. Paulo S.
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA SEM 533 Modelagem e Simulação de Sistemas Dinâmicos I Resp.: Prof. Tit. Paulo S. Varoto 1 1- INTRODUÇÃO
Leia maisModelos de Perturbações. As perturbações existentes num sistema impôem limitações fortes no desempenho dos sistemas de controlo.
38 Modelos de Perturbações As perturbações existentes num sistema impôem limitações fortes no desempenho dos sistemas de controlo. Pertub. à entrada Pertub. internas Pertub. à saída u Sistema medição y
Leia maisFundamentos de Controle
Fundamentos de Controle Modelagem matemática de sistemas de controle Prof. Juliano G. Iossaqui Engenharia Mecânica Universidade Tecnológica Federal do Paraná (UTFPR) Londrina, 2017 Prof. Juliano G. Iossaqui
Leia maisSistemas lineares. Aula 7 Transformada Inversa de Laplace
Sistemas lineares Aula 7 Transformada Inversa de Laplace Transformada Inversa de Laplace Transformada Inversa de Laplace e RDC x(t) única Metódos Inversão pela Definição Inversão pela Expansão em Frações
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência jω Ge ( ) = jω Ye ( ) jω Ue ( ) Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação
Leia maisSinais e Sistemas. Sinais e Sistemas Fundamentos. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Sinais e Sistemas Sinais e Sistemas Fundamentos Renato Dourado Maia Universidade Estadual de Montes Claros Engenharia de Sistemas Impulso Unitário Discreto 1 Impulso Unitário Discreto 0.9 0.8 δ[ n] 1,
Leia maisSinais e Sistemas. Sinais e Sistemas Fundamentos. Renato Dourado Maia. Faculdade de Ciência e Tecnologia de Montes Claros
Sinais e Sistemas Sinais e Sistemas Fundamentos Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Impulso Unitário Discreto 1 Impulso Unitário Discreto
Leia maisFenômenos de Transferência FEN/MECAN/UERJ Prof Gustavo Rabello 2 período 2014 lista de exercícios 06/11/2014. Conservação de Quantidade de Movimento
Fenômenos de Transferência FEN/MECAN/UERJ Prof Gustavo Rabello 2 período 2014 lista de exercícios 06/11/2014 Conservação de Quantidade de Movimento 1. A componente de velocidade v y de um escoamento bi-dimensional,
Leia maisControle utilizando variáveis de estado - v1.1
2 ontrole utilizando variáveis de estado - v. 2. Objetivo O objetivo desta experiência é, utilizando o enfoque de espaço de estados, projetar e implementar um controlador digital para uma planta simples
Leia maisControle de Processos Aula: Sistemas de 1ª e 2ª ordem
107484 Controle de Processos Aula: Sistemas de 1ª e 2ª ordem Prof. Eduardo Stockler Tognetti Departamento de Engenharia Elétrica Universidade de Brasília UnB 1 o Semestre 2016 E. S. Tognetti (UnB) Controle
Leia maisDescrição de Sistemas LTI por Variáveis de Estados 1
Descrição de Sistemas LTI por Variáveis de Estado Os estados de um sistema podem ser definidos como o conjunto mínimo de sinais que descrevem o comportamento dinâmico do sistema. Sendo assim, dado o valor
Leia maisV. ANÁLISE NO DOMÍNIO DO TEMPO
INSTITUTO TECNOLÓGICO DE AERONÁUTICA CURSO DE ENGENHARIA MECÂNICA-AERONÁUTICA MPS-43: SISTEMAS DE CONTROLE V. ANÁLISE NO DOMÍNIO DO TEMPO Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de
Leia maisSinais e Sistemas. Sistemas Lineares Invariantes no Tempo. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Sinais e Sistemas Sistemas Lineares Invariantes no Tempo Renato Dourado Maia Universidade Estadual de Montes Claros Engenharia de Sistemas Lembrando... xt () yt () ht () OK!!! xn [ ] yn [ ] hn [ ] ht (
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos ão Paramétricos 1 Métodos ão Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J. Miranda
Leia maisTópicos em Simulação e Otimização de Processos Aula 2: Modelos Matemáticos de Processos & Exemplo Aplicado
Tópicos em Simulação e Otimização de Processos Aula 2: Modelos Matemáticos de Processos & Exemplo Aplicado, MSc rodolfo@unipampa.edu.br Curso de Universidade Federal do Pampa Campus Bagé 26 de janeiro
Leia maisPropriedades das Funções de Base Radiais aplicadas à identificação de sistemas dinâmicos não-lineares
Universidade Federal de Minas Gerais From the SelectedWorks of Gladstone B. Alves 24 Propriedades das Funções de Base Radiais aplicadas à identificação de sistemas dinâmicos não-lineares Gladstone B. Alves,
Leia maisModelos Matemáticos de Sistemas
Modelos Matemáticos de Sistemas Introdução; Equações Diferenciais de Sistemas Físicos; Aproximações ineares de Sistemas Físicos; Transformada de aplace; Função de Transferência de Sistemas ineares; Modelos
Leia maisEulerian-Lagrangian Simulation of a Turbulent Evaporating Spray
Eulerian-Lagrangian Simulation of a Turbulent Evaporating Spray Rodrigo B. Piccinini e-mail: rbpiccinini@gmail.com Apresentação de Tese de Mestrado Instituto Tecnológico de Aeronáutica Programa de Engenharia
Leia maisUNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
UNIVERSIDADE FEDERAL DE ITAJUBÁ PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UMA NOVA ABORDAGEM PARA REPRESENTAÇÕES E IDENTIFICAÇÕES DE CLASSES DE SISTEMAS DINÂMICOS NÃO- LINEARES Flávia Antunes DISSERTAÇÃO
Leia maisModelagem no Domínio da Frequência. Carlos Alexandre Mello. Carlos Alexandre Mello 1
Modelagem no Domínio da Frequência Carlos Alexandre Mello 1 Transformada de Laplace O que são Transformadas? Quais as mais comuns: Laplace Fourier Cosseno Wavelet... 2 Transformada de Laplace A transf.
Leia maisEscoamento potencial
Escoamento potencial J. L. Baliño Escola Politécnica - Universidade de São Paulo Apostila de aula 2017, v.1 Escoamento potencial 1 / 26 Sumário 1 Propriedades matemáticas 2 Escoamento potencial bidimensional
Leia maisAnálise no Domínio do Tempo de Sistemas em Tempo Contínuo
Análise no Domínio do Tempo de Sistemas em Tempo Contínuo Edmar José do Nascimento (Análise de Sinais e Sistemas) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco
Leia maisAA-220 AERODINÂMICA NÃO ESTACIONÁRIA
AA-0 AERODINÂMICA NÃO ESTACIONÁRIA Soluções para movimentos prescritos de um aerofólio Prof. Roberto GIL Email: gil@ita.br Ramal: 648 1 Admitância Indicial Ao se aplicar uma entrada degrau a um sistema
Leia maisAnálise de Sistemas em Tempo Discreto usando a Transformada Z
Análise de Sistemas em Tempo Discreto usando a Transformada Z Edmar José do Nascimento (Análise de Sinais e Sistemas) http://www.univasf.edu.br/ edmar.nascimento Universidade Federal do Vale do São Francisco
Leia maisUniversidade Federal do Rio de Janeiro. Circuitos Elétricos I EEL 420. Módulo 11
Universidade Federal do Rio de Janeiro Circuitos Elétricos I EEL 420 Módulo Laplace Bode Fourier Conteúdo - Transformada de Laplace.... - Propriedades básicas da transformada de Laplace....2 - Tabela de
Leia maisAula 3. Carlos Amaral Fonte: Cristiano Quevedo Andrea
Aula 3 Carlos Amaral Fonte: Cristiano Quevedo Andrea UTFPR - Universidade Tecnológica Federal do Paraná DAELT - Departamento Acadêmico de Eletrotécnica Curitiba, Marco de 2012. Resumo 1 Introdução 2 3
Leia maisIdentificação por Métodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Identificação por Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos
Leia maisControle de Processos Aula: Atraso no tempo e obtenção de modelos empíricos
107484 Controle de Processos Aula: Atraso no tempo e obtenção de modelos empíricos Prof. Eduardo Stockler Tognetti Departamento de Engenharia Elétrica Universidade de Brasília UnB 1 o Semestre 2016 E.
Leia maisControle de Sistemas I
Controle de Sistemas I Sinais e Sistemas - Fundamentos Renato Dourado Maia Faculdade de Ciência e Tecnologia de Montes Claros Fundação Educacional Montes Claros Impulso Unitário Discreto 1 Impulso Unitário
Leia maisControle de Processos Aula: Função de transferência, diagrama de blocos, polos e zeros
107484 Controle de Processos Aula: Função de transferência, diagrama de blocos, polos e zeros Prof. Eduardo Stockler Tognetti Departamento de Engenharia Elétrica Universidade de Brasília UnB 2 o Semestre
Leia maisEstabilidade entrada-saída (externa).
Estabilidade entrada-saída (externa) ENGC33: Sinais e Sistemas II Departamento de Engenharia Elétrica - DEE Universidade Federal da Bahia - UFBA 05 de junho de 2019 Prof Tito Luís Maia Santos 1/ 38 Sumário
Leia maisNotas de Aula: Linearização de Sistemas Não-Lineares DAS5112 Sinais e Sistemas Lineares I
Notas de Aula: Linearização de Sistemas Não-Lineares DAS5112 Sinais e Sistemas Lineares I Hector Bessa Silveira 2014/1 1 Objetivos Veremos como podemos simular um sistema não-linear utilizando pacotes
Leia maisCaderno de Exercícios
Caderno de Exercícios Orlando Ferreira Soares Índice Caracterização de Sinais... Caracterização de Sistemas...0 Sistemas LIT - Convolução...5 Série de Fourier para Sinais Periódicos Contínuos...0 Transformada
Leia mais3. MODELOS MATEMÁTICOS
13 3. MODELOS MATEMÁTICOS 3.1 ENSAIOS EXPERIMENTAIS COM O TROCADOR DE CALOR Todos os ensaios realizados com o trocador de calor para a obtenção de seu modelo consistiram em se aplicar um degrau de vazão
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHRIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA ELÉTRICA. 2ª Lista de SEL0417 Fundamentos de Controle.
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHRIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA ELÉTRICA ª Lista de SEL0417 undamentos de Controle Professor: Rodrigo Andrade Ramos Questão 1 Suponha que um satélite
Leia maisAula 12 - Controle por Modos Deslizantes 1
Instituto Tecnológico de Aeronáutica 1/ 23 Instituto Tecnológico de Aeronáutica Divisão de Engenharia Eletrônica Departamento de Sistemas e Controle São José dos Campos, São Paulo, Brasil Aula 12-1 EE-209:
Leia maisMétodos Matemáticos para Engenharia
Métodos Matemáticos para Engenharia Transformada de Laplace Docentes: > Prof. Fabiano Araujo Soares, Dr. Introdução Muitos parâmetros em nosso universo interagem através de equações diferenciais; Por exemplo,
Leia maisModelagem no Domínio da Frequência. Carlos Alexandre Mello. Carlos Alexandre Mello 1
Modelagem no Domínio da Frequência Carlos Alexandre Mello 1 Transformada de Laplace O que são Transformadas? Quais as mais comuns: Laplace Fourier Cosseno Wavelet... 2 Transformada de Laplace A transf.
Leia maisEstimação da Resposta em Frequência
27 Estimação da Resposta em Frequência ω = ω ω Objectivo: Calcular a magnitude e fase da função de transferência do sistema, para um conjunto grande de frequências. A representação gráfica deste conjunto
Leia maisSistemas Dinâmicos Lineares
Sumário Sistemas Dinâmicos Lineares 4 de julho de 2016 () Sistemas Dinâmicos Lineares 4 de julho de 2016 1 / 29 () Sistemas Dinâmicos Lineares 4 de julho de 2016 2 / 29 Apresentação da disciplina Objetivos
Leia mais5 Descrição entrada-saída
Teoria de Controle (sinopse) 5 Descrição entrada-saída J. A. M. Felippe de Souza Descrição de Sistemas Conforme a notação introduzida no capítulo 1, a função u( ) representa a entrada (ou as entradas)
Leia maisEES-20: Sistemas de Controle II. 08 Novembro 2017
EES-20: Sistemas de Controle II 08 Novembro 2017 1 / 46 Recapitulando: Controle empregando realimentação de estado r k F u k u t y t T y k T x(t) T K x k 2 / 46 Recapitulando: Projeto por alocação de polos
Leia maisCapítulo 2 Dinâmica de Sistemas Lineares
Capítulo 2 Dinâmica de Sistemas Lineares Gustavo H. C. Oliveira TE055 Teoria de Sistemas Lineares de Controle Dept. de Engenharia Elétrica / UFPR Gustavo H. C. Oliveira Dinâmica de Sistemas Lineares 1/57
Leia maisAula sobre funções de transferência
Aula sobre funções de transferência Matemática Aplicada II - MAT01168 maio de 2012 Sumário Sistemas lineares causais invariantes no tempo Sistemas Um sistema possui entradas e saídas. Figura : Modelo caixa-preta
Leia maisp.1/48 Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av. Antônio Carlos 6627, Belo Horizonte, MG, Brasil
p1/48 Capítulo 4 - Métodos ão Paramétricos Eduardo Mendes Departamento de Engenharia Eletrônica Universidade Federal de Minas Gerais Av Antônio Carlos 27, elo Horizonte, MG, rasil p2/48 Introdução Os métodos
Leia maisControle de Processos
17484 Controle de Processos Aula: Função de Transferência Prof. Eduardo Stockler Tognetti Departamento de Engenharia Elétrica Universidade de Brasília UnB 1 o Semestre 216 E. S. Tognetti (UnB) Controle
Leia maisSílvia Mara da Costa Campos Victer Concurso: Matemática da Computação UERJ - Friburgo
Convolução, Série de Fourier e Transformada de Fourier contínuas Sílvia Mara da Costa Campos Victer Concurso: Matemática da Computação UERJ - Friburgo Tópicos Sinais contínuos no tempo Função impulso Sistema
Leia maisResposta dinâmica. Prof. Alan Petrônio Pinheiro Universidade Federal de Uberlândia Faculdade de Engenharia Elétrica
Capítulo 6*: Resposta dinâmica Prof. Alan Petrônio Pinheiro Universidade Federal de Uberlândia Faculdade de Engenharia Elétrica alanpetronio@ufu.br *Baseado no capítulo 3 do livro texto: Sistemas de Controle
Leia maisMétodos Não Paramétricos
Modelação, Identificação e Controlo Digital Métodos Não Paramétricos 1 Métodos Não Paramétricos Estimação da resposta impulsiva e da resposta em frequência Análise espectral e métodos de correlação J.
Leia maisSinais e Sistemas Exame Data: 18/1/2018. Duração: 3 horas
Sinais e Sistemas Exame Data: 8//28. Duração: 3 horas Número: Nome: Identique este enunciado e a folha de respostas com o seu número e os seus primeiro e último nomes. Para as questões a 9, indique as
Leia maisDisciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios
Disciplina: Processamento Estatístico de Sinais (ENGA83) - Aula 02 / Processos Aleatórios Prof. Eduardo Simas (eduardo.simas@ufba.br) Programa de Pós-Graduação em Engenharia Elétrica/PPGEE Universidade
Leia mais2 Conceitos Básicos da Geometria Diferencial Afim
2 Conceitos Básicos da Geometria Diferencial Afim Antes de iniciarmos o estudo das desigualdades isoperimétricas para curvas convexas, vamos rever alguns conceitos e resultados da Geometria Diferencial
Leia maisVibrações Mecânicas. Sistemas Contínuos. DEMEC UFPE Ramiro Willmersdorf
Vibrações Mecânicas DEMEC UFPE Ramiro Willmersdorf ramiro@willmersdor.net Sistemas contínuos ou distribuídos Equações diferenciais parciais; Cabos, cordas, vigas, etc.; Membranas, placas, etc; Processo
Leia maisControle e Servomecanismos I
Controle e Servomecanismos I Introdução Sistemas de controle com e sem retroalimentação São de enorme importância científica, tecnológica e econômica com aplicações em Telecom, transportes, navegação,
Leia maisEstabilidade de sistemas de controle lineares invariantes no tempo
2 Estabilidade de sistemas de controle lineares invariantes no tempo 2.1 Introdução Neste capítulo, vamos definir alguns conceitos relacionados à estabilidade de sistemas lineares invariantes no tempo.
Leia maisREPRESENTAÇÃO DE SISTEMAS DINÂMICOS NA FORMA DO ESPAÇO DOS ESTADOS
REPRESENTAÇÃO DE SISTEMAS DINÂMICOS NA FORMA DO ESPAÇO DOS ESTADOS. Espaço dos estados Representação da dinâmica de um sistema de ordem n usando n equações diferenciais de primeira ordem. Sistema é escrito
Leia maisProcessamento de Sinal e Imagem Engenharia Electrotécnica e de Computadores
António M. Gonçalves Pinheiro Departamento de Física Covilhã - Portugal pinheiro@ubi.pt Processos Estocásticos - Sinais que variam aleatoriamente no tempo. são regidos por processos estocásticos. 2 1 1
Leia maisSUMÁRIO PARTE 1 MODELAGEM, COMPUTADORES E ANÁLISE DE ERROS 3. PT1.1 Motivação... 3 Pt1.2 Fundamentos Matemáticos... 5 Pt1.3 Orientação...
PARTE 1 MODELAGEM, COMPUTADORES E ANÁLISE DE ERROS 3 PT1.1 Motivação... 3 Pt1.2 Fundamentos Matemáticos... 5 Pt1.3 Orientação... 7 CAPÍTULO 1 Modelagem matemática e resolução de problemas de engenharia...10
Leia maisProfessor Msc. Leonardo Henrique Gonsioroski
Professor Msc. Leonardo Henrique Gonsioroski Professor Leonardo Henrique Gonsioroski UNIVERSIDADE GAMA FILHO PROCET DEPARTAMENTO DE ENGENHARIA CONTROLE E AUTOMAÇÃO Definições Um sistema que estabeleça
Leia maisUNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA
UNIVERSIDADE DE SÃO PAULO ESCOLA DE ENGENHARIA DE SÃO CARLOS DEPARTAMENTO DE ENGENHARIA MECÂNICA SEM 533 Modelagem e Simulação de Sistemas Dinâmicos I Resp.: Prof. Tit. Paulo S. Varoto Sistemas de Primeira
Leia maisSinais e Sistemas. Sinais e Sistemas Fundamentos. Renato Dourado Maia. Universidade Estadual de Montes Claros. Engenharia de Sistemas
Sinais e Sistemas Sinais e Sistemas Fundamentos Renato Dourado Maia Universidade Estadual de Montes Claros Engenharia de Sistemas Classificação de Sinais Sinal de Tempo Contínuo: É definido para todo tempo
Leia maisIntrodução aos Proc. Estocásticos - ENG 430
Introdução aos Proc. Estocásticos - ENG 430 Fabrício Simões IFBA 16 de novembro de 2015 Fabrício Simões (IFBA) Introdução aos Proc. Estocásticos - ENG 430 16 de novembro de 2015 1 / 34 1 Motivação 2 Conceitos
Leia maisIdentificação de Sistemas
Identificação de Sistemas Possibilita a construção de modelos matemáticos da dinâmica de um sistema a partir de dados obtidos experimentalmente Os modelos matemáticos obtidos são fundamentais para o projeto
Leia mais