7. Controlo Adaptativo
|
|
- Jessica Martins Damásio
- 5 Há anos
- Visualizações:
Transcrição
1 1 7. Controlo Adaptativo Objectivo: Mostrar como é possível integrar os blocos anteriormente estudados de identificação de sistemas e projecto de controladores para obter controladores adaptativos.
2 2 Motivação para o Controlo Adaptativo Há situações em que a dinâmica do sistema a controlar se pode alterar ao longo do tempo. Isto pode ser devido, por exemplo, à existência de não linearidades nos actuadores ou no próprio sistema. Neste caso, a dinâmica linearizada vai variar com o ponto de trabalho (por exemplo com a velocidade de equilíbrio). Pode ainda acontecer que a dinâmica varie devido a factores como o envelhecimento ou alterações do ambiente. Nesta situação, a afinação do controlador adequada a um ponto de trabalho pode não o ser para outro.
3 3 Um exemplo R + - Controlador PI Actuador Sistema u K(1+ Ti s ) f(.) G(s) e 1 y = = + = = Nestas circunstâncias, a resposta do sistema controlado depende do ponto de funcionamento. Um controlador bem afinado para um ponto de funcionamento pode não estar bem afinado para outro.
4 4 As figuras seguintes mostram a resposta a um escalão na referência de amplitude 0.1, para diversos pontos de funcionamento, com um PI sintonizado em torno de r=
5 5 Exemplo de variação da dinâmica num avião Num avião a dinâmica linearizada altera-se com as condições de voo. A figura mostra a dependência dos valores próprios do sistema com a velocidade de equilíbrio Extraída de Neves da Silva, R. (1994). Controlo de Aeronave não tripulada usando técnicas LQG/LTR de ganho variável Tese de Mestrado, IST - Departamento de Engenharia Electrotécnica e de Computadores.
6 6 Devido à variação da dinâmica com as condições de voo, utilizando um controlador de ganhos fixos, pode ter-se um bom comportamento numa gama de funcionamento e um mau funcionamento noutras zonas. Exemplo do controlo do ângulo de pitch com um controlador fixo quando a velocidade aumenta progressivamente:.extraído de Rato, L. M. (1994). Técnicas de Controlo Adaptativo aplicadas a uma aeronave não tripulada Tese de Mestrado, IST - Departamento de Engenharia Electrotécnica e de Computadores
7 7 Uma possibilidade consiste em adaptar os ganhos para compensar alterações da dinâmica devidas a variações da velocidade. Para tal, podem usar-se várias estruturas. Uma possibilidade é: Adaptador Ajuste dos ganhos do controlador Controlador u y
8 8 O bloco Adaptador por ser obtido de vários modos: Tabela que altera os ganhos do controlador de um modo fixo, para cada valor de velocidade. Esta técnica denomina-se gain-scheduling. Identificação da dinâmica com o método dos mínimos quadrados, refazendo-se o cálculo dos ganhos repetidamente, em tempo real. Esta técnica denomina-se Controlo Adaptativo.
9 9 "Gain-scheduling" φ(v) O valor da variável manipulada em Controlador V baixo x V φ(v) cada instante resulta resulta da combinação linear das variáveis calculadas pelos vários u Controlador V médio x V + u controladores. Por exemplo, a velocidades baixas, o φ(v) controlador respectivo é multiplicado Controlador V alto x V por um peso próximo de 1 enquanto o controlador de velocidades altas é multiplicado por zero.
10 10 Controlo Adaptativo vs. "Gain Scheduling" A solução do controlo de sistemas variáveis no tempo por "gain scheduling" é útil em muitas situações mas levanta problemas quando: Não é possível conhecer a priori qual o controlador a utilizar numa dada situação; É necessário recorrer a um número muito elevado de controladores. Uma possibilidade, que se estuda neste curso é o Controlo adaptativo.
11 11 Controlo Adaptativo Numa das famílias de Controlo Adaptativo, o Adaptador é constituído por dois blocos: Identificador, que estima continuamente os parâmetros (e. g. a posição dos pólos, dos zeros e o ganho) de um modelo, a partir dos dados de entrada e saída medidos. Projecto do Controlador, que recalcula continuamente os ganhos do controlador tendo em conta as novas estimativas do modelo. Deste modo, quando a dinâmica do sistema se altera, o identificador dá conta desse facto e os ganhos do controlador são alterados para fazer face à nova situação.
12 12 No caso do exemplo do controlo do ângulo de pitch, é possível, recorrendo ao Controlo Adaptativo, obter uma resposta com características razoavelmente constantes quando a velocidade varia de 10 a 40 m/s: Extraído de Rato, L. M. (1994). Técnicas de Controlo Adaptativo aplicadas a uma aeronave não tripulada Tese de Mestrado, IST - Departamento de Engenharia Electrotécnica e de Computadores
13 13 Isto é possível graças ao ajuste dos ganhos do controlador efectuado pelo adaptador: Extraído de Rato, L. M. (1994). Técnicas de Controlo Adaptativo aplicadas a uma aeronave não tripulada Tese de Mestrado, IST - Departamento de Engenharia Electrotécnica e de Computadores. O adaptador actualiza constantemente o modelo melhor ajustado aos dados e recalcula os ganhos do controlador de acordo com esta estimativa do modelo.
14 14 Estimador de Mínimos Quadrados Recursivo RLS Recusrsive Least Squares Objectivo: Obter estimativas de mínimos quadrados combinando uma estimativa anterior com novos dados, aproveitando cálculos já efectuados anteriormente. Estimativa anterior θ e variáveis auxiliares RLS Novos dados ϕ Nova estimativa θ e variáveis auxiliares
15 15 Estimador não recursivo dadas observações: θ Pode ser escrita como (mostre!): θ ( Φ Φ) = Φ = Λ ϕ = em que a matriz de informação é dada por Λ = ϕ ϕ =
16 16 Matriz de informação verifica Λ = Λ + ϕ ϕ (1) Tem-se ainda θ = Λ ϕ = (2) e Λ θ = ϕ = (3) Pretende-se escrever θ em função de θ, de Λ, de e de ϕ Sugestão: Isolar o último termo do somatório em (2). Escrever (3) para ; Usar (1);
17 17 θ = Λ ϕ = θ = Λ ϕ + ϕ = Λ θ = ϕ = [ Λ ] θ = Λ θ + ϕ
18 18 [ Λ ] θ = Λ θ + ϕ Λ = Λ ϕ ϕ Assim: [ Λ ] θ = Λ θ ϕ ϕ θ + ϕ [ ] θ θ = + Λ ϕ ϕ θ
19 19 As equações do estimador recursivo são: [ ] θ θ = + Λ ϕ ϕ θ Nova estimativa Estimativa anterior Ganho vectorial Diferença entre o que esperamos que seja y(t) dada a estimativa e o que observamos Λ = Λ + ϕ ϕ É necessário inverter uma matriz em cada iteração!
20 20 Será que podemos alterar o algoritmo para evitar inversão de matrizes? [ ] θ θ = + Λ ϕ ϕ θ Λ = Λ + ϕ ϕ Se trabalharmos com a matriz de covariância as equações ficam: [ ] θ = θ + ϕ ϕ θ = Λ + [ ϕ ϕ ]
21 21 Aplique-se este lema a com Obtém-se: Lema de inversão de matrizes [ + ] = [ + ] [ ϕ ϕ ] = Λ + = Λ =, = ϕ, =, [ ] = ϕ = ϕ ϕ + ϕ Escalar
22 22 Modelo: Estimador: Algoritmo de Mínimos Quadrados Recursivo (RLS) = ϕ θ + [ ] θ = θ + θ ϕ = ϕ ("Ganho de Kalman") = ϕ ϕ + ϕ ϕ "Equação de Riccati"
23 23 Alternativamente, o ganho de Kalman e a equação de Riccati podem ser escritos como (demonstre!): = ϕ + ϕ ϕ [ ] = ϕ Esta forma é vantajosa porque permite adaptar a estimativa dos parâmetros antes de adaptar a estimativa da matriz de covariância.
24 24 Exemplo: Estimação recursiva de um parâmetro Ganho de Kalman Ganho fixo=0.03 Ganho fixo=0.5 = ϕ θ + θ = Ganho do estimador: Alto leva a convergência rápida mas a grande variância das estimativas em regime estacionário. Baixo leva a convergência lenta. O ganho de Kalman é alto no início e baixo no fim, variando no tempo
25 25 Programa MATLAB usado no exemplo thrls=0; thsm=0; thbig=0; p=10; theta0=2; tfinal=200; for t=1:tfinal pp(t)=p; fi=1+0.1*rand; y=theta0*fi+0.2*randn; p=p-p*fi*fi*p/(1+fi*p*fi); kalm=p*fi; thrls=thrls+kalm*(y-thrls*fi); thsm=thsm+0.03*(y-thsm*fi); thbig=thbig+0.5*(y-thbig*fi); sth(t,1)=thrls; sth(t,2)=thsm; sth(t,3)=thbig; end; axis([0 tfinal 0 5]) hold on plot(sth) hold off
26 26 Este exemplo ilustra a convergência dos mínimos quadrados recursivos. Inicialmente, como a nossa incerteza sobre o valor verdadeiro do parâmetro a estimar é grande, escolhemos um valor elevado para a covariância. Neste caso, =. O ganho de Kalman é elevado inicialmente pelo que a convergência é rápida. Há medida que o tempo passa e vamos recebendo dados, diminui e o ganho de Kalman também. Isto leva à convergência da estimativa pois o termo de correcção fica progressivamente menor
27 27 O estimador pode ser encarado como um mecanismo que reduz a nossa incerteza sobre o valor verdadeiro do parâmetro através das observações. A incerteza é medida por uma função densidade de probabilidade do erro na estimativa. Neste exemplo esta incerteza é gaussiana e com variância proporcional a Parameter probability density given 200 observations Initial parameter probability density function
28 28 Um exemplo com parâmetros não identificáveis = + + Apenas a soma pode ser estimada Densidade de probabilidade dos parâmetros Aumentando o número de observações, reduz-se a incerteza da soma mas mantém-se a incerteza na direcção perpendicular (assume-se constante).
Controlo Óptimo e Adaptativo
Controlo Óptimo e Adaptativo 1-Aspectos Gerais 1 Controlo Óptimo e Adaptativo Licenciatura em Engenharia Aeroespacial J. Miranda Lemos Professor Catedrático do IST 2009 Controlo Óptimo e Adaptativo 1-Aspectos
Leia mais3 Identificação Recursiva.
1 3 Identificação Recursiva. Objectivo: Introdução às técnicas de identificação Recursiva com Aplicação no Controlo Adaptativo: O Método dos Mínimos Quadrados. Limitações. Referência: AW cap. 13 2 Ajuste
Leia maisModelação, Identificação e Controlo Digital
29 Adormecimento dos mínimos quadrados recursivos Se os dados forem adequados, os elementos do ganho de Kalman diminuem à medida que o tempo passa, tornando-se eventualmente muito reduzidos se o ruído
Leia maisControlo por Computador
Controlo por Computador Controlo por Computador J. Miranda Lemos Professor Catedrático do IST 204 Controlo por Computador 2 Programa da disciplina:. Estrutura de um sistema de Controlo por Computador 2.
Leia maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 3
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2008/09 Trabalho de Laboratório nº 3 Controlo Adaptativo do Nível de um Tanque J. Miranda Lemos e Alexandre Bernardino
Leia maisControlo por Computador 25. Computer Control. Parts 1, 2. J. Miranda Lemos. Professor Catedrático do IST
Controlo por Computador 25 Computer Control Parts, 2 J. Miranda Lemos Professor Catedrático do IST 205 Controlo por Computador 26 Programa da disciplina:. Estrutura de um sistema de Controlo por Computador
Leia maisDepartamento de Física da Faculdade de Ciências da Universidade de Lisboa T2 FÍSICA EXPERIMENTAL I /08 FORÇA GRAVÍTICA
Departamento de Física da Faculdade de Ciências da Universidade de Lisboa T2 FÍSICA EXPERIMENTAL I - 2007/08 1. Objectivo FORÇA GRAVÍTICA Comparar a precisão de diferentes processos de medida; Linearizar
Leia maisMétodo dos Mínimos Quadrados
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 1998/99 Método dos Mínimos Quadrados Objectivos: Estimação de valores pelo método dos mínimos quadrados. PROBLEMAS 1 Determine
Leia maisp( y θ ) depende de um parâmetro desconhecido θ.
55Modelação, Identificação e Controlo Digital 55 Método de Máxima Verosimilhança (Maximum Likelihood) Seja y uma variável aleatória (v. a.) cuja densidade de probabilidade p( y θ ) depende de um parâmetro
Leia maisRetroacção Linear de Variáveis de Estado
Mestrado Integrado em Engenharia Electrotécnica e de Computadores Controlo em Espaço de Estados Problemas para auto-estudo sobre Retroacção Linear de Variáveis de Estado J. Miranda Lemos 03 J. M. Lemos,
Leia mais3 Filtro de Kalman Discreto
3 Filtro de Kalman Discreto As medidas realizadas por sensores estão sujeitas a erros, como pode ser visto no Capítulo 2. Os filtros são aplicados aos sinais medidos pelos sensores para reduzir os erros,
Leia maisINSTITUTO TECNOLÓGICO DE AERONÁUTICA
INSTITUTO TECNOLÓGICO DE AERONÁUTICA DIVISÃO DE ENGENHARIA MECÂNICA MP-272: CONTROLE E NAVEGAÇÃO DE MULTICÓPTEROS IV. ESTIMAÇÃO ÓTIMA Prof. Davi Antônio dos Santos (davists@ita.br) Departamento de Mecatrônica
Leia maisModelação, Identificação e Controlo Digital
Modelação, Identificação e Controlo Digital 1-Aspectos Gerais 1 Modelação, Identificação e Controlo Digital Semestre de Inverno 2005/2006 Área Científica de Sistemas de Decisão e Controlo Modelação, Identificação
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 maisInstituto Superior Técnico Licenciatura em Engenharia Electrotécnica e de Computadores. Controlo 2005/2006
Instituto Superior Técnico Licenciatura em Engenharia Electrotécnica e de Computadores Controlo 2005/2006 Controlo digital de velocidade e de posição de um motor D.C. Elaborado por E. Morgado 1 e F. M.
Leia maisFundamentos de Controlo
Licenciatura em Engenharia Electrónica LEE - IST Fundamentos de Controlo 1º semestre 2012-2013 Guia de trabalho de Laboratório Controlo de um motor d.c. elaborado por: Eduardo Morgado Outubro 2012 I. Introdução
Leia mais5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000)
5 Filtro de Kalman Aplicado ao Modelo de Schwartz e Smith (2000) A primeira parte deste capítulo, referente à passagem dos modelos estocásticos para as equações do Filtro de Kalman, já foi previamente
Leia maisControlo por Computador. Primeiro Teste
MEEC, MAero Controlo por Computador 2014/2015 Primeiro Teste 5 de Novembro de 2014, 20 horas salas QA, Q01 Quotação: P1 a) 2 b) 2 c) 2; P2 a) 3, b) 1, c) 1, P3 4, P4 a) 1 b) 3 c) 1. Duração: 2 horas. Não
Leia maisEES-20: Sistemas de Controle II. 20 Novembro 2017
EES-20: Sistemas de Controle II 20 Novembro 2017 1 / 57 Recapitulando: Filtro de Kalman para sistema de 1a ordem Foi considerado o caso de estado x[k] escalar, com G = 1 e C = 1, por simplicidade: Equação
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 mais-0LUDQGD/HPRV,67 3UREOHPDV0,&' 1. 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV
-0LUDQGD/HPRV,67 3UREOHPDV0,&' 0RGHODomR,GHQWLILFDomRH&RQWUROR'LJLWDO 3UREOHPDV -0LUDQGD/HPRV Sugerem-se também os problemas dos capítulos correspondentes de Astrom e Wittenmark, &RPSXWHU&RQWUROOHG6\VWHPV.
Leia maisAnálise de Regressão Linear Simples e
Análise de Regressão Linear Simples e Múltipla Carla Henriques Departamento de Matemática Escola Superior de Tecnologia de Viseu Introdução A análise de regressão estuda o relacionamento entre uma variável
Leia maisAlgoritmo Array Rápido para Filtragem de Sistemas Lineares Sujeitos a Saltos Markovianos com Variação Estruturada dos Parâmetros no Tempo
Trabalho apresentado no XXXVII CNMAC, SJ dos Campos - SP, 2017 Proceeding Series of the Brazilian Society of Computational and Applied Mathematics Algoritmo Array Rápido para Filtragem de Sistemas Lineares
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 maisModelação, Identificação e Controlo Digital 2003/04 Segundo Exame
Lic. Em Engª Electrotécnica e de Computadores Modelação, Identificação e Controlo Digital 003/04 Segundo Exame 4 de Fevereiro de 004, 9 horas - sala E5 Quotação: P-4, P-4, P3-4, P4-3, P5-3, P6-. P Considere
Leia maisDefine-se o regressor,ϕ,como. e o vector de parâmetros a estimar, θ,como. O modelo escreve-se:
22 Mínimos Quadrados - Notação matricial Se quisermos resolver o problema de estimação para um número arbitrário de parâmetros temos de usar a notação matricial. Define-se o regressor,,como [ ] e o vector
Leia mais14 Estimador assintótico
Teoria de Controle (sinopse) 4 J. A. M. Felippe de Souza Neste capítulo continuaremos no estudo de que foi iniciado no capítulo anterior. Estimadores de Estado, A exemplo dos capítulos anteriores será
Leia mais12. o ano - Física
12. o ano - Física - 2002 Ponto 115-2. a chamada I Versão 1 Versão 2 1. (B) (D) 2. (C) (C) 3. (A) (B) 4. (B) (A) 5 (A) (E) 6. (B) (C) II 1. 1.1 Figura 1: Legenda: N - reacção normal (força aplicada pela
Leia maisMestrado Integrado em Engenharia Electrotécnica e de Computadores Controlo em Espaço de Estados
Mestrado Integrado em Engenharia Electrotécnica e de Computadores Controlo em Espaço de Estados Problemas sobre Retroacção Linear de Variáveis de Estado J. Miranda Lemos 0 J. M. Lemos, IST P. Considere
Leia maisUniversidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais
Universidade Federal do Rio Grande do Sul Escola de Engenharia Departamento de Engenharia Elétrica ENG04037 Sistemas de Controle Digitais 1 Introdução Identificação via Mínimos Quadrados Prof. Walter Fetter
Leia maisFiltro de Kalman. Teoria e Aplicação para Iniciantes. Prof. Dr. Marco Antonio Leonel Caetano. M&V Consultoria e Treinamento
Filtro de Kalman Teoria e Aplicação para Iniciantes Prof. Dr. Marco Antonio Leonel Caetano M&V Consultoria e Treinamento www.mudancasabruptas.com.br A História da Filtragem de Sinais 930 940 960 Filtro
Leia mais1. Estudo do pêndulo
Objectivos odelizar um pêndulo invertido rígido de comprimento e massa, supondo uma entrada de binário. Simular em computador. entar estabilizar o pêndulo em ciclo aberto por manipulação directa do binário.
Leia maisTratamento Estatístico de Dados em Física Experimental
Tratamento Estatístico de Dados em Física Experimental Prof. Zwinglio Guimarães o semestre de 06 Tópico 7 - Ajuste de parâmetros de funções (Máxima Verossimilhança e Mínimos Quadrados) Método da máxima
Leia maisMétodo dos Mínimos Quadrados
Universidade Federal da Paraíba Programa de Pós-Graduação em Engenharia Elétrica Método dos Mínimos Quadrados Prof. Juan Moises Mauricio Villanueva jmauricio@cear.ufpb.br www.cear.ufpb.br/juan 1 CASO 1:
Leia mais4. O algoritmo LMS e variantes
Apontamentos de Processamento Adaptativo de Sinais 4. O algoritmo LMS e variantes Família de algoritmos do gradiente Na prática usam-se estimativas do gradiente, ˆ (n), em vez do verdadeiro gradiente (n),
Leia maisInstituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores
Instituto Superior de Engenharia de Lisboa Engenharia Informática e de Computadores Teoria dos Sinais e dos Sistemas O procedimento de Gram-Schmidt: definição, exemplos e aplicações Artur Ferreira {arturj@isel.pt}
Leia maisConsiderações sobre matrizes no controlo. 1 - Valores Próprios, Vectores Próprios e Equação Característica
- Valores Próprios, Vectores Próprios e Equação Característica Os valores próprios e vectores próprios duma matriz são valores particulares obtidos da equação onde: λ v A v () A é uma matriz quadrada de
Leia mais6. Modelos baseados em dados
Modelação e Simulação 6.Modelos baseados em dados 6. Modelos baseados em dados Objectivo: Após completar este módulo, o aluno deverá ser capaz de formular e resolver problemas simples de estimação de parâmetros
Leia maisControlo Em Espaço de Estados. Trabalho de Laboratório nº 1 Dinâmica no Espaço de Estados
Mestrado em Engenharia Electrotécnica e de Computadores Controlo Em Espaço de Estados 2010/11 Trabalho de Laboratório nº 1 Dinâmica no Espaço de Estados Objectivos Após realizar este trabalho, o aluno
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 maisCONTROLO. 3º ano 1º semestre 2004/2005. Transparências de apoio às aulas teóricas. Efeitos da Realimentação e Erros em Regime Permanente
Licenciatura em Engenharia Electrotécnica e de Computadores (LEEC) Departamento de Engenharia Electrotécnica e de Computadores (DEEC) CONTROLO 3º ano º semestre 004/005 Transparências de apoio às aulas
Leia maisMestrado Integrado em Engenharia Civil. Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas
Mestrado Integrado em Engenharia Civil Disciplina: TRANSPORTES Prof. Responsável: José Manuel Viegas Sessão Prática 12 : Modelos de distribuição e afectação de tráfego 1/27 O MODELO DE 4 PASSOS Passo Objectivo
Leia maisExperiência 5. Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro
Experiência 5 Projeto e Simulação do Controle no Espaço de Estados de um Pêndulo Invertido sobre Carro Professores: Adolfo Bauchspiess e Geovany A. Borges O objetivo deste experimento é projetar e simular
Leia maisCC-226 Aula 07 - Estimação de Parâmetros
CC-226 Aula 07 - Estimação de Parâmetros Carlos Henrique Q. Forster - Instituto Tecnológico de Aeronáutica 2008 Estimação de Parâmetros Para construir o classificador bayesiano, assumimos as distribuições
Leia maisMétodo dos Mínimos Quadrados
Licenciatura em Engenharia Electrotécnica e de Computadores Análise Numérica 2004/2005 Método dos Mínimos Quadrados PROBLEMAS 1 Determine a aproximação dos mínimos quadrados aos pontos por: x 1 3 4 6 8
Leia mais2 FUNDAMENTACÃO TEÓRICA
2 FUNDAMENTACÃO TEÓRICA Este capítulo apresenta os modelos de séries temporais chamados estruturais, nos quais o valor das observações é visto como composto de uma parte sistemática, modelada por uma equação
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 mais4 Controle de motores de passo
36 4 ontrole de motores de passo O controle em malha aberta é o mais comum em motores de passo. Entretanto, o motor deve operar razoavelmente abaixo de sua capacidade para evitar a perda de passos. As
Leia maisθ depende de um parâmetro desconhecido θ.
73 Método de Máxima Verosimilhança (Maximum Likelihood) Seja uma variável aleatória (v. a.) cuja densidade de probabilidade depende de um parâmetro desconhecido. Admite-se conhecida a forma de Exemplo
Leia maisExercícios de programação
Exercícios de programação Estes exercícios serão propostos durante as aulas sobre o Mathematica. Caso você use outra linguagem para os exercícios e problemas do curso de estatística, resolva estes problemas,
Leia mais5. Síntese de leis de controlo usando técnicas polinomiais
1 5. Síntese de leis de controlo usando técnicas polinomiais Objectivo: Projectar controladores discretos lineares por colocação de pólos, recorrendo a descrições entrada/saída do processo Referência:
Leia maisResumo. Filtragem Adaptativa. Filtros adaptativos. Tarefas desempenhadas pelos filtros
Resumo Filtragem Adaptativa Luís Caldas de Oliveira lco@istutlpt Instituto Superior Técnico Sistemas de filtragem adaptativa Conceitos de filtragem adaptativa Filtro de Wiener Algoritmo steepest descent
Leia maisProva 2 (Parte Computacional)
Universidade de Brasília Faculdade de Tecnologia Departamento de Engenharia Elétrica 169536 - Tópicos em Controle e Automação: Controle de Processos 2S / 2012 Prof. Eduardo Stockler Tognetti Prova 2 (Parte
Leia maisCapítulo 3. O Modelo de Regressão Linear Simples: Especificação e Estimação
Capítulo 3 O Modelo de Regressão Linear Simples: Especificação e Estimação Introdução Teoria Econômica Microeconomia: Estudamos modelos de oferta e demanda (quantidades demandadas e oferecidas dependem
Leia maisProcessamento de Imagens CPS755
Processamento de Imagens CPS755 aula 06 - sistemas não lineares Antonio Oliveira Ricardo Marroquim 1 / 38 laboratório de processamento de imagens tópicos RANSAC métodos iterativos (não-lineares) gradientes
Leia maisModelação, Identificação e Controlo Digital
Modelação, Identificação e Controlo Digital Apresentação 2006/2007 1 Modelação, Identificação e Controlo Digital Semestre de Inverno 2006/2007 Área Científica de Sistemas de Decisão e Controlo Modelação,
Leia maisA análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004).
3 Séries temporais A análise de séries temporais é uma área da estatística dedicada ao estudo de dados orientados no tempo (MONTGOMERY, 2004). 3.1. Princípios fundamentais Conforme Box et al. (1994), uma
Leia maisTransformações e Ponderação para corrigir violações do modelo
Transformações e Ponderação para corrigir violações do modelo Diagnóstico na análise de regressão Relembrando suposições Os erros do modelo tem média zero e variância constante. Os erros do modelo tem
Leia maisLaboratórios de CONTROLO (LEE) (Controlador Centrífugo)
Laboratórios de CONTROLO (LEE) 1 o Trabalho Realimentação (Controlador Centrífugo) João Miguel Raposo Sanches 1 o Semestre 2005/2006 Instituto Superior Técnico (Tagus Park) 1 2 1 Introdução Neste trabalho
Leia maisTRANSPORTES. Sessão Prática 10 Modelos de Distribuição e Afetação de Tráfego
Mestrado Integrado em Engenharia Civil TRANSPORTES Prof. Responsável: Luis Picado Santos Sessão Prática 10 Modelos de istribuição e Afetação de Tráfego Instituto Superior Técnico / Mestrado Integrado Engenharia
Leia maisUnidade V - Desempenho de Sistemas de Controle com Retroação
Unidade V - Desempenho de Sistemas de Controle com Retroação Introdução; Sinais de entrada para Teste; Desempenho de um Sistemas de Segunda Ordem; Efeitos de um Terceiro Pólo e de um Zero na Resposta Sistemas
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino IST-Secção de Sistemas e Controlo
Leia maisTestes Formativos de Computação Numérica e Simbólica
Testes Formativos de Computação Numérica e Simbólica Os testes formativos e 2 consistem em exercícios de aplicação dos vários algoritmos que compõem a matéria da disciplina. O teste formativo 3 consiste
Leia maisControle de posição com realimentação auxiliar de velocidade
EXPERIÊNCIA 7 Controle de posição com realimentação auxiliar de velocidade PTC 3312 Laboratório de Controle 2º semestre de 2017 Fábio Fialho Laboratório de Automação e Controle Departamento de Engenharia
Leia maisAnálise de dados em Geociências
Análise de dados em Geociências Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2014-2015 Resumo Introdução Regressão linear dados independentes séries temporais Regressão de quantis Regressão
Leia maisProcessamento de erros grosseiros - Identiمحcaچcﷺao
Processamento de erros grosseiros - Identiمحcaچcﷺao Método ˆb Base: variável ˆβ interpretada como uma estimativa do erro associado à medida; verificação da magnitude do erro com relação a faixa esperada
Leia maisControle Ótimo - Aula 8 Equação de Hamilton-Jacobi
Controle Ótimo - Aula 8 Equação de Hamilton-Jacobi Adriano A. G. Siqueira e Marco H. Terra Departamento de Engenharia Elétrica Universidade de São Paulo - São Carlos O problema de controle ótimo Considere
Leia mais6. Determinação do Conjunto dos Estados Atingíveis
Sistema para verificação Lógica do Controlo Dezembro 23 6. Determinação do Conjunto dos Estados Atingíveis No capítulo anterior chegamos a uma implementação que determinava o estado de um sistema quando
Leia maisPESQUISA EM MERCADO DE CAPITAIS. Prof. Patricia Maria Bortolon, D. Sc.
PESQUISA EM MERCADO DE CAPITAIS Prof. Patricia Maria Bortolon, D. Sc. Cap. 4 Características do Conjunto de Oportunidades em Condições de Risco ELTO, E.; GRUBER, M.; BROW, S., GOETZMA, W. Moderna Teoria
Leia maisIntrodução Regressão linear Regressão de dados independentes Regressão não linear. Regressão. Susana Barbosa
Regressão Susana Barbosa Mestrado em Ciências Geofísicas 2012-2013 Regressão linear x : variável explanatória y : variável resposta Gráfico primeiro! Gráfico primeiro! Gráfico primeiro! Modelo linear x
Leia maisPARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES
PARTE 1 ANÁLISE DE REGRESSÃO COM DADOS DE CORTE TRANSVERSAL CAPÍTULO 2 O MODELO DE REGRESSÃO SIMPLES 2.1 DEFINIÇÃO DO MODELO DE REGRESSÃO SIMPLES Duas variáveis: y e x Análise explicar y em termos de x
Leia maisAutovalores e Autovetores
Algoritmos Numéricos II / Computação Científica Autovalores e Autovetores Lucia Catabriga 1 1 DI/UFES - Brazil Junho 2016 Introdução Ideia Básica Se multiplicarmos a matriz por um autovetor encontramos
Leia mais7 Conclusões e desenvolvimentos futuros
7 Conclusões e desenvolvimentos futuros 7.1 Conclusões Este trabalho apresentou novas soluções para a determinação da posição de terminais de comunicações móveis com base em medidas de ToA. Nos métodos
Leia maisUniversidade de São Paulo Instituto de Ciências Matemáticas e de Computação
Universidade de São Paulo Instituto de Ciências Matemáticas e de Computação Francisco A. Rodrigues Departamento de Matemática Aplicada e Estatística - SME Objetivo Dada M classes ω 1, ω 2,..., ω M e um
Leia maisAnexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos
1 Anexo 1 - Revisões de Teoria das Probabilidades e Processos Estocásticos Documento auxiliar à disciplina de Modelação, Identificação e Controlo Digital Alexandre Bernardino 003/005 IST-Secção de Sistemas
Leia maisInstrumentação Industrial. Fundamentos de Instrumentação Industrial: Caracterização Estática
Instrumentação Industrial Fundamentos de Instrumentação Industrial: Caracterização Estática Caracterização Estática de Instrumentos Definição: determinação da relação entre a entrada e a saída do instrumento,
Leia maisANÁLISE DE SÉRIES TEMPORAIS
ANÁLISE DE SÉRIES TEMPORAIS Ralph S. Silva http://www.im.ufrj.br/ralph/seriestemporais.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Definição
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 maisEXERCÍCIOS RESOLVIDOS
ENG JR ELETRON 2005 29 O gráfico mostrado na figura acima ilustra o diagrama do Lugar das Raízes de um sistema de 3ª ordem, com três pólos, nenhum zero finito e com realimentação de saída. Com base nas
Leia maisRicardo Ehlers Departamento de Matemática Aplicada e Estatística Universidade de São Paulo
Geração de Números Aleatórios Ricardo Ehlers ehlers@icmc.usp.br Departamento de Matemática Aplicada e Estatística Universidade de São Paulo 1 / 61 Simulando de Distribuições Discretas Assume-se que um
Leia mais6. Predição Linear e Controlo de Variância Mínima
1 6. Predição Linear e Controlo de Variância Mínima Objectivo: Projectar controladores discretos lineares para sistemas com perturbações estocásticas. Preparação para o Controlo Adaptativo. Referência:
Leia maisIntrodução ao Sistema de Controle
Introdução ao Sistema de Controle 0.1 Introdução Controle 1 Prof. Paulo Roberto Brero de Campos Controle é o ato de exercer comando sobre uma variável de um sistema para que esta variável siga um determinado
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 maisEconometria IV Modelos Lineares de Séries Temporais. Fernando Chague
Econometria IV Modelos Lineares de Séries Temporais Fernando Chague 2016 Estacionariedade Estacionariedade Inferência estatística em séries temporais requer alguma forma de estacionariedade dos dados Intuição:
Leia maisétodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA
étodos uméricos SISTEMAS DE EQUAÇÕES LINEARES (Continuação) Prof. Erivelton Geraldo Nepomuceno PROGRAMA DE PÓS-GRADUAÇÃO EM ENGENHARIA ELÉTRICA UNIVERSIDADE DE JOÃO DEL-REI PRÓ-REITORIA DE PESQUISA CENTRO
Leia maisUtilização de Métodos de Cálculo Numérico em Aerodinâmica
Cálculo Numérico em Erro vs Incerteza - Um erro define-se como a diferença entre uma determinada solução e a verdade ou solução exacta. Tem um sinal e requer o conhecimento da solução exacta ou verdade
Leia maisEstimadores ou Observadores de Estado
Estimadores ou Observadores de Estado 1. Estimadores ou Observadores de Estado: sistemas SISO 1. Extensões para Sistemas a Tempo Discreto pag.1 Teoria de Sistemas Lineares Aula 19 Estimadores ou Observadores
Leia maisComputer Control Problems
Computer Control Problems 03 J. Miranda Lemos and A. Bernardino Models in Computer Control P Determine os primeiros 6 termos da solução da equação de diferenças y ( k) k ) k ) k, 3, partindo das condições
Leia maisSílvio A. Abrantes Faculdade de Engenharia Universidade do Porto, Portugal
Apontamentos de Processamento Adaptativo de Sinais Sílvio A. Abrantes Faculdade de Engenharia Universidade do Porto, Portugal Apontamentos de Processamento Adaptativo de Sinais 1. Introdução Introdução
Leia maisEstabilidade Dinâmica: Modos Laterais
Estabilidade Dinâmica: Modos Laterais João Oliveira Departamento de Engenharia Mecânica, Área Científica de Mecânica Aplicada e Aeroespacial Instituto Superior Técnico Estabilidade de Voo, Eng. Aeroespacial
Leia maisLocalização de robôs móveis baseados em balizas
Faculdade de Engenharia da Universidade do Porto Localização de robôs móveis baseados em balizas Sandro Augusto Costa Magalhães Tiago José Ferreira Mendonça VERSÃO FINAL Trabalho realizada no âmbito da
Leia maisResumindo e concluindo
Resumindo e concluindo eleextos de bolso e de trazer por casa, suavemente, suavemente Parte Sílvio A Abrantes Departamento de Engenharia Electrotécnica e de Computadores Faculdade de Engenharia, Universidade
Leia maisINSTITUTO SUPERIOR TÉCNICO CONTROLO. As questões assinaladas com * serão abordadas na correspondente aula de apoio.
INSTITUTO SUPERIOR TÉCNICO ENGENHARIA ELECTROTÉCNICA E DE COMPUTADORES CONTROLO 3 a Série (root-locus, análise e projecto no plano-s) As questões assinaladas com * serão abordadas na correspondente aula
Leia maisEconometria em Finanças e Atuária
Ralph S. Silva http://www.im.ufrj.br/ralph/especializacao.html Departamento de Métodos Estatísticos Instituto de Matemática Universidade Federal do Rio de Janeiro Maio-Junho/2013 Motivação Motivação Por
Leia maisIntrodução aos Métodos Numéricos
Introdução aos Métodos Numéricos Instituto de Computação UFF Departamento de Ciência da Computação Otton Teixeira da Silveira Filho Conteúdo específico Sistemas de Equações Lineares. Métodos Iterativos
Leia maisDefinição da Distribuição de Poisson
Capítulo IX Distribuição de Poisson Definição da Distribuição de Poisson Significado do parâmetro Propriedades da Distribuição de Poisson Aproximação Gaussiana da Distribuição de Poisson O problema do
Leia mais4 O Filtro de Kalman
4 O Filtro de Kalman O filtro de Kalman se caracteriza como uma ferramenta estatística eficiente de estimação, pois minimiza o erro quadrático. Sua aplicação é feita quando o modelo está descrito na forma
Leia maisLEEC Probabilidades e Estatística 1 a Chamada 13/06/2005. Parte Prática C (C) M 1% 9% 10% (M) 4% 86% 90% 5% 95% 100%
. Definição dos acontecimentos: M T-shirt tem manchas C T-shirt tem costuras defeituosas D T-shirt é defeituosa A Preço da t-shirt é alterado a) PM) = % PC) = 5% PM C) = % LEEC Probabilidades e Estatística
Leia mais