Moderne Methoden der Regelungstechnik I
|
|
- Maria Ziegler
- vor 7 Jahren
- Abrufe
Transkript
1 Technische Universität München Vorlesungsmitschrift Moderne Methoden der Regelungstechnik I Sommersemester 2014 Autor Konstantin Werner konstantin.werner@gmail.com 1. Überarbeitung Christian Dengler sumo_spider@yahoo.de 2. Überarbeitung Tobias Scheuermann mail@tobias-scheuermann.de 19. Juli 2014 Dies ist nur eine Mitschrift der Vorlesung und ersetzt nicht den Besuch der Vorlesung. Dies ist kein offizelles Skript des Lehrstuhls. Dieses Dokument erhebt keinen Anspruch auf Richtigkeit und Vollständigkeit, wohl aber auf die Bemühung um selbige.
2 Inhaltsverzeichnis 1. Einführung und Zustandsregelung 1 2. Konstante Zustandsrückführung und Führungsgrößenaufschaltung für lineare Systeme Struktur der Zustandsregelung Wahl von M und M u (für p = q) Führungsübertragungsmatri G w (s) Entwurf der Zustandsrückführung R durch Eigenwertvorgabe (engl.: Pole Placement) Berechnung von R über die Regelungsnormalform Berechnung von r T bei vorhandener RNF Berechnung von r T bei beliebiger Zustandsdarstellung Berechnung von R über vollständige modale Synthese Entkoppelung des Ein/Ausgangsverhaltens Minimierung eines quadratischen Gütemaßes Aufgabe Lösung Zustandsbeobachter Prinzip Entwurf des Beobachters Berechnung des Beobachters über einen Zustandsreglerentwurf Vorgebbarkeit von Beobachter-Eigenwerten Reduzierter Beobachter Beobachter im Regelkreis - Separationstheorem Kalman-Filter Digitale Implementierung Berücksichtigung von Störgrößen Störmodell und Störgrößenbeobachter Störgrößenaufschaltung Konstante Rückführung von w Dynamische Störgrößenaufschaltung Vollständige Unterdrückung von Störungen durch geeignete Zustandsrückführung (=Störentkoppelung) Bewertung Erweiterte Regelungsstrukturen Zustandsregelung mit I-Anteil (p=q) Modellgestützte dynamische Führungsgrößenaufschaltung Modellgestützte dynamische Störgrößenaufschaltung Trajektoriengenerierung
3 6. Ein-Ausgangslinearisierung nichtlinearer Systeme Einleitung Differenzordnung und Lie-Ableitung Reglerentwurf Künstliche neuronale Netze Multi-Layer-Perception (MLP) Radial-Basis-Funktionsnetze (RBFN) Nachbildung dynamischer Systeme durch KNN A. Notation 41
4 Abbildungsverzeichnis 1.1. Übersicht über die Struktur der Zustandsregelung detaillierte Struktur der Zustandsregelung alternative Darstellung Zweitanksystem Strecke & Rückführung mögliche Verläufe einer Zustandsgröße i Ansatz für Beobachter Luenberger-Beobachter = vollständiger Zustandsbeobachter (BB 3.1) fiktiver Regelkreis Beispielverläufe für Störgrößen Störmodell konstante Störgrößenaufstellung dynamische Störgrößenaufstellung Zustandsregelung mit I-Anteil statische Führungsgrößenaufschaltung Dynamische Steuerung ohne Regelung Dynamische Steuerung mit Zustandsregelung Dynamische Steuerung mit Zustandsregelung, Beobachter und I-Anteil Darstellung als Zwei-Freiheitsgrade-Regelung dynamische Störgrößenaufschaltung inverses Pendel
5
6 1. Einführung und Zustandsregelung Entwurf von Regelsystemen im Zustandsraum, Zustandsregelung w Steuereinrichtung Strecke u soll + u y + Regler soll + - =Verallgemeinerung der Zwei-Freiheitsgrade-Regelung (BB 1.1) Abbildung 1.1.: Übersicht über die Struktur der Zustandsregelung Ziele: 1. Stabilität 2. Sollwertfolge und Störminderung 3. Dynamik 4. Robustheit dieser Eigenschaften 1
7 2. Konstante Zustandsrückführung und Führungsgrößenaufschaltung für lineare Systeme 2.1. Struktur der Zustandsregelung w M u 0 u Steuer u ẋ B C y R A Strecke M soll - Abbildung 2.1.: detaillierte Struktur der Zustandsregelung Strecke: ẋ = A (n n) (n 1) + B u (n p) (p 1), (t 0 ) = 0 (1) y = C (2) (q n) Regelgesetz: u = R( soll ) + u steuer = R ( M w ) + M u w (3) (p n) (n q)(q 1) (p q) = R + (R M + M u ) w (4) F 2
8 also: w + u y F Strecke - R ohne Soll-Ist-Wertvergleich Abbildung 2.2.: alternative Darstellung (3),(4) in (1): ẋ = (A B R) + B(R M + M u )w = (A B R) + B F w (5) y = C Zustandsgleichungen des geregelten Systems. Es ist stabil, wenn die Eigenwerte von A B R in der linken kompleen Halbebene liegen. 1. Stabilitätsforderung: R so wählen, dass die Anfangsstörung o ausgeregelt wird. (t) 0 für t (mit w = 0) 2. Sollwertfolge (=stationäre Genauigkeit): M und M u so wählen, dass stationär. y stat. = w stat., soll,stat. = stat., (mit R = 0) 2.2. Wahl von M und M u (für p = q) Stationär gilt: ẋ = A st + B u st! = 0 y st = C st! = w st A B st 0 = C 0 u st w st P 0 st = P 1 0 (0) = P 1 0 (0) w u st w st I st 3
9 Nun soll st = soll,st = M w st, folglich u st = u steuer,st = M u w st sein. M w st M =! st w M u w st = = P 1 0 (0) st u st I M u Da w st beliebig und konstant ist, gilt das nur mit M M u = 1 A B 0 C 0 I Dies ist die stationär genaue Steuereinrichtung. Sie ist unabhängig von R. Die Lösungen von A ηi B det = 0 ( ) C 0 P (η) heißen invariante Nullstellen des Systems A B C. Liegt keine von ihnen in 0, so ist P(0) invertierbar und ( ) eindeutig lösbar. M Hinweis: Falls p q: P (0) 0 = zu lösen versuchen. M u I 2.3. Führungsübertragungsmatri G w (s) Laplace-Transformation von (5) und (2) mit 0 = 0 w st sx(s) = (A B R)X(s) + B(R M + M u )W (s) (si A + B R)X(s) = B F W (s) X(s) = (si A + B R) 1 B F W (s) (6) mit Y (s) = C X(s) Y (s) = C(sI A + B R) 1 B F W (s) (7) G (s) w G w (s) ist die Führungsübertragungsmatri. G w (s) ist übertragungsstabil, wenn das char. Polynom det(si A+B R) nur Nullstellen in der linken Halbebene hat, wenn also alle EW von A B R links liegen Stationäres Verhalten wird mit s = 0 beschrieben (vgl. Endwertsatz): y stat = C( A + B R) 1 B F G (0) w w stat G w (0)! = I für stationäre Genauigkeit F = hängt von R ab, siehe BB C(B R A) 1 B 4
10 2.4. Entwurf der Zustandsrückführung R durch Eigenwertvorgabe (engl.: Pole Placement) ẋ = (A B R) + B F w Grundgedanke ist, die Eigenwerte λ R1,..., λ Rn (Regelungseigenwerte) vorzugeben, um eine gewünschte Dynamik zu sichern und R so zu wählen, dass sich diese Eigenwerte tatsächlich einstellen. Dazu vergleicht man das charakteristische Polynom mit dem Polynom der gewünschten Regelungseigenwerte: det(si A + B R) charakteristisches Polynom = (s λ R1 )... (s λ Rn ) vorgegebene Eigenwerte s n + a n 1 (R)s n a 0 (R) = s n + p n 1 s n p 0 Koeffizientenvergleich: a n 1 (R) = p n 1. Synthese-Gleichungen a 0 (R) = p 0 n Gleichungen für n p Elemente von R. Fall 1: p = 1 (Eingrößensystem). In diesem Fall sind die Synthesegleichungen linear und können eindeutig gelöst werden, sofern das System steuerbar ist. Fall 2: p > 1 (Mehrgrößensystem). Die Synthesegleichungen sind nichtlinear und unterbestimmt. Unendlich viele Lösungen. 5
11 Beispiel 1. Zweitank-System q zu = u 1 q ab1 = k q ab2 = k 2 2 Abbildung 2.3.: Zweitanksystem ẋ1 ẋ 2 k1 0 1 = k 1 k 2 2 } {{ } A y = 0 1 c T 1 + u 0 b Hinweis: negative Füllhöhen und Fließgeschwindigkeiten machen physikalisch keinen Sinn. Man kann das System als Abweichung von einem gewählten Arbeitspunkt verstehen. Auch negative Einträge in und sind dann zulässig. Negative Geschwindigkeite ẋ würden aber immer noch bedeuten, dass das Wasser in den Tank zurück fließt, dies soll aber hier so hingenommen werden. Regelgesetz: r 1 r 2 u = } {{ } r T + f w (t) charakteristisches Polynom des geregelten Systems: det(si A + b r T s + k1 + r ) = det 1 r 2 k 1 s + k 2 = s 2 + s(k 1 + r 1 + k 2 ) + k 2 k 1 + k 2 r 1 + r 2 k 1 Eigenwertvorgabe: z.b. λ r1 = 2, λ r2 = 3 (s + 2)(s + 3) = s 2 + 5s + 6 Koeffizientenvergleich: k 1 + r 1 + k 2 = 5 r 1 = 5 k 1 k 2 mit k 1 = k 2 = 1: k 1 k 2 + k 2 r 1 + r 2 k 1 = 6 r 2 = 6 k 2(5 k 2 ) k 1 r T = 3 2 6
12 Vorfilter f: f = c T (b r T A) 1 b 1 = = 6 oder: A b m 0 c T = 0 m u m m 2 = m u 1 1 m =, m 1 u = 1 Probe: r T m + m u = f 2.5. Berechnung von R über die Regelungsnormalform (für Eingrößensysteme) Definition der Regelungsnormalform (RNF), alle sind Größen in RNF: ẋ..... = u 1 0 a a n 1 A b Die negierten Elemente der letzten Zeile von A sind die Koeffizienten des charakteristischen Polynoms det(si A ) = s n + a n 1 s n a Berechnung von r T bei vorhandener RNF ẋ = A + b u u = r T = r1... rn ẋ = (A b r T ) Dabei: A b r T = A.. r1... rn = A = r rn a 0 r a n 1 rn Somit hat auch der geschlossene Regelkreis Regelungsnormalform. Daraus berechnet sich das charakteristische Polynom des Regelkreises: s n + (a n 1 + r n)s n (a 0 + r 1) 7
13 Eigenwertvorgabe: s n +(a n 1 +r n)s n 1 + +(a 0 +r 1) = (s λ R1 ) (s λ Rn ) = s n +p n 1 s n 1 + +p 0 Koeffizientenvergleich: r 1 = p 0 a0 ;... ; r n = p n 1 a n 1 Ergebnis: r T = p 0 a 0... p n 1 a n 1 (1) Diese Wahl von r T garantiert die gewünschten Regelungseigenwerte λ R1... λ Rn Berechnung von r T bei beliebiger Zustandsdarstellung Gegeben: ẋ = A + b u Gesucht: Transformation auf Regelungsnormalform = T ; = T 1 mit T = t T 1. t T n Eingesetzt ergibt sich: T 1 ẋ = A T 1 + bu ẋ = T A T 1 A + T b b u Forderung 1: T A = A T 0 1 t T A =!... 1 t T n 0 a a n t T 1. t T n t T 1 A. t T n A = t T 2. a 0 t T 1 a 1t T 2 a n 1t T n Zeilenweiser Vergleich: t T 2 = t T 1 A t T 3 = t T 2 A = t T 1 A 2. t T n = t T n 1A = t T 1 A n 1 8
14 T = t T 1 t T 1 A1. t T 1 An 1 (2) Aus der letzten Zeile folgt: a 0 t T 1 a 1 t T 1 A a n 1 t T 1 A n 1 = t T 1 A n (3) Dies ist laut Theorem von Cayley-Hamilton immer erfüllt, liefert also keine neue Information und kann somit nicht zur Berechnung von t T 1 verwendet werden. (Siehe BB.2.2). Forderung 2: T b = b t T 1 0 t T 1 T b = A. b =. 0 t T 1 An 1 1 Elementweiser Vergleich: t T 1 b = 0, t T 1 A b = 0,..., t T 1 A n 1 b = 1 t T 1 b A b... A n 1 b = } {{ } } {{ } Steuerbarkeitsmatri Q s e T n t T 1 = e T n Q 1 s = letzte Zeile von Q 1 s Vorraussetzung für die freie Eigenwertvorgabe ist die Steuerbarkeit des Systems! Dann können alle Regelungseigenwerte frei vorgegeben werden. In der Regelungsnormalform gilt: Aus (1) r T = p 0 a 0... p n 1 a n 1 u = r T, = T, r T = r T T t T 1 t T 1 A1. t T 1 An 1 mit (3) folgt die Ackermann-Formel (1972) = (p 0 a 0 )t T 1 + +(p n 1 a n 1 )t T 1 A n 1 r T = p 0 t T 1 + p 1 t T 1 A + + p n 1 t T 1 A n 1 + t T 1 A n 9
15 Beispiel 2. Zweitanksystem ẋ1 ẋ = u 0 gesucht: Regelgesetz u = r 1 r 2 Eigenwertvorgabe: λ R1 = 2; λ R2 = 3 Charakteristisches Polynom: (s + 2)(s + 3) = s p1 s + 6 p0 = 0 Bestimmung von t T 1 Siehe BB.2.6. Q 1 s Q s = = b A b = t T 1 = r T = = Berechnung von R über vollständige modale Synthese (für Mehrgrößensysteme) 1. Ausgangspunkt: ẋ = A + B (n 1) u (n p)(p 1) ; rang(b) = p Regelgesetz: u = R ; Annahme: R sei bereits bekannt geschlossener Regelkreis: ẋ = (A B R) Die Regelungseigenwerte λ R1... λ Rn seien von den Streckeneigenwerten λ 1... λ n verschieden und einfach. Die Eigenvektoren v R1,..., v Rn von (A B R) sind dann linear unabhängig. 2. Dann gilt: λ Ri I (A B R) v Ri = 0 (λ Ri I A)v Ri = B R v Ri p i Definition 1. Parametervektoren p i p i = R v Ri, i = 1...n (1) (λ Ri I A)v Ri = B p i (2) v Ri = (A λ Ri I) 1 B p i (3) 10
16 3. Umkehrung: λ R1... λ Rn und p 1... p n werden frei vorgegeben. Dann folgt die Berechnung von v R1... v Rn nach (3). Diese v Ri werden genau dann Regelungseigenvektoren sein, wenn ein R eistiert, derart dass die p i tatsächlich p i = R v Ri erfüllen. p 1... p n = R v R1... v Rn V R (n n) Ein solches R eistiert, wenn die mit (3) gefundenen v R1... v Rn linear unabhängig sind bzw. V R invertierbar ist. Mit (3): R = 1 p 1... p n v R1... v Rn (4) Allgemeine Formel für den Polvorgaberegler: R = (p n) 1 p 1... p n (A λ R1 I) 1 B p 1... (A λ Rn I) 1 B p n } {{ } (p n) } {{ } (n n) (5) Roppenecker-Formel (1981) (parametric state feedback) siehe BB Entkoppelung des Ein/Ausgangsverhaltens Strecke Regelgesetz ẋ = A + B (n p) u; y = C ; p = q; rang(c) = rang(b) = p (q n) u = R + F w (1) Aufgabe ist es nun, F und R so zu wählen, dass jede Regelgröße y i ihrer Führungsgröße w i möglichst gut folgt ( Entwurf auf Führungsverhalten ) und durch die anderen Führungsgrößen nicht angeregt wird ( Entkoppelung ). Schritt 1: Differentialgleichung für y i Nach Ableitung: y = C sofern c T i B = 0T folgt ẏ i = c T i A nach nochmaligem Ableiten: y 1. y p = ct1. c T p y i = c T i ẏ i = c T i ẋ = c T i A + c T i B u ÿ i = c T i ẍ = c T i A 2 + c T i A B u 11
17 sofern c T i A B = 0T folgt ÿ i = c T i A2 usw. so lange bis c T i A δ i 1 B 0 T Es gilt: c T i B = 0 T c T i A B = 0 T c T i A δ i 2 B = 0 T c T i A δ i 1 B 0 T δ i heißt Differenzordnung des Systems bezüglich y i und bezeichnet die niedrigste Ableitung von y i auf die u unmittelbar zugreift. Wir haben also für i = 1...p: y i = c T i ẏ i = c T i A.. y i = c T i Aδi 1 (δ i 1). (2) Nun (1) in (3) einsetzen (δ i ) y i = c T i A δ i + c T i A δi 1 B u (3) 0 T (δ i ) y i = (c T i A δ i c T i A δ i 1 B R) + c T i A δ i 1 B F w (4) Schritt 2: Entkoppelung Damit y i nur von seiner Führungsgröße w i abhängt, ist F so zu wählen, dass c T i A δ i 1 B F w! = k i w i = k i w (5) oder c T 1 A δ 1 1 B F = k c T p A δp 1 B F = k p oder c T 1 Aδ 1 1 B k 1 0. F =... = diag(k 1... k p ) c T p A δp 1 B D } 0 {{ K k p } (p p) (p p) 12
18 Somit wird (4) mit (5) F = (D ) 1 K (6) sofern det(d ) 0 (Entkoppelbarkeitsbedingung) (δ i ) y i = (c T i A δ i c T i A δ i 1 B R) + k i w i (7) Um den Term mit durch einen mit y i, ẏ i,... zu ersetzen, wählt man R so, dass gilt: (c T i A δ i c T i A δ i 1 B R)! (δ i 1) = (M i0 y i + M i1 y i + + M iδi y 1 i ) = δ i 1 ν=0 M iν (ν) y i M iν beliebig (konstant) (8) Aus (2) ist bekannt (ν) y i = c T i A ν ; ν < δ i δ c T i A δ i c T i A δi 1 i 1 B R = M iν c T i A ν i = 1... p ν=0 c T 1 Aδ 1 1 B c T 1 Aδ 1 + δ 1 1 M 1ν c T 1 Aν ν=0. R =. c T p A δp 1 (p n) B c T δ p 1 p A δp + M pν c T p A ν D ν=0 (p n) (p p) hieraus wird R ermittelt. Somit wird aus (7) wegen (8): oder Nach Laplacetransformation δ (δ i ) i 1 (ν) y i = M iν y i + k i w i ν=0 (δ 1 ) y M 10 y 1 = k 1 w 1 (δ p) y p + + M p0 y p = k p w p entkoppeltes System Y 1 (s) =. Y p (s) = k 1 s δ M11 s + M 10 W 1 (s) k p s δp + + M p1 s + M p0 W p (s). 13
19 Diese Gleichungen beschreiben das Ein-/Ausgangsverhalten des geregelten Systems ẋ = (A B R) + B F w y = C Es besitzt eine diagonalförmige Führungsübertragungsmatri. Schritt 3: Polvorgabe Man gibt nun die Pole der einzelnen Übertragungsfunktionen vor, dadurch sind die M iν bestimmt. Außerdem kann man für stationäre Genauigkeit (y i = w i für s = 0) k i = M i0 wählen. Ist die Entkoppelbarkeitsbedingung det(d ) 0 erfüllt, so kann man entkoppeln und δ δ p = δ Eigenwerte vorgeben. δ ist die Differenzordnung des Systems (relativer Grad). Fall 1 δ = n: alle Eigenwerte können vorgegeben werden. Fall 2 δ < n: Es eistieren Eigenwerte, die nicht als Pole der Übertragungsmatri G(s) auftreten. Sie sind kompensiert durch invariante Nullstellen an gleicher Stelle. Die nicht vorgegebenen Eigenwerte werden durch R in invariante Nullstellen verschoben, sie werden unbeobachtbar. Stabilität der Entkoppelungsregelung tritt genau dann ein, wenn alle invarianten Nullstellen in der linken kompleen Halbebene liegen (und die δ vorgegebenen Pole links platziert wurden). siehe BB.2.5./ Minimierung eines quadratischen Gütemaßes Aufgabe - u Strecke ẋ = A + B u R Abbildung 2.4.: Strecke & Rückführung Rückführung R ist so zu wählen, dass (a) der Übergang von 0 nach s = 0 schnell und nicht zu stark oszillierend erfolgt. (b) die dazu erforderliche Steuerenergie möglichst klein ist. 14
20 i ideal t Abbildung 2.5.: mögliche Verläufe einer Zustandsgröße i Die Fläche unter der Kurve ist ein Maß für die Energie Quantitative Erfassung von Forderung (a) Gütemaß für den Verlauf von i : J i = Um alle Zustandsvariablen zu berücksichtigen J = i (t)dt q (t) + + q nn 2 n(t) dt Darin sind q ii > 0 Gewichtungsfaktoren. Soll z.b. 1 besonders klein gemacht werden, dann ist q 11 besonders groß zu wählen. Mit folgt q n.... n } 0 {{ q nn } Q J = 1 2 R ist so zu wählen, das J minimal wird. Quantitative Erfassung von (b): J = 1 2 = T (t)q (t)dt q 11 u 2 1(t) + + q pp u 2 p(t) dt u T (t) Qu(t)dt mit Q = = q q nn 2 n q q nn 15
21 Erfüllung (a) und (b) mit Gütemaß: J = J(R) = 1 T (t)q(t)dt + 1 u T (t) 2 2 Qu(t)dt 0 0 verlaufsoptimaler Anteil verbrauchsoptimaler Anteil R ist so zu wählen, das J minimal wird Lösung Optimales Regelgesetz (Herleitung in moderne Methoden der Regelungstechnik 2 ): u = Q 1 B T P } {{ } R Darin ist P die konstante, symmetrische, positiv definite (n n) Matri, die sich als Lösung von: P B Q 1 B T P P A A T P Q = 0 ergibt. Sie heißt algebraische Riccati Gleichung. P heißt positiv definit, wenn T P > 0 für 0. Routinen zur Lösung in jedem Programmpaket. Beispiel 3. skalare Ricatti-Gleichung ẋ = a + bu J = 1 2 ( q 2 + qu 2) dt 0 u = bp 1 q r pb bp pa ap d = 0 1 q Ricatti-Gleichung b 2 q p2 2ap q = 0 p 1/2 = a q b 2 ± ) (a q 2 b 2 + q q b 2 Es ist die positiv definite Lösung zu nehmen (p 2 > 0). p 1 = a q ) (a q 2 b 2 + b 2 + q q b 2 16
22 3. Zustandsbeobachter 3.1. Prinzip Problem der Zustandsrückführung u = R ist, dass alle n Zustandsgrößen gemessen und rückgeführt werden müssen. Die Messung bestimmter Größen kann aber sehr teuer oder sogar unmöglich sein. Abhilfe schafft die Schätzung der nicht messbaren Zustandsgrößen durch einen sog. Beobachter. Gesamtheit der Messgrößen: y = C Messvektor Gesamtheit der Regelgrößen: y a = C a Regelvektor 0 u ẋ = A + B u C a y a ˆ? y C Näherungswert = Schwätzwert für Abbildung 3.1.: Ansatz für Beobachter Vorschlag von Luenberger =Dynamisches System (Luenberger-Beobachter) ˆ = M ˆ + G u + K y (1) Darin sind M, G, K so zu wählen, dass der Schätzfehler (t) = (t) ˆ(t) 0 für t und zwar für beliebiges 0, ˆ 0. Fehler-Differentialgleichung: = ẋ ˆ = A + B u M ˆ G u K y M( ) K C 17
23 = M + (A M K C) + (B G)u Man wählt: 1. G = B damit der Einfluss von u verschwindet und der Beobachter somit für jedes u gilt. 2. K und M so, dass A M K C = 0, also M = A K C. Somit ist nur K frei wählbar. Dann gilt: = M (t) 0, falls alle Eigenwerte von M links liegen. Luenberger-Beobachter: ˆ = (A K C) ˆ + B u + K y (2) M wobei K so zu wählen ist, dass die Eigenwerte von M = A K C links liegen. Umformung: M ˆ = ( ) A K C ˆ = A ˆ K C ˆ = A ˆ K ŷ ŷ ˆ = A ˆ K ŷ + B u + K y 0 u ẋ = A + B u C y y ŷ - ˆ = A ˆ + B u + K(y ŷ) ˆ C ŷ 0 Luenberger-Beobachter Parallelmodell mit Korrekturterm K(y ŷ) Abbildung 3.2.: Luenberger-Beobachter = vollständiger Zustandsbeobachter (BB 3.1) ˆ 0 wird = 0 gewählt oder auf vorbekannte Werte gesetzt (wenn verfügbar). 18
24 3.2. Entwurf des Beobachters 1. Man gibt die Eigenwerte β 1,..., β n von M = A K C vor und zwar (Faustregel) links der Eigenwerte des ohne Beobachter geschlossenen Regelkreises, aber nicht zu weit links, da der Beobachter sonst differenzierend wirkt. 2. Bestimmung von K detsi (A K C)! = (s β 1 ) (s β n ) = s n + + p 1 s + p 0 = p(s) durch Koeffizientenvergleich: Synthesegleichungen des Beobachters Beispiel: Zweitanksystem BB Berechnung des Beobachters über einen Zustandsreglerentwurf (Bei Transposition bleibt die Determinante unverändert) detsi (A K C) = detsi (A T C T K T )! = (s β 1 ) (s β n ) Das ist das charakteristische Polynom des folgenden fiktiven Regelkreises - u f ẋ = A T f + C T u f f K T Abbildung 3.3.: fiktiver Regelkreis Bei Polvorgabe war ẋ f = A T f + C T u f ; u f = K f für fiktiv ẋ f = (A T C T K T ) f detsi (A B R)! = p(s) Somit das gleiche Problem wie Eigenwertvorgabe durch Zustandsrückführung nur mit A T statt A, C T statt B und K T statt R. Daher kann jedes Verfahren zur Zustandsreglerberechnung durch Polvorgabe Anwendung finden. nur eine Messgröße: Ackermann-Formel mehrere Messgrößen: Roppenecker-Formel 19
25 3.4. Vorgebbarkeit von Beobachter-Eigenwerten BB Reduzierter Beobachter Messgrößen y 1,..., y q werden als Zustandsvariablen eingeführt, die nicht messbaren Zustandsvariablen seien mit v 1,..., v n q bezeichnet. y = v Dann wird ẋ = A + B u zu y = v A11 A 12 A 21 A 22 Vollständigen Beobachter für v entwerfen: Messgleichung: v ẋ y B1 + u v B 2 ẏ = A 11 y + A 12 v + B 1 u v = A 21 y + A 22 v + B 2 u = A 22 v A + (A 21 y + B 2 u) B u ẏ A 11 y B 1 u = A 12 v y C Für dieses System wird nun ein vollständiger Beobachter für v entworfen: ˆ = (A K C)ˆ + B u + K y ˆv = (A 22 K A 12 )ˆv + (A 21 y + B 2 u) + K(ẏ A 11 y B 1 u) Um die Differentiation von y zu vermeiden führt man anstelle von ˆv den Vektor z = ˆv K y ein. ˆv = z + K y ˆv = ż + K ẏ ż + K ẏ = (A 22 K A 12 )(z + K y) + (A 21 y + B 2 u) + K ẏ K A 11 y K B 1 u ẏ fällt herraus. Der reduzierte Beobachter lautet: ż = (A 22 K A 12 )z + (B 2 K B 1 )u + (A 22 K A 12 )K + (A 21 K A 11 ) y v = z + K y (n q 1) Der Beobachter hat die Ordnung n q. Siehe Beiblatt 3.2. zur Vorgebbarkeit von Beobachtereigenwerten und Beiblatt 3.4. für Beispiele 20
26 3.6. Beobachter im Regelkreis - Separationstheorem Struktur des über Beobachter und Zustandsregler geschlossenen Regelkreises nach Beiblatt 3.1. Wird durch das Einfügen des Beobachters in den geschlossenen Regelkreis die Lage der zuvor festgelegten Eigenwerte in unkontrollierbarer Weise verändert? Gleichungen der Regelung (mit w = 0, ohne y 0 ) ẋ = A + B u y = C ˆ = (A K C)ˆ + B u + K y u = R ˆ ẋ = A B R ˆ ˆ = (A K C)ˆ B R ˆ + K C Zustandsdifferentialgleichung des über den Beobachter geschlossenen Regelkreis. A B R = ˆ K C A K C B R ˆ Charakteristische Gleichung: si A B R det = 0 K C si A + K C + B R Addition der zweiten Spalte zur ersten: si A + B R B R det = 0 si A + B R si A + K C + B R Subtraktion der ersten Zeile von der zweiten: si A + B R B R det = 0 0 si A + K C det(si A + B R) det(si A + K C) = 0 char.polynom char.polynom des Regelkreises des Beobachters ohne Beobachter Resultat: Die Eigenwerte des ohne Beobachter geschlossenen Regelkreises werden durch den Beobachter nicht verändert. Zu ihnen treten lediglich die Eigenwerte des Beobachters hinzu Kalman-Filter Siehe Beiblatt Digitale Implementierung Siehe Beiblatt
27 4. Berücksichtigung von Störgrößen Bisher wurden nur Anfangsstörungen berücksichtigt. Nun sollen auch Dauerstörungen einbezogen werden: Störung z(t) messen oder schätzen und dann gegensteuern (siehe 4.1/4.2) Zustandsregler entwerfen, der alle Störungen z(t) von y fernhält. (siehe 4.3) Spezielle andere Strukturen (siehe 5.) 4.1. Störmodell und Störgrößenbeobachter Manchmal hat man eine Vorstellung von der Gestalt der Störgrößen C e t T Lastmoment an Motor verfahrenstechnischer Prozess Vibrationsstörung Abbildung 4.1.: Beispielverläufe für Störgrößen Solche Störungen können durch Differentialgleichungen erzeugt werden, die in zufälligen Zeitpunkten durch zufällige Anfangswerte angeregt werden. 1. ż = 0 (Sprünge entsprechen neuen Anfangswerten) 2. T ż + z = 0 3. T 2 z + z = 0 allg.: lineare homogene Differentialgleichungen beliebiger Ordnung Zustandsdarstellung: (ẋ = A ) ẇ = W w w(t 0 ) = w 0 (y = C ) z = Z w 22
28 W und Z sind im mathematischem Modell der Störung (=Störmodell) bekannte, konstante Matrizen. Hinzu kommt das Streckenmodell mit Störeingriff. ẋ = A + B u + E z (t 0 ) = 0 y = C Messgleichung w 0 (Anfangswertstörung) 0 ẇ = W w z = Z w z u ẋ = A + B u y = C y Abbildung 4.2.: Störmodell = w A E Z 0 W + w B u y = C 0 0 ( ) w Beobachter (reduziert) für das Gesamtmodell in gleicher Weise, wie bisher für das Streckenmodell Zustands- und Störgrößenbeobachter. T Er liefert den Näherungswert ˆ(t) ŵ(t) und damit eine Näherung- für die Störung ẑ = Z ŵ. Damit ist die Störung bekannt. Falls Komponenten von z messbar sind, braucht man hierfür keine Schätzung (und kein Störmodell). Entwurf eines Zustandsreglers unabhängig vom Beobachter möglich, da das Separationstheorem auch hier gilt. Ansatz einer Zustandsrückführung wie bisher: u = R gesamt w = R R w = R R w w w Einsetzen in ( ) = w A B R E Z B Rw 0 W w 23
29 Strecke, Störung und Zustandsrückführung enthalten. Charakteristisches Polynom si (A B R) E Z + B Rw det 0 si W = det(si (A B R)) det(si W ) Die erste Determinante entspricht der bisherigen Verschiebung der Eigenwerte von A durch R. Die Eigenwerte von W können jedoch von R oder R gesamt nicht verschoben werden. verbleibendes Problem: Wie kann die Einwirkung von z auf den Regelkreis in anderer Weise als durch Eigenwertvorgabe gemindert werden? 4.2. Störgrößenaufschaltung Konstante Rückführung von w w 0 (Anfangswertstörung) w ẇ = W w z = Z w N N u 0 z y soll M u u ẋ = A + B u y = C y R M Abbildung 4.3.: konstante Störgrößenaufstellung Ausgangspunkt: System mit gleich vielen Stell- wie Regelgrößen. W in Diagonalform (andernfalls BB.4.1) N zur Elimination des Einflusses von w auf R. R soll unabhängig von w entwerfbar 24
30 sein. Für y soll = 0: Rückführgesetz: u = N u w + R N w R R w w Zustandsgleichung = w A B R E Z + B(R N + N u ) 0 W w y = C 0 w e = I N w Idee: N und N u so wählen, dass die Eigenwerte des Störmodells W (s s) unbeobachtbar werden. Dazu Forderungen gemäß Gilbertkriterium: C 0 v i = 0 für i = 1... s I N v i = 0 für i = 1... s in y und e Eigenvektoren v i A B R λi I E Z + B(R N + N u ) vi = 0 ( ) 0 W λ i I e i v i Mit e i = Einheitsvektor mit 1 an i ter Stelle, da W diagonal. Aus Forderung 2: v i = N e i = n i ( ) wird zu: (A B R λ i I)n i + E z i + B R n i + B n ui = 0 (A λ i I)n i + E z i + B n ui = 0 Aus Forderung 1: C 0 v i = C v i = C n i = 0 A λi I B C 0 P (λ i ) ni n ui = E zi 0 ( ) Ergebnis: Die Spalten der gesuchten Matrizen N u, N sind ni n ui = P 1 E zi (λ i ) 0 i = 1... s 25
31 worin λ i die Eigenwerte von W sind. Die durch W, Z beschriebenen Störungen werden unbeobachtbar. Eingenwerte λ i werden dabei invariante Nullstellen vorausgesetzt Nur Dauereinflüsse werden ausgeblendet. Speziell für abschnittsweise konstante Dauerstörungen ist W = 0 und Z = I, folglich N = P 1 E A B E (0) = 0 C 0 0 N u Im Fall R = 0 wird nur N u implementiert. siehe Beiblatt Dynamische Störgrößenaufschaltung ẋ = A + B u + E z y = C z sei messbar. Kein Regelgesetz. Ziel: Vollständige Unstörbarkeit von y für beliebiges z(t). Übertragungsverhalten: sx(s) = A X(s) + B U(s) + E Z(s) X(s) = (si A) 1 B U(s) + (si A) 1 E Z(s) G (s) G (s) u z Y (s) = C X(s) Y (s) = C(sI A) 1 B U(s) + C(sI A) 1 E Z(s) G (s) G (s) uy zy Forderung: Y (s)! = 0. z G zy y? G uy Abbildung 4.4.: dynamische Störgrößenaufstellung G uy (s) U(s) = G zy (s)z(s) U(s) = G 1 uy (s) G zy (s)z(s) dynamische Störgrößenaufschaltung. Sie hält beliebige Verläufe z(t) von y für alle t fern. Erweiterungen und Probleme siehe Beiblatt 4.4. Auswege: Kapitel 5 26
32 4.3. Vollständige Unterdrückung von Störungen durch geeignete Zustandsrückführung (=Störentkoppelung) Vollständige Unterdrückung des Störeinflusses durch geeignete Zustandsrückführung. ẋ = A + B u + E z y = C Ziel: u = R derart wählen, das y = 0 für alle z(t). Störentkoppelung ist genau dann gegeben, wenn sich jede Spalte von E als Linearkombination derjenigen Regelungseigenvektoren bilden lässt, für die C v Ri = 0 gilt. Beweis siehe Beiblatt 4.2. Entwurf von R über die Roppeneckerformel mit R = (λ Ri und p i werden vorgegeben.) Forderung: C v Ri = 0 ( ). Kombination von ( ) und ( ): 1 p 1... p n v R1... v Rn (A λ Ri I)v Ri = B p i i = 1... n ( ) A λri I B C 0 P (λ Ri ) vri p i = 0 0 ( ) Diese Gleichung hat genau dann nichttrivale Lösungen v Ri, p i wenn man λ Ri gleich den invarianten Nullstellen wählt, da dort P (λ Ri ) singulär wird. Entwurfsschritte: 1. Man bestimmt die invarianten Nullstellen und die v Ri, p i aus ( ). 2. Prüfung der Störentkoppelbarkeitsbedingung: jede Spalte von E muss als Linearkombination der v Ri darstellbar sein. 3. Man gibt diejenigen invarianten Nullstellen, deren zugehörige v Ri zur Bildung von E benötigt werden, als Regelungseigenwerte vor und verwendet die v Ri, p i in der Roppeneckerformel. 4. Die restlichen Eigenwerte und p i werden frei vorgegeben Bewertung Beiblatt
33 5. Erweiterte Regelungsstrukturen 5.1. Zustandsregelung mit I-Anteil (p=q) z w M u Strecke y R I R e I M e Abbildung 5.1.: Zustandsregelung mit I-Anteil Herrscht Stabilität, so müssen im stationären Zustand die Eingänge der I-Glieder = 0 sein. e = 0 y stat. = w stat. d.h. z(t) = const. wird stationär genau ausgeregelt, ebenso Abweichungen durch Modellierungsfehler. Gleichungen des erweiterten System: ẋ = A + B u + E z ė I = w y y = C u = R (M w ) + M u w + R I e I Für die Eigenwertvorgabe darf z = 0 und w = 0 gesetzt werden. ẋ = A + B u ė I = w y u = R + R I e I 28
34 oder A 0 B = + u e I C 0 e I 0 Ã B y = C 0 e I C R R I u = } {{ } R e I Berechnung des Reglers R für die erweiterte Strecke in bekannter Weise. Da die I-Glieder statische Genauigkeit sichern ist die Wahl von M, M u frei. Vorschläge für M, M u : 1. M = 0, M u = 0 Vorteil: einfach Nachteil: langsames Führungsverhalten (Tracking) 2. Wie bisher M M u Vorteil: stat = soll.stat, e Istat = 0 (Beiblatt 5.1) = 1 A B 0 C 0 I 29
35 5.2. Modellgestützte dynamische Führungsgrößenaufschaltung Bisher : Statische Führungsgrößenaufschaltung M u, M w M u u Strecke y R M statische Vorsteuerung Abbildung 5.2.: statische Führungsgrößenaufschaltung Fall 1: Dynamische Steuerung ohne Regelung (R = 0, M = 0) (Beiblatt 5.2-1) Modell u reale Strecke w M u ũ = A + B ũ ỹ = C ỹ ẋ = A + B u y = C y R M Vorsteuerung Abbildung 5.3.: Dynamische Steuerung ohne Regelung 30
36 Fall 2: Dynamische Steuerung mit Zustandsregelung (Beiblatt 5.2-2) w dynamische ũ u Vorsteuerung Strecke y aus Fall 1 R = soll - Abbildung 5.4.: Dynamische Steuerung mit Zustandsregelung Fall 3: Dynamische Steuerung mit Zustandsregelung, Beobachter und I-Anteil (Beiblatt 5.2-3) 31
37 z w dynamische Vorsteuerung ũ u Strecke y R I R Beobachter e I ˆ ỹ e Abbildung 5.5.: Dynamische Steuerung mit Zustandsregelung, Beobachter und I- Anteil getrennte Auslegung: Beobachter und R, R I auf Störverhalten Vorsteuerung auf Führungsverhalten 32
38 Diese Struktur kann auch als Zwei-Freiheitsgrade-Regelung dargestellt werden. z w V (s) u Strecke y R(s) - Abbildung 5.6.: Darstellung als Zwei-Freiheitsgrade-Regelung 5.3. Modellgestützte dynamische Störgrößenaufschaltung z Modell N u = A + B ũ ỹ = C Strecke N R Vorsteuerung R Abbildung 5.7.: dynamische Störgrößenaufschaltung siehe Beiblatt 5.2 Fall IV 5.4. Trajektoriengenerierung siehe Beiblatt
39 6. Ein-Ausgangslinearisierung nichtlinearer Systeme 6.1. Einleitung Ausgangspunkt: Eingangslineares Eingrößensystem: Beispiel 4 (Inverses Pendel). ẋ = a() + b() u (1) y = c() (2) m ϕ l M Abbildung 6.1.: inverses Pendel J ϕ mgl sin(ϕ) = M (3) oder mit 1 = ϕ, 2 = ϕ, u = M, y = ϕ in Regelungsnormalform: = mgl 2 J sin( + 1 u (4) 1) J y = 1 Intuitive Regelung: M so wählen, dass (3) eine lineare Differentialgleichung wird: J ϕ + k d ϕ + k p ϕ = k p ϕ soll (5) Durch Vergleich von (3) und (5) findet man das Regelgesetz: M = k d ϕ k p ϕ mgl sin(ϕ) + k p ϕ soll w 34
40 u = k d 2 k p 1 mgl sin( 1 ) + k p w in (4): = 2 kp J k + d k J p ϕ soll, 2 J y = 1 Das ist die lineare Regelungsnormalform von Y (s) = k p J s 2 + k d J s + k d J ϕ soll (s) Ergebnis: Liegt die Strecke in nichtlinearer Regelungsnormalform vor, so kann ein Regelgesetz sofort angegeben werden. Frage: Wie lässt sich der ein-ausgangslinearisierende Entwurf allgemein durchführen 6.2. Differenzordnung und Lie-Ableitung Bildung der Ableitung von y: y = c() ẋ = a() + b() u (1) y = c() (2) ẏ = c ẋ c ẋ n = c c n ẋ 1 n. ẋ n = c T ẋ Einsetzen in (1): ẏ = c T a() + c T b()u (3) Definition 2 (Lie-Ableitung von c() bzgl. a). L a c() = c T a() (4) Dann c T ẏ = L a c() + b() u häufig =0 ẏ = L a c() (5) La c() T La c() T La c() T ÿ = ẋ = a() + b() u L a(l ac()):=l 2 ac() häufig =0 ÿ = L 2 ac() (6) (δ 1) y = L (δ 1) (δ) y = L (δ) a c() + a c() (7) (δ 1) T L a c() b() u (8) } {{ } 0 35
41 δ ist die Differenzordnung des Systems. c T b = 0 L b c() = 0 La c() T b = 0 L b L a c() = 0 L (δ 2) a L (δ 1) a c() c(). T b = 0 L b L (δ 2) a c()= 0 T b 0 L b L (δ 1) a c() Reglerentwurf (δ) y = L (δ) a c() + Daraus folgt: L (δ 1) a c() T b()u =! (δ 1) α δ 1 y α 1 ẏ α 0 y + α 0 w (1) (δ) y + α δ 1 (δ 1) y + + α 0 y = α 0 w (2) Aus (1): Regelgesetz u = 1 (δ 1) L a c() Y (s) = T b() α 0 s δ + α δ 1 s δ α 0 W (s) L δ (δ 1) ac() α δ 1 y α 1 ẏ α 0 y + α 0 w Die α ν werden so gewählt, dass das System vorgegebene Pole hat. Ersetzung der y-ableitungen führt zum Regelgesetz: 1 u = (δ 1) T Lδ ac() α δ 1 L δ 1 a c() α 1 L a c() α 0 c() L a c() b() Einführung einer gewünschten linearen Dynamik Kompensation der Nichtlinearitäten vor u + α 0 w Führungsverhalten (3) 36
42 Beispiel 5 (inverses Pendel). ẏ = } {{ } L ac()= } {{ } L b c()=0 u = 2 ÿ = 0 1 a() b()u = mgl J sin J u δ = 2 L 2 a c() ÿ = mgl J sin( 1) + 1 J u =! α 1 ẏ α 0 y + α 0 w ( u = J mgl ) J sin( 1) α 1 2 α α 0 w Resultat: Das nichtlineare Regelgesetz bewirkt lineares Ein-/Ausgangsverhalten, nämlich α 0 Y (s) = s δ + α δ 1 s δ 1 W (s) + + α 1 s + α 0 Hinweise: Nur praktikabel, wenn keine Singularitäten zum Tragen kommen Bei δ < n kann interne Instabilität auftreten (vlg. linearer Entkoppelungsentwurf mit inv. Nullstelle in rechter Halbebene) Siehe Beiblatt
43 7. Künstliche neuronale Netze 1 f1 f3 y1 2 f2 f4 also y=f() statische zeitinvariante Abbildung von auf y 7.1. Multi-Layer-Perception (MLP) b21 1 w b f (.) b31 2 f (.) 2 3 f (.) 1 y 2 b23 w f (.) 3 Schicht 1: Eingabeschicht Schicht 2...n: Versteckte Schichten Ausgabeschicht: (häufig f()=) oder 3 2 y = wi1 23 fi 2 ( wji 12 j + b 2i ) + b 31 mit f1 3 () = i=1 j=1 Eine häufig verwendete Aktivierungsfunktion f() ist: f() = e β ; β > 0 38
44 1 0.5 Signoidf unktion Die Parameter des MLP sind dann: Die Gewichte w Die Schwellwerte (Bias Werte) b 21,... Parameter β i Die Zahl der Schichten und Neuronen "Training"des MLP=Optimierung der Parameter derart, dass y möglichst eine gewünschte, durch gegebene Trainingsdaten,,... beschriebene Abhän- (t1 ) (t2 ) y(t 1 ) y(t 2 ) gigkeit von aufweist Radial-Basis-Funktionsnetze (RBFN) Ähnlich wie MLP, aber mit Gaussglockenfunktion, z.b.: mit 3 y = w i ϕ i (, c i, V i ) i=1 ϕ i = e ( c i ) V T i V i ( c i ) (Gaußsche Radialbasisfunktion) Parameter: Gewichte w i,... Zentrenlagen c i Matrizen V i Zahl der Neuronen 39
45 7.3. Nachbildung dynamischer Systeme durch KNN y k 1 y k 1 Speist man ein KNN, y k = f( k ), mit k =. u so resultiert: k. u k m y k = f(y k 1,..., y k n, u k,..., u k m ) nichtlineares, zeitdiskretes dynamisches System als Differenzengleichung z -1 y K-1 z -1 y K-2 KNN (u K ) Time delay neural (y K) network z -1 u K-1 z -1 u K-2 40
46 A. Notation Bezeichnung Symbol Beispiel Skalar a a = 1 Spalten-Vektor im Zeitbereich b b = Zeilen-Vektor im Zeitbereich c T c T = Spalten-Vektor im Frequenzbereich D D = Matri E E =
Zusammenfassung der 8. Vorlesung
Zusammenfassung der 8. Vorlesung Beschreibung und Analyse dynamischer Systeme im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit Unterscheidung:
MehrSYNTHESE LINEARER REGELUNGEN
Synthese Linearer Regelungen - Formelsammlung von 8 SYNTHESE LINEARER REGELUNGEN FORMELSAMMLUNG UND MERKZETTEL INHALT 2 Grundlagen... 2 2. Mathematische Grundlagen... 2 2.2 Bewegungsgleichungen... 2 2.3
MehrEntwurf durch Polvorgabe
Grundidee der Zustandsregelung Entwurf durch Polvorgabe Zustandsgröß ößen, innere Informationen aus dem Prozeß,, werden zurückgef ckgeführt. Vorteile: Bei Bei vollständiger Steuerbarkeit ist ist eine eine
MehrInstitut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie
Institut für Elektrotechnik und Informationstechnik Aufgabensammlung zur Systemtheorie Prof. Dr. techn. F. Gausch Dipl.-Ing. C. Balewski Dipl.-Ing. R. Besrat 05.04.2013 Übungsaufgaben zur Systemtheorie
MehrRegelungstechnik II. Heinz Unbehauen. Zustandsregelungen, digitale und nichtlineare Regelsysteme. 9., durchgesehene und korrigierte Auflage
Heinz Unbehauen Regelungstechnik II Zustandsregelungen, digitale und nichtlineare Regelsysteme 9., durchgesehene und korrigierte Auflage Mit 188 Abbildungen und 9 Tabellen Studium Technik vieweg IX Inhalt
MehrDiplomhauptprüfung / Masterprüfung
Diplomhauptprüfung / Masterprüfung "Regelung linearer Mehrgrößensysteme" 6. März 2009 Aufgabenblätter Die Lösungen sowie der vollständige und nachvollziehbare Lösungsweg sind in die dafür vorgesehenen
MehrBirgit Steffenhagen. Formelsammlung. Regelungstechnik. Mit 300 Bildern. Fachbuchverlag Leipzig im Carl Hanser Verlag
Birgit Steffenhagen Formelsammlung Regelungstechnik Mit 300 Bildern Fachbuchverlag Leipzig im Carl Hanser Verlag Inhaltsverzeichnis 1 Grundbegriffe 11 1.1 Systeme und Signale 11 1.2 Steuerung und Regelung
MehrÜbungsskript Regelungstechnik 2
Seite 1 von 11 Universität Ulm, Institut für Mess-, Regel- und Mikrotechnik Prof. Dr.-Ing. Klaus Dietmayer / Seite 2 von 11 Aufgabe 1 : In dieser Aufgabe sollen zeitdiskrete Systeme untersucht werden.
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 9.05.07 Arbeitszeit: 50 min Name: Vorname(n): Matrikelnummer: Note: Aufgabe
MehrErreichbarkeit und Zustandsregler
Übung 5 Erreichbarkeit und Zustandsregler 5. Kriterium für die Erreichbarkeit Betrachtet wird wieder ein zeitkontinuierliches, lineares und zeitinvariantes System (LZI bzw. LTI : Linear Time Invariant)
MehrKlausur: Regelungs- und Systemtechnik 2
4 6 Fachgebiet Regelungstechnik Leiter: Prof. Dr.-Ing. Johann Reger Klausur: Regelungs- und Systemtechnik 2 Humboldt-Hörsaal Dienstag, den 07. 02. 2012 Beginn: 10.30 Uhr Bearbeitungszeit: 120 Minuten Modalitäten
MehrName: Vorname(n): Matrikelnummer: Aufgabe erreichbare Punkte erreichte Punkte Punkte aus Übungsmitarbeit Gesamtpunktanzahl
Universität des Saarlandes, Lehrstuhl für Systemtheorie und Regelungstechnik SCHRIFTLICHE PRÜFUNG aus SYSTEMTHEORIE UND REGELUNGSTECHNIK I am 28.7.26 Name: Vorname(n): Matrikelnummer: Note: Aufgabe 2 3
MehrMehrgrößenregelung. Aufgabensammlung
Fakultät für Elektrotechnik und Informationstechnik Professur Regelungstechnik und Systemdynamik Prof. Dr.-Ing. Stefan Streif Mehrgrößenregelung Aufgabensammlung Dr.-Ing. Arne-Jens Hempel M.Sc. Thomas
MehrInstitut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Regelungstechnik B. Prof. Dr. techn. F. Gausch Dipl.-Ing. C.
Institut für Elektrotechnik und Informationstechnik Aufgabensammlung zur Regelungstechnik B Prof. Dr. techn. F. Gausch Dipl.-Ing. C. Balewski 10.03.2011 Übungsaufgaben zur Regelungstechnik B Aufgabe 0
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrFormelsammlung. für den Teilbereich Zustandsraumdarstellung der Vorlesung. Einführung in die Regelungstechnik
Formelsammlung für den Teilbereich Zustandsraumdarstellung der Vorlesung Einführung in die Regelungstechnik Diese Formelsammlung ist ein Auszug aus der Formelsammlung zur Systemtheorie-Vorlesung von Matthias
Mehr6. Lineare DGL-Systeme erster Ordnung
HJ Oberle Differentialgleichungen I WiSe 22/3 6 Lineare DGL-Systeme erster Ordnung A Allgemeines Wir betrachten ein lineares DGL System erster Ordnung y (t = A(t y(t + b(t (6 und setzen voraus, dass die
MehrBand I: Analyse und Synthese. lechnischs? Hochschule Oarmstadfl.FACHBEREICH INFORMATIK B 1 B L I O T H E K
J. Ackermann Abtastregelung Zweite Auflage Band I: Analyse und Synthese Mit 71 Abbildungen lechnischs? Hochschule Oarmstadfl.FACHBEREICH INFORMATIK B 1 B L I O T H E K laventa r- h' r O o JJj Sadigebiefei
MehrZusatzmaterial zu Kapitel 4
1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 1 Zusatzmaterial zu Kapitel 4 1 Ermittlung der Transitionsmatrix mit der Sylvester- Formel Wir nehmen an, dass das Zustandsmodell eines linearen
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
MehrFlachheit Eine nützliche Methodik auch für lineare Systeme
Flachheit Eine nützliche Methodik auch für lineare Systeme Michael Zeitz Institut für Systemdynamik Universität Stuttgart Flachheits-Methodik [FLIESS et al. 92ff] Lineare SISO und MIMO Systeme M. Zeitz
MehrRegelungstechnik I (WS 13/14) Klausur ( )
Regelungstechnik I (WS 13/14) Klausur (13.03.2014) Prof. Dr. Ing. habil. Thomas Meurer Lehrstuhl für Regelungstechnik Name: Matrikelnummer: Bitte beachten Sie: a) Diese Klausur enthält 4 Aufgaben auf den
MehrSpringer-Lehrbuch. Regelungstechnik 2. Mehrgrößensysteme, Digitale Regelung. von Jan Lunze. Neuausgabe
Springer-Lehrbuch Regelungstechnik 2 Mehrgrößensysteme, Digitale Regelung von Jan Lunze Neuausgabe Regelungstechnik 2 Lunze schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Thematische
MehrInhaltsverzeichnis. Birgit Steffenhagen. Kleine Formelsammlung Regelungstechnik ISBN: Weitere Informationen oder Bestellungen unter
Inhaltsverzeichnis Birgit Steffenhagen Kleine Formelsammlung Regelungstechnik ISBN: 978-3-446-41467-9 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-41467-9 sowie im Buchhandel.
MehrRegelungstechnik 2. 4y Springer. Jan Lunze. Mehrgrößensysteme Digitale Regelung. 4., neu bearbeitete Auflage
Jan Lunze Regelungstechnik 2 Mehrgrößensysteme Digitale Regelung 4., neu bearbeitete Auflage Mit 257 Abbildungen, 53 Beispielen, 91 Übungsaufgaben sowie einer Einführung in das Programmsystem MATLAB 4y
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
MehrZusammenfassung der 7. Vorlesung
Zusammenfassung der 7. Vorlesung Steuer- und Erreichbarkeit zeitdiskreter Systeme Bei zeitdiskreten Systemen sind Steuer-und Erreichbarkeit keine äquivalente Eigenschaften. Die Erfüllung des Kalmankriteriums
MehrJohannes Kepler Universität Linz Institut für Regelungstechnik und Prozessautomatisierung
Johannes Kepler Universität Linz Institut für Regelungstechnik und Prozessautomatisierung Schriftliche Prüfung aus Automatisierungstechnik Vorlesung, am 6. März 08 Name: Vorname(n): Matr.Nr.: SKZ: Aufgabe
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am
Name: Vorname(n): Matrikelnummer: Bitte... Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 3.11.18 Arbeitszeit: 15 min Aufgabe
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
MehrRegelungstechnik. Mehrgrößenregelung - Digitale Regelungstechnik- Fuzzy-Regelung von Gerd Schulz. Mit 118 Beispielen und 56 Aufgaben mit Lösungen
Regelungstechnik Mehrgrößenregelung - Digitale Regelungstechnik- Fuzzy-Regelung von Gerd Schulz Mit 118 Beispielen und 56 Aufgaben mit Lösungen Oldenbourg Verlag München Wien I Mehrgrößen-Regelsysteme
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
Mehrb) Ist das System zeitvariant oder zeitinvariant? (Begründung!) c) Bestimmen Sie mit Hilfe der LAPLACE-Transformation die Übertragungsfunktion
Aufgabe 1: Systemanalyse Ein dynamisches System mit der Eingangsgröße u(t) und der Ausgangsgröße y(t) werde durch die folgenden gekoppelten Gleichungen beschrieben, wobei y 1 (t) eine Zwischengröße ist:
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrÜbungsaufgaben zur Vorlesung Regelungssysteme (Grundlagen)
Übungsaufgaben zur Vorlesung Regelungssysteme (Grundlagen) TU Bergakademie Freiberg Institut für Automatisierungstechnik Prof. Dr.-Ing. Andreas Rehkopf 27. Januar 2014 Übung 1 - Vorbereitung zum Praktikum
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierungstechnik am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierungstechnik am 26.2.21 Name: Vorname(n): Matrikelnummer: Note: Aufgabe 1 2 3 4 erreichbare
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 4.3.11 Arbeitszeit: 1 min Name: Vorname(n): Matrikelnummer: Note: Aufgabe
MehrFür das Allgemeine lineare Gleichungssystem mit n linearen Gleichungen und n Unbekannten
Albert Ludwigs Universität Freiburg Abteilung Empirische Forschung und Ökonometrie Mathematik für Wirtschaftswissenschaftler Dr. Sevtap Kestel Winter 008 6. Januar.009 Kapitel 6 Leontieff Modell, Lineare
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie
D-MAVT Lineare Algebra I HS 7 Prof. Dr. N. Hungerbühler Lösungen Serie 4: Ferienserie . Finden Sie ein Erzeugendensystem des Lösungsraums L R 5 des Systems x + x x 3 + 3x 4 x 5 = 3x x + 4x 3 x 4 + 5x 5
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
Mehreine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.
Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 3.11.218 Arbeitszeit: 15 min Name: Vorname(n): Matrikelnummer: Note: Aufgabe
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrD-MAVT/D-MATL Analysis II FS 2017 Dr. Andreas Steiger. Lösung - Serie 26. ẋ 1 = x 1 + 2x ẋ 2 = 2x 1 + x 2
D-MAVT/D-MATL Analysis II FS 07 Dr. Andreas Steiger Lösung - Serie 6. Es ist das folgende autonome System ẋ = x + x + 3 ẋ = x + x von linearen Differenzialgleichungen. Ordung gegeben. Welche der folgenden
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr+ x 2 y 2 = f( x 1 ) + f( x 2 ), z 1 + z 2. z 1. a jj + n bjj = SpurA + SpurB ; j=1
Höhere Mathematik für technische Studiengänge Vorbereitungsaufgaben für die Übungen Lineare Abbildungen, Eigenwerte Lösungen Lösungshinweise: a nicht linear, denn zb fα α, αy +, α + αz T α, αy +, α + z
MehrAnleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
MehrBericht zur Mathematischen Eingangsprüfung im Mai 2008
Bericht zur Mathematischen Eingangsprüfung im Mai 8 Heinz-Willi Goelden, Wolfgang Lauf, Martin Pohl Am 7. Mai 8 fand die Mathematische Eingangsprüfung nach der Prüfungsordnung 3. der DAV statt. Es waren
MehrJohannes Kepler Universität Linz Institut für Regelungstechnik und Prozessautomatisierung
Johannes Kepler Universität Linz Institut für Regelungstechnik und Prozessautomatisierung Schriftliche Prüfung aus Automatisierungstechnik Vorlesung, am 3. Februar 04 Name: Vorname(n): Matr.Nr.: SKZ: Aufgabe
Mehr6. Übung: Zustandsregler- und beobachter
6. Übung: Zustandsregler- und beobachter Aufgabe 6.. Gegeben ist ein lineares zeitinvariantes System der Form 3 6 ẋ = 4 x + u (6.a) 5 y = x. (6.b) Weisen Sie die vollständige Erreichbarkeit und Beobachtbarkeit
MehrDie wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.
Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrZusatzmaterial zu Kapitel 6
ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 31.03.017 Arbeitszeit: 150 min Name: Vorname(n): Matrikelnummer: Note: Aufgabe
Mehr1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von
1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierungstechnik am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierungstechnik am..9 Name: Vorname(n): Matrikelnummer: Note: Aufgabe 3 4 erreichbare
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrAufgabe 1 (Klassifizierung von Systemen)
Prof. L. Guzzella Prof. R. D Andrea 151-0591-00 Regelungstechnik I (HS 07) Musterlösung Übung 3 Systemklassifizierung, Systeme 1. Ordnung im Zeitbereich, Stabilitätsanalyse moritz.oetiker@imrt.mavt.ethz.ch,
MehrDigitale Regelsysteme
Rolf Isermann Digitale Regelsysteme Springer-Verlag Berlin Heidelberg New York 1977 Inhaltsverzeichnis 1. Einführung :..." 1 A Prozesse und Prozeßrechner 5 2. Regelung mit Digitalrechnern (Prozeßrechner,
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
MehrRegelungstechnik I. Heinz Unbehauen. Klassische Verfahren zur Analyse und Synthese linearer kontinuierlicher Regelsysteme
Heinz Unbehauen Regelungstechnik I Klassische Verfahren zur Analyse und Synthese linearer kontinuierlicher Regelsysteme 7., überarbeitete und erweiterte Auflage Mit 192 Bildern und 28 TabeUen vieweg INHALT
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrLineare Differentialgleichungen
Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n
MehrLösung der harmonischen Oszillator-Gleichung
Lösung der harmonischen Oszillator-Gleichung Lucas Kunz 8. Dezember 016 Inhaltsverzeichnis 1 Physikalische Herleitung 1.1 Gravitation................................... 1. Reibung.....................................
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrRegelungstechnik I. Heinz JUnbehauen. Klassische Verfahren zur Analyse und Synthese linearer kontinuierlicher Regelsysteme. 3., durchgesehene Auflage
Heinz JUnbehauen Regelungstechnik I Klassische Verfahren zur Analyse und Synthese linearer kontinuierlicher Regelsysteme 3., durchgesehene Auflage Mit 192 Bildern V] Friedr. Vieweg & Sohn Braunschweig/Wiesbaden
MehrSchriftliche Prüfung aus Control Systems 1 am
TU Graz, Institut für Regelungs- und Automatisierungstechnik 1 Schriftliche Prüfung aus Control Systems 1 am 24.11.2014 Name / Vorname(n): Kennzahl / Matrikel-Nummer: Prüfungsmodus: O VO+UE (TM) O VO (BM)
MehrMathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und
MehrRegelungstechnik I (WS 12/13) Klausur ( )
Regelungstechnik I (WS 12/13) Klausur (05.03.2013) Prof. Dr. Ing. habil. Thomas Meurer Lehrstuhl für Regelungstechnik Name: Matrikelnummer: Bitte beachten Sie: a) Diese Klausur enthält 4 Aufgaben auf den
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
Mehr9 Lineare Differentialgleichungen
$Id: lineartex,v 3 //8 ::37 hk Exp hk $ 9 Lineare Differentialgleichungen 9 Homogene lineare Differentialgleichungen Wir beschäftigen uns gerade mit den homogenen linearen Differentialgleichungen, also
MehrBSc PRÜFUNGSBLOCK 2 / D-MAVT VORDIPLOMPRÜFUNG / D-MAVT. Musterlösung
Institut für Mess- und Regeltechnik BSc PRÜFUNGSBLOCK / D-MAVT.. 005. VORDIPLOMPRÜFUNG / D-MAVT REGELUNGSTECHNIK I Musterlösung Dauer der Prüfung: Anzahl der Aufgaben: Bewertung: Zur Beachtung: Erlaubte
MehrSchriftliche Prüfung aus Regelungstechnik am
U Graz, Institut für Regelungs- und Automatisierungstechnik 1 Schriftliche Prüfung aus Regelungstechnik am 18. 10. 01 Name / Vorname(n): Matrikel-Nummer: Bonuspunkte aus den MALAB-Übungen: O ja O nein
MehrFormelsammlung. Regelungstechnik 2
Formelsammlung für den Teilbereich Digitale Regelungen der Vorlesung Regelungstechnik 2 Diese Formelsammlung wird so auch für den Prüfungsteil Digitale Regelungen ur Verfügung gestellt Michael Buchhol
Mehr- 1 - angeführt. Die Beschleunigung ist die zweite Ableitung des Ortes x nach der Zeit, und das Gesetz lässt sich damit als 2.
- 1 - Gewöhnliche Differentialgleichungen Teil I: Überblick Ein großer Teil der Grundgesetze der Phsik ist in Form von Gleichungen formuliert, in denen Ableitungen phsikalischer Größen vorkommen. Als Beispiel
Mehr5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit
ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem
Mehr2. Quasilineare PDG erster Ordnung
H.J. Oberle Differentialgleichungen II SoSe 2013 2. Quasilineare PDG erster Ordnung Eine skalare PDG erster Ordnung hat die allgemeine Form F (x, u(x), u x (x)) = 0. (2.1) Dabei ist u : R n G R die gesuchte
Mehrx= f(x) p= U (x). (b) Zeigen Sie, dass auf jeder auf einem Intervall existierenden Lösung t x(t) die Energie E(t) := 1 2 p(t)2 + U(x(t)) x 1
Blatt 1 03042006 H-Ch Grunau Aufgabe 1 Betrachten Sie die Differentialgleichung x= f(x) mit f = U und U C 2 ((α, β), R) und schreiben Sie diese in der Form x= p, p= U (x) (a) Skizzieren Sie die Phasenportraits
Mehr(s + 3) 1.5. w(t) = σ(t) W (s) = 1 s. G 1 (s)g 2 (s) 1 + G 1 (s)g 2 (s)g 3 (s)g 4 (s) = Y (s) Y (s) W (s)g 1 (s) Y (s)g 1 (s)g 3 (s)g 4 (s)
Aufgabe : LAPLACE-Transformation Die Laplace-Transformierte der Sprungantwort ist: Y (s) = 0.5 s + (s + 3).5 (s + 4) Die Sprungantwort ist die Reaktion auf den Einheitssprung: w(t) = σ(t) W (s) = s Die
MehrTechnische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am
Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 3.7.8 Arbeitszeit: 5 min Name: Vorname(n): Matrikelnummer: Note: Aufgabe 3
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrEinstieg in die Regelungstechnik
Einstieg in die Regelungstechnik Hans-Werner Philippsen Vorgehensmodell für den praktischen Reglerentwurf ISBN 3-446-22377-0 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22377-0
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
Mehr(2) Definition der Übertragungsfunktionen des Standardregelkreises. Die Regelstrecke möge folgende Form besitzen: = n.
Kap 6 64 Entwurf des Reglers mit Kürzung von Pol- und Nullstellen der Regelstrecke () Vorbemerkungen Dieses Verfahren ist die Erweiterung des algebraischen Reglerentwurfsverfahrens nach Abschnitt 64 Bei
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform
MehrKapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)
Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen
Mehr