Synthese durch Rechner-Optimierung
|
|
- Justus Vogel
- vor 6 Jahren
- Abrufe
Transkript
1 Synthese durch Rechner-Optimierung
2 Möglichkeiten zum Finden passender Reglerparameter: 1. Theoretische Synthese (Herleitung der optimalen Werte) 2. Einstellregeln Messungen an der Strecke (z. B. Sprungantwort) Parameter aus Tabellen (meist Erfahrungswerte) 3. Probieren vor Ort (z. B. an der realen Anlage) 4. Optimierungsverfahren an Modellen
3 Verhalten der Strecke (Sprungantwort) Reglertyp empfehlenswert? P I PI PD PID n j j n n Totzeit n j j n j Totzeit und Verzögerung 1. Ordnung j n j j j Verzögerung 1. Ordnung j n j j j I-Verhalten
4 Möglichkeiten zum Finden passender Reglerparameter: 1. Theoretische Synthese (Herleitung der optimalen Werte) 2. Einstellregeln Messungen an der Strecke (z. B. Sprungantwort) Parameter aus Tabellen (meist Erfahrungswerte) 3. Probieren vor Ort (z. B. an der realen Anlage) 4. Optimierungsverfahren an Modellen
5 Gütekriterien
6 Gütekriterien: Wenn der Rechner die Parameter selbst entwerfen soll, muss er selbst entscheiden! Dafür braucht er objektive Kriterien, ob ein Reglerverhalten gut oder schlecht ist. z. B. Kennwerte der Übertragungsfunktion / Sprungantwort: Anstiegszeit Ausregelzeit Überschwingweite bleibende Regelabweichung w ideale Sprungantwort reale Sprungantwort
7 Gütekriterien: Wenn der Rechner die Parameter selbst entwerfen soll, muss er selbst entscheiden! Dafür braucht er objektive Kriterien, ob ein Reglerverhalten gut oder schlecht ist. z: B. Integralkriterien absolute Regelfläche +oo Güte = e(t) dt 0 +oo quadratische Regelfläche Güte = (e(t)) 2 dt w 0 ideale Sprungantwort reale Sprungantwort
8 Gütekriterien: Wenn der Rechner die Parameter selbst entwerfen soll, muss er selbst entscheiden! Dafür braucht er objektive Kriterien, ob ein Reglerverhalten gut oder schlecht ist. z: B. Kennwerte der Stellgröße: maximale Stellgröße Änderungsgeschwindigkeit der Stellgröße +oo absolute Stellfläche Güte = y(t) dt 0 +oo quadratische Stellfläche Güte = (y(t)) 2 dt w (t) y(t) x(t) 0 w K PW w e B y B t t t
9 Gütekriterien: Wenn der Rechner die Parameter selbst entwerfen soll, muss er selbst entscheiden! Dafür braucht er objektive Kriterien, ob ein Reglerverhalten gut oder schlecht ist. Weiterhin auch: Parameterunempfindlichkeit der Regelung Geringer Einfluss von Störgrößen auf die optimale Parametrierung
10 Optimierungsverfahren
11 Optimierungsverfahren systematische Suche Zufallssuche (Monte-Carlo-Verfahren) Hill-Climbing-Verfahren Evolutionsverfahren
12 Optimierungsverfahren systematische Suche Zufallssuche (Monte-Carlo-Verfahren) Hill-Climbing-Verfahren Evolutionsverfahren
13 Beispiel: Gütekriterium (Regelfläche) in Abhängigkeit von einer Variablen x 1 =K P eingezeichnet sind die bei einer systematischen Suche ermittelten Punkte Güte G schlechte Güte, K P zu klein: bleibende Regelabweichung x =K 1 P schlechte Güte, K P zu groß: Schwingungen x(t) x(t) w e B w e B t t
14 Beispiel: Gütekriterium (Regelfläche) eines P-Reglers in Abhängigkeit von einer Variablen x 1 =K P ; : eingezeichnet sind die bei einer systematischen Suche ermittelten Punkte Güte G x =K 1 P Nachteile: die besten Lösungen werden nicht getroffen (zwischen den Stützstellen könnte das Minimum versteckt sein) großer Aufwand (speziell bei mehr als einem Parameter K P, K I, K D )
15 Optimierungsverfahren systematische Suche Zufallssuche (Monte-Carlo-Verfahren) Hill-Climbing-Verfahren Evolutionsverfahren
16 Automatische Synthese von Reglerparametern Gütekriterien G Kleine Änderung an den Reglerparametern Analyse durch Simulation ( z.b. Sprungantwort) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien G? ja nein Entwurf erfolgreich beendet
17 Gütekriterien G Automatische Synthese von Reglerparametern Start-Entwurf Kleine Änderung an den Reglerparametern Analyse durch Simulation ( z.b. Sprungantwort) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien G? ja nein Entwurf erfolgreich beendet
18 Automatische Synthese von Reglerparametern Gütekriterien G Kleine Änderung an den Reglerparametern Analyse durch Simulation ( z.b. Sprungantwort) Zufallsauswahl DK P, DK I, DK D erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien G? ja nein Entwurf erfolgreich beendet
19 Automatische Synthese von Reglerparametern Gütekriterien G Kleine Änderung an den Reglerparametern Analyse durch Simulation ( z.b. Sprungantwort) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien G? ja nein Entwurf erfolgreich beendet
20 Automatische Synthese von Reglerparametern Gütekriterien G Kleine Änderung an den Reglerparametern Analyse durch Simulation ( z.b. Sprungantwort) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien G? ja nein w Entwurf erfolgreich beendet
21 Automatische Synthese von Reglerparametern Gütekriterien G Kleine Änderung an den Reglerparametern Analyse durch Simulation ( z.b. Sprungantwort) Zufallsauswahl DK P, DK I, DK D erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien G? ja nein Entwurf erfolgreich beendet viele Iterationen: Es entsteht eine große Menge zufälliger Lösungen die beste wird am Ende ausgewählt Nachteile: die besten Lösungen werden nicht getroffen großer Aufwand der Algorithmus kann nicht aus guten Zwischenergebnissen lernen
22 Optimierungsverfahren systematische Suche Zufallssuche (Monte-Carlo-Verfahren) Hill-Climbing-Verfahren Evolutionsverfahren
23 Beispiel: Gütekriterium (Regelfläche) eines P-Reglers in Abhängigkeit von einer Variablen x 1 =K P ; : eingezeichnet sind die bei einer systematischen Suche ermittelten Punkte Güte G x =K 1 P
24 Beispiel: Gütegebirge (Gütekriterium Regelfläche) eines PI-Reglers in Abhängigkeit von zwei Variablen x 1 =K P, x 2 =K I G Güte schlechte Güte, K P zu klein: bleibende Regelabweichung x 2=KI x 1= KP schlechte Güte, K P zu groß: Schwingungen x(t) x(t) w e B w e B t t
25 Beispiel: Gütegebirge (Gütekriterium Regelfläche) eines PI-Reglers in Abhängigkeit von zwei Variablen x 1 =K P, x 2 =K I links: räumliche Darstellung rechts: Höhenliniendarstellung (Projektion) G Güte G x = K 1 P x = K 1 P x =K 2 I x =K 2 I Wie findet man das Optimum (=Minimum)?
26 Achsparallele Suche (Gauß-Seidel-Verfahren)
27 X 2 40 Optimum Start X 1
28 Gütekriterien G wunsch Automatische Synthese von Reglerparametern Start-Entwurf Kleine Änderung an den Reglerparametern (z.b. achsparallel) Analyse durch Simulation ( z.b. Sprungantwort G berechnen) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien (G < G wunsch )? ja Entwurf erfolgreich beendet nein hat sich Gütewert G verbessert? nein ja alte Reglerparameter wiederherstellen
29 Automatische Synthese von Reglerparametern Gütekriterien G wunsch Kleine Änderung an den Reglerparametern (z.b. achsparallel) Analyse durch Simulation ( z.b. Sprungantwort G berechnen) Zufallsauswahl DK P, DK I erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien (G < G wunsch )? ja Entwurf erfolgreich beendet nein hat sich Gütewert G verbessert? nein ja alte Reglerparameter wiederherstellen
30 Automatische Synthese von Reglerparametern Gütekriterien G wunsch Kleine Änderung an den Reglerparametern (z.b. achsparallel) Analyse durch Simulation ( z.b. Sprungantwort G berechnen) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien (G < G wunsch )? ja Entwurf erfolgreich beendet nein hat sich Gütewert G verbessert? nein ja alte Reglerparameter wiederherstellen
31 Automatische Synthese von Reglerparametern Gütekriterien G wunsch Kleine Änderung an den Reglerparametern (z.b. achsparallel) Analyse durch Simulation ( z.b. Sprungantwort G berechnen) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien (G < G wunsch )? w ja Entwurf erfolgreich beendet nein hat sich Gütewert G verbessert? nein ja alte Reglerparameter wiederherstellen
32 Automatische Synthese von Reglerparametern Gütekriterien G wunsch Kleine Änderung an den Reglerparametern (z.b. achsparallel) Analyse durch Simulation ( z.b. Sprungantwort G berechnen) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien (G < G wunsch )? ja Entwurf erfolgreich beendet nein hat sich Gütewert G verbessert? nein Lernen! alte Reglerparameter wiederherstellen ja
33 Gütekriterien G wunsch Automatische Synthese von Reglerparametern Lernen! Keine Zufallsauswahl DK P, DK I Kleine Änderung an den Reglerparametern (z.b. achsparallel) Wenn der Schritt erfolgreich war, wird die Richtung beibehalten Analyse durch Simulation ( z.b. Sprungantwort G berechnen) erfüllt der Regelkreis (Regler + Strecke) die Gütekriterien (G < G wunsch )? ja Entwurf erfolgreich beendet nein hat sich Gütewert G verbessert? nein Lernen! alte Reglerparameter wiederherstellen ja
34 X 2 40 Optimum Start 10 Vorteil: Verfahren kann aus Erfolgen lernen (gute Teilergebnisse und Suchrichtungen beibehalten, schrittweise verbessern) X 1
35 Gerichtete Suche (Gradientenverfahren)
36 X 2 40 Optimum Start 10 Warum achsparallel suchen? Die optimale Richtung ist eigentlich ganz anders! X 1
37 G 1.Suchschritt Dx 1 in x 1 -Richtung; Ermittlung der partiellen Ableitung dg dx 1 2.Suchschritt Dx 2 in x 2 -Richtung; Ermittlung der partiellen Ableitung dg dx 2 x = K 1 P 3.Bildung des dg dx 1 dg dx 2 Gradientenvektors = [, ] 4.Großer Schritt DS in Richtung des Gradienten- Vektors (steilster Abstieg) x =K 2 I dg dx 1 dg dx 2 = [ DS, DS ]
38 1.Suchschritt Dx 1 in x 1 -Richtung; Ermittlung der partiellen Ableitung dg dx 1 Optimum 2.Suchschritt Dx 2 in x 2 -Richtung; Ermittlung der partiellen Ableitung dg dx 2 Start 3.Bildung des dg dx 1 dg dx 2 Gradientenvektors = [, ] 4.Großer Schritt DS in Richtung des Gradienten- Vektors (steilster Abstieg) dg dx 1 dg dx 2 = [ DS, DS ] X 1
39 Probleme bei unstetigen Gütegebirgen: kleine Schrittweite DS: bleibt in lokalen Optima (Tälern) stecken große Schrittweite DS: springt über Optima (Täler) hinweg; findet sie aber nie Lösung: Schrittweitensteuerung 1. beginnt mit großer Schrittweite; merkt sich alle Erfolge (~ Monte Carlo) 2. von den erfolgreichen Startpunkten aus (1) weiter mit kleiner Schrittweite findet von jedem Startpunkt aus das benachbarte lokale Optimum (Tal) 3. große Schrittweite: Ausbruchsversuch aus einem lokalen Optimum
40 Evolutionsstrategien
41 Evolution von Lebewesen REKOMBINATION: Zwei Eltern-Individuen vererben ihre Eigenschaften auf eine neue Generation von Nachkommen MUTATION: Die Erbanlagen der neuen Generation werden anschließend nach dem Zufallsprinzip willkürlich verändert SELEKTION: Sind die Eigenschaften der neuen Generation nun besser als die der Eltern, so wird sie überleben. Sind sie schlechter, wird sie aussterben.
42 Evolution von Reglern Lernen! REKOMBINATION: Zwei Eltern-Regler vererben ihre Eigenschaften auf eine neue Generation von Nachkommen MUTATION: Die Erbanlagen der neuen Generation werden anschließend nach dem Zufallsprinzip willkürlich verändert Zufallsauswahl DK P, DK I SELEKTION: Sind die Eigenschaften der neuen Generation nun besser als die der Eltern, so wird sie überleben. Sind sie schlechter, wird sie aussterben. w Lernen! ideale Sprungantwort reale Sprungantwort
43 Lernen durch Vererbung Vater DNS Mutter DNS Regler 1 Regler 2 A X K P1 K P2 B Y K I1 K I2 C Z K D1 K D2 A K P1 B K I1 Z Kind DNS K D2 Regler neu
44
45 Evolution eines PID-Reglers über 250 Generationen Parameter 3 Proportional-Anteil K P Versuche Parameter 2 Integral-Anteil K I Versuche Parameter Versuche Differential-Anteil K D Ergebnis: PI-Regler! Gütefunktion G (Regelfläche) Gütewert Versuche
46 Wann wird der Optimierungsalgorithmus abgebrochen? 1. wenn ein bestimmter Gütewert erreicht wurde (G < G wunsch ) 2. wenn keine Verbesserung mehr möglich ist 3. wenn maximale Laufzeit überschritten oder maximale Zahl von Versuchen erreicht dg dt < minimaler Grenzwert Gütewert Versuche
47
Optimierung. 1. Grundlegendes Beim PID-Regler müssen 3 Parameter optimal eingestellt werden: Proportionalbeiwert, Nachstellzeit und Vorhaltezeit.
FELJC Optimierung_Theorie.odt Optimierung. Grundlegendes Beim PID-Regler müssen 3 Parameter optimal eingestellt werden: Proportionalbeiwert, Nachstellzeit und Vorhaltezeit. Hierzu gibt es unterschiedliche
MehrKybernetik Intelligent Agents- Action Selection
Kybernetik Intelligent Agents- Action Selection Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 26. 06. 2012 Intelligent Agents Intelligent Agents Environment
MehrEinführung in die Robotik Regelung. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 04. 12.
Einführung in die Robotik Regelung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 04. 12. 2012 The human is perhaps the most intelligent control system
Mehr70 Jahre Reglereinstellung nach Ziegler und Nichols
Fakultät Informatik, Institut für angewandte Informatik, Professur für technische Informationssysteme Proseminar Technische Informationssysteme Johannes Postel Dresden, 14. November 2011 Überblick 1. Systembegriff
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Aufgaben zur nicht-linearen Optimierung Teil II Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Aufgabe 5 Bestimmen
MehrEinführung in die Regelungstechnik
Heinz Mann f Horst Schiffelgen f Rainer Froriep Einführung in die Regelungstechnik Analoge und digitale Regelung, Fuzzy-Regler, Regler-Realisierung, Software 10., neu bearbeitete Auflage mit 379 Bildern
MehrFACHHOCHSCHULE KÖLN FAKULTÄT IME NT BEREICH REGELUNGSTECHNIK PROF. DR. H.M. SCHAEDEL / PROF. DR. R. BARTZ. RT - Praktikum. Thema des Versuchs :
FACHHOCHSCHULE KÖLN FAKULTÄT IME NT BEREICH REGELUNGSTECHNIK PROF. DR. H.M. SCHAEDEL / PROF. DR. R. BARTZ Gruppe: RT - Praktikum Thema des Versuchs : Analyse von Ausgleichsstrecken höherer Ordnung im Zeit-
MehrVersuchsanleitung Zweipunktregelung. Versuch. Zweipunktregelung. Kennenlernen typischer Eigenschaften und Berechnungsmethoden von Zweipunktregelungen
Otto-von-Guericke Universität Magdeburg Fakultät für Elektrotechnik Institut für Automatisierungstechnik Versuch Zweipunktregelung Versuchsziel: Kennenlernen typischer Eigenschaften und Berechnungsmethoden
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrOptimale Produktliniengestaltung mit Genetischen Algorithmen
Optimale Produktliniengestaltung mit Genetischen Algorithmen 1 Einleitung 2 Produktlinienoptimierung 3 Genetische Algorithmen 4 Anwendung 5 Fazit Seite 1 Optimale Produktliniengestaltung mit Genetischen
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter
MehrRT-E: Entwurf der Drehzahlregelung eines Gebläsemotors
RT-E: Entwurf der Drehzahlregelung eines Gebläsemotors Quelle: http://de.wikipedia.org/w/index.php?title=datei:radialventilator- Wellringrad.jpg&filetimestamp=20061128101719 (Stand: 26.09.2012) Martin
MehrPraktikum Grundlagen Regelungstechnik
Praktikum Grundlagen Regelungstechnik Versuch P-GRT 04 Versuchsziel Versuch 4 - Durchflussregelung Analyse unterschiedlicher Regelstrecken Untersuchung des Schwingungsverhalten der Regelstrecken Datum
MehrStrukturbildung und Simulation technischer Systeme. Strukturbildung und Simulation technischer Systeme. strukturbildung-simulation.
Leseprobe zu Kapitel 9 Regelungstechnik des Buchs Strukturbildung und Simulation technischer Systeme Weitere Informationen zum Buch finden Sie unter strukturbildung-simulation.de Im Gegensatz zu Steuerungen
Mehr1.) Aufrufen des Programms WinFACT 7 (BORIS)
Dampftemperaturregelung mit WAGO und WinFACT 7 (BORIS) 1.) Aufrufen des Programms WinFACT 7 (BORIS) Über die Start Menüleiste gelangen Sie über Programme, WinFACT 7 und Blockorientierte Simulation BORIS
MehrFrequenzgang und Übergangsfunktion
Labor Regelungstechnik Frequenzgang und Übergangsfunktion. Einführung In diesem Versuch geht es um: Theoretische und experimentelle Ermittlung der Frequenzgänge verschiedener Übertragungsglieder (Regelstrecke,
MehrDie regelungstechnischen Grundfunktionen P, I, D, Totzeit und PT1. 1. Methoden zur Untersuchung von Regelstrecken
FELJC P_I_D_Tt.odt 1 Die regelungstechnischen Grundfunktionen P, I, D, Totzeit und PT1 (Zum Teil Wiederholung, siehe Kurs T2EE) 1. Methoden zur Untersuchung von Regelstrecken Bei der Untersuchung einer
MehrPRAKTIKUM REGELUNGSTECHNIK 2
FACHHOCHSCHULE LANDSHUT Fachbereich Elektrotechnik Prof. Dr. G. Dorn PRAKTIKUM REGELUNGSTECHNIK 2 1 Versuch 4: Lageregelung eines Satelitten 1.1 Einleitung Betrachtet werde ein Satellit, dessen Lage im
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrWie kann man große Hunde züchten? Spielregeln zum Simulationsversuch
Wie kann man große Hunde züchten? Spielregeln zum Simulationsversuch Aufgabe: Spielt das Spiel: Wie kann man große Hunde züchten? Ein Größenmerkmal wird durch einen farbigen Chip simuliert. Es gibt vier
MehrNewton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme
Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
MehrSpezialgebiete der Steuer- und Regelungstechnik. Schriftliche Ausarbeitung. Thema: PID - Einstellregeln
Spezialgebiete der Steuer- und Regelungstechnik WS 2008/09 FH Dortmund Schriftliche Ausarbeitung Thema: Verfasser: Betreuer: Dr.-Ing. Jörg Kahlert Seite 1 von 23 Inhaltsverzeichnis 1. Einleitung.3 1.1
MehrInhaltsverzeichnis. 1 Lineare Algebra 12
Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer
Mehr8 Blockschaltbilddarstellung für diskrete Systeme
Beispiel 7.5 Sprungantwort Die Sprungantwort beschreibt das komplette Übertragungsverhalten, da der Sprung in seiner Fourierzerlegung alle Frequenzen enthält. 7.6 algebraische Schleife 8 Blockschaltbilddarstellung
MehrLTAM-T2EE-ASSER FELJC/GOERI 3. P-Regler
3. P-Regler 3.1. Einleitung 3.1.1. Allgemeines Der Regler muss im Regelkreis dafür sorgen, dass der Istwert der Regelgröße X möglichst wenig vom Sollwert W abweicht. Das Verhalten der Regelstrecke ist
MehrSystematische Optimierungsverfahren verbessern mit geringem Aufwand Prozesse und Produkte
Systematische Optimierungsverfahren verbessern mit geringem Aufwand Prozesse und Produkte - Eine phänomenologische Darstellung der statistischen Versuchsplanung - Sie kennen das Problem: Ihr komplexer
Mehr6.3 Exakte Differentialgleichungen
6.3. EXAKTE DIFFERENTIALGLEICHUNGEN 23 6.3 Exakte Differentialgleichungen Andere Bezeichnungen: Pfaffsche Dgl., Dgl. für Kurvenscharen, Nullinien Pfaffscher Formen. 1. Definitionen Pfaffsche Dgl, Dgl.
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
MehrKybernetik Regelung. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 19. 06.
Kybernetik Regelung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 50 2453 mohamed.oubbati@uni-ulm.de 9. 06. 202 Was ist Regelung? Regelung ist eine gezielte Beeinflussung dynamischer Systeme,
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
MehrEinfacher loop-shaping Entwurf
Intitut für Sytemtheorie technicher Prozee Univerität Stuttgart Prof. Dr.-Ing. F. Allgöwer 6.4.24 Regelungtechnik I Loophaping-Entwurf t http://www.it.uni-tuttgart.de/education/coure/rti/ Einfacher loop-haping
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrAbgabe: (vor der Vorlesung) Aufgabe 2.1 (P) O-Notation Beweisen Sie die folgenden Aussagen für positive Funktionen f und g:
TECHNISCHE UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR INFORMATIK Lehrstuhl für Sprachen und Beschreibungsstrukturen SS 2009 Grundlagen: Algorithmen und Datenstrukturen Übungsblatt 2 Prof. Dr. Helmut Seidl, S. Pott,
Mehr9. Vorlesung Wintersemester
9. Vorlesung Wintersemester 1 Die Phase der angeregten Schwingung Wertebereich: bei der oben abgeleiteten Formel tan φ = β ω ω ω0. (1) ist noch zu sehen, in welchem Bereich der Winkel liegt. Aus der ursprünglichen
MehrLösung der Prüfung Sommer 2009
Prof. D. Salamon Analysis I/II D-MATH, D-PHYS, D-CHAB ETH Zürich. Juni 9 Lösung der Prüfung Sommer 9. Berechnen Sie folgende Grenzwerte: (a) (b) Hinweis: Regel von de l Hospital. ( ( )) lim n n cos n lim
MehrPRAKTIKUM REGELUNGSTECHNIK 2
FACHHOCHSCHULE LANDSHUT Fachbereich Elektrotechnik Prof. Dr. G. Dorn PRAKTIKUM REGELUNGSTECHNIK 2 1 Versuch 2: Übertragungsfunktion und Polvorgabe 1.1 Einleitung Die Laplace Transformation ist ein äußerst
MehrInformatik-Sommercamp 2012. Mastermind mit dem Android SDK
Mastermind mit dem Android SDK Übersicht Einführungen Mastermind und Strategien (Stefan) Eclipse und das ADT Plugin (Jan) GUI-Programmierung (Dominik) Mastermind und Strategien - Übersicht Mastermind Spielregeln
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
MehrGrundlagen der Regelungstechnik
Grundlagen der Regelungstechnik Dr.-Ing. Georg von Wichert Siemens AG, Corporate Technology, München Wiederholung vom letzten Mal Lineare Systeme als Übertragungsglieder Abstraktion vom physikalischen
MehrZusammenfassung der 8. Vorlesung
Zusammenfassung der 8. Vorlesung Beschreibung und und Analyse dynamischer Systeme im im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrHauptseminar. Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit. Robert John 2.11.2011
Hauptseminar Monte-Carlo-Methoden, stochastische Schätzungen und deren Unsicherheit Robert John 1 Inhalt Herkunft Stochastische Schätzung Monte-Carlo-Methode Varianzreduktion Zufallszahlen Anwendungsgebiete
MehrFehlerrechnung. Einführung. Jede Messung ist fehlerbehaftet! Ursachen:
Fehlerrechnung Einführung Jede Messung ist fehlerbehaftet! Ursachen: Ablesefehler (Parallaxe, Reaktionszeit) begrenzte Genauigkeit der Messgeräte falsche Kalibrierung/Eichung der Messgeräte Digitalisierungs-Fehler
MehrRegelungs- und Systemtechnik 3
Regelung Mechatronischer Systeme, Regelungs- und Systemtechnik 3 Kapitel 1: Einführung Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Luft- und Raumfahrtindustrie 2 Zu regelnde
MehrProf. Dr. H. Paerschke, Hochschule München Fk 05 / VSG Zuluft-Kaskadenregelung Seite 1
Prof. Dr. H. Paerschke, Hochschule München Fk 05 / VSG Zuluft-Kaskadenregelung Seite Versuchsanleitung: Computersimulation und Optimierung einer Zuluft-Kaskadenregelung Hochschule München, Fk 05 VSG Labor
Mehr2.5.2 Selbstorganisierte Karten: das Modell von Kohonen. Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht
2.5.2 Selbstorganisierte Karten: das Modell von Kohonen Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht zwischen den einzelnen Neuronen gibt, spielt deren räumliche Anordnung keine
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrEntwurf robuster Regelungen
Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler
MehrEinsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens
Fachhochschule Brandenburg Fachbereich Informatik und Medien Kolloquium zur Diplomarbeit Einsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens Übersicht Darstellung
MehrKettenregel, Substitution und Methode der Trennung der Variablen
Kettenregel, Substitution und Methode der Trennung der Variablen Franz Pauer Institut für Fachdidaktik und Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2015 11. April
MehrRegelungstechnik 1 Praktikum Versuch 1.1. 1 Unterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch
Regelungstechnik 1 Praktikum Versuch 1.1 1 nterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch Die Aufgabe der Regelungstechnik besteht im weitesten Sinne darin, einen bestimmten
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrPI-Regler mit Anti-Windup für eine feldorientierte Motorregelung für ein Elektrofahrzeug Bachelorthesis - Abschlussprojekt
PI-Regler mit Anti-Windup für eine feldorientierte Motorregelung für ein Elektrofahrzeug Bachelorthesis - Abschlussprojekt Autor: Luis Alfonso Puertollano Ventura Studienbereich: Elektro- und Informationstechnik
MehrGrundlagen der Physik 2 Schwingungen und Wärmelehre
Grundlagen der Physik 2 Schwingungen und Wärmelehre Othmar Marti othmar.marti@uni-ulm.de Institut für Experimentelle Physik 25. 06. 2007 Othmar Marti (Universität Ulm) Schwingungen und Wärmelehre 25. 06.
MehrAutomatisierungstechnik Praktikum Tutorium zum Laboraufbau Elektrisches Netzwerk
J O H A N N E S K E P L E R U N I V E R S I T Ä T L I N Z I n s t i t u t f ü r R e g e l u n g s t e c h n i k u n d P r o z e s s a u t o m a t i s i e r u n g Automatisierungstechnik Praktikum Tutorium
MehrFormelsammlung. Regelungstechnik I. Basierend auf Arbeit von Florian Beermann Letzte Änderung am : Frank Bättermann
Formelsammlung Regelungstechnik I Basierend auf Arbeit von Florian Beermann Letzte Änderung am 29.04.2008: Frank Bättermann 1 Inhaltsverzeichnis 1. Steuerung und Regelung...3 1.3 Vorteile der Regelung...3
MehrRegelungstechnik Grundlagen
Regelungstechnik Grundlagen Begleitmaterial zur Vorlesung (nur zum internen Gebrauch) Bildquellen: Samal, E., Grundriß der prakt. Regelungstechnik (soweit nicht anders angegeben) Vorlesungsinhalt 1. Begriffe,
MehrKAPITEL 6. Nichtlineare Ausgleichsrechnung
KAPITEL 6 Nichtlineare Ausgleichsrechnung Beispiel 61 Gedämpfte Schwingung: u + b m u + D m u = 0, Lösungen haben die Form: u(t) = u 0 e δt sin(ω d t + ϕ 0 ) Modell einer gedämpften Schwingung y(t; x 1,
MehrFELJC Fuzzyregler.odt 1. a) Die Vorgehensweise der klassischen Regelungstechnik
FELJC Fuzzyregler.odt 1 Fuzzy-Regler In diesem Kurs werden nur die Grundlagen anhand von Beispielen behandelt. Für Fuzzifizierung, Inferenz und Defuzzifizierung gibt es viele unterschiedliche Methoden,
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
MehrFunktionen mehrerer Variabler
Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen
MehrSeminararbeit zum Thema Genetische Algorithmen
Seminararbeit zum Thema Genetische Algorithmen Seminar in Intelligent Management Models in Transportation und Logistics am Institut für Informatik-Systeme Lehrstuhl Verkehrsinformatik Univ.-Prof. Dr.-Ing.
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57
Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5
MehrSimulationsmethoden in der Bayes-Statistik
Simulationsmethoden in der Bayes-Statistik Hansruedi Künsch Seminar für Statistik, ETH Zürich 6. Juni 2012 Inhalt Warum Simulation? Modellspezifikation Markovketten Monte Carlo Simulation im Raum der Sprungfunktionen
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4
MehrAutomatische Parametrierung der Regelkreise von Servoreglern über systematische Auswertung einer Frequenzanalyse
Automatische arametrierung der Regelkreise von Servoreglern über systematische Auswertung einer Frequenzanalyse Dipl.Ing. Heiko Schmirgel Danaher Motion GmbH, Wacholderstr. 44, 4476 Düsseldorf rof. Dr.Ing.
MehrDigitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr
Vorlesung: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Seminarübungen: Dozent: Alexander Weber Ort: 33/1101 Zeit: Mo 9.45 11.15 Uhr (Beginn: 20.04.2015) Vorlesungsskript:
MehrGrundlagen, Vorgehensweisen, Aufgaben, Beispiele
Hans Benker - Wirtschaftsmathematik Problemlösungen mit EXCEL Grundlagen, Vorgehensweisen, Aufgaben, Beispiele Mit 138 Abbildungen vieweg TEIL I: EXCEL 1 EXCEL: Einführung 1 1.1 Grundlagen 1 1.1.1 Tabellenkalkulation
MehrKlausur Mathematik 2
Mathematik für Ökonomen WS 2014/15 Campus Duisburg PD Dr. V. Krätschmer, Fakultät für Mathematik Klausur Mathematik 2 17.02.2015, 12:30-14:30 Uhr (120 Minuten) Erlaubte Hilfsmittel: Nur reine Schreib-
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
MehrFotios Filis. Monte-Carlo-Simulation
Fotios Filis Monte-Carlo-Simulation Monte-Carlo-Methoden??? Spielcasino gibt Namen Monte Carlo war namensgebend für diese Art von Verfahren: Erste Tabellen mit Zufallszahlen wurden durch Roulette-Spiel-Ergebnisse
MehrArbeitsblatt 14: Parametrische Funktionen Guter Empfang für Handys
Erläuterungen und Aufgaben Zeichenerklärung: [ ] - Drücke die entsprechende Taste des Graphikrechners! [ ] S - Drücke erst die Taste [SHIFT] und dann die entsprechende Taste! [ ] A - Drücke erst die Taste
MehrZulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 202 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
MehrExtrema mit Nebenbedingungen
Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst
MehrStatistik mit Tabellenkalkulation
Tabellenkalkulation 1. Grundlagen Wir werden statistische Daten am Computer mit einem Tabellenkalkulationsprogramm bearbeiten. Dazu sind einige grundlegende Kenntnisse nötig. Ein neues Dokument einer Tabellenkalkulation
Mehr4. Simulink. Zweck und grundlegende Eigenschaften Mit Simulink werden Modelle mathematischer, physikalischer Systeme berechnet (simuliert)
4. Simulink Simulink ist eine s.g. Toolbox von Matlab Zweck und grundlegende Eigenschaften Mit Simulink werden Modelle mathematischer, physikalischer Systeme berechnet (simuliert) Modell basiert auf Blöcken,
Mehr300 Arbeit, Energie und Potential 310 Arbeit und Leistung 320 Felder und Potentiale
300 Arbeit, Energie und Potential 30 Arbeit und Leistung 30 Felder und Potentiale um was geht es? Arten on (mechanischer) Energie Potentialbegriff Beschreibung on Systemen mittels Energie 3 potentielle
MehrRegelungstechnik. Prof. Dr. phil. nat. Herbert Schlitt. Physikalisch orientierte Darstellung fachübergreifender Prinzipien
Prof. Dr. phil. nat. Herbert Schlitt Regelungstechnik Physikalisch orientierte Darstellung fachübergreifender Prinzipien Modellbildung Analoge und digitale Regelung Nichttechnische Regelung Zustandsregelung
MehrKritik der Regler-Dimensionierung nach Ziegler und Nichols
Axel Rossmann Thema: Regelungstechnik Kritik der Regler-Dimensionierung nach Ziegler und Nichols http://strukturbildung-simulation.de/ Kritik an Ziegler/Nichols - 1 - Apr 2013 Seite 1 Zum Thema Regelungstechnik:
MehrOptimierung der Einzelbeförderung für Schulen und soziale Einrichtungen
Stand 7.September 2004 Seite 1 /17 Optimierung der Einzelbeförderung für Schulen und soziale Einrichtungen eine DV-basierte Optimierung der Tourenplanung Zentrum für integrierte Verkehrssysteme an der
MehrGrundlagenpraktikum. VERSUCH AS-G4 " Inbetriebnahme eines Regelkreises "
FACHGEBIE Systemanalyse Grundlagenpraktikum VERSUCH AS-G4 " Inbetriebnahme eines Regelkreises " Verantw. Hochschullehrer: Prof. Dr.-Ing. habil. Ch. Ament Versuchsverantwortlicher: Dr.-Ing. M. Eichhorn
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
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrKombination von Optimierung und Robustheit in der Simulation mechanischer Systeme
Kombination von Optimierung und Robustheit in der Simulation mechanischer Systeme Markus Könning 1 1 Robert Bosch GmbH, CR/ARD4, 71701 Schwieberdingen Zusammenfassung Die Optimierung und Robustheitsbewertung
MehrTutorial zum Umgang mit Scratch
Tutorial zum Umgang mit Scratch In diesem Tutorial sollst du die grundlegenden Funktionen von Scratch ausprobieren und kennen lernen Danach solltest du gut mit dem Programm umgehen können und eigene Programme
MehrMathematische Methoden für Informatiker
Prof. Dr. www.math.tu-dresden.de/ baumann 8.12.2016 20. Vorlesung Differentialgleichungen n-ter Ordnung Lösung einer Differentialgleichung Veranschaulichung der Lösungsmenge Anfangswertprobleme Differentialgleichungen
MehrTheorie der Regelungstechnik
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. H. Gassmann Theorie der Regelungstechnik Eine Einführung Verlag Harri
MehrLösung zur Übung 19 SS 2012
Lösung zur Übung 19 SS 01 69) Beim radioaktiven Zerfall ist die Anzahl der pro Zeiteinheit zerfallenden Kerne dn/dt direkt proportional zur momentanen Anzahl der Kerne N(t). a) Formulieren Sie dazu die
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrDas Mathematikabitur. Abiturvorbereitung Infini. Autor: Claus Deser Abiturvorbereitung Mathematik 1
Das Mathematikabitur Abiturvorbereitung Infini Autor: Claus Deser Abiturvorbereitung Mathematik 1 Gliederung Was ist eine Funktion? Welche Funktionen kennen wir? Welche Eigenschaften von Funktionen sind
MehrVernetzte, intelligente Bauteile
Vernetzte, intelligente Bauteile Heizung Lüftung Beleuchtung Klima Sanitär Rechner-Netzwerk Sonnenschutz Zutrittskontrolle Hausgeräte Türen, Tore Sicherheit Vision Internet of Things Cyber Physical Systems
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrProtokoll zum Versuch Millikanversuch (MV) im Fortgeschrittenenpraktikum
12. Dezember, 2008 Protokoll zum Versuch Millikanversuch (MV) im Fortgeschrittenenpraktikum Klaus Steiniger, Alexander Wagner, Gruppe 850 klaus.steiniger@physik.tu-dresden.de, alexander.wagner2@mailbox.tu-dresden.de
MehrTeil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung
Teil II Optimierung Gliederung 9 Einführung, Klassifizierung und Grundlagen 10 Lineare Optimierung 11 Ganzzahlige und kombinatorische Optimierung 12 Dynamische Optimierung Literatur: zu 10-12: Neumann,
MehrMathematische Methoden in den Ingenieurwissenschaften 1. Übungsblatt
Prof Dr M Gerdts Dr A Dreves J Michael Wintertrimester 216 Mathematische Methoden in den Ingenieurwissenschaften 1 Übungsblatt Aufgabe 1 : (Schwimmer Ein Schwimmer möchte einen Fluss der Breite b > überqueren,
MehrÜbungsblatt 1. f(n) = f(n) = O(g(n)) g(n) = O(f(n)) Zeigen oder widerlegen Sie: 3 n = Θ(2 n ) Aufgabe 1.2 Gegeben sei die folgende Funktion:
Übungsblatt 1 Aufgabe 1.1 Beweisen oder widerlegen Sie, dass für die im Folgenden definierte Funktion f(n) die Beziehung f(n) = Θ(n 4 ) gilt. Beachten Sie, dass zu einem vollständigen Beweis gegebenenfalls
MehrMathematik für Wirtschaftswissenschaftler
Knut Sydsaeter Peter HammondJ Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug 2., aktualisierte Auflage Inhaltsverzeichnis Vorwort 13 Vorwort zur zweiten Auflage 19 Kapitel 1 Einführung,
MehrSpezifische Wärmekapazität
Versuch: KA Fachrichtung Physik Physikalisches Grundpraktikum Erstellt: L. Jahn B. Wehner J. Pöthig J. Stelzer am 01. 06. 1997 Bearbeitet: M. Kreller J. Kelling F. Lemke S. Majewsky i. A. Dr. Escher am
Mehr