AS Automaation signaalinkäsittelymenetelmät. Laskuharjoitus 8. Ackermannin algoritmi Sumea säätö

Samankaltaiset tiedostot
ACKERMANNIN ALGORITMI. Olkoon järjestelmä. x(k+1) = Ax(k) + Bu(k)

Matematiikka B2 - Avoin yliopisto

Ominaisarvot ja ominaisvektorit 140 / 170

Matriisi-vektori-kertolasku, lineaariset yhtälöryhmät

Matematiikka B2 - TUDI

Y (s) = G(s)(W (s) W 0 (s)). Tarkastellaan nyt tilannetta v(t) = 0, kun t < 3 ja v(t) = 1, kun t > 3. u(t) = K p y(t) K I

Lineaarialgebra ja differentiaaliyhtälöt Harjoitus 4 / Ratkaisut

Käänteismatriisi 1 / 14

Insinöörimatematiikka D

Inversio-ongelmien laskennallinen peruskurssi Luento 2

OMINAISARVOISTA JA OMINAISVEKTOREISTA

Esimerkki 4.4. Esimerkki jatkoa. Määrää matriisin ominaisarvot ja -vektorit. Ratk. Nyt

Ominaisarvo ja ominaisvektori

1 Ominaisarvot ja ominaisvektorit

1 Matriisit ja lineaariset yhtälöryhmät

Mat Dynaaminen optimointi, mallivastaukset, kierros 1

5 OMINAISARVOT JA OMINAISVEKTORIT

Matriisilaskenta Laskuharjoitus 5 - Ratkaisut / vko 41

Insinöörimatematiikka D

Matriisiteoria Harjoitus 1, kevät Olkoon. cos α sin α A(α) = . sin α cos α. Osoita, että A(α + β) = A(α)A(β). Mikä matriisi A(α)A( α) on?

Ominaisarvoon 4 liittyvät ominaisvektorit ovat yhtälön Ax = 4x eli yhtälöryhmän x 1 + 2x 2 + x 3 = 4x 1 3x 2 + x 3 = 4x 2 5x 2 x 3 = 4x 3.

Johdatus tekoälyn taustalla olevaan matematiikkaan

Dynaamisten systeemien teoriaa. Systeemianalyysilaboratorio II

2.5. Matriisin avaruudet ja tunnusluvut

Käänteismatriisin. Aiheet. Käänteismatriisin ominaisuuksia. Rivioperaatiot matriisitulona. Matriisin kääntäminen rivioperaatioiden avulla

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja

5 Ominaisarvot ja ominaisvektorit

Ominaisarvo ja ominaisvektori

MS-A0003/A0005 Matriisilaskenta Malliratkaisut 5 / vko 48

Insinöörimatematiikka D

BM20A0700, Matematiikka KoTiB2

v AB q(t) = q(t) v AB p(t) v B V B ṗ(t) = q(t) v AB Φ(t, τ) = e A(t τ). e A = I + A + A2 2! + A3 = exp(a D (t τ)) (I + A N (t τ)), A N = =

Similaarisuus. Määritelmä. Huom.

Ennakkotehtävän ratkaisu

MS-A0004/A0006 Matriisilaskenta

9 Matriisit. 9.1 Matriisien laskutoimituksia

Lineaarialgebra ja matriisilaskenta I

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

8. kierros. 1. Lähipäivä

Numeeriset menetelmät TIEA381. Luento 5. Kirsi Valjus. Jyväskylän yliopisto. Luento 5 () Numeeriset menetelmät / 28

2.8. Kannanvaihto R n :ssä

5 Differentiaaliyhtälöryhmät

Matriisilaskenta Luento 16: Matriisin ominaisarvot ja ominaisvektorit

Ortogonaaliset matriisit, määritelmä 1

2. kl:n DY:t. Lause. Yleisesti yhtälöllä ẍ = f(ẋ, x, t) on (sopivin oletuksin) aina olemassa 1-käs. ratkaisu. (ẋ dx/dt, ẍ d 2 x/dt 2.

Johdatus diskreettiin matematiikkaan Harjoitus 5, Ratkaise rekursioyhtälö

Matriisilaskenta (TFM) MS-A0001 Hakula/Vuojamo Ratkaisut, Viikko 47, 2017

3 Lineaariset yhtälöryhmät ja Gaussin eliminointimenetelmä

Matriisilaskenta. Harjoitusten 3 ratkaisut (Kevät 2019) 1. Olkoot AB = ja 2. Osoitetaan, että matriisi B on matriisin A käänteismatriisi.

Määritelmä 1. Olkoot V ja W lineaariavaruuksia kunnan K yli. Kuvaus L : V. Termejä: Lineaarikuvaus, Lineaarinen kuvaus.

Matriisipotenssi. Koska matriisikertolasku on liitännäinen (sulkuja ei tarvita; ks. lause 2), voidaan asettaa seuraava määritelmä: ja A 0 = I n.

Numeeriset menetelmät

Neliömatriisi A on ortogonaalinen (eli ortogonaalimatriisi), jos sen alkiot ovat reaalisia ja

Numeeriset menetelmät

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Talousmatematiikan perusteet: Luento 9. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Transponointi Matriisitulo

802320A LINEAARIALGEBRA OSA III

H(s) + + _. Ymit(s) Laplace-tason esitykseksi on saatu (katso jälleen kalvot):

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

1.1. Määritelmiä ja nimityksiä

Lineaarikuvauksen R n R m matriisi

Talousmatematiikan perusteet: Luento 11. Lineaarikuvaus Matriisin aste Käänteismatriisi

Matriisit, L20. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

Ratkaisuehdotukset LH 8 / vko 47

6 MATRIISIN DIAGONALISOINTI

= 2±i2 7. x 2 = 0, 1 x 2 = 0, 1+x 2 = 0.

Matriisien tulo. Matriisit ja lineaarinen yhtälöryhmä

Matriisit, kertausta. Laskutoimitukset. Matriisikaavoja. Aiheet. Määritelmiä ja merkintöjä. Laskutoimitukset. Matriisikaavoja. Matriisin transpoosi

(1.1) Ae j = a k,j e k.

Ominaisarvo-hajoitelma ja diagonalisointi

Talousmatematiikan perusteet: Luento 10. Lineaarikuvaus Matriisin aste Determinantti Käänteismatriisi

(0 desimaalia, 2 merkitsevää numeroa).

Lineaarialgebra a, kevät 2018 Harjoitusta 5 Maplella

Ax, y = x, A y. A = A A hermiittinen. Jokainen reaalinen ja symmetrinen matriisi on määritelmän mukaan myös hermiittinen. A =, HARJOITUSTEHTÄVIÄ

3x + y + 2z = 5 e) 2x + 3y 2z = 3 x 2y + 4z = 1. x + y 2z + u + 3v = 1 b) 2x y + 2z + 2u + 6v = 2 3x + 2y 4z 3u 9v = 3. { 2x y = k 4x + 2y = h

Yhteenlaskun ja skalaarilla kertomisen ominaisuuksia

MS-C1340 Lineaarialgebra ja

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 3 /

Säätötekniikkaa. Säätöongelma: Hae (mahdollisesti ulostulon avulla) ohjaus, joka saa systeemin toimimaan halutulla tavalla

Lineaarialgebra II, MATH.1240 Matti laaksonen, Lassi Lilleberg

MS-A0004/MS-A0006 Matriisilaskenta Laskuharjoitus 6 / vko 42

Koodausteoria, Kesä 2014

Lineaarialgebra ja matriisilaskenta I

Luento 8: Epälineaarinen optimointi

LU-hajotelma. Esimerkki 1 Matriisi on yläkolmiomatriisi ja matriisi. on alakolmiomatriisi. 3 / 24

2.1.4 har:linyryhmat03. Octavella. Katso ensin esimerkit???? esim:yroctave01 Octaven antamat vastausehdotukset.

SÄÄTÖJÄRJESTELMIEN SUUNNITTELU

Numeeriset menetelmät

MATRIISIN HESSENBERGIN MUOTO. Niko Holopainen

Talousmatematiikan perusteet: Luento 10. Matriisien peruskäsitteet Yksinkertaiset laskutoimitukset Matriisitulo Determinantti

Ortogonaalinen ja ortonormaali kanta

Lineaariset yhtälöryhmät ja matriisit

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Lineaarialgebra ja matriisilaskenta I

Matriisilaskenta Luento 8: LU-hajotelma

Tehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.

5. Z-muunnos ja lineaariset diskreetit systeemit. z n = z

Numeeriset menetelmät TIEA381. Luento 3. Kirsi Valjus. Jyväskylän yliopisto. Luento 3 () Numeeriset menetelmät / 45

Transkriptio:

AS-84.2161 Automaation signaalinkäsittelymenetelmät Laskuharjoitus 8 Ackermannin algoritmi Sumea säätö

Tilasäätö Prosessia säädetään tilojen mukaan Suljetun järjestelmän siirtofunktion navat asetellaan haluttuihin paikkoihin u Prosessi x K

Ackermannin algoritmi Olkoon järjestelmä x ( k + 1) = Ax( k) + Bu( k) Oletetaan, että rajoittamaton ohjaus u( k) = Kx( k) K = [k 1 k 2... k n ] tilatakaisinkytkentämatriisi Suljetun järjestelmän tilayhtälö ( A BK) x( ) x( k + 1) = k (A BK) ominaisarvot ovat suljetun järjestelmän napoja β 1, β 2,..., β n

Ackermannin algoritmi Jotta suljetun järjestelmän navat voitaisiin asetella haluttuihin paikkoihin, tulee järjestelmän olla säädettävä. Jotta järjestelmä olisi säädettävä, täytyy säädettävyysmatriisilla Q c =[B AB... A n-1 B] olla täysi rangi Jos Q c on neliömatriisi, niin det(q c ) 0

Ackermannin algoritmi Suljetun järjestelmän karakteristinen yhtälö det(zi A + BK) = 0 Käyttämällä tilatakaisinkytkentää halutaan sijoittaa suljetun järjestelmän navat paikkoihin z = β 1, z = β 2,..., z = β n Järjestelmän karakteristisen yhtälön halutaan siis olevan ρ(z) = (z β 1 )(z β 2 )...(z β n ) = z n α 1 z n-1 α 2 z n-2... α n-1 z α n = 0

Ackermannin algoritmi - Esimerkki Olkoon järjestelmä annettu kanonisessa muodossa Halutaan ominaisarvoiksi z=β 1, z=β 2, z=β 3 Karakteristinen polynomi ρ(z) = (z β 1 )(z β 2 )(z β 3 ) = z 3 α 1 z 2 α 2 z α 3 = 0 ) ( 0 0 1 ) ( 0 1 0 0 0 1 1) ( 3 2 1 k u k a a a k + = + x x

Ackermannin algoritmi - Esimerkki Kun K = [k 1 k 2 k 3 ], niin suljetun järjestelmän karakteristiseksi polynomiksi saadaan det(zi A+BK) = z 3 (a 1 k 1 )z 2 (a 2 k 2 )z (a 3 k 3 ) = 0 Verrataan haluttuun karakteristiseen polynomiin ρ(z) = z 3 α 1 z 2 α 2 z α 3 = 0 Saadaan k 1 = α 1 + a 1 k 2 = α 2 + a 2 k 3 = α 3 + a 3 Eli K = a - α

Ackermannin muoto K:lle K voidaan laskea myös suoran esityksen kautta käyttäen ns. Ackermannin muotoa: K = [0... 1][B AB... A n-1 B] -1 ρ c (A) ρ c (A) on halutun suljetun järjestelmän karakteristisen polynomin arvo, kun muuttujana on matriisi A. Esim. jos ρ c (z) = z 2 + z + 3, on ρ c (A) = AA + A + 3I, missä AA on tavallinen matriisikertolasku ja I on yksikkömatriisi

Ackermannin muoto, useita ohjauksia Jos u:ssa on useita eri ohjauksia (u pystyvektori n x 1 ja B m x n matriisi) ja järjestelmä (A, B) on säädettävä, on yleensä olemassa vektori p, siten että matriisi B voidaan korvata vektorilla b = Bp niin, että järjestelmä säilyy säädettävänä. Järjestelmän ohjaus voidaan nyt toteuttaa 1-dimensioisella ohjauksella u (k). x( k + 1) = Ax( k) + bu'( k) u( k) = pk'x( k)

Ackermannin algoritmi - yhteenveto Onko järjestelmä säädettävä? rank(e x ) = n?, n = E x :n rivien määrä (Q c = E x ) Neliömatriisilla rank(e x ) = n, kun det(e x ) 0 E x = [ B AB... A n-1 B ] Suljetun järjestelmän karakteristinen yhtälö ρ c (z) = (z β 1 )(z β 2 )...(z β n ) Jos u on vektori, valitaan jokin p Bu bu, missä b = Bp Huom, myös E x muuttuu! K = [0... 1] E x -1 ρ c (A) a c b d 1 = d c a det c b a b d

Sumea säätö Sumeassa logiikassa binääriset joukot korvataan sumeilla joukoilla Alkiot voivat saada muitakin arvoja kuin 0 tai 1 Kielelliset muuttujat kuvaavat joukkoja Pieni / Keskikokoinen / Suuri Hidas / Keskinkertainen / Nopea Jäsenyysfunktiot kuvaavat suureiden kuulumista näihin joukkoihin Sääntökanta kuvaa joukkojen keskinäisiä suhteita

Sumea säätö kanta jäsenyysfunktio Sääntö- esim. painopiste Pro- Sumeu- Päätöksen- Selkey- Pro- sessi tus tekologiikka tys sessi sumea mittaus sumea ohjaus täsmällinen mittaus täsmällinen ohjaus

Sumea säätö 1) Sumeutus Suureen kuuluminen kuhunkin joukkoon Jäsenyysfunktiot kuuluminen joukkoon A A B

Sumea säätö 1) Sumeutus Suureen kuuluminen kuhunkin joukkoon Jäsenyysfunktiot A kuuluminen joukkoon B B

Sumea säätö 2) Päätöksenteko Säännöt määrittävät joukkojen väliset suhteet Säännöissä käytetään loogisten operaatioiden laajennuksia Esimerkiksi AND-operaatio korvataan usein valitsemalla kahdesta luvusta pienempi Operaatioiden tulokset esitetään sumeilla luvuilla

Sumea säätö Esim. sääntö: IF (x = A) AND (y = B) THEN (u = C) x:n jäsenyys A-joukossa on 0.3 ja y:n jäsenyys B-joukossa 0.5 Sumean operaation tulokseksi tulee MIN (0.3, 0.5) = 0.3 u = 0.3 u = C kertoo, että u kuvataan sumealla luvulla C: C 0.3 D

Sumea säätö Kaikki sumeat luvut maalataan samaan koordinaatistoon. Vaikka samoja alueita maalataan useampaan kertaan, niiden painoarvo ei muutu C D

Sumea säätö 3) Selkeytys Muutetaan jollain operaatiolla sumeat luvut täsmälliseksi luvuksi Esimerkiksi painopisteen laskenta 1.3

Sumea säätö 1) Sumeutus Jäsenyysfunktiot suureen kuuluminen joukkoihin 2) Päätöksenteko Sumeat operaatiot joukoille Maalataan sumeasta luvusta tuloksen alapuolelle jäävä alue Kaikki tulokset samaan kuvaan 3) Selkeytys Operaatio, jolla maalatut alueet muutetaan täsmälliseksi luvuksi