1. Control de Mínima Varianza
|
|
- Vicenta Bustamante Agüero
- hace 6 años
- Vistas:
Transcripción
1 . Control de Mínima Varianza. CONTROL DE MÍNIMA VARIANZA..... PLANTEO DEL PROBLEMA..... CRITERIO DE OPTIMIZACIÓN PREDICCIÓN ÓPTIMA Forma intuitiva Caso General Cálculo del Predictor Óptimo Raíces de C Sobre el Círculo Unidad CONTROL DE MÍNIMA VARIANZA Interpretación como Ubicación de Polos Sistemas con Inversa Inestable REGULADOR LINEAL ÓPTIMO ESTOCÁSTICO (LQG) Factorización Espectral Discusión Heurística Demostración Formal REFERENCIAS...48 Clase 3b Control de Mínima Varianza.doc
2 x.. Planteo del Problema Proceso B ( q) = u [.] A q y = x + v [.] C ( q) v = e A q [.3] con e ruido blanco, A q puede ser inestable, por lo tanto v puede no ser estacionario. Haciendo A = AA B = BA [.4] C = C A se despeja v A q y = B q u + C q e [.5] Se supone que C tiene todos sus raíces dentro del círculo unidad. Clase 3b Control de Mínima Varianza.doc
3 Ejemplo.. Modificación de C Sea z C z n φ = + [.6] sea la señal = C q e [.7] si e es ruido blanco, el espectro de n es π jwt jwt jwt ( e ) C( e ) C( e ) = [.8] se cumple = ( + )( + ) = ( + )( + ) = ( z+ )( z + ) = 4( z+ 0,5)( z + 0,5) C z C z z z z z o sea que n se puede representar ( ) n = C q e = z+ e [.0] * [.9] Clase 3b Control de Mínima Varianza.doc 3
4 si algunas raíces de C están fuera del círculo se las reemplaza de esta manera C = C C C + = C C * + * [.] Clase 3b Control de Mínima Varianza.doc 4
5 J.. Criterio de Optimización mv { } = E y [.] control de mínima varianza J E y N = lim N N [.3] = control lineal cuadrático (lqr) { ρ } J = E y + u [.4] lqr Clase 3b Control de Mínima Varianza.doc 5
6 Ejemplo.. Control de Mínima Varianza y + ay = bu + e + ce [.5] + + con c < e tiene media nula y varianza unitaria. Se trata de mantener la salida lo más próxima a cero que se pueda. Como e + es independiente de y se cumplirá ( y ) ( e ) var var = [.6] + + Si se toma la ley de control u = ( ay ce) [.7] b y u en el siguiente instante resultará + = e+ [.8] esto se cumple para todo instante o sea que el control se reduce a c b a = y [.9] es un control proporcional Clase 3b Control de Mínima Varianza.doc 6
7 El denominador de lazo cerrado es C( z) = z+ c [.0] de aquí la importancia de que este polinomio sea estable La salida, con este control será 0 y = e + c y e [.] 0 0 como c<, el segundo término tiende a cero. Este control da la mínima varianza de la salida. La cantidad ay + bu + ce [.] se puede interpretar como la mejor predicción de la salida en + la cantidad e + es el error de predicción El control se puede redefinir como el que hace que el error de predicción sea mínimo En este caso el error de control es igual al error de predicción Predicción y control están ligados Clase 3b Control de Mínima Varianza.doc 7
8 .3. Predicción Óptima Se asume: que el sistema está perturbado por ruido blanco gaussiano y que el mejor predictor es el que minimiza el error de predicción en sentido medio cuadrático..3.. Forma intuitiva ( q ) * C q C y = e = e * [.3] Aq A q donde * n A q = q A q [.4] (se hace esto por una cuestión de causalidad) Se asume que A y C son de orden n. En el instante se conocen y, y, y se desea predecir y + m Clase 3b Control de Mínima Varianza.doc 8
9 Si se desarrolla en serie, se obtiene ( q ) ( q ) * C y = e = e + f e + + f e + f e + f e + [.5] e + m * + m + m + m m + m m+ A desconocidos conocidos Si C es estable se puede calcular e en base a las medidas de y. A ( q ) ( q ) * = y * [.6] C La mejor predicción será y = f e + f e + [.7] ˆ + m / m m + y el error de predicción es y = e + f e + + f e [.8] + m/ + m + m m + Resta calcular los f i Clase 3b Control de Mínima Varianza.doc 9
10 ... Caso General El predictor de mínima varianza a m pasos está dado por ( q ) * G q G yˆ + m / = q y = y * [.9] C q C q donde F y G son el cociente y el resto de la división m q C q A q F q G q = + [.30] m+ q El error de predicción es un promedio móvil con media nula y = y yˆ = e + f e + + f e + m/ + m + m/ + m + m m + = F q e + su varianza es { } + m/ = ( m) E y f f σ [.3] [.3] C, es decir: A Clase 3b Control de Mínima Varianza.doc 0
11 - Demostración El polinomio F es de grado m- y mónico. El grado de G es menor a n F q = q + f q + + f m m m G q = g q + g q + + g o n n 0 n F q = + f q + + f q * m+ m G q = g + g q + + g q * n+ 0 n se debe cumplir [.33] [.34] m * * * * C q = A q F q + q G q [.35] las ecuaciones [.3] y [.5] se pueden reescribir desconocido * * C q G q * y+ m= e * + m= F ( q ) e+ m+ e * [.36] A q A q conocido Clase 3b Control de Mínima Varianza.doc
12 sabiendo la relación entre e e y ( q ) ( q ) * G * y+ m= F ( q ) e+ m+ y * [.37] C Suponiendo que la predicción es una combinación lineal arbitraria de medidas de la salida, la varianza del error de predicción será ( q ) ( q ) * { } {( ) } G * E y yˆ = E F q e + E y yˆ C * G * ( q ) + E ( F ( q ) e+ m) y ˆ * y + m/ C ( q ) + m + m/ + m * + m/ el último término tiende a cero ya que e es incorrelado con la salida. El predictor que minimiza esta varianza es el que hace cero el segundo término o sea G ( q ) ( q ) * yˆ + m / = y * [.39] C Clase 3b Control de Mínima Varianza.doc [.38]
13 El mejor predictor es lineal. Esto surge al poder eliminar el tercer término en el cálculo de la varianza. El error de predicción es y = y yˆ = e [.40] + / Por esto se dice que la variable e es la innovación del proceso y. Con este predictor el funcional resulta { } + m/ ( m) J m = E y = + f + + f σ [.4] Clase 3b Control de Mínima Varianza.doc 3
14 .3.. Cálculo del Predictor Óptimo Igualando términos en la ecuación [.30] c = a + f c = a + a f + f c = a + a f + + a f + f m m m m m c = a + a f + + a f + g m m m m 0 c = a + a f + + a f + g m+ m+ m m c = a + a f + + a f + g n n n n m+ m nm 0 = a f + a f + + a f + g n n n m+ m n m+ [.4] 0 = a f + g n m n es la solución de una ecuación diofantina Clase 3b Control de Mínima Varianza.doc 4
15 Ejemplo.3. Predictor Aq q q =,5 + 0, 7 C q q q = 0, + 0,5 [.43] El predictor a 3 pasos se calcula ( 0, 0,5) (,5 0,7) q q q q q q fq f g0q g + = [.44] ( ) ( ) ( 0,7 f,5 f g ) q 0, q + 0,5q =,5 + f q + 0, 7 +,5 f + f q f f g g =, 3 =, 75 =,75 =,5 [.46] ,7 f + g El predictor resulta 0 qg q q q yˆ y y C q q 0,q+ 0,5,75,5 + 3/ = [.47] [.45] Clase 3b Control de Mínima Varianza.doc 5
16 y su varianza es { } [.48] E y = +,3 +,75 = 5,755 Clase 3b Control de Mínima Varianza.doc 6
17 Ejemplo.4. Influencia del horizonte de predicción La varianza depende de los términos de F. Estos aumenta con el horizonte m. Como F se obtiene dividiendo C con A, sus elementos corresponden a la respuesta impulsional del sistema C q q 0,q+ 0,5 = y e e Aq q,5q+ 0, (,3,75,75 ) = + q + q + q + e = j= 0 fe j j y el costo de la predicción { } E y m = σ f j [.50] j= figuras [.49] Clase 3b Control de Mínima Varianza.doc 7
18 .3.3. Raíces de C Sobre el Círculo Unidad Ejemplo.5. Una Raíz en Uno y e e y = [.5] e ˆ + / = [.5] calculando e en base a y = + i = + [.53] e e y e z 0 0 i= 0 no va a cero ya que e0 no se anula usar filtro Kalman Clase 3b Control de Mínima Varianza.doc 8
19 Ejemplo.6. Modelo de Señal Continua A q y = C q e + b [.54] se puede eliminar b haciendo ( ) ( ) q A q y = q C q e + b [.55] y considerar una nueva variable ( ) A q y = q C q e = C q e [.56] pero en C ( q) aparece una raíz en uno. Hay que evitar estos modelos. Clase 3b Control de Mínima Varianza.doc 9
20 .4. Control de Mínima Varianza * * B q C q B q C q d y = u e q u * e * Aq + Aq = A q + A q [.57] B estable d = gradoa gradob gradoc = gradoa = n haciendo m=d, se obtiene * * * * C q B q G q B q * y+ d= e * + d+ u * = F ( q ) e+ d+ e * + u * [.58] A q A q A q A q se sabe además, que para las muestras conocidas se puede calcular e * * A q B q d e = y * q u * C q C q [.59] reemplazando, Clase 3b Control de Mínima Varianza.doc 0
21 * * * * G q G q B q B q y = F ( q ) e + y q u + u C q A q C q A q * d + d + d * * * * G q B q F q = + + C q C q * * * * F ( q ) e+ d y * u * Se debe calcular la acción de control tal que minimice la varianza de la salida * * * { } { ( ) } G q B q F q * E y = E F q e + E y + u C q C q + d + d * * el único término manejable es el segundo, que debe ser cero, *( ) ( ) ( ) G q G q u = y * * y B q F q = B q F q [.6] se interpreta como una predicción a d-pasos La salida entonces resulta ( ) * = = d d+ [.63] y F q e e f e f e es un promedio móvil de longitud d-. Clase 3b Control de Mínima Varianza.doc [.60] [.6]
22 La covarianza se extinguirá para separaciones mayores a d-. Esto se utiliza como diagnóstico Hay cancelación de los ceros del proceso Clase 3b Control de Mínima Varianza.doc
23 Ejemplo.7. Control de mínima Varianza 3 A q q, 7q 0, 7q B q = + = q+ 0,5 C q = q 0,9q d = [.65] F q = q+ 3 0,8 G q = 0,66q 0,56q u = q( 0,66q 0,56) ( q+ 0,5)( q+ 0,8) [.66] y [.64] [.67] u =,3u 0,4u 0,66 y + 0,56 y [.68] { } 0,8,64 E y = + = [.69] Clase 3b Control de Mínima Varianza.doc 3
24 Clase 3b Control de Mínima Varianza.doc 4
25 Ejemplo.8. Influencia del Retardo =,5 + 0,7 d = ( + 0,5 ) = 0, + 0,5 A q q q * B q q q * C q q q * d = 3 5 [.7] [.70] Clase 3b Control de Mínima Varianza.doc 5
26 .4.. Seguimiento de Referencias La planta se escribe * * * G q B q F q * y+ d= F ( q ) e+ d+ y * + u * [.7] C q C q Se debe calcular la acción de control tal que minimice la varianza de la salida ( ) { } {( ) } * * * G q B q F q * E y r = E F q e + E y + u r C q C q + d + d + d * * + d el único término manejable es el segundo, que debe ser cero, * u = C * * ( q ) r+ d G ( q ) y B q F q [.74] [.73] Clase 3b Control de Mínima Varianza.doc 6
27 Diagrama en Bloques ω C A r + d C + - FB u z -d B A + + y G Relación entrada salida y = r + F q e [.75] * Clase 3b Control de Mínima Varianza.doc 7
28 .4.. Mínima Varianza Ponderado Funcional a minimizar { } + d + λ d J = E y r + u [.76] ( ) { } { ( ) } E y r λu E F q e E y u r u C q C q [.77] * * * * G q B q F q + d + d + = + d + * + * + d + λ Su mínimo está cuando * u = C( q ) r + G ( q ) y B q F q C q + λ * * d [.78] Clase 3b Control de Mínima Varianza.doc 8
29 Diagrama en Bloques ω C A r + d C + - FB + λc u z -d B A + + y G Relación entrada salida λ + λ λ * * * B q F q B q C q y = r + e B q + A q B q + A q * * * * [.79] Clase 3b Control de Mínima Varianza.doc 9
30 .4.3. Expresión Vectorial del Controlador y Planta Controlador: * u = C( q ) r + G ( q ) y B q F q C q + λ * * d con lo que u resulta, [.80] b λ u = Cr G y - F B - b + (C - ) u b b 0 + d 0 0+ λ 0 Por lo tanto la ley de control en forma vectorial será: donde: = p T u x [9-] T b0 b0c b0 g0 b0gn- b0 λ p =,, fb + c b0+ λ b0+ λ b0+ λ b0+ λ b0+ λ b0 x [ + + y y u ] = r,r - -, - T d d -n+ - [9-] [9-3] Clase 3b Control de Mínima Varianza.doc 30
31 Planta: * * * G q B q F q * y+ d= F ( q ) e+ d+ y * + u * [.8] C q C q Predictor * * * G ( q ) B ( q ) F ( q ) + = + [.8] * * C ( q ) C ( q ) ˆ = + d [.83] λ ˆ + *( * ) ( * ) + λ ( ) [ ˆ = d λ ] ( + + ) y y u ˆ d * * * * B q F q u C q y G q y B q F q u + C q u = C q y G q y + C q λu [.84] * * * d B q F q C q u C q y u G q y [.85] b0 + λ λ λ u = C y ˆ+ d+ u - G y - F B - b + ( C - ) u b0 b0 b0 0 b0 λ λ u = C y ˆ + d+ u - G y - F B - b + (C - ) u b0+ λ b0 b0 0 [9-4] Clase 3b Control de Mínima Varianza.doc 3
32 es: por lo tanto, la expresión de la actuación de acuerdo a la ecuación de la planta donde x = p T u x [9-5] λ λ = y ˆ +, y ˆ b b T + d u + d u- y y-n+ u- u-m-d+ 0 0 T b0 b0c b0 g0 b0gn- b0 λ p =,, ( fb + c ) b0+ λ b0+ λ b0+ λ b0+ λ b0+ λ b0 [9-6] Clase 3b Control de Mínima Varianza.doc 3
33 .4.4. Interpretación como Ubicación de Polos Aq Bq y C q e G q F q B q = u 0 [.86] despejando la acción de control, resulta el siguiente polinomio característico d A q F q B q + G q B q = q C q B q [.87] esto se puede interpretar como una ubicación de polos. Es decir, se elige el regulador, G( q) S q u = y y F q B q = R q [.88] con, S q = G q R q = F q B q [.89] reemplazando, d q C q B q A q F q B q G q B q A q R q B q S q = + == + [.90] Clase 3b Control de Mínima Varianza.doc 33
34 .4.5. Sistemas con Inversa Inestable Si B tiene raíces inestables, aparecerán modos inestables que no son observados desde la salida. y u F q e = d q [.9] B( q) G q e = d [.9] q Ejemplo.9. Cancelación de Ceros Inestables = 0,9q+ Aq = q q = q q+ B q 0,7,7 0,7 C q = q q 0,7 = q 0,7q d = [.94] F q = G q = q0,7 [.95] [.93] verificar simulación Clase 3b Control de Mínima Varianza.doc 34
35 Teorema. Control de Mínima Varianza Generalizado Sea el sistema A q y = B q u + C q e [.96] con + B q B q B q u = [.97] + todos los ceros de B ( q) todos los ceros de B ( q) todos los ceros de C( q ) están fuera del círculo unidad A( q ) y B ( q) no tienen raíces comunes. están dentro del círculo unidad están fuera del círculo unidad Entonces, el control de mínima varianza sigue la ley G( q) ( q) F( q) = + [.98] B siendo, y d q C q A q F q B q G q = + [.99] Clase 3b Control de Mínima Varianza.doc 35
36 con grado F = d + grado B grado G < grado A = n [.00] - Demostración Sea el operador a > q+ a [.0] Clase 3b Control de Mínima Varianza.doc 36
37 .5. Regulador Lineal Óptimo Estocástico (LQG) Proceso x =Φ x +Γ u + Ke + y = Cx + e [.0] el grado de C es igual al grado de A a 0 0 b ca a 0 0 b c a Φ= Γ= = C = a 0 0 b c a n n n n an bn cn an el filtro de Kalman resulta xˆ =Φ xˆ +Γ u + K y Cxˆ [.04] + / / / el polinomio característico es ( ) det zi Φ KC = C z [.05] Si el retardo es uno, la ley de control es [ 0 0] [.03] Clase 3b Control de Mínima Varianza.doc 37
38 u Lxˆ = / [.06] y la función de transferencia del regulador es S z Hr ( z) =L( zi Φ+ KC+Γ L) = [.07] R z donde det R z = zi Φ+ KC+Γ L [.08] el grado de R es n y el grado de S<n los polos en lazo cerrado son los de C det P z = zi Φ+Γ L = C z [.09] P se obtiene de la ecuación de Ricatti. Se tratará de dejar la ley de control en función de la salida en lugar del estado La ecuación a minimizar es { ρ } J = E y + u [.0] lqr es el mismo caso de variables de estado en donde Q = C C Q = 0 Q = ρ [.] T Clase 3b Control de Mínima Varianza.doc 38
39 haciendo igual cálculo se llega a que L = L v Φ [.] la ley de control en variables de estados es u =Lxˆ L vˆ =Lxˆ L K y Cxˆ / v / / v / =L ΦKC xˆ L Ky v / v reemplazando el observador v v ( Φ+ ) [.3] u =L ΦKC qi Φ+ KC Γ u + Ky L Ky v v =L ΦKC qi Φ+ KC Γu L Φ KC+ qi +Φ+ KC qi Φ+ KC Ky v =L ΦKC qi Φ+ KC Γu L qi KC Ky v haciendo R = det ( qi Φ+ KC) [.5] se obtiene [.4] Clase 3b Control de Mínima Varianza.doc 39
40 R q S q u = u y [.6] R q R q donde grado R 0 = 0 ( ) < n grado R = grado S = n S con lo que queda S( q) + [.7] S q u = y = y R q R q R q [.8] Clase 3b Control de Mínima Varianza.doc 40
41 es.5.. Factorización Espectral de lo visto en variables de estado, el polinomio característico P en lazo cerrado, ( ) ( ρ ) ( ) rp z P z = A z A z + B z B z [.9] Otra forma de verlo, es encontrar un polinomio P que cumpla con esta ecuación. Esto se llama factorización espectral. Sea n n n+ n n F z = f z + f z + + f z + f z + f z + + f z+ f [.0] 0 n n n 0 este polinomio coincide con su recíproco n F z = z F z = F z [.] si a es raíz de F ( z ), también es raíz. a Además, si los coeficientes de F son reales, los conjugadosa y también son a raíces. Clase 3b Control de Mínima Varianza.doc 4
42 Teorema. Se cumple que, si A y B son primos, grado de A mayor al grado de B, grado de P = grado A = n Existe un único P con sus raíces dentro o sobre el círculo unidad, y si ρ > 0, P no tiene raíces sobre el círculo unidad. - Demostración: n Multiplicando la ecuación [.9] por z n n n n+ n n zpzpz = pz + pz + + p z + pz + p z + + pz+ p [.] queda de la forma de F. 0 n n n 0 Por lo tanto el lado derecho de la ecuación [.9] tiene raíces espejadas. Tampoco puede tenerlas sobre el círculo unidad ya que, para j ( ω j ) ( ω j ) ( ω j j j ) ( ω ) ρ ( ω ) ( ω ) ρae Ae + Be Be = Ae + Be = 0 [.3] como ρ > 0, implica que z j e ω j = e ω es raíz de A y de B, pero estos son primos. La condición de que el grado de P sea n, asegura la unicidad de P. Clase 3b Control de Mínima Varianza.doc 4 z =
43 Nota : si se introduce el recíproco P * ( z) z n P( z ) * ρ * * rp z P z = A z A z + B z B z [.4] = resulta l Nota : si P satisface la ecuación [.9] entonces zp( z ) Clase 3b Control de Mínima Varianza.doc 43
44 .5.. Discusión Heurística En el problema de ubicación de polos se debe definir el polinomio característico A z. en lazo cerrado Ac( z) Ao( z ) donde o En el problema LQG A ( z) = C( z) y el polinomio A ( z) P( z) factorización espectral. o c = que se obtiene por Se puede pensar en la ubicación de polos con estas condiciones de diseño, resultando el control óptimo: u S q = y [.5] con R q A( z) R( z) + B( z) S( z) = P( z) C( z) [.6] Hay muchos polinomios que satisfacen esta ecuación. Si hay retardo es mejor calcular la siguiente ecuación: d ( ) ( ) * * * * * * A z R z z B z S z P z C z + = [.7] d = grado A z grado B z [.8] Clase 3b Control de Mínima Varianza.doc 44
45 .5.3. Demostración Formal Teorema 3. Control LQG Sea P( z) el polinomio calculado por factorización espectral, A( z) mónico A( z) y B( z) no tienen raíces comunes fuera del o sobre el círculo unidad. Entonces existe una única solución a las ecuaciones * * * A z X z + rp z S z = B z C z =ρ d * * * z B z X z rp z R z A z C z con ( ) * * grado X z < n < = ( ) grado R z n grado S z n grado A z [.30] [.9] Clase 3b Control de Mínima Varianza.doc 45
46 - Demostración Primero se supone que raíces serán z i < P z tiene raíces distintas z i, como es estable todas las Por hipótesis, los polinomios A y B no se pueden hacer cero simultaneamente. Evaluando [.9] en z = z ( i) ( i) = ( i) ( i) =ρ * * A z X z B z C z d * * i i i i i z B z X z A z C z i [.3] si A y B son distintos de cero se puede hacer ( i) ( i) B z ρ A z A z z B z = [.3] * d * i i i * * si A ( z i ) = 0 y B ( zi ) 0, de[.4] resulta ( i ) 0 cumple A * ( 0) =. Esto implica z 0. Se puede despejar X de la ecuación A z X z B z C z * * i i = i i [.33] i B z =. Como A es mónico se Clase 3b Control de Mínima Varianza.doc 46
47 X z i * ( i) ( i) d * ( z ) ρ A z C z = [.34] z B i i Clase 3b Control de Mínima Varianza.doc 47
48 .6. Referencias Goodwin, G. Sin: Adaptive Filtering, Prediction and Control, Prentice Hall 984. Clase 3b Control de Mínima Varianza.doc 48
1. Diseño Óptimo en Función de Transferencia. 1. Diseño Óptimo en Función de Transferencia 1
. Diseño Óptimo en Función de Transferencia. Diseño Óptimo en Función de Transferencia.. Planteo del Problema.. Criterio de Optimización 3.. Predicción Óptima 4... Forma intuitiva 5... Caso General 5..3.
Más detallesProcesos autorregresivos
Capítulo 3 Procesos autorregresivos Los procesos autorregresivos deben su nombre a la regresión y son los primeros procesos estacionarios que se estudiaron. Proceso autorregresivo: Un proceso autorregresivo
Más detallesPROBLEMAS PROPUESTOS. TEMAS 5 Y 6 SOLUCIONES
Grado en Ingeniería Mecánica Teoría de Sistemas PROBLEMAS PROPUESTOS. TEMAS 5 Y 6 SOLUCIONES Transformada Z. Función de transferencia discreta. Modelado de sistemas discretos. PROBLEMA 1. Sistema discreto
Más detallesModelado en el dominio de la frecuencia Utilizar la transformada Laplace para representar ecuaciones diferenciales lineales
2.3 OBJETIVOS Transformada Laplace (Repaso) Modelado en el dominio de la frecuencia Utilizar la transformada Laplace para representar ecuaciones diferenciales lineales CONTENIDOS Transformada de Laplace
Más detallesIdentificación Paramétrica
Identificación Paramétrica Métodos para la Obtención de un Modelo Discreto Un modelo, incluyendo el ruido o perturbación, a tiempo discreto puede ser representado por la siguiente i ecuación Donde: ( )
Más detalles1. Modelo de Perturbaciones. 1. Modelo de Perturbaciones 1
. Modelo de Perturbaciones. Modelo de Perturbaciones.. Introducción 3.. Reducción del efecto de las Perturbaciones 4.3. Modelo de Perturbaciones 8.4. Perturbaciones Determísticas a Tramos.4.. Modelo en
Más detallesEJERCICIOS RESUELTOS Y PROPUESTOS
UNIVERSIDAD NACIONAL DE INGENIERÍA Facultad de Ingeniería Mecánica MT 227 Control Moderno y Óptimo EJERCICIOS RESUELTOS Y PROPUESTOS Estabilidad según Lyapunov (1) Un buen modelo de un niño impulsandose
Más detallesAUTOMATIZACION Y CONTROL DE PROCESOS FACEyT UNT ESTABILIDAD DE LOS SISTEMAS EN LAZO CERRADO
Análisis Cualitativo de la Respuesta Temporal de un Sistema Si se conocen la función de transferencia G(s) de un dado sistema y la entrada x(t), se puede evaluar la salida y(t) a partir de: y(s) G (s )
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2006-2007 Valores y vectores propios Valor propio Se dice que el número
Más detallesSistemas de control con realimentación de la salida
Capítulo 7 Sistemas de control con realimentación de la salida 7.1. Introducción En el capítulo 5 se supuso que estaba disponible el vector de estado completamente. Relajando esta suposición y estudiando
Más detallesMODELOS DE SERIES DE TIEMPO 1. Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros.
MODELOS DE SERIES DE TIEMPO 1 Introducción Modelos capaces de predecir, interpretar y evaluar hipótesis con datos económicos y financieros. Originalmente tuvieron como objetivo hacer predicciones. Descomposición
Más detallesParte 3. Vectores y valores propios
Parte 3. Vectores y valores propios Gustavo Montero Escuela Universitaria Politécnica Universidad de Las Palmas de Gran Canaria Curso 2004-2005 1 Introducción a los valores y vectores propios 2 3 4 5 Valores
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos ARMA
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos ARMA Definición: Ruido blanco. Se dice que el proceso {ɛ t } es ruido blanco ( white noise ) si: E(ɛ t ) = 0 Var(ɛ t ) = E(ɛ 2 t ) = σ 2 Para todo
Más detallesEstabilidad de Sistemas en Tiempo Discreto.
CAPIULO 3 Estabilidad de Sistemas en iempo Discreto. El hombre de talento es naturalmente inclinado a la crítica, porque ve más cosas que los otros hombres y las ve mejor. Montesquieu Contenido: ema 3.:
Más detallesLas desigualdades absolutas son aquellas que se cumplen sea cual sea el valor real que se sustituye. Por ejemplo:
MATEMÁTICAS BÁSICAS INECUACIONES INTERVALOS DE NÚMEROS REALES Una desigualdad es la epresión de dos cantidades tales que una es mayor que otra. Las desigualdades en general se clasifican en absolutas y
Más detallesControl Moderno. Ene.-Jun Diseño de controlador por retroalimentación de estado. Dr. Rodolfo Salinas. mayo 2007
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Facultad de Ingeniería Mecánica y Eléctrica Control Moderno Ene.-Jun. 2007 Diseño de controlador por retroalimentación de estado Dr. Rodolfo Salinas mayo 2007 Control
Más detallesElementos de control en lazo cerrado 14 de diciembre de 2011
. Introducción Elementos de control en lazo cerrado 4 de diciembre de 2 d i d o r C u G o y d m Figura : Lazo de control estándar. La Figura muestra un lazo de control elemental. En dicha figura, G o corresponde
Más detallesIntroducción. Por favor. No olvide bajar el tono a su. Franco E., Rosero E., Ramírez J.M. () SISTEMAS DE CONTROL II GICI / 42
Introducción Por favor No olvide bajar el tono a su teléfono móvil!. Franco E., Rosero E., Ramírez J.M. () SISTEMAS DE CONTROL II GICI 2008 1 / 42 Introducción UNIDAD I ESTABILIDAD DE SISTEMAS DINÁMICOS
Más detallesPROBLEMA 1 *( ) + SOLUCIÓN: Sea la superficie de la parte esférica superior, parametrizada con coordenadas cilíndricas de la siguiente manera:
PROBLEMA 1 A una esfera maciza de radio unidad se le hace una perforación cilíndrica siguiendo un eje diametral de la esfera. Suponiendo que el cilindro es circular de radio, con y que el eje que se usa
Más detallesPráctico 2 Análisis de proceso autorregresivo de orden 2 Proceso WSS filtrado
Práctico Análisis de proceso autorregresivo de orden Proceso WSS filtrado Tratamiento Estadístico de Señales Pablo Musé, Ernesto López & Luís Di Martino {pmuse, elopez, dimartino}@fing.edu.uy Departamento
Más detallesControl Moderno. Ene.-Jun Diseño de controlador con referencia a la entrada, servosistemas. Dr. Rodolfo Salinas. mayo 2007
UNIVERSIDAD AUTÓNOMA DE NUEVO LEÓN Facultad de Ingeniería Mecánica y Eléctrica Control Moderno Ene.-Jun. 2007 Diseño de controlador con referencia a la entrada, servosistemas Dr. Rodolfo Salinas mayo 2007
Más detallesIngeniería de Control I Tema 11. Reguladores PID
Ingeniería de Control I Tema 11 Reguladores PID 1 Tema 11. Reguladores PID Introducción Especificaciones de funcionamiento Acciones básicas de control Ajuste empírico de reguladores. Métodos de Ziegler-
Más detallesProcesos Integrados. Si (Y t ) no es estacionario pero la serie (Z t ) de las primeras diferencias. Z t = Y t = Y t Y t 1,
Capítulo 5 Procesos Integrados Un proceso no estacionario puede no ser estable en la media, en la varianza o en las autocorrelaciones. Por ejemplo, las series 3, 5-13, 19, 29-31, 35-37, y 39 del Capítulo
Más detallesTécnicas de Predicción Solución Examen Final
Técnicas de Predicción Solución Examen Final Administración y Dirección de Empresas 23 de Junio, 2008 Prof. Antoni Espasa Secciones 3h Nota: Todas las respuestas deben ser adecuadamente razonadas. Respuestas
Más detallesECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES. Modelos econométricos dinámicos uniecuacionales
ECONOMETRÍA II: ECONOMETRÍA DE SERIES TEMPORALES Modelos econométricos dinámicos uniecuacionales Introducción: Hemos estudiado modelos de tipo: y t = φ 0 + p i=1 φ iy t i + q j=0 θ jɛ t j y t = β x t +
Más detallesTema 2: Modelos probabilísticos de series
Tema 2: Modelos probabilísticos de Tema 2: Modelos probabilísticos de 1 2 3 4 5 6 Definición Un proceso estocástico con conjunto de índices T es una colección de variables aleatorias {X t } t T sobre (Ω,
Más detallesAntecedentes de Control
Apéndice A Antecedentes de Control Para cualquier tipo de análisis de sistemas de control, es importante establecer ciertos conceptos básicos. Sistemas de control retroalimentados Un sistema que mantiene
Más detallesCOLECCIÓN DE PROBLEMAS DE EXÁMENES DE INGENIERÍA DE CONTROL
COLECCIÓN DE PROBLEMAS DE EXÁMENES DE INGENIERÍA DE CONTROL A continuación se incluyen preguntas de examen de los últimos años, tanto de teoría como de problemas. Lo indicado entre paréntesis es la puntuación
Más detallesSistemas lineales de ecuaciones diferenciales. Juan-Miguel Gracia
Sistemas lineales de ecuaciones diferenciales Juan-Miguel Gracia Índice Sistemas lineales 2 Búsqueda de una solución especial 3 Aplicación a sistemas 4 Problema de condiciones iniciales 2 / 2 Sistemas
Más detallesSEGUNDO TURNO TEMA 1
TEMA 1 Ejercicio 1 ( puntos) Dada la función polinómica f(x) = x + 2x 2 x 2, hallar los intervalos de positividad y negatividad de f sabiendo que el gráfico de dicha función corta al eje x en el punto
Más detallesAplicaciones Industriales del Control Automático ESC
Aplicaciones Industriales del Control Automático Controladores Predictivos Aníbal Zanini azanini@fi.uba.ar Departamento de Electrónica Facultad de Ingeniería de la Universidad de Buenos Aires CIITI 2005
Más detalles1: EL CONCEPTO DE CONTROL INVERSO ADAPTATIVO
Capítulo 1: EL CONCEPTO DE CONTROL INVERSO ADAPTATIVO INTRODUCCIÓN 1.1. INTRODUCCIÓN Las técnicas de filtrado adaptativo han sido aplicadas con éxito a los sistemas de antenas adaptativas, a problemas
Más detallesSISTEMAS DE CONTROL ANÁLISIS Y DISEÑO DE SISTEMAS DE CONTROL EN EL DOMINIO DE LA FRECUENCIA. Profesor: Adrián Peidró
SISTEMAS DE CONTROL PRÁCTICAS DE SISTEMAS DE CONTROL ANÁLISIS Y DISEÑO DE SISTEMAS DE CONTROL EN EL DOMINIO DE LA FRECUENCIA Profesor: Adrián Peidró (apeidro@umh.es) OBJETIVOS Afianzar los conocimientos
Más detalles1. Ajuste de los Modelos 1
03 b Ajuste de Modelos Identificacion.doc. Ajuste de los Modelos. Ajuste de los Modelos.. Introducción 2.2. Obtención Experimental del Modelo 2.2.. Modelado en Lazo Abierto 3.3. Otros Métodos 2.4. Obtención
Más detallesClase 7 Herramientas de Álgebra Lineal
Clase 7 Herramientas de Álgebra Lineal 1 Formas cuadráticas La descomposición en valores singulares 3 Normas de matrices 4 Ejercicios Dada una matriz M R n n, la función escalar x T Mx, donde x R n, es
Más detalles4.- ANALISIS DE SISTEMAS EN TIEMPO CONTINUO
ANALISIS DE SISTEMAS EN TIEMPO CONTINUO Dinámica de Sistemas 4. 4.- ANALISIS DE SISTEMAS EN TIEMPO CONTINUO 4..- Efecto de los polos en el comportamiento del sistema. 4..- Estabilidad. 4.3.- Análisis de
Más detalles1. Método del Lugar de las Raíces
. Método del Lugar de las Raíces. MÉTODO DEL LUGAR DE LAS RAÍCES..... IDEA BÁSICA... 3.. LUGAR DE LAS RAÍCES DE SISTEMAS SIMPLES... 0.3. LUGAR DE GANANCIA CONSTANTE....4. REGLAS PARA LA CONSTRUCCIÓN DEL
Más detalles6. Diseño Básico de controladores SISO
6. Diseño Básico de controladores SISO Parte 1 Panorama: Enfoque polinomial Ajuste de PI y PID mediante asignación de polos El predictor de Smith CAUT1 Clase 9 1 Introducción En el capítulo anterior examinamos
Más detalles1.1. Introducción Método de Identificación por Mínimos Cuadrados Forma Recursiva: Inclusión del Factor de Olvido.
. Mínimos Cuadrados. Mínimos Cuadrados.. Introducción 2.2. Método de Identificación por Mínimos Cuadrados 3.2.. Forma Recursiva: 6.2.2. Inclusión del Factor de Olvido. 0.3. Características Estadísticas
Más detallesSOLUCIONES EJERCICIOS PROPUESTOS TEMA SOLUCIÓN DE ECUACIONES POLINÓMICAS POR FACTORIZACIÓN
CURSO MATE 0066 Verano 009 SOLUCIONES EJERCICIOS PROPUESTOS TEMA SOLUCIÓN DE ECUACIONES POLINÓMICAS POR FACTORIZACIÓN 1. Igualando a cero la epresión tenemos una ecuación polinómica de la forma + b + c.
Más detallesii. f 1 (x) = 1 + x v.ninguna de las anteriores
UPR Departamento de Ciencias Matemáticas RUM MATE 7 Práctica # //09 Profesor Nombre Instrucciones. Resuelva cada uno de los ejercicios por usted mismo y si tienen dudas preguntele a su instructor o busque
Más detallesConcepto de VA bidimensional. Tema 3: VARIABLE ALEATORIA BIDIMENSIONAL. Concepto de VA bidimensional. Concepto de VA bidimensional
Concepto de VA bidimensional Tema 3: VARIABLE ALEATORIA BIDIMENSIONAL Carlos Alberola López Lab. rocesado de Imagen, ETSI Telecomunicación Despacho D04 caralb@tel.uva.es, jcasasec@tel.uva.es, http://www.lpi.tel.uva.es/sar
Más detallesOLIMPIADAS COSTARRICENSES DE MATEMÁTICAS
OLIMPIADAS COSTARRICENSES DE MATEMÁTICAS UNA - UCR - TEC - UNED - MEP - MICITT Álgebra e iπ + φ φ 0 III Nivel I Eliminatoria Marzo 06 Índice. Presentación. Contenidos 3. Algunos consejos útiles 4. Problemas
Más detallesÁlgebra I Práctica 7 - Polinomios
FCEyN - UBA - 2do cuatrimestre 2016 Generalidades Álgebra I Práctica 7 - Polinomios 1. Calcular el grado y el coeficiente principal de f Q[X] en los casos i) f = (4X 6 2X 5 + 3X 2 2X + 7) 77. ii) f = (
Más detallessolucionario matemáticas II
solucionario matemáticas II UNIDADES 8-4 bachillerato 8 Determinantes 4 9 Sistemas de ecuaciones lineales 46 Fin bloque II 0 Vectores 8 Rectas planos en el espacio 68 Propiedades métricas 08 Fin bloque
Más detallesINECUACIONES LINEALES
INECUACIONES POLINÓMICAS EN UNA VARIABLE Las inecuaciones en general, son desigualdades entre epresiones algebraicas en las que intervienen una o más variables. Cuando las epresiones algebraicas de cada
Más detallesUniversidad Simón Bolívar Departamento de Procesos y Sistemas
Universidad Simón Bolívar Departamento de Procesos y Sistemas Guía de Ejercicios de Sistemas de Control I PS-3 Prof. Alexander Hoyo Junio 00 http://prof.usb.ve/ahoyo ahoyo@usb.ve ÍNDICE Pág. Modelaje Matemático
Más detallesEconometría II Grado en finanzas y contabilidad
Econometría II Grado en finanzas y contabilidad Variables aleatorias y procesos estocásticos. La FAC y el correlograma Profesora: Dolores García Martos E-mail:mdgmarto@est-econ.uc3m.es Este documento es
Más detallesUn sistema con realimentación unitaria tiene una función de transferencia en lazo abierto
Un sistema con realimentación unitaria tiene una función de transferencia en lazo abierto G p ( s) k s( s + )( s + 5) a)para el sistema en lazo abierto, y suponiendo el valor k : Obtener la expresión analítica
Más detallesEjercicios de ECUACIONES DIFERENCIALES ORDINARIAS
Ejercicios de ECUACIONES DIFERENCIALES ORDINARIAS Grado en Matemáticas Curso 203-204 . Ecuaciones lineales con coeficientes constantes Ecuaciones de primer orden. Encontrar la solución de los siguientes
Más detallesEjercicio 3 Un sistema de control de velocidad de un motor de corriente continua se modela mediante la ecuación
Trabajo práctico Nº 4 Fundamentos de control realimentado - Segundo cuatrimestre 2017 Ejercicio 1 Aplicando el criterio de estabilidad de Routh: i) Determine la cantidad de raíces en el semiplano derecho
Más detalles1. Sensibilidad en caso de restricciones de igualdad
FACULTAD CS. FÍSICAS Y MATEMÁTICAS UNIVERSIDAD DE CHILE MA57B Optimización No Lineal. Semestre 2007-1 Profesor: Héctor Ramírez C. Auxiliar: Oscar Peredo. Clase Auxiliar #4 Análisis de Sensibilidad en Optimización
Más detallesx^new = x^old + K(b new A new x^old )
El Filtro de Kalman: La idea fundamental del filtro de Kalman es la actualización La llegada de una nueva observación supone un cambio en la mejor estimación mínimo cuatrática del parámetro x Se desea
Más detallesDepartamento de Ingenierías Eléctrica y Electrónica Universidad del Norte
christianq@uninorte.edu.co Departamento de Ingenierías Eléctrica y Electrónica Universidad del Norte Ejemplo: Considere el sistema de la figura: G(s) tiene un par de polos complejos conjugados en s = 1
Más detallesMATEMÁTICAS. Posgrado en Nanotecnología. Dr. Roberto Pedro Duarte Zamorano 2016 Departamento de Física
MATEMÁTICAS Posgrado en Nanotecnología Dr. Roberto Pedro Duarte Zamorano 016 Departamento de Física TEMARIO 3. Transformada de Fourier 1. Transformadas integrales.. La Transformada de Fourier. 3. Teorema
Más detallesConceptos Básicos de Errores y Lugar de la Raíz
Departamento de Ingeniería Eléctrica Universidad de Magallanes Conceptos Básicos de Errores y Lugar de la Raíz Apuntes del curso de Control Automático Roberto Cárdenas Dobson Ingeniero Electricista Msc.
Más detallesPolinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo
Polinomios: Definición: Se llama polinomio en "x" de grado "n" a una expresión del tipo P (x) = a 0 x n + a 1 x n 1 +... + a n Donde n N (número natural) ; a 0, a 1, a 2,..., a n son coeficientes reales
Más detallesTECNICAS DE DISEÑO Y COMPENSACION
TECNICAS DE DISEÑO Y COMPENSACION Técnicas para sistemas SISO invariantes en el tiempo Basadas en el lugar de las raices y respuesta en frecuencia Especificaciones de funcionamiento Exactitud o precisión
Más detallesFUNCIONES MEROMORFAS. EL TEOREMA DE LOS RESIDUOS Y ALGUNAS DE SUS CONSECUENCIAS
FUNCIONES MEROMORFAS. EL TEOREMA DE LOS RESIDUOS Y ALGUNAS DE SUS CONSECUENCIAS. FUNCIONES MEROMORFAS Definición.. Se dice que una función es meromorfa en un abierto Ω de C si f es holomorfa en Ω excepto
Más detallesApéndice sobre ecuaciones diferenciales lineales
Apéndice sobre ecuaciones diferenciales lineales Juan-Miguel Gracia 10 de febrero de 2008 Índice 2 Determinante wronskiano. Wronskiano de f 1 (t), f 2 (t),..., f n (t). Derivada de un determinante de funciones.
Más detallesEs decir, det A = producto de diagonal principal producto de diagonal secundaria. Determinante de una matriz cuadrada de orden 3
1.- DETERMINANTE DE UNA MATRIZ CUADRADA Determinante de una matriz cuadrada de orden 1 Dada una matriz cuadrada de orden 1, A = (a), se define det A = det (a) = a Determinante de una matriz cuadrada de
Más detallesLugar Geométrico de las Raíces Herramienta para diseño de sistemas de control
Lugar Geométrico de las Raíces Herramienta para diseño de sistemas de control Elizabeth Villota Curso: Ingeniería de Control (MT221) Facultad de Ingeniería Mecánica UNI-FIM 1 Modelado Modelo: representación
Más detalles6.1. Condición de magnitud y ángulo
Capítulo 6 Lugar de las raíces La respuesta transitoria de un sistema en lazo cerrado, está ligada con la ubicación de los polos de lazo cerrado en el plano complejo S. Si el sistema tiene una ganancia
Más detalleses el lugar geométrico de los puntos p tales que ; R (1)
LA RECTA DEL PLANO ECUACIÓN VECTORIAL Y ECUACIONES PARAMÉTRICAS La recta en el plano como lugar geométrico Dados un punto p un vector no nulo u, la recta T paralela a u que pasa por p es el lugar geométrico
Más detallesSistemas lineales con parámetros
4 Sistemas lineales con parámetros. Teorema de Rouché Piensa y calcula Dado el siguiente sistema en forma matricial, escribe sus ecuaciones: 3 0 y = 0 z + y 3z = 0 y = Aplica la teoría. Escribe los siguientes
Más detallesProblemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices:
Problemas Ampliación de Matemáticas. Sistemas lineales 1.- Encontrar la factorización L U de las siguientes matrices: 5 2 1 1 0 3 1 0 3 3 1 6. 3 1 6 5 2 1 2.- Dada la matriz A = 10 7 8 7 5 6, 8 6 10 hallar
Más detallesEjercicio 1 de la Opción A del modelo 1 de Solución
Ejercicio 1 de la Opción A del modelo 1 de 2008 Sean f : R R y g : R R las funciones definidas por f(x) = x 2 -(x + 1) + ax + b y g(x) = ce Se sabe que las gráficas de f y g se cortan en el punto ( 1,
Más detallesCambio de base. Objetivos. Estudiar la relación entre las coordenadas de un vector en dos bases.
Cambio de base Objetivos Estudiar la relación entre las coordenadas de un vector en dos bases Requisitos Definición de una base, multiplicación de una matriz por un vector, delta de Kronecker Definición
Más detalles15. Teoría de los residuos.
162 Funciones de variable compleja. Eleonora Catsigeras. 12 Julio 2006. 15. Teoría de los residuos. 15.1. Residuos. Definición 15.1.1. Residuo de una función en una singularidad aislada. Dada una función
Más detalles0.1. Error en Estado Estacionario
0. Error en Estado Estacionario 0.. Error en Estado Estacionario La respuesta permanente es aquella que se alcanza cuando el sistema se establece y es muy importante su estudio pues informa lo que sucede
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes 1 ÍNDICE Matemáticas Cero Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 5 2
Más detallesUniversidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL
Universidad Técnica de Babahoyo CORRELACIÓN DE VARIABLES Y REGRESIÓN LINEAL OBJETIVO Analizar las Diferentes formas de Describir la Relación entre dos variables numéricas Trazar un diagrama de dispersión
Más detallesPontificia Universidad Católica del Perú ICA624: Control Robusto. 11. Factorización Prima Sobre RH. Parametrización de Controles Estabilizantes
Pontificia Universidad Católica del Perú ICA624: Control Robusto 11. Factorización Prima Sobre Hanz Richter, PhD Profesor Visitante Cleveland State University Mechanical Engineering Department 1 / 14 Polinomios
Más detallesControl Óptimo. Diseño y Propiedades del LQR. Dr. Fernando Ornelas Tellez
Control Óptimo Diseño y Propiedades del LQR Dr. Fernando Ornelas Tellez Universidad Michoacana de San Nicolás de Hidalgo División de Estudios de Posgrado Facultad de Ingeniería Eléctrica Morelia, Michoacan
Más detallesPreliminares Métodos de Ajuste de Curvas AJUSTE DE CURVAS AJUSTE DE CURVAS
Contenido 1 Preliminares Definiciones 2 Definiciones Contenido 1 Preliminares Definiciones 2 Definiciones Definiciones En ciencias e ingeniería es frecuente que un experimento produzca un conjunto de datos
Más detallesInformación sobre Gastos de Consumo Personal y Producto Interno Bruto ( ) en miles de millones de dólares de 1992.
Universidad Nacional Autónoma de Nicaragua UNAN-Managua Curso de Análisis y Diseño de Modelos Econométricos Profesor: MSc. Julio Rito Vargas Avilés. Participantes: Docentes /FAREM-Carazo Encuentro No.4
Más detallesVectores y rectas. 4º curso de E.S.O., opción B. Modelo de examen (ficticio)
demattematicaswordpresscom Vectores y rectas º curso de ESO, opción B Modelo de examen (ficticio) Sean los vectores u = (,5) y v = (, ) a) Analiza si tienen la misma dirección No tienen la misma dirección
Más detallesc-inversa o inversa generalizada de Rao
c-inversa o inversa generalizada de Rao Definición.- Sea A m n. Se dice que una matriz A c de orden n m es una c-inversa o inversa generalizada en el sentido de Rao si y sólo si se verifica AA c A = A.
Más detallesEl Teorema Fundamental del Álgebra
El Teorema Fundamental del Álgebra 1. Repaso de polinomios Definiciones básicas Un monomio en una indeterminada x es una expresión de la forma ax n que representa el producto de un número, a, por una potencia
Más detallesEl Movimiento Browniano en la modelización del par EUR/USD
MÁSTER UNIVERSITARIO EN DIRECCIÓN FINANCIERA Y FISCAL TESINA FIN DE MÁSTER El Movimiento Browniano en la modelización del par EUR/USD Autor: José Vicente González Cervera Directores: Dr. Juan Carlos Cortés
Más detallesIntroducción a la Identificación de sistemas
Ingeniería de Control Introducción a la Identificación de sistemas Daniel Rodríguez Ramírez Teodoro Alamo Cantarero Contextualización del tema Conocimientos que se adquieren en este tema: Modelos deterministas
Más detallesFunción de transferencia
3 Función de transferencia En el capítulo anterior se presentó la transformada de Laplace y se explicó cómo utilizar sus propiedades para la resolución de una ecuación diferencial lineal de coeficientes
Más detallesMatrices y Sistemas Lineales
Matrices y Sistemas Lineales Álvarez S, Caballero MV y Sánchez M a M salvarez@umes, mvictori@umes, marvega@umes Índice 1 Definiciones 3 11 Matrices 3 12 Sistemas lineales 6 2 Herramientas 8 21 Operaciones
Más detallesNombre y Apellidos:... EXAMEN ECONOMETRÍA II (Enero 2010)
Nombre y Apellidos:... NIU:... Grupo:... EXAMEN ECONOMETRÍA II (Enero 2010) Lea cuidadosamente cada pregunta. Marque muy claramente la respuesta de cada pregunta en la hoja de respuestas. Observe que los
Más detallesSerie 10 ESTABILIDAD
Serie 0 ESTABILIDAD Condición de estabilidad U u Gu U R r + + - Gc Gv Gp C G V G P + c C H G( G (. G (. G (. H ( C V P + G( 0 G( G φ 80 Localización de las raíces Plano s E S T A B L E I N E S T A B L
Más detalles1. El Teorema de Rolle Generalizado.
Proyecto III: Los Teoremas de Rolle y del valor Medio Objetivos: Profundizar el estudio de algunos teoremas del cálculo diferencial 1 El Teorema de Rolle Generalizado La formulación más común del Teorema
Más detalles4. Análisis de Sistemas Realimentados
4. Análisis de Sistemas Realimentados Panorama: Dados un controlador y una planta conectados en realimentación, vamos a plantear y contestar las siguientes preguntas: Es el lazo cerrado estable? Cuáles
Más detallesSeguimiento de los parámetros del modelo del tracto vocal
Algoritmos para el seguimiento de los parámetros del modelo de tracto vocal Monografía de Tratamiento Estadístico de Señales parias@fing.edu.uy Instituto de Ingeniería Eléctrica Facultad de Ingeniería
Más detallesFiltro. k k. determinan la respuesta en frecuencia del filtro. Una señal x(n) que pase a través del sistema tendrá una salida Y ( ω)
7.- Introducción a los filtros digitales 7..- Introducción. El término FILTRO hace referencia a cualquier sistema que discrimina lo que pasa a su través de acuerdo con alguno de los atributos de la entrada.
Más detallesPFC: Localización de robots mediante filtro de Kalman
6.- FILTRO DE KALMAN 6.1.- MOTIVACIÓN Los sistemas de navegación se han convertido en un estándar, ya que se venden más y más, sobre todo con los coches nuevos. La mayoría de estos sistemas de navegación
Más detallesEjercicio 1. Ejercicio 2
Guía de Ejercicios Ejercicio. Calcular los momentos de primer y segundo orden (media y varianza) de una variable aleatoria continua con distribución uniforme entre los límites a y b.. Sabiendo que la función
Más detallesCorrelación. El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r)
Correlación El coeficiente de correlación mide la fuerza o el grado de asociación entre dos variables (r) El coeficiente de correlación lineal de Pearson (r) permite medir el grado de asociación entre
Más detalles4.1. Polinomios y teoría de ecuaciones
CAPÍTULO 4 Polinomios y teoría de ecuaciones 4.1. Polinomios y teoría de ecuaciones Un polinomio real en x, o simplemente polinomio en x es una expresión algebraica de la forma a n x n + a n 1 x n 1 +
Más detallesSISTEMAS LINEALES DE ECUACIONES DIFERENCIALES
SISTEMAS LINEALES DE ECUACIONES DIFERENCIALES En esta sección se estudiaran los sistemas de ecuaciones diferenciales lineales de primer orden, así como los de orden superior, con dos o más funciones desconocidas,
Más detallesTema 1. 1 Álgebra lineal. Aurea Grané Departamento de Estadística Universidad Carlos III de Madrid. 1.1 Vectores de R n. 1. Vectores. 2.
Aurea Grané. Máster en Estadística. Universidade Pedagógica. 1 Aurea Grané. Máster en Estadística. Universidade Pedagógica. 2 Tema 1 Álgebra lineal 1. Vectores 2. Matrices 1 Álgebra lineal Aurea Grané
Más detallesGeometría Diferencial Preguntas de la teoría para el examen
Geometría Diferencial - 2015 Preguntas de la teoría para el examen Observaciones: Una pregunta del examen puede ser sólo una parte de una de las preguntas siguientes. Si en esta lista una pregunta tiene
Más detallesLuego 72 = 2 3. Luego 48 = 2 3
72 2 36 2 8 2 9 3 3 3 3 2 Luego 72 = 2 3 48 2 24 2 2 2 6 2 3 3 4 Luego 48 = 2 3 Así que el m.c.m. de 72 y 48 es 2 4 3 2 = 44. Como la rueda mayor tiene 72 dientes, para "recorrer" 44 dientes dee dar 44
Más detallesMATE Dr. Pedro Vásquez UPRM. P. Vásquez (UPRM) Conferencia 1 / 10
Dr. Pedro Vásquez UPRM P. Vásquez (UPRM) Conferencia / 0 Ceros complejos y el teorema fundamental del álgebra En las secciones anteriores se ha discutido que un polinomio de grado n puede tener a lo más
Más detallesLugar Geométrico de las Raíces
ELC-33103 Teoría de Control Lugar Geométrico de las Raíces Prof. Francisco M. Gonzalez-Longatt fglongatt@ieee.org http://www.giaelec.org/fglongatt/sp.htm 1. Introducción La característica básica de la
Más detallesComo ejemplo, consideremos la función compleja P(s)= s 2 +1.
Criterio de Estabilidad de Nyquist El criterio de Estabilidad de Nyquist está basado en un teorema de la variable compleja. Para entender este criterio primero se utilizarán los conceptos de transferencia
Más detalles