Automatica - Teoria dei sistemi

Fondamenti di Automatica 1

Simone Belli

Indice

1 Introduzione 3

1.1 Teoria dei sistemi . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.2 Rappresentazioni lineari e stazionarie . . . . . . . . . . . . . . . . 4

1.3 Esempio: sistema massa-molla-smorzatore . . . . . . . . . . . . . 5

1.4 Alcune considerazioni . . . . . . . . . . . . . . . . . . . . . . . . 6

2 Sistemi dinamici lineari stazionari a dimensione finita 7

2.1 Il ruolo delle matrici A,B,C,D . . . . . . . . . . . . . . . . . . . . 7

2.2 Analisi di un sistema e schemi di simulazione . . . . . . . . . . . 8

2.3 La rappresentazione esplicita . . . . . . . . . . . . . . . . . . . . 9

2.4 Le matrici Φ, H, Ψ e W nella rappresentazione esplicita . . . . . . 13

2.5 Esponenziale di matrice . . . . . . . . . . . . . . . . . . . . . . . 15

2.6 Modo naturale pseudoperiodico . . . . . . . . . . . . . . . . . . . 19

2.6.1 Modi naturali aperiodici eccitabili e osservabili . . . . . . 21

2.6.2 Modi naturali pseudoperiodici eccitabili e osservabili . . . 22

3 Caratterizzazione di sistemi a tempo continuo nel dominio della

variabile complessa 24

3.1 Trasformata di Laplace . . . . . . . . . . . . . . . . . . . . . . . . 24

3.2 Le matrici Φ(s), H(s), Ψ(s) e W(s) . . . . . . . . . . . . . . . . . 26

3.3 Antitrasformata di Laplace . . . . . . . . . . . . . . . . . . . . . 28

3.4 La matrice di transizione nel dominio complesso . . . . . . . . . 30

3.4.1 Le altre matrici . . . . . . . . . . . . . . . . . . . . . . . . 31

3.5 Il caso di operatore regolare . . . . . . . . . . . . . . . . . . . . . 32

3.6 Il caso generale . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

3.7 La funzione di trasferimento e le sue rappresentazioni . . . . . . 33

3.8 La risposta indiciale e i suoi parametri caratteristici . . . . . . . 34

4 Sistemi lineari a tempo discreto 36

4.1 Le matrici Φ(k), H(k), Ψ(k) e W(k) . . . . . . . . . . . . . . . . 37

4.2 Periodo di campionamento e discretizzazione . . . . . . . . . . . 38

4.3 Trasformata Z e sue proprietà . . . . . . . . . . . . . . . . . . . . 40

4.3.1 Le matrici nel dominio della variabile complessa z . . . . 43

1

5 Stabilità dei sistemi 47

5.1 Stabilità dei sistemi lineari a tempo continuo . . . . . . . . . . . 48

5.2 Stabilità dei sistemi lineari a tempo discreto . . . . . . . . . . . . 49

5.3 Criterio di Routh . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

5.4 Stabilità esterna . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

5.4.1 Stabilità esterna in ogni stato . . . . . . . . . . . . . . . . 56

5.4.2 Stabilità esterna nello stato zero . . . . . . . . . . . . . . 56

6 La risposta a regime permanente 57

6.1 Diagrammi di Bode . . . . . . . . . . . . . . . . . . . . . . . . . . 66

6.1.1 Termine costante K . . . . . . . . . . . . . . . . . . . . . 66

6.1.2 Termine monomio . . . . . . . . . . . . . . . . . . . . . . 66

6.1.3 Termine binomio . . . . . . . . . . . . . . . . . . . . . . . 67

6.1.4 Termine trinomio . . . . . . . . . . . . . . . . . . . . . . . 68

6.2 Risposta a regime permanente per sistemi a tempo discreto . . . 70

7 Proprietà strutturali 72

7.1 Decomposizione di Kalman . . . . . . . . . . . . . . . . . . . . . 77

7.2 Problema della realizzazione . . . . . . . . . . . . . . . . . . . . . 78

7.3 Realizzazione in forma canonica raggiungibile . . . . . . . . . . . 80

7.4 Realizzazione in forma canonica osservabile . . . . . . . . . . . . 81

7.5 Metodo di realizzazione di Gilbert . . . . . . . . . . . . . . . . . 83

8 Interconnessione fra sistemi 85

8.1 Interconnessione in serie . . . . . . . . . . . . . . . . . . . . . . . 85

8.2 Interconnessione in parallelo . . . . . . . . . . . . . . . . . . . . . 86

8.3 Interconnessione a feedback . . . . . . . . . . . . . . . . . . . . . 88

2

1 Introduzione

Cos’è l’automatica? E’ un insieme di tecnologie persuasive, ma nascoste. Il

principio su cui si basa l’automatica, ma più in generale tutto il mondo, è

quello del feedback. L’oggetto che vogliamo cercare di controllare in automatica

prende il nome di sistema.

Indicheremo con y le uscite, le quali valutano la qualità delle operazioni che

abbiamo svolto. Esse sono anche dette uscite controllate.

Ci sono invece 2 tipologie di ingressi:

• ingressi manipolabili, che indicheremo con u.

• ingressi non manipolabili, che indicheremo con d (che sta per disturbo,

perturbazione).

y rappresenta l’uscita desiderata, il riferimento. Quello che faremo è capire

d

come il sistema possa agire senza la mano umana (e quindi autonomamente)

con l’uso del feedback.

1.1 Teoria dei sistemi

Il corso è diviso in una prima parte, che si occupa di teoria dei sistemi, e di

una seconda parte in cui si studiano controlli automatici. Cos’è la teoria dei

sistemi? E’ l’insieme dei metodi che permette di analizzare, di studiare un siste-

ma. Facciamo riferimento ad un sistema come qualcosa che ad una certa causa

fa corrispondere un certo effetto. E’ cioè un insieme di entità che collaborano

e che sono accomunate da qualcosa. Noi ci occuperemo di sistemi orientati.

Sistema orientato: ad una certa causa corrisponde un effetto (relazione di

causa-effetto, o azione-reazione). Ad un ingresso corrisponde cioè un’uscita.

Sistema dinamico: il sistema evolve (col passare del tempo), e la causa dipen-

de sia da quello che sta accadendo ora ma anche da quello che è accaduto prima,

in passato. Un esempio di sistema dinamico è un condensatore: se mando una

corrente continua, la tensione non lo sarà. Sistema astratto: per studiare un

sistema particolare lo posso astrarre. Un modello è una rappresentazione del

sistema. Oggetti diversi possono essere rappresentati da modelli diversi, ma è

anche vero che modelli diversi possono rappresentare lo stesso oggetto. Quin-

di, l’automatica è l’insieme delle metodologie che rende un sistema autonomo

indipendentemente dalle perturbazioni, e lo fa attraverso vari step:

3

1 - Modellistica: si identificano gli ingressi e le uscite.

2 - Analisi: bisogna capire le proprietà del modello.

3 - Controllo: sulla base dei primi 2, posso definire una legge di intervento.

Questa fase è detta anche progettazione.

4 - Realizzazione e simulazione.

Nella fase 3 è importante implementare oggetti che agiscano in real-time, il quale

è essenziale in automatica.

1.2 Rappresentazioni lineari e stazionarie

Prima di vedere le rappresentazioni lineari e stazionarie, precisiamo che la pa-

rola ’stazionario’ ci sta dicendo che il comportamento (l’effetto) non dipende

dall’istante in cui inizio ad applicare una causa. L’istante iniziale non è quindi

un problema. La rappresentazione è questa:

ẋ(t) = Ax(t) + Bu(t) (1)

y(t) = Cx(t) + Du(t) (2)

Prima precisazione: in tutto questo documento con la notazione ẋ, ad esempio,

denoteremo la derivata prima di x, al posto della normale notazione x’. Stessa

cosa dicasi per la notazione ẍ, che sostituisce x”.

Per vedere se un sistema è stazionario, A, B, C e D (che non sono altro

che matrici) devono essere costanti (non devono cioè dipendere da t). Come

classe di sistemi equivalenti prenderemo in considerazione i sistemi lineari sta-

zionari a dimensione finita, cioè quelli definiti dalle equazioni (1) e (2).

La prima equazione, ovvero ẋ(t) = Ax(t) + Bu(t), è la componente dinamica

(che evolve nel tempo).

La seconda, e cioè y(t) = Cx(t) + Du(t), è la componente istantanea.

• q

∈

y è il vettore delle uscite (gli effetti del sistema);

R

• p

∈

u è il vettore degli ingressi (le cause del sistema);

R

• n

∈

x è il vettore degli stati.

R

y è influenzata da u all’istante t e da x all’istante t. Ma cos’è x? E’ un qualcosa

che avrà informazioni sul passato, che ci serve per caratterizzare il modello

ingresso-uscita. Lo stato x è dunque tutta l’informazione del passato necessaria

per caratterizzare il presente. Questo tipo di modello è detto a dimensione finita

n

∈

perchè x dove n è un numero finito.

R 4

1.3 Esempio: sistema massa-molla-smorzatore

Il modello da considerare è ancora il seguente:

ẋ(t) = Ax(t) + Bu(t)

y(t) = Cx(t) + Du(t) Nella figura,

b è l’attrito (lo smorzatore).

Sappiamo che: 2

d y

F = ma =⇒ a = = ÿ

T OT 2

dt

− −

F = F ky Bv

T OT

dove v = velocità = ẏ − −

mÿ = F ky B ẏ

E’ un modello definito da un’equazione differenziale di ordine 2. Noi vogliamo

che l’ordine massimo sia 1.

u = F (ingresso), mentre y è l’uscita (la posizione). Per calcolare l’uscita, cioè

la posizione, ci serve la velocità:

x = y x = ẏ

1 2

x 1 2

∈

x = R

x 2

x

˙ = ẏ = x

1 2

k B 1

− −

x

˙ = ÿ = x x + u

2 1 2

m m m

poichè da − − − −

mÿ = F ky B ẏ =⇒ m

x

˙ = u kx bx

2 1 2

5

si ottiene u k B

− −

x

˙ = x x

2 1 2

m m m

 x

˙ = ẏ = x

1 2



 B 1

k −

− x x + u

x

˙ = ÿ = 1 2

2 m m m

 y = x

 1

0 1 0

x

˙ x

1 1 u

= + 1

k B

− −

x

˙ x

2 2 m

m m

x 1

y = (1 0) + (0)u

x 2

Questo è un modello del sistema massa-molla-smorzatore.

1.4 Alcune considerazioni

Il sistema generale che è alla base dell’automatica è dunque:

Nell’immagine P sta per processo, C per sistema di controllo.

Un generico sistema a tempo continuo si scrive in questo modo:

ẋ = f (t, x, u)

y = f (t, x, u)

∈

con t e con x che è la variabile di stato, la cui dimensione n rappresenta la

R

dimensione degli stati.

Questo appena visto è un sistema non stazionario e non lineare, ma non ce ne

occuperemo nel corso. Qui ci occuperemo di sistemi lineari. Se prendo cioè 2

ingressi u (t) e u (t), ottengo (separatamente) 2 uscite y (t) e y (t). Più in

1 2 1 2

· ·

generale, se prendo u(t) = α u (t) + α u (t),

1 1 2 2

· ·

y(t) = α y (t) + α y (t)

1 1 2 2

Il comportamento ingresso-uscita è quindi lineare.

6

Se un sistema è lineare, ẋ(t) = A(t)x + B(t)u

y(t) = C(t)x + D(t)u

Questa volta il sistema non è stazionario, poichè le matrici dipendono dal tempo.

Per quello che tratteremo in questo documento possiamo dire che a noi non

stazionario non piace.

2 Sistemi dinamici lineari stazionari a dimensio-

ne finita ẋ(t) = Ax + Bu (3)

y(t) = Cx + Du (4)

Una rappresentazione di questo tipo viene detta rappresentazione con lo stato.

L’equazione (3) ci dice come varia lo stato col passare del tempo, ed è cioè

la componente dinamica. L’equazione (4) è la componente istantanea

e ci dice istante per istante quale sia l’uscita. L’uscita dipende dall’ingresso al

tempo t e dallo stato all’istante t. x(t) è dunque una variabile intermedia che

raccoglie le informazioni del passato.

Un sistema può anche essere strettamente causale. Se lo è, il termine Du

nell’equazione (4) deve essere nullo.

2.1 Il ruolo delle matrici A,B,C,D

Dalle matrici A, B, C e D capiamo tutto di un sistema.

• A definisce come lo stato varia in funzione di sè stesso (lega infatti ẋ con

x stessa). Viene detta matrice dinamica e ha dimensione nxn poichè

n n nxn

∈

va da a (A ).

R R R

• B ci dice come lo stato varia in funzione degli ingressi, e cioè il legame

tra lo stato e gli ingressi. Viene infatti detta matrice del legame i/s

p n nxp

∈

(ingresso-stato). B va da a =⇒ B

R R R

Le matrici A e B definiscono, come detto, la componente dinamica.

• C lega lo stato all’uscita, e viene detta matrice del legame s/u (stato-

n q qxn

∈

uscita). C va da a =⇒ B

R R R

• D è la componente causale, che lega l’ingresso all’uscita istante per istante,

e viene detta matrice del legame i/o (input-output, o ingresso-uscita).

p q qxp

∈

Essa va da a =⇒ B

R R R 7

Le matrici C e D invece definiscono la componente istantanea.

Questo qui sopra è il cosiddetto schema di simulazione o di implementa-

zione associato al sistema delle equazioni (3) e (4), il quale funziona in real

time tramite somme (o sottrazioni), moltiplicazioni e integrali. Posso fissare

l’istante iniziale nel seguente modo: x = x(t ) con t = 0.

0 0 0

Quel che vogliamo fare, in un sistema di questo tipo, è calcolare y, la quale è la

somma di due termini (Cx e Du). Non abbiamo x, ma la 1° equazione ci dice

qual’è ẋ. Ovviamente, per passare da ẋ a x si integra e per calcolare l’integrale

abbiamo bisogno di una condizione iniziale (problema di Cauchy).

Riprendiamo l’esempio vista prima del sistema massa-molla-smorzatore, che era

cosı̀ caratterizzato:

0 1 0

x

˙ x

1 1

= u

+ 1

k 1

− −

x

˙ x

2 2 m

m m

x 1

y = (1 0) u

x 2

2.2 Analisi di un sistema e schemi di simulazione

Questo è un sistema strettamente causale (e non causale): infatti, come possia-

mo facilmente notare, D = 0; Il sistema inoltre ha dimensione 2 e ha 1 ingresso

(basta vedere quante sono le colonne di B), e 1 uscita (basta vedere il numero

di righe della matrice C).

Ma come fare uno schema di simulazione? Si parte sempre dalla fine. Ma

prima riscriviamo cosı̀ le condizioni viste nell’esempio del sistema massa-molla-

smorzatore: il corrispondente schema di simulazione sarà:

8

 x

˙ = x

1 2



 b 1

k −

− x x + u

x

˙ = 1 2

2 m m m

 y = x

 1

2.3 La rappresentazione esplicita

Per tutto quello che abbiamo detto fino ad ora, rappresentazione implicita è

sinonimo di real time. C’è poi una rappresentazione esplicita, che si ottiene cal-

colando la soluzione dell’equazione differenziale. Una rappresentazione esplicita

prende in generale questa forma: t

Z

− −

x(t) = Φ(t t )x + H(t τ )u(τ )dτ (5)

0 0 t

0

t

Z

− −

y(t) = Ψ(t t )x + W (t τ )u(τ )dτ (6)

0 0 t

0

Questa rappresentazione però non può essere implementata in real time. Nel

proseguo del corso analizzeremo un sistema qualitativamente (studiando A, B, C

e D con la rappresentazione implicita) e quantitativamente (con la rappresenta-

zione esplicita). Come passare da una rappresentazione ad un’altra e viceversa?

Nel corso vedremo solo come passare da una rappresentazione implicita ad una

rappresentazione esplicita.

Prima di vedere alcuni casi, ricordiamo due risultati molto importanti che ci

serviranno:

a(t) a(t)

Z Z

d d d

d

· − ·

f (t, τ )dτ = f t a(t) a(t) f t b(t) b(t) + f (t, τ )dτ

dt dt dt dt

b(t) b(t)

9

δ(t) impulso di Dirac, il quale gode di questa proprietà:

t

Z 1 −

f (τ )δ(t τ ), dτ = f (t) (7)

t 2

∈

con t [t , t ].

2 1

1 - Caso in cui lo stato, l’ingresso e l’uscita hanno dimensione 1 (e quindi le

matrici sono numeri scalari), il che vale a dire n=1:

ẋ = Ax + Bu

y = Cx + Du

Il tutto sta nel calcolare x e sostituirlo nella seconda equazione. Prendiamo il

caso u=0 per semplicità. ẋ = ax (con la condizione x = x(t )). La soluzione

0 0

è: at

x(t) = e x .

0

Infatti: d d

at at at

ẋ(t) = e x e = ae x

= x

0 0

0

dt dt

e dove at

e x = x(t)

0

Quindi, n = 1: at

ẋ = ax =⇒ x(t) = e x 0

at

y = cx =⇒ y(t) = Ce x 0

̸

Funziona se t = 0. Se t = 0?

0 0 a(t−t )

x(t) = e x

0 0

a(t−t )

y(t) = Ce x

0 0

2 - Caso n > 1. Prendiamo ẋ = Ax.

A(t−t )

La soluzione è x(t) = e x . Come verificarlo? Fissiamo per semplicità

0 0

At

t = 0 =⇒ x(t) = e x In generale:

0 0 10

2 3

t t

at 2 3

e = 1 + ta + a + a + ....

2 3

Dove abbiamo semplicemente scritto lo sviluppo in serie di potenze.

At

e gode della stessa proprietà: +∞

2 3 k

t t t

X

At 2 3 k

A A A

e = I + tA + + + .... =

2 3 k!

k=0

d d

At At

ẋ(t) = e x = (e )x

0 0

dt dt

Ma 3 2

2

d t t

t

d

At 2 3 2 3

(e ) = A + A + .... = A + tA + A + ... =

I + tA +

dt dt 2 3 2

k k−1

d t t

X X

k k At

= A = A = Ae

−

dt k! (k 1)!

Questo perchè se raccolgo A ottengo:

2 3

t t

2 3 At

A + A + ... = Ae

A I + tA + 2 3

Andiamo a sostituire il risultato ottenuto:

d At At

(e x ) = Ae x = Ax(t) =⇒ verif icato!

ẋ(t) = 0 0

dt

Segue che: ( At

x(t) = e x 0

At

y(t) = Ce x 0

Ora andiamo a calcolare tutta la forma esplicita, andando quindi a considerare

la seguente rappresentazione ẋ = Ax + Bu

y = Cx + Du

e integrando di nuovo x come prima: t

Z d

A(t−t ) A(t−t ) A(t−τ )

x(t) = e x + .... =⇒ x(t) = e x + e Bu(τ )dτ (8)

0 0

0 0 dt

t 0

Come dimostro che la (8) risolve ẋ = Ax + Bu? Deriviamo (con t = 0) :

0

11

t

Z d

d

At A(t−τ )

e x + e Bu(τ )dτ =

0

dt dt

0 t

Z

d A(t−τ )

At e Bu(τ )dτ =

= Ae x +

0 dt 0 t

Z A(t−τ )

At e Bu(τ )dτ =

= Ae x + Bu(t) + A

0 0

t

Z

A(t−τ )

At e Bu(τ )dτ + Bu(t)

= A e x +

0 0

dove il termine tra parentesi è proprio x(t).