Download
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
1. Classificazione dei sistemi e dei modelli PowerPoint Presentation
Download Presentation
1. Classificazione dei sistemi e dei modelli

1. Classificazione dei sistemi e dei modelli

238 Views Download Presentation
Download Presentation

1. Classificazione dei sistemi e dei modelli

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. 1. Classificazione dei sistemi e dei modelli La teoria dei sistemi e del controllo si è sempre tradizionalmente occupata dei sistemi a variabili continue modellati da equazioni differenziali o alle differenze. Tali modelli sono tuttavia inadeguati nella descrizione dei sistemi man-made. Sistemi dinamici i cui stati assumono diversi valori logici o simbolici in corrispondenza dell’occorrenza di eventi. Es: processi produttivi, reti di trasporto, di comunicazione, etc.

  2. Es. di eventi: arrivo o partenza di un cliente, completamento di una lavorazione, guasto o riparazione di una macchina, trasmissione o ricezione di un insieme di dati, etc. L’evoluzione nel tempo di tali sistemi è dettata dall’occorrenza degli eventi mentre i micro-cambiamenti che avvengono continuamente all’interno del sistema vengono ignorati. Sistemi ad eventi discreti

  3. Un sistema la cui evoluzione è dettata sia dall’occorrenza di eventi discreti, sia dal trascorrere del tempo viene detto ibrido. Sistemi ibridi Sist. ad avanzamento temporale Sist. ad eventi discreti

  4. Principi di base della teoria classica dei sistemi e del controllo Nozione fondamentale sistema Dizionario Webster: Un sistema è un’unità complessa formata da molte componenti, spesso diverse tra loro, soggette ad un piano comune o orientate verso un obiettivo comune. Dizionario IEEE: Un sistema è una combinazione di elementi che cooperano per svolgere una funzione altrimenti impossibile per ciascuno dei singoli componenti.

  5. Per procedere ad un’analisi quantitativa di un sistema è indispensabile la formulazione di un modello formale che riproduca il comportamento del sistema. • Ogni sistema fisico è caratterizzato da un certo numero di variabili fisiche che evolvono nel tempo: • cause esterne al sistema ingressi del sistema • effetti uscite del sistema u y S S realizza la dipendenza degli effetti dalle cause esterne al sistema.

  6. Kw u m y K b (sist. ad avanzamento temporale; g. fisiche: f. continue) Esempio: pantografo Y: posizione di equilibrio di m u: posizione di equilibrio del punto di contatto con la catenaria

  7. In generale l’uscita ad un dato istante di tempo dipende anche dalla storia del sistema. Lo stato di un sistema all’istante di tempo 0 è la grandezza che contiene l’informazione necessaria in0 per determinare univocamente l’andamento dell’uscita y(), per   0, sulla base della conoscenza dell’andamento dell’ingresso u(),   0 e dello stato in 0.

  8. Si definiscono equazioni di stato l’insieme di equazioni che determinano lo stato x() per ogni   0 sulla base di x(0 ) e di u() ,   0. Modello a tempo continuo x0 u x y

  9. Esempio: pantografo N.B. La scelta del modello in termini di variabili di stato non è mai unica.

  10. Se il tempo è discreto, cioè rappresentato dall’intero k, k=0,1,… , il sistema può venire descritto mediante un insieme di equazioni alle differenze: Modello a tempo discreto x0 u x y

  11. (sist. ad avanzamento temporale; g. fisiche: f. discrete) Esempio: sequenza di Fibonacci Si consideri un allevamento di conigli e si supponga che: 1) i conigli siano immortali 2) dopo un anno raggiungono la maturità dopo di che generano una coppia di conigli all’anno tempo(anni) coppie di conigli 0 1 1 1 2 2 3 3 4 5  

  12. Y(k+2) = y(k+1) + y(k) coppie di conigli presenti 2 anni prima = coppie di conigli maturi = coppie di conigli generati quest’anno coppie di conigli esistenti l’anno precedente Se suppongo di vendere un certo numero di coppie di conigli ogni anno (introduco un controllo), il modello diviene Y(k+2) = y(k+1) + y(k)-u(k+2)

  13. I sistemi ad eventi discreti La ricerca nell’abito dei sistemi ad eventi discreti (SED) sta acquistando un ruolo sempre più rilevante nella comunità scientifica e ciò è una immediata conseguenza della crescente complessità dei sistemi creati dall’uomo. La teoria dei SED si sta evolvendo ora in analogia alla teoria classica dei sistemi e del controllo  concetti di stabilità, controllabilità, osservabilità, etc.

  14. Un sistema ad eventi discreti è un sistema dinamico il cui comportamento è caratterizzato dall’occorrenza di eventi istantanei con un cadenzamento irregolare non necessariamente noto. Alcuni sistemi sono intrinsecamente ad eventi e la risoluzione di un problema di controllo in questo caso consiste nella determinazione di una politica di gestione e di coordinamento degli eventi. L’evoluzione in questo caso è asincrona ossia basata sui tempi di occorrenza degli eventi e non su una temporizzazione regolare.

  15. Definizione formale: Un SED è un sistema il cui comportamento dinamico è caratterizzato dall’accadimento asincrono di eventi che individuano lo svolgimento di attività di durata non necessariamente nota. Un SED è caratterizzato da: • insieme degli eventi E • spazio di stato X (insieme discreto) • evoluzione dello stato regolata dagli eventi • xk+1=(xk,ek) kN funzione di transizione di stato

  16. Esempio: il sistema a coda • Un sistema a coda si basa su 3 componenti fondamentali: • le entità che attendono per poter utilizzare le risorse (clienti) • le risorse (servitori o serventi) • lo spazio in cui si attente (coda) partenza clienti arrivo clienti coda servitore

  17. I clienti possono essere: persone, veicoli di trasporto, messaggi, etc. I serventi possono essere: persone, macchine, semafori, canali di comunicazione, etc. Insieme degli eventi E={a,p} a : evento di arrivo di un cliente p : evento di partenza di un cliente

  18. a a a 0 1 2 3 p p p Se scegliamo come variabile di stato il numero di clienti in coda Spazio di stato X={0,1,2,…}=N Il sistema a coda può venire rappresentato mediante il seguente grafo

  19. inizio F L fine rottura riparazione G Esempio: macchina soggetta a guasti • X = {F (macchina ferma), • L (macchina che lavora), • G (macchina guasta)} spazio di stato • E = {inizio,fine,rottura,riparazione} spazio degli eventi

  20. s l1 d l2 s s s s d d d d Esempio: circuito elettrico L’interruttore può ruotare a sinistra o a destra di 1/4 di giro. Ci sono 4 possibili posizioni

  21. d x1 x4 x1 s x2 s d s d x3 d x2 x3 x4 s • Possiamo individuare 3 insiemi: • X = {x1,x2,x3,x4} posizioni dell’interruttore • E = {s,d} rotazioni • Y = {l1,l2,b} condizioni delle lampade Tale sistema può essere rappresentato mediante il seguente grafo.

  22. s,d s,d l1 l2 b s,d s,d Se assumiamo l’insieme Y come spazio di stato, allora il sistema può essere rappresentato mediante il seguente grafo x2 x4 x4 x1 x2 l x3 Se poi volessimo addirittura limitarci a distinguere il buio dalla luce s,d s,d b x1 x3

  23. X x4 x3 d x1 x4 s x2 x1 s d s d t t1 t2 t3 t4 t5 d x2 x3 s s d s s s A tale sistema possiamo anche associare una evoluzione temporale

  24. Modellazione di sistemi ad eventi discreti Un modello ad eventi discreti è un modello matematico in grado di rappresentare l’insieme delle traiettorie (o tracce) degli eventi che possono essere generate da un sistema. In generale l’insieme delle possibili traiettorie degli eventi è infinito, mentre il modello deve comunque essere finito. A seconda del livello di astrazione con cui le diverse traiettorie possono venire rappresentate, i modelli vengono distinti in due diverse categorie: Modelli logici e Modelli temporizzati

  25. Modelli logici La traccia è una sequenza di eventi {e1,e2,e3…} in ordine di occorrenza. La traiettoria è allora la sequenza degli stati raggiunti {x0,x1,x2,…}. Modelli temporizzati La traccia è una sequenza di coppie {(e1,t1),(e2,t2),(e3,t3),...} in ordine di occorrenza. La traiettoria è ancora la sequenza degli stati raggiunti {x0,x1,x2,…}. In questo caso tuttavia conosciamo esattamente l’istante di tempo in cui ciascuno stato viene raggiunto.

  26. I modelli logici rendono agevole lo studio delle proprietà qualitative del sistema  analisi strutturale. I modelli temporizzati permettono di studiare l’evoluzione temporale di un sistema  analisi prestazionale. • I modelli temporizzati possono essere: • deterministici (gli intervalli tra 2 eventi sono noti) • stocastici (gli intervalli sono variabili casuali) Una trattazione analitica diventa estremamente complessa  simulazione

  27. Sistemi ibridi Sistemi ad eventi discreti (SED) Sistemi ad avanzamento temporale (SAT) SAT a tempo discreto SAT a tempo continuo SED temporizzati SAT a t. continuo lineari SAT a t. discreto lineari SED logici SED deterministici SAT a t. continuo non lineari SAT a t. discreto non lineari SED stocastici