|
||||||||||
|
Politecnico di Torino | |||||||||||||||||
Anno Accademico 2007/08 | |||||||||||||||||
02IVKIT Macromodellazione di sistemi dinamici lineari e non lineari |
|||||||||||||||||
Dottorato di ricerca in Ingegneria Elettronica E Delle Comunicazioni - Torino |
|||||||||||||||||
|
|||||||||||||||||
|
|||||||||||||||||
Obiettivi dell'insegnamento
Il corso si propone di discutere i problemi e le risorse disponibili per la descrizione di sistemi dinamici complessi multicomponente mediante ambienti di simulazione standard. Applicazioni tipiche sono i sistemi per il trattamento dell'informazione, in cui i segnali devono attraversare una catena di componenti senza perdere la loro integritą, e i sistemi multifisici, nei quali interagiscono componenti che appartengono a domini diversi (elettrico, meccanico,...). In tutti questi casi, la predizione del comportamento del sistema e dei segnali o variabili di interesse avviene mediante caratterizzazione del comportamento dei singoli componenti e successiva simulazione completa nel dominio del tempo. Il corso fornisce una rassegna delle pił recenti tecniche di caratterizzazione (lineare e non, operanti in frequenza o nel dominio del tempo) adatte alla modellazione di sistemi multicomponente.
|
Programma
1) Introduzione
Classificazione, caratteristiche ed esempi di sistemi dinamici (concentrati, distribuiti, lineari, non lineari) e delle risorse di modellazione presentate nel corso (2) Sistemi non lineari concentrati . spazi vettoriali lineari e stima di modelli parametrici . identificazione nonlineare . discussione di esempi applicativi (3) Sistemi dinamici lineari concentrati . metodi di riduzione ordine principio riduzione via trasformazioni ortogonali stabilita' e passivita' . identificazione da risposte via vector fitting principio algoritmi vari stabilita' e passivita' i sistemi quasi concentrati (4) Sistemi distribuiti in una dimensione (tipo linee di trasmissione) . formulazione del problema generale . discussione del caso scalare . generalizzazione * Detailed program: (1) Introduction Classification and characteristics of dynamical systems (lumped, distributed, linear, nonlinear) and of the available modeling resources presented in the course. (2) Lumped nonlinear dynamical systems . linear vector spaces and parametric model estimation . nonlinear system identification . application examples (3) Linear dynamical systems . model order reduction methods idea order reduction via orthogonal transformation stability and passivity . system identification via the vector fitting method idea available algorithms stability and passivity nearly lumped systems (4) Distributed systems (e.g., transmission lines) . general problem definition . discussion based on the 1D case . generalization to multidimensional problems * Prerequisites: some familiarity with linear algebra. Basic knowledge of Matlab or some other scientific programming language. |
Orario delle lezioni |
Statistiche superamento esami |
|