Slides - Automatica - Università degli Studi di Padova

More documents

Recommendations

Info

Approccio Black-Box (1/2) Scatola nera (Modelli di dati) Non si conoscono i principi fondamentali che regolano il fenomeno, oppure sono troppo complessi e si crea un modello matematico solamente a partire dai dati sperimentali. Dati disponibili: Il profilo del terreno {u(t)} (o sua descrizione statistica) e l‘altezza del veicolo {y(t)} campionati a t = kT , dove T è il tempo di campionamento, quindi i dati sono D = {(u1, y1), (u2, y2), . . . , (uN, yN)}. Identificatione: Si utilizzano solo i dati di ingresso/uscita D per ricavare un modello matematico (tipicamente lineare)
Approccio Black-Box (2/2) Vantaggi: Modello che descrive solo i fenomeni più rilevanti Buone capacità predittive Universale in quanto non richiede conoscenza sulla natura dei dati Svantaggi: Necessità di raccogliere i dati Poco efficace se il modello originale è fortemente non-lineare Variabili in gioco non hanno significato fisico (differentemente da gray/white-box) Molto variabile se dati disponibili sono pochi e/o rumorosi
Page 1 and 2: Sistemi e Modelli Introduzione al c
Page 3 and 4: Testi Testi di riferimento: Mauro B
Page 5 and 6: Sistemi e ... “Il tutto è maggio
Page 7 and 8: Modelli Matematici Vantaggi: Descri
Page 9 and 10: Sistemi e modelli dinamici Sistemi
Page 11 and 12: Come si costruisce un modello matem
Page 13 and 14: Approccio White-Box (2/2) Vantaggi:
Page 15: Approccio Gray-Box (2/2) Vantaggi:
Page 19 and 20: Modellizzazione 16 CHAPTER 1. INTRO
Page 21 and 22: Analisi (2/4): Teoria della Stabili
Page 23 and 24: Analisi (4/4): Modelli Biologici Co
Page 25 and 26: Identificazione (2/5): Stima ai min
Page 27 and 28: Identificazione (3/5): Stima a mass
Page 29 and 30: Identificazione (5/5): Deconvoluzio
Page 31 and 32: Programma del corso (2/2) Identific

Slides - Automatica - Università degli Studi di Padova

Create successful ePaper yourself

Delete template?

Save as template?