Del 1: Leksjon Det anbefales å kjøre igjennom denne før dere begynner med oppgaven.

Save this PDF as:
 WORD  PNG  TXT  JPG

Størrelse: px
Begynne med side:

Download "Del 1: Leksjon Det anbefales å kjøre igjennom denne før dere begynner med oppgaven."

Transkript

1 SO526E Multivariable Reguleringssystemer Øving 5 HiST-AFT aug 29 Pål Gisvold Innlevering: se framdriftsplan Tema: Matlab Identification Toolbox Del 1: Leksjon Det anbefales å kjøre igjennom denne før dere begynner med oppgaven. Vi skal i denne leksjonen bruke Matlab Identification Toolbox til eksperimentell modellering av en prosess ut ifra loggede data av inngangssignal u og utgangssignal y. De loggede data er lagret i ASCII-format på filen prosess.dat. Kopier disse filene til egen katalog før du begynner å jobbe med dem! Verdiene av y og u ligger her som en matrise med 2 tall på hver linje: først verdien av y, dernest verdien av u. Det er en linje pr. sampel. Samplingstida er,1 sek. og det er logget data i 4 min = 24 sek. Det er derfor 241 linjer med data i fila prosess.dat. Leksjonen viser hvordan kombinasjonen av korrelasjonsanalyse, frekvensanalyse og blackbox modellering kan gi en god modell for prosessen vår. Leksjonens innhold: 6.1 Hente og presentere data. Bruk av load, idplot og dtrend. 6.2 Korrelasjonsanalyse. Bruk av covf. 6.3 Diskret impulsrespons. Bruk av cra. 6.4 Frekvensresponsanalyse. Bruk av etfe og getff. 6.5 Black-box modellering. Bruk av arx, armax og th2ff. 6.6 Evaluering av modellen. 6.1 Hente og presentere data. Bruk av load, idplot og dtrend Start opp Matlab og hent inn dataene: >> load prosess.dat >> format compact >> whos Name Size Bytes Class Attributes prosess 241x double De loggede data er nå hentet inn i Matlab i en variabel som har navnet prosess og som vi ser er denne variabelen en 241x2 matrise, dvs 241 rader og 2 kolonner. Den første kolonnen er utgangsdata y mens den andre kolonnen er inngangsdata u.

2 2 Vi bruker kommandoen idplot for å få et raskt overblikk over loggeseriene: >> idplot(prosess) 8 y Time u Time >> y=prosess(:,1); >> u=prosess(:,2); >> mean(y) ans = >> mean(u) ans = Vi ser at både y og u har en middelverdi forskjellig fra null. Disse kan finnes eksakt: Disse middelverdiene må trekkes fra før modelleringen og det gjør vi v,hj.a. dtrend: >> z=dtrend(prosess); >> idplot(z,1:6,.1)

3 3 1 y Time u Time Legg merke til at vi må spesifisere tidsskrittet (samplingstida) for å få riktig tidsskala ved bruk av idplot. 6.2 Korrelasjonsanalyse. Bruk av covf. Funksjonen covf kan benyttes til å finne kovariansfunksjonene. (Det ligger i navnet). Disse blir lagt i en matrise med fire linjer og antall kolonner lik antall samples (tidshorisonten) som vi spesifiserer. De fire dataradene tolkes som følger: 1: Autokovarians for y 2: Krysskovarians uy 3: Krysskovarians yu 4: Autokovarians for u Vi benytter 1 samples, dvs. 1 sek. som tidshorisont for kovariansfunksjonene: >> R=covf(z,1); >> tpos=[:.1:9.9]; >> plot(tpos,r(1,:),tpos,r(4,:),'--') >> grid

4 Cov(y) Cov(u) Nå gjør vi nytte av at Cov uy (τ) = Cov yu (-τ): >> tneg=[:-.1:-9.9]; >> plot(tpos,r(2,:),tneg,r(3,:),'--') >> grid Dette resulterer i følgende plott: Cov(uy) Cov(yu) Nå har vi funnet kovariansene. For å finne korrelasjonene må vi dividere kovariansene med standardavvikene. Disse finner vi enkelt med standardfunksjoner i Matlab:

5 5» vary=var(y) vary =.1328» varu=var(u) varu =.249» sigmay=sqrt(vary) sigmay =.3644» sigmau=sqrt(varu) sigmau =.499 Korrelasjonsanalysen viser: 1. Inngangssignalet er tilnærmet hvit støy. Dette ses tydelig av Covuu. Covyy tyder på et mer deterministisk, mindre stokastisk forløp. Vi har sett begge signalene og vet at dette stemmer. 2. Det er en klar sammenheng mellom u og y. Dette ser vi av Cov uy. Hvor sterk sammenhengen er kan vi få et inntrykk av ved å studere Cov uy og dividere med produktet av standardavvikene for u og y. Funksjonen tyder også på at det er tidsforsinkelse i systemet. 6.3 Diskret impulsrespons, Bruk av cra. Generering av sprangrespons. Bruk av cumsum. Vi bruker samme tidshorisont som før og finner impulsresponsen ved hjelp av cra (CorRelation Analysis):.6 >> g=cra(z,99); >> plot(tpos,g); >> grid Nå har vi fått fram en impulsrespons fra våre stokastiske data og er tilbake til en verden vi kjenner. Her ser vi bl.a. helt tydelig at vi har en tidsforsinkelse på noe under 1 sek. i prosessen Men som vi har vært inne på tidligere er sprangresponsen et mer velegnet signal til å trekke slutninger om systemdynamikken. Det finnes flere måter å gjøre dette på. Vi kunne for eksempel startet opp Simulink, kjørt g inn i en From Workspace blokk gjennom en integrator og tilbake til workspace. Men integrasjonen gjøres mye enklere direkte i Matlab:

6 Phase (degrees) Amplitude >> spr=cumsum(g); >> plot(tpos,spr) >> grid Vi får bekreftet at vi har å gjøre med en tidsforsinkelse. Størrelsen på denne ser vi faktisk tysdeligere på impulsresponsen. Vi ser dessuten at vi har et system av minst 2.orden, en stigetid på ca. 4 sek, komplekse poler (oversving), samt en stasjonær forsterkning på ca. 2 dvs. 6 db. Vi har begynt å få et godt bilde av prosessen. 6.4 Frekvensresponsanalyse. Bruk av etfe og getff. Med FFT-algoritmen (Fast Fourier Transform) kan det det lages algoritmer som estimerer Fouriertransformasjonen til et logget signal. Har man et inngangs- og et utgangssignal vil systemets frekvensrespons være gitt av forholdet mellom disse transformasjonene. Dette er realisert i Matlabs funksjon etfe (Empirical Transfer Function Estimation). Frekvensresponsen er nyttig for oss da systemorden, knekkfrekvenser etc. kommer mye klarere fram enn ved sprangrespons. En begrensning ligger i samplingsteoremet. Våre signaler er samplet med 1Hz dvs. vi kan ikke trekke ut noe informasjon for frekvenser høyere enn 5Hz eller ca rad/sek. Vi kan forvente oss stadig dårligere informasjon jo mer vi nærmer oss denne frekvensen. Vi begynner med å prøve følgende: >> bode(etfe(z)), grid 1 From u1 to y1 Vi får kurvene som vi ser til høyre. Som ventet stopper de ved ca. 3 rad/sek. Dessuten er plottene altfor lite detaljerte til at de sier oss noe særlig. Vi må kunne trekke ut dataene i en forsterkningsfunksjon (A) og en fasefunksjon (v). Dette gjør vi med Matlab-kommandoen getff. Deretter kan vi styre plottefunksjonene sjøl Frequency (rad/s)

7 7 Vi skriver nå følgende: >> h=etfe(z,[],124,.1); >> [w,a,v]=getff(h); >> semilogx(w,2*log1(a)) >> grid Resultatet er vist i plottet til høyre Kommentarer: z: Vår matrise med detrendete inngangs- og utgangsdata. []: Dette skriver du i alle Matlab-funksjonene hvis du vil benytte default-verdier. 124: Antall beregnede punkter i frekvensfunksjonen. Må være potens av 2..1: Samplingstida for våre måledata. w: Frekvens i rad/sek A: Forsterkning gitt som ubenevnt forholdstall. (Vi må sjøl regne om til db.) v: Fasevinkel i grader. Vi plotter nå fasekurven: >> semilogx(w,v), grid Studer plottet. (Det er ikke vist her.) Framgangsmåten nå blir akkurat som med oscilloskopet på laben: Vi justerer aksene slik at vi får forstørret opp det området vi ønsker å studere nærmere: >> axis([ ])

8 8 Amplitude-frekvens karakteristikken på foregående side viser en stasjonær forsterkning på mellom 5 og 1 db og en tydelig knekk ved ca.5 rad/sek. Etter knekken faller amplituden med ca 4 db pr dekade, m.a.o. en 2.ordens prosess. Fase-frekvens karakteristikken (ovenfor) viser at fase faller mye mer enn 18 o etter knekkfrekvensen. Dette underbygger det vi tidligere har antatt; prosessen inneholder en tidsforsinkelse. Vi kunne her ha prøvd oss fram med en transferfunksjon ut fra det vi nå vet om prosessen og tilpasset tidsforsinkelse, knekkfrekvens, dempning og forsterkning ved å sammenlikne frekvensreponsene med den eksperimentelle. Vi skal imidlertid heller bruke det vi nå har fått vite til å finne en god Black-box modell. Se neste avsnitt. 6.4 Black-box modellering. Bruk av arx, armax og th2ff. Vi benytter oss nå av det vi har funnet ved korrelasjons- og frekvensanalysen; vi antar nå at systemet er av 2.orden med en tidsforsinkelse på ntau tidsskritt (.1*ntau sek). Vi prøver oss først med en arx-modell: a1 yk a2 yk 1 a3 yk 2 b1 ntauuk 1 ntau b2 ntauuk 2 ntau så en armax-modell: a1 yk a2 yk 1 a3 yk 2 b1 ntauuk 1 ntau b2 ntauuk 2 ntau c1e k c2ek 1 c3ek 2 der e er hvit støy. Vi tester først med ntau = 5 Parametrene får vi fram ved å bruke present. Denne gir oss A- og B-parametrene (og C- parametrene ved armax) med deres standardavvik som står under parameterverdien. Disse standardavvikene er et mål for usikkerheten i parameterverdiene og sammen med tallene for modellfeilen (Loss fcn og Akaikes FPE) forteller de oss hvor gode resultatene av modelleringen er. >> th=arx(z,[2 2 5]); >> present(th) Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + e(t) A(q) = ( ) q^ ( ) q^-2 B(q) = ( ) q^ (+-.127) q^-6 Estimated using ARX from data set z Loss function and FPE Sampling interval: 1

9 9 >> th=armax(z,[ ]); >> present(th) Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + C(q)e(t) A(q) = ( ) q^ ( ) q^-2 B(q) = ( ) q^ ( ) q^-6 C(q) = ( ) q^ ( ) q^-2 Estimated using ARMAX from data set z Loss function and FPE Sampling interval: 1 Vi ser at armax-modellen gir de laveste verdiene for modellfeil og standardavvik. Vi skal nå se hvilken verdi av ntau som gir de laveste verdier. Til dette bruker vi FPE-indeksen som er element (2,1) i th-matrisen. (Du får mer informasjon om dette ved å skrive help theta i Matlab.) Vi har altså bestemt oss for en armax-modell. Det gjenstår å finne den beste verdien for ntau. ntau =5 gir fpe =, Vi vet at tidsforsinkelsen ligger omkring denne verdien (ntau = 5). Vi prøver oss fram og finner: ntau = 6 gir fpe =, ntau = 7 gir fpe =, ntau = 8 gir fpe =, Vi ser at for ntau = 7 får vi den laveste verdien på FPE. Da gjenstår det å finne en armax-modell med riktig forsinkelse ntau = 7. >> th=armax(z,[ ]); >> present(th) Discrete-time IDPOLY model: A(q)y(t) = B(q)u(t) + C(q)e(t) A(q) = ( ) q^ ( ) q^-2 B(q) =.4841 ( ) q^ e-6 (+-.291) q^-8 C(q) = ( ) q^ ( ) q^-2 Estimated using ARMAX from data set z Loss function and FPE Sampling interval: 1 Dette gir den diskrete modellen mellom u og y. I armax modellen er støyen trukket fra: y 1,949 y,9515 y,4841 u 6,325 1 u 6 k k 1 k 2 k 7 k 8

10 1 Evaluering av modellen Vi skal nå se hvor god modellen er. Men først overfører vi den diskrete modellen til en kontinuerlig modell som transferfunksjon: >> [teller,nevner]=d2cm([ e-6],[ ],.1) teller = nevner = Den kontinuerlige modell blir altså: y s, 25s,5, 5s 1 1, 5s h s e e 2 e u s s,5s, 25 2s s,5 1 2s 4s,7s,7s,7s La oss til slutt simulere modellen med det virkelige inngangssignalet u og sammenlikne det simulerte utgangssignalet, ysim med det virkelige y: >> [ttau,ntau]=pade(.7,3); >> telh=conv(teller,ttau); >> nevh=conv(nevner,ntau); >> t=[:.1:24]; >> ysim=lsim(telh,nevh,u,t); >> plot(t,y,t,ysim,'--') >> grid

11 11 Figuren viser den virkelige responsen y heltrukket. Den stiplete responsen ysim fik vi ved å simulere samme inngangssignal på vår modell. Avviket i begynnelsen skyldes at vi ikke har riktig startverdi for ysim. Fra ca. 25 sek og utover ser vi at y og ysim stemmer meget godt overens. Vi har altså kommet fram til en meget god modell!!

12 12 Del 2: Oppgavetekst I/O data for et varmluftsrør (som dere kanskje kjenner fra labkjøring grunnkurs) foreligger på fil. Finn en så god modell som mulig for varmluftsrøret ut fra disse I/O data. Finn både en diskret og kontinuerlig modell. Dataene ligger på fil: dryer2.mat Kopier fila til egen katalog. Fila foreligger på Matlabs eget formet og kan hentes inn i Workspace med kommandoen: load dryer2. Dataene er lagret som to kolonnevektorer: utgangen y2, og inngangen u2. Tidsskrittet for de to måleseriene er,8 sek. Retningslinjer: Modellen bør stemme rimelig bra med de faktiske data, og her kan dere sjekke punktet om modellevaluering i leksjonen. Modellen bør være så enkel som mulig dvs. vi foretrekker en lineær modell framfor en ulineær modell, en 2.ordens framfor en 4.ordens osv. Det gjelder å velge den minste kompleksiteten som trengs for å beskrive prosessen bra. Hvor strenge krav som stilles til modellen kommer an på hva den skal brukes til. Skal modellen brukes til simulering stilles store krav til nøyaktighet, mindre krav til enkelhet. Skal modellen brukes til reguleringsteknisk analyse, settes større krav til enkelhet og desto mindre krav til nøyaktighet.

Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. systemidentifikasjon fra sprangrespons.

Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. systemidentifikasjon fra sprangrespons. Stavanger, 29. september 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.

Detaljer

Frekvensanalyse av likestrømsmotor med diskret regulator og antialiasing filter

Frekvensanalyse av likestrømsmotor med diskret regulator og antialiasing filter C:\Per\Fag\Styresys\SANNOV\13LØSØV2.wpd Fag SO507E Styresystemer HIST-AFT Feb 2012 PHv Løsning heimeøving 2 Sanntid Revidert sist: 8/2-13 NB! Matlab har vært under endring de siste årene. Mer og mer baserer

Detaljer

HØGSKOLEN I SØR-TRØNDELAG

HØGSKOLEN I SØR-TRØNDELAG Eksamensdato Fag Dato: 11.12.14 \\hjem.hist.no\pgis\mine dokumenter\backup\fag\reguleringsteknikk\2014\eksamen\lx2014des_korrigert.wpd HØGSKOLEN I SØR-TRØNDELAG AVD. FOR INGENIØR OG NÆRINGSMIDDELFAG INSTITUTT

Detaljer

Lineær analyse i SIMULINK

Lineær analyse i SIMULINK Lineær analyse i SIMULINK Av Finn Haugen (finn@techteach.no) TechTeach (http://techteach.no) 20.12 2002 1 2 Lineær analyse i SIMULINK Innhold 1 Innledning 7 2 Kommandobasert linearisering av modeller 9

Detaljer

Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. 1 Øving med systemidentifikasjon.

Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. 1 Øving med systemidentifikasjon. Stavanger, 23. juni 2017 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2017. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes canvas. Innhold

Detaljer

Løsningsforslag Dataøving 2

Løsningsforslag Dataøving 2 TTK45 Reguleringsteknikk, Vår 6 Løsningsforslag Dataøving Oppgave a) Modellen er gitt ved: Setter de deriverte lik : ẋ = a x c x x () ẋ = a x + c x x x (a c x ) = () x ( a + c x ) = Det gir oss likevektspunktene

Detaljer

HØGSKOLEN I SØR-TRØNDELAG

HØGSKOLEN I SØR-TRØNDELAG Eksamensdato Fag Dato: 17.11.10 C:\Per\Fag\Regtek\Eksamen\Eksamen10\LX2011jan.wpd HØGSKOLEN I SØR-TRØNDELAG AVD. FOR INGENIØR OG NÆRINGSMIDDELFAG INSTITUTT FOR ELEKTROTEKNIKK 7. januar 2011 LØSNINGSFORSLAG

Detaljer

ù [rad/sek] h O [db] o o o o o o o o o o o

ù [rad/sek] h O [db] o o o o o o o o o o o D:\Per\Fag\Regtek\Oppgavebok\4 Løsning på øving\reglov6_2014.wpd Fag TELE2001 Reguleringsteknikk HIST,EDT Juni -14 PHv Løsningsforslag oppgavene 24 og 25 (Øving 6) Oppgave 24 Innjustering i frekvensplanet.

Detaljer

Øving 1 ITD Industriell IT

Øving 1 ITD Industriell IT Utlevert : uke 37 Innlevert : uke 39 (senest torsdag 29. sept) Avdeling for Informasjonsteknologi Høgskolen i Østfold Øving 1 ITD 30005 Industriell IT Øvingen skal utføres individuelt. Det forutsettes

Detaljer

Litt generelt om systemidentifikasjon.

Litt generelt om systemidentifikasjon. Stavanger, 29. juni 2016 Det teknisknaturvitenskapelige fakultet ELE620 Systemidentifikasjon, 2016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.

Detaljer

MATLAB for STK1100. Matematisk institutt Univeristetet i Oslo Januar Enkel generering av stokastiske variabler

MATLAB for STK1100. Matematisk institutt Univeristetet i Oslo Januar Enkel generering av stokastiske variabler MATLAB for STK1100 Matematisk institutt Univeristetet i Oslo Januar 2014 1 Enkel generering av stokastiske variabler MATLAB har et stort antall funksjoner for å generere tilfeldige tall. Skriv help stats

Detaljer

Kalmanfilter på svingende pendel

Kalmanfilter på svingende pendel Kalmanfilter på svingende pendel Rolf Henriksen og Torbjørn Houge Institutt for teknisk kybernetikk NTNU 2005 Vi skal se på hvordan Kalmanfilteret fungerer på et velkjent eksempel, den svingende pendel

Detaljer

Simulering i MATLAB og SIMULINK

Simulering i MATLAB og SIMULINK Simulering i MATLAB og SIMULINK Av Finn Haugen (finn@techteach.no) TechTeach (http://techteach.no) 13. november 2004 1 2 TechTeach Innhold 1 Simulering av differensiallikningsmodeller 7 1.1 Innledning...

Detaljer

01 Laplace og Z-transformasjon av en forsinket firkant puls.

01 Laplace og Z-transformasjon av en forsinket firkant puls. Innholdsfortegnelse 0 Laplace og Z-transformasjon av en forsinket firkant puls.... 0 Sampling og filtrering og derivering av en trekant strømpuls... 03_Digitalt Chebyshev filter... 3 04 Digitalisering

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi C:\Per\Fag\Regtek\Eksamen\Eksamen11\LX2011DesEDT212T.wpd HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Eksamensdato Fag 20.desember 2011 LØSNINGSFORSLAG EDT212T Reguleringsteknikk grunnkurs Dato: 11.11.12

Detaljer

pdf

pdf FILTERDESIGN Ukeoppgavene skal leveres som selvstendige arbeider. Det forventes at alle har satt seg inn i instituttets krav til innleverte oppgaver: Norsk versjon: http://www.ifi.uio.no/studinf/skjemaer/erklaring.pdf

Detaljer

Løsningsforslag øving 6

Løsningsforslag øving 6 TTK5 Reguleringsteknikk, Vår Løsningsforslag øving Oppgave Vi setter inntil videre at τ = e τs. a) Finn først h s) gitt ved h s) = T i s T s) + T i s) ) ) ) ) + ζ s ω + s ω Vi starter med amplitudeforløpet.

Detaljer

c;'1 høgskolen i oslo

c;'1 høgskolen i oslo I c;'1 høgskolen i oslo lemne: I I Gruppe(r) Kvbem~ti!

Detaljer

Dette er et utdrag fra kapittel 6 i boka: Reguleringsteknikk, skrevet av. Per Hveem og Kåre Bjørvik

Dette er et utdrag fra kapittel 6 i boka: Reguleringsteknikk, skrevet av. Per Hveem og Kåre Bjørvik Dette er et utdrag fra kapittel 6 i boka: Reguleringsteknikk, skrevet av Per Hveem og Kåre Bjørvik Kapittelnummering og eksempelnummering stemmer ikke overens med det står i boka. 1 5.1 Fra overføringsfunksjon

Detaljer

FILTERDESIGN Ukeoppgavene skal leveres som selvstendige arbeider. Det forventes at alle har satt seg inn i instituttets krav til innleverte oppgaver: Norsk versjon: http://www.ifi.uio.no/studinf/skjemaer/erklaring.pdf

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF347/447 Digital signalbehandling Eksamensdag:. desember 5 Tid for eksamen: 9. 3. Oppgavesettet er på 7 sider. Vedlegg: Ingen

Detaljer

Inst. for elektrofag og fornybar energi

Inst. for elektrofag og fornybar energi Inst. for elektrofag og fornybar energi Fag TELE2001 Reguleringsteknikk Simulink øving 3 Utarbeidet: PHv Revidert sist Fredrik Dessen 2015-09-11 Hensikten med denne oppgaven er at du skal bli bedre kjent

Detaljer

STE 6146 Digital signalbehandling. Løsningsforslag til eksamen avholdt

STE 6146 Digital signalbehandling. Løsningsforslag til eksamen avholdt HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Sivilingeniørstudiet EL/RT STE 6146 Digital signalbehandling Løsningsforslag til eksamen avholdt 06.02.03 Oppgaver 1. Forklar hva som er

Detaljer

Prosjektoppgave i Ingeniørfaglig yrkesutøving og arbeidsmetoder - orientering om prosjektet

Prosjektoppgave i Ingeniørfaglig yrkesutøving og arbeidsmetoder - orientering om prosjektet Prosjektoppgave i Ingeniørfaglig yrkesutøving og arbeidsmetoder - orientering om prosjektet Prosjektet består av 4 arbeidspakker: (versjon 14.09.2017) Prosjektet er et gruppearbeid og alle arbeidspakkene

Detaljer

Tidsdiskrete systemer

Tidsdiskrete systemer Tidsdiskrete systemer Finn Haugen TechTeach 22.juli2004 Innhold 1 Tidsdiskrete signaler 2 2 Z-transformasjonen 3 2.1 Definisjon av Z-transformasjonen... 3 2.2 Egenskaper ved Z-transformasjonen... 4 3 Differenslikninger

Detaljer

KYBERNETIKKLABORATORIET. FAG: Dynamiske systemer DATO: OPPG.NR.: DS4 FREKVENS OG SPRANGRESPONSANALYSE

KYBERNETIKKLABORATORIET. FAG: Dynamiske systemer DATO: OPPG.NR.: DS4 FREKVENS OG SPRANGRESPONSANALYSE KYBERNETIKKLABORATORIET FAG: Dynamiske systemer DATO: 08.14 OPPG.NR.: DS4 FREKVENS OG SPRANGRESPONSANALYSE BESVARELSE: Protokollen skal besvare alle spørsmål. Diagrammene skal ha definerte akser og forklarende

Detaljer

Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1.

Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. FYS2130 Våren 2008 Noen presiseringer mhp Diskret Fourier Transform. Relevant for oblig 1. Vi har på forelesning gått gjennom foldingsfenomenet ved diskret Fourier transform, men ikke vært pinlig nøyaktige

Detaljer

Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår

Løsningsforslag ECON 2130 Obligatorisk semesteroppgave 2017 vår Løsningsforslag ECON 130 Obligatorisk semesteroppgave 017 vår Andreas Myhre Oppgave 1 1. (i) Siden X og Z er uavhengige, vil den simultane fordelingen mellom X og Z kunne skrives som: f(x, z) = P(X = x

Detaljer

Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. 1 Stokastiske system og prosesser 2

Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning. 1 Stokastiske system og prosesser 2 Stavanger, 4. august 016 Det teknisknaturvitenskapelige fakultet ELE60 Systemidentifikasjon, 016. Generell informasjon om faget er tilgjengelig fra fagets nettside, og for øvinger brukes It s learning.

Detaljer

Innhold Oppgaver om AC analyse

Innhold Oppgaver om AC analyse Innhold Oppgaver om AC analyse 30 a) Finn krets og bodeplot vedhjelp av målt impulsrespons.... 30 b) Finn krets og bodeplot vedhjelp av målt respons.... 30 Gitt Bodeplot, Del opp og finn systemfunksjon...

Detaljer

Systemidentifikasjon Oppgaver

Systemidentifikasjon Oppgaver University College of Southeast Norway Systemidentifikasjon Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Innledning... 3 2 Minste kvadraters metode... 4 3 Validering...

Detaljer

Tabell 1: Beskrivende statistikker for dataene

Tabell 1: Beskrivende statistikker for dataene Norges teknisk-naturvitenskapelige universitet Institutt for matematiske fag Øving nummer 7, blokk II Løsningsskisse Oppgave 1 a) Utfør en beskrivende analyse av datasettet % Data for Trondheim: TRD_mean=mean(TRD);

Detaljer

UTVIDET TEST AV PROGRAM

UTVIDET TEST AV PROGRAM Tid : 16.2.99, kl. 153 Til : Ole Meyer og prøvenemda Fra : Anders Sak : Fagprøve våren 1999, utvidet test av program Denne oppgaven var tre-delt. UTVIDET TEST AV PROGRAM Først skulle jeg påtrykke AD-kortet

Detaljer

1 Tidsdiskret PID-regulering

1 Tidsdiskret PID-regulering Finn Haugen (finn@techteach.no), TechTeach (techteach.no) 16.2.02 1 Tidsdiskret PID-regulering 1.1 Innledning Dette notatet gir en kortfattet beskrivelse av analyse av tidsdiskrete PID-reguleringssystemer.

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 15.desember 2014 Varighet/eksamenstid: 0900-1400 Emnekode: Emnenavn: TELE2001-A Reguleringsteknikk Klasse: 2EL 2FE Studiepoeng:

Detaljer

STE 6219 Digital signalbehandling Løsning til kontinuasjonseksamen

STE 6219 Digital signalbehandling Løsning til kontinuasjonseksamen HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Masterstudiet EL/RT Side av 4 STE 629 Digital signalbehandling Løsning til kontinuasjonseksamen Tid: Fredag 03.08.2007, kl: 09:00-2:00

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 29. mars 2007 Tid for eksamen: 09.00 2.00 Oppgavesettet er på 5 sider. Vedlegg: INF 3470 / INF 4470 Digital Signalbehandling

Detaljer

KYBERNETIKKLABORATORIET. FAG: Dynamiske systemer DATO: OPPG.NR.: DS4E. FREKVENS OG SPRANGRESPONSANALYSE Med ELVIS

KYBERNETIKKLABORATORIET. FAG: Dynamiske systemer DATO: OPPG.NR.: DS4E. FREKVENS OG SPRANGRESPONSANALYSE Med ELVIS KYBERNETIKKLABORATORIET FAG: Dynamiske systemer DATO: 09.12 OPPG.NR.: DS4E FREKVENS OG SPRANGRESPONSANALYSE Med ELVIS BESVARELSE: Protokollen skal besvare alle spørsmål. Diagrammene skal ha definerte akser

Detaljer

Konvolusjon og filtrering og frevensanalyse av signaler

Konvolusjon og filtrering og frevensanalyse av signaler Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 2 Konvolusjon og filtrering og frevensanalyse av signaler Sarpsborg 21.01.2005 20.01.05

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i Eksamensdag: 11. juni 27 Tid for eksamen: 14.3 17.3 Oppgavesettet er på 5 sider. Vedlegg: INF 347 / INF 447 Digital Signalbehandling

Detaljer

Figur 2 viser spektrumet til signalet fra oppgave 1 med 20% pulsbredde. Merk at mydaqs spektrumsanalysator 2

Figur 2 viser spektrumet til signalet fra oppgave 1 med 20% pulsbredde. Merk at mydaqs spektrumsanalysator 2 Oppgave 1 teoretisk del; 2 poeng Figur 1 viser et stolpediagram fra MatLab der c k er plottet for a = 0.2, a = 0.5 og a = 0.01. V 0 = 1 for alle plottene. Oppgave 1 praktisk del; 2 poeng Figur 2 viser

Detaljer

En innføring i MATLAB for STK1100

En innføring i MATLAB for STK1100 En innføring i MATLAB for STK1100 Matematisk institutt Universitetet i Oslo Februar 2017 1 Innledning Formålet med dette notatet er å gi en introduksjon til bruk av MATLAB. Notatet er først og fremst beregnet

Detaljer

HØGSKOLEN - I - STAVANGER. Institutt for elektroteknikk og databehandling

HØGSKOLEN - I - STAVANGER. Institutt for elektroteknikk og databehandling HØGSKOLEN - I - STAVANGER Institutt for elektroteknikk og databehandling EKSAMEN I: TE 559 Signaler og systemer VARIGHET: 5 timer TILLATTE HJELPEMIDLER: Kalkulator, K. Rottmanns formelsamling OPPGAVESETTET

Detaljer

41070 STABILITET I ELKRAFTSYSTEMER

41070 STABILITET I ELKRAFTSYSTEMER NTNU Gitt: 26.01.00 Fakultet for Elektroteknikk og telekommunikasjon Leveres: 09.02.00 Institutt for elkraftteknikk 1 41070 STABILITET I ELKRAFTSYSTEMER ØVING 13. Obligatorisk dataøving. Formål: - gi en

Detaljer

KYBERNETIKKLABORATORIET. FAG: Industriell IT DATO: 08.14 OPPG.NR.: LV4. LabVIEW Temperaturmålinger BNC-2120

KYBERNETIKKLABORATORIET. FAG: Industriell IT DATO: 08.14 OPPG.NR.: LV4. LabVIEW Temperaturmålinger BNC-2120 KYBERNETIKKLABORATORIET FAG: Industriell IT DATO: 08.14 OPPG.NR.: LV4. LabVIEW LabVIEW Temperaturmålinger BNC-2120 Lampe/sensor-system u y I denne oppgaven skal vi teste et lampe/sensor-system som vist

Detaljer

ELEKTRONIKK 2 DAK-ØVING 6 Endre i transistormodell, DCsvip, AC-svip, impedans 2004

ELEKTRONIKK 2 DAK-ØVING 6 Endre i transistormodell, DCsvip, AC-svip, impedans 2004 ELEKTRONIKK 2 DAK-ØVING 6 Endre i transistormodell, DCsvip, AC-svip, impedans 2004 Vi skal i denne oppgaven forsøke å simulere et enkelt forsterkertrinn med bipolar transistor. Vi har imidlertid ikke modell

Detaljer

y(t) t

y(t) t Løsningsforslag til eksamen i TE 559 Signaler og Systemer Høgskolen i Stavanger Trygve Randen, t.randen@ieee.org 3. mai 999 Oppgave a) Et tidsinvariant system er et system hvis egenskaper ikke endres med

Detaljer

3UDNWLVN DQYHQGHOVH DY ')7

3UDNWLVN DQYHQGHOVH DY ')7 TE6146 ignalbehandling 3UDNWLVN DQYHQGHOVH DY ')7,QWURGXNVMRQ Kjenner DFT og FFT for effektiv numerisk beregning av DFT. Finnes ferdige funksjoner for FFT- algoritmer implementert i C/C og andre programmeringsspråk.

Detaljer

Løsningsforslag oppgavene (Øving 3)

Løsningsforslag oppgavene (Øving 3) D:\Per\Fag\Regtek\Oppgavebok\4 Løsning på øving\reglov3_2014.wpd Fag TELE2001 Reguleringsteknikk HIST,EDT Okt 14 PHv,DA,PG Løsningsforslag oppgavene 10-15 (Øving 3) Bare oppgave 10, 13, 14 og 15 er en

Detaljer

Systemidentifikasjon Løsninger

Systemidentifikasjon Løsninger University College of Southeast Norway Systemidentifikasjon Løsninger HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Innledning... 3 2 Minste kvadraters metode... 7 3 Validering...

Detaljer

Control Engineering. MathScript. Hans-Petter Halvorsen

Control Engineering. MathScript. Hans-Petter Halvorsen Control Engineering MathScript Hans-Petter Halvorsen Dataverktøy MathScript LabVIEW Differensial -likninger Tidsplanet Laplace 2.orden 1.orden Realisering/ Implementering Reguleringsteknikk Serie, Parallel,

Detaljer

TTK 4140 Reguleringsteknikk m/elektriske kretser Dataøving 1

TTK 4140 Reguleringsteknikk m/elektriske kretser Dataøving 1 NTNU Norges teknisknaturvitenskapelige universitet Institutt for teknisk kybernetikk vårsemesteret 2004 TTK 4140 Reguleringsteknikk m/elektriske kretser Dataøving 1 Veiledning : Fiskelabben G-116/G-118

Detaljer

Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab

Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab Øving 1 TMA4245 - Grunnleggende dataanalyse i Matlab For grunnleggende bruk av Matlab vises til slides fra basisintroduksjon til Matlab som finnes på kursets hjemmeside. I denne øvingen skal vi analysere

Detaljer

ITGK - H2010, Matlab. Repetisjon

ITGK - H2010, Matlab. Repetisjon 1 ITGK - H2010, Matlab Repetisjon 2 Variabler og tabeller Variabler brukes til å ta vare på/lagre resultater Datamaskinen setter av plass i minne for hver variabel En flyttallsvariabel tar 8 bytes i minne

Detaljer

Systemidentifikasjon Oppgaver

Systemidentifikasjon Oppgaver Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Systemidentifikasjon Oppgaver HANS-PETTER HALVORSEN, 2012.03.16 Faculty of Technology, Postboks

Detaljer

Frevensanalyse av signaler (del 2) og filtrering av bilder

Frevensanalyse av signaler (del 2) og filtrering av bilder Høgskolen i Østfold Avdeling for informasjonsteknologi Fag IAD33505 Bildebehandling og mønstergjenkjenning Laboppgave nr 3 Frevensanalyse av signaler (del 2) og filtrering av bilder Sarpsborg 28.01.2005

Detaljer

Dagens temaer. Definisjon av z-transformasjonen. Tema. Time 5: z-transformasjon og frekvens transformasjon. Fra forrige gang

Dagens temaer. Definisjon av z-transformasjonen. Tema. Time 5: z-transformasjon og frekvens transformasjon. Fra forrige gang Dagens temaer Time 5: z-transformasjon og frekvens transformasjon Andreas Austeng@ifi.uio.no, NF3470 fi/uio September 2009 Fra forrige gang Kausalitet, stabilitet og inverse systemer Z 1 { }: nvers z-transformasjon

Detaljer

Kontrollspørsmål fra pensum

Kontrollspørsmål fra pensum INNFHOLD: Kontrollspørsmål fra pensum... Integrasjonsfilter... 5 Lag et digitalt filter ved å digitalisere impulsresponsen til et analogt filter... 5 Laplace... 6 Pulsforsterker... 6 På siste forelesning

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Side1av4 HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Sivilingeniørstudiet EL/RT LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Tid: Mandag 27.08.2009, kl: 09:00-12:00

Detaljer

Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S

Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler: Kun standard enkel kalkulator, HP 30S DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: Tirsdag 28. november 2006 Lengde på eksamen: 4 timer Tillatte hjelpemidler:

Detaljer

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi

HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi HØGSKOLEN I SØR-TRØNDELAG Avdeling for teknologi Målform: Bokmål Eksamensdato: 7. januar 2011 Varighet/eksamenstid: 0900-1300 Emnekode: Emnenavn: Klasse: EDT212T Reguleringsteknikk grunnkurs 2EL Studiepoeng:

Detaljer

Lab 3: AC og filtere - Del 1

Lab 3: AC og filtere - Del 1 Lab 3: AC og filtere - Del 1 Lab 3 er på mange måter en fortsettelse av Lab 2 hvor det skal simuleres og måles på en krets bestående av motstander og kondensatorer. Vi skal se på hvordan en kondensator

Detaljer

Eksamen i MIK130, Systemidentifikasjon

Eksamen i MIK130, Systemidentifikasjon DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksamen i MIK130, Systemidentifikasjon Dato: 21 februar 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen Bokmål

Detaljer

Tilstandsestimering Oppgaver

Tilstandsestimering Oppgaver University College of Southeast Norway Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN http://home.hit.no/~hansha Innholdsfortegnelse 1 Grunnlag... 3 1.1 Statistikk og Stokastiske systemer... 3 1.2

Detaljer

Innføring i bruk av PSpice;- Schematics og Probe

Innføring i bruk av PSpice;- Schematics og Probe Innføring i bruk av PSpice;- Schematics og Probe Innholdsfortegnelse 1. INNLEDNING...1 2. SCHEMATICS SKJEMATEGNE VERKTØY...1 2.1. HENTE KOMPONENTER FRA BIBLIOTEKET...2 2.2. FLYTTE KOMPONENTER...3 2.3.

Detaljer

Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab

Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab Øving 1 TMA4240 - Grunnleggende dataanalyse i Matlab For grunnleggende introduksjon til Matlab, se kursets hjemmeside https://wiki.math.ntnu.no/tma4240/2015h/matlab. I denne øvingen skal vi analysere to

Detaljer

TTK 4140 Reguleringsteknikk m/elektriske kretser Dataøving 2

TTK 4140 Reguleringsteknikk m/elektriske kretser Dataøving 2 NTNU Norges teknisknaturvitenskapelige universitet Institutt for teknisk kybernetikk vårsemesteret 2004 TTK 4140 Reguleringsteknikk m/elektriske kretser Dataøving 2 Fiskelabben G-116/G-118 Uke 16: Onsdag

Detaljer

Sammenlikningav simuleringsverktøyfor reguleringsteknikk

Sammenlikningav simuleringsverktøyfor reguleringsteknikk Presentasjon ved NFA-dagene 28.-29.4 2010 Sammenlikningav simuleringsverktøyfor reguleringsteknikk Av Finn Haugen (finn.haugen@hit.no) Høgskolen i Telemark Innhold: Eksempler på min egen bruk av simuleringsverktøy

Detaljer

EKSAMEN. Ta med utregninger i besvarelsen for å vise hvordan du har kommet fram til svaret.

EKSAMEN. Ta med utregninger i besvarelsen for å vise hvordan du har kommet fram til svaret. EKSAMEN Emneode: ID30005 Emne: Industriell I Dato: 5.2.204 Esamenstid: l. 0900 til l. 300 Hjelpemidler: re A4-ar (ses sider) med egne notater. "ie-ommuniserende" alulator. Faglærer: Robert Roppestad Esamensoppgaven:

Detaljer

MATLABs brukergrensesnitt

MATLABs brukergrensesnitt Kapittel 3 MATLABs brukergrensesnitt 3.1 Brukergrensesnittets vinduer Ved oppstart av MATLAB åpnes MATLAB-vinduet, se figur 1.1. MATLAB-vinduet inneholder forskjellige (under-)vinduer. De ulike vinduene

Detaljer

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling

LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Side 1 av 4 HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi MSc-studiet EL/RT LØSNINGSFORSLAG TIL EKSAMEN STE 6219 Digital signalbehandling Tid: Fredag 11.03.2005, kl: 09:00-12:00 Tillatte

Detaljer

EKSAMEN. Oppgave 1. (26%)

EKSAMEN. Oppgave 1. (26%) EKSAMEN Emnekode: ITD30005 Emne: Industriell IT Dato: 03.12.2013 Eksamenstid: kl 0900 til kl 1300 Hjelpemidler: Tre egenproduserte A4 ark. (Begge sider kan benyttes) Kalkulator. Faglærer: Robert Roppestad

Detaljer

TMA Matlab Oppgavesett 2

TMA Matlab Oppgavesett 2 TMA4123 - Matlab Oppgavesett 2 18.02.2013 1 Fast Fourier Transform En matematisk observasjon er at data er tall, og ofte opptrer med en implisitt rekkefølge, enten i rom eller tid. Da er det naturlig å

Detaljer

6DPSOLQJ DY NRQWLQXHUOLJH VLJQDOHU

6DPSOLQJ DY NRQWLQXHUOLJH VLJQDOHU TE6146 ignalbehandling 6DPOLQJ DY NRQWLQXHUOLJH VLJQDOHU,QWURGXNVMRQ Mest vanlige måte å oppnå diskrete signaler på er ved sampling av kontinuerlige signaler Under gitte forutsetninger kan kontinuerlige

Detaljer

Forelesning nr.14 INF 1410

Forelesning nr.14 INF 1410 Forelesning nr.14 INF 1410 Frekvensrespons 1 Oversikt dagens temaer Generell frekvensrespons Resonans Kvalitetsfaktor Dempning Frekvensrespons Oppførselen For I Like til elektriske kretser i frekvensdomenet

Detaljer

LAB 7: Operasjonsforsterkere

LAB 7: Operasjonsforsterkere LAB 7: Operasjonsforsterkere I denne oppgaven er målet at dere skal bli kjent med praktisk bruk av operasjonsforsterkere. Dette gjøres gjennom oppgaver knyttet til operasjonsforsterkeren LM358. Dere skal

Detaljer

Lab 5 Enkle logiske kretser - DTL og 74LS00

Lab 5 Enkle logiske kretser - DTL og 74LS00 Universitetet i Oslo FYS1210 Elektronikk med prosjektoppgave Lab 5 Enkle logiske kretser - DTL og 74LS00 Sindre Rannem Bilden 4. april 2016 Labdag: Tirsdag Labgruppe: 3 Oppgave 1: Funksjonstabell En logisk

Detaljer

«OPERASJONSFORSTERKERE»

«OPERASJONSFORSTERKERE» Kurs: FYS 1210 Gruppe: Gruppe-dag: Oppgave: LABORATORIEØVELSE NR 7 Revidert utgave 18. mars 2013 (Lindem) Omhandler: «OPERASJONSFORSTERKERE» FORSTERKER MED TILBAKEKOBLING AVVIKSPENNING OG HVILESTRØM STRØM-TIL-SPENNING

Detaljer

Uke 10: Diskret Fourier Transform, II

Uke 10: Diskret Fourier Transform, II Uke 10: Diskret Fourier Transform, II Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 011 /38 Dagens temaer Spektral glatting pga endelig lengde data Bruk av DFT en

Detaljer

Dato: fredag 14 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen. 1 Diskret tilstandsrommodell 2. 2 Stående pendel 4

Dato: fredag 14 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler: ingen. 1 Diskret tilstandsrommodell 2. 2 Stående pendel 4 DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Løsningsforslag Eksamen i MIK30, Systemidentifikasjon Dato: fredag 4 desember 2007 Lengde på eksamen: 4 timer Tillatte hjelpemidler:

Detaljer

LABORATORIEØVELSE B FYS LINEÆR KRETSELEKTRONIKK 1. LAPLACE TRANSFORMASJON 2. AC-RESPONS OG BODEPLOT 3. WIENBROFILTER

LABORATORIEØVELSE B FYS LINEÆR KRETSELEKTRONIKK 1. LAPLACE TRANSFORMASJON 2. AC-RESPONS OG BODEPLOT 3. WIENBROFILTER FYS322 - LINEÆR KRETSELEKTRONIKK LABORATORIEØVELSE B. LAPLACE TRANSFORMASJON 2. AC-RESPONS OG BODEPLOT 3. WIENBROFILTER Maris Tali(maristal) maristal@student.matnat. uio.no Eino Juhani Oltedal(einojo)

Detaljer

SLUTTPRØVE (Teller 60% av sluttkarakteren)

SLUTTPRØVE (Teller 60% av sluttkarakteren) Høgskolen i Telemark Avdeling for teknologiske fag SLUTTPRØVE (Teller 60% av sluttkarakteren) EMNE: EE4209 Modellbasert regulering LÆRERE Kjell - Erik Wolden og Hans - Petter Halvorsen KLASSE(R): 2IA DATO:

Detaljer

Simuleringseksempel. Vi ønsker å simulere følgende system (vanntank) i MathScript: Matematisk modell:

Simuleringseksempel. Vi ønsker å simulere følgende system (vanntank) i MathScript: Matematisk modell: Simuleringseksempel Vi ønsker å simulere følge system (vanntank) i MathScript: Matematisk modell: Vi har funnet følge matematiske modell for systemet: [ ] der: er nivået i tanken er pådragssignalet til

Detaljer

«OPERASJONSFORSTERKERE»

«OPERASJONSFORSTERKERE» Kurs: FYS 1210 Gruppe: Gruppe-dag: Oppgave: LABORATORIEØVELSE NR 7 Revidert utgave, desember 2014 (T. Lindem, K.Ø. Spildrejorde, M. Elvegård) Omhandler: «OPERASJONSFORSTERKERE» FORSTERKER MED TILBAKEKOBLING

Detaljer

Eksamen i MIK130, Systemidentifikasjon

Eksamen i MIK130, Systemidentifikasjon DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for elektroteknikk og databehandling Eksamen i MIK130, Systemidentifikasjon Dato: Mandag 28. november 2005 Lengde på eksamen: 4 timer Tillatte hjelpemidler:

Detaljer

Stabilitetsanalyse i MATLAB og LabVIEW

Stabilitetsanalyse i MATLAB og LabVIEW Stabilitetsanalyse i MATLAB og LabVIEW Av Finn Haugen (finn@techteach.no) TechTeach (http://techteach.no) 21.12 2002 1 2 TechTeach Innhold 1 Stabilitetsanalyse i MATLAB og LabVIEW 7 1.1 MATLAB... 7 1.1.1

Detaljer

MIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004

MIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004 MIK-130 Systemidentifikasjon Løsningsforslag eksamen 28 mai 2004 Oppgave 1 a Energibalanse: Endring i energi = sum av tilført energi - sum av avgitt energi. Her får en da for vannet E t = (m vc pv T v

Detaljer

Eksamen i MIK130, Systemidentifikasjon (10 sp)

Eksamen i MIK130, Systemidentifikasjon (10 sp) DET TEKNISK - NATURVITENSKAPELIGE FAKULTET Institutt for data- og elektroteknikk Eksaen i MIK130, Systeidentifikasjon (10 sp) Dato: Torsdag 17 deseber 2009 Lengde på eksaen: 4 tier Tillatte hjelpeidler:

Detaljer

01-Passivt Chebychevfilter (H00-4)

01-Passivt Chebychevfilter (H00-4) Innhold 01-Passivt Chebychevfilter (H00-4)... 1 0-Aktivt Butterworth & Besselfilter (H03-1)... 04 Sallen and Key lavpass til båndpass filter... 3 05 Butterworth & Chebychev (H0- a-d):... 5 06 Fra 1-ordens

Detaljer

Case: Analyse av passive elektriske filtre

Case: Analyse av passive elektriske filtre HØGSKOEN I SØR-TRØNDEAG AVDEING FOR TEKNOOGI PROGRAM FOR EEKTRO- OG DATATEKNIKK N7004 TRONDHEIM Telefon jobb: 735 59584 Mobil: 911 77 898 kare.bjorvik@hist.no http://www.edt.hist.no/ Kåre Bjørvik, 15.

Detaljer

Tilstandsestimering Oppgaver

Tilstandsestimering Oppgaver Telemark University College Department of Electrical Engineering, Information Technology and Cybernetics Tilstandsestimering Oppgaver HANS-PETTER HALVORSEN, 2012.01.27 Faculty of Technology, Postboks 203,

Detaljer

Generell informasjon om faget er tilgjengelig fra It s learning.

Generell informasjon om faget er tilgjengelig fra It s learning. Stavanger, 6. august 013 Det teknisknaturvitenskapelige fakultet ELE500 Signalbehandling, 013. Generell informasjon om faget er tilgjengelig fra It s learning. Innhold 5.1 Implementering av IIR filter....................

Detaljer

MIK 200 Anvendt signalbehandling, 2012. Lab. 5, brytere, lysdioder og logikk.

MIK 200 Anvendt signalbehandling, 2012. Lab. 5, brytere, lysdioder og logikk. Stavanger, 25. januar 2012 Det teknisknaturvitenskapelige fakultet MIK 200 Anvendt signalbehandling, 2012. Lab. 5, brytere, lysdioder og logikk. Vi skal i denne øvinga se litt på brytere, lysdioder og

Detaljer

MAT-INF 2360: Obligatorisk oppgave 1

MAT-INF 2360: Obligatorisk oppgave 1 6. februar, MAT-INF 36: Obligatorisk oppgave Oppgave I denne oppgaven skal vi sammenligne effektiviteten av FFT-algoritmen med en mer rett frem algoritme for DFT. Deloppgave a Lag en funksjon y=dftimpl(x)

Detaljer

Forelesning nr.6 INF 1411 Elektroniske systemer

Forelesning nr.6 INF 1411 Elektroniske systemer Forelesning nr.6 INF 1411 Elektroniske systemer Anvendelser av RC-krester Spoler og RL-kretser 1 Dagens temaer Bruk av RC-kretser Sinusrespons til RL-kretser Impedans og fasevinkel til serielle RL-kretser

Detaljer

Løsningsforslag øving 8

Løsningsforslag øving 8 K405 Reguleringsteknikk, Vår 206 Oppgave Løsningsforslag øving 8 a Vi begynner med å finne M 2 s fra figur 2 i oppgaveteksten. M 2 s ω r 2 ω h m sh a sh R2 sr 2 ω K v ω 2 h m sh a sh R2 sr 2 h m sh a sh

Detaljer

Uke 5: Analyse i z- og frekvensdomenet

Uke 5: Analyse i z- og frekvensdomenet Uke 5: Analyse i z- og frekvensdomenet Jo Inge Buskenes Institutt for informatikk, Universitetet i Oslo INF3470/4470, høst 2011 2/32 Dagens temaer Fra forrige gang Kausalitet, stabilitet og inverse systemer

Detaljer

Løsningsforslag til prøveeksamen i fag SIG50 Signalbehandling

Løsningsforslag til prøveeksamen i fag SIG50 Signalbehandling Løsningsforslg til prøveeksmen i fg SIG50 Signlbehndling (Våren-0) Av Finn Hugen (fglærer). 4. februr 00. 1. Det må smples med smplingsfrekvens høyere enn gnger signlfrekvensen for t nedfolding skl unngås,

Detaljer

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP INF 2310 22.01.2008 Ukens temaer Hovedsakelig fra kap. 2.4 i DIP Romlig oppløsning og sampling av bilder Kvantisering Introduksjon til pikselmanipulasjon i Matlab (i morgen på onsdagstimen) Naturen er

Detaljer

EKSAMEN STE 6219 Digital signalbehandling

EKSAMEN STE 6219 Digital signalbehandling HØGSKOLEN I NARVIK Institutt for data-, elektro-, og romteknologi Masterstudiet EL/RT Side 1 av 4 EKSAMEN STE 6219 Digital signalbehandling Tid: Tirsdag 07.03.2006, kl: 09:00-12:00 Tillatte hjelpemidler:

Detaljer