Carte Laborator Final

Olimpiu STOICUŢA Corneliu MÂNDRESCU
IDENTIFICAREA SISTEMELOR
LUCRĂRI DE LABORATOR
Editura UNIVERSITAS
Petroşani, 2012
Referenţi ştinţifici:
Prof.dr.ing. Aron POANTĂ

Conf.dr.ing. Nicolae PĂTRĂŞCOIU
Descrierea CIP a Bibliotecii Naţionale a României

STOICUŢA, OLIMPIU COSTINEL
Identificarea sistemelor / Stoicuţa Olimpiu Costinel

Petroşani: Universitas, 2012
Bibliogr.
ISBN 978-973-741-272-0
681.9(075.8)
Copyright © 2012 Editura UNIVERSITAS – recunoscută CNCSIS.

Toate drepturile sunt rezervate Editurii Universitas. Nici o parte din
acest volum nu poate fi copiată şi reprodusă fără acordul scris al editurii.
Editura Universitas, Petroşani, jud.Hunedoara, Romania

Str. Universităţii, nr.20, tel. 542.580 / fax. 543.491
2
Prefaţă
Lucrarea de faţă îşi propune să prezinte într-o formă
unitară principalele metode utilizate, atât în identificarea
neparametrică cât şi identificarea parametrică a sistemelor.
Pentru o însuşire cât mai facilă a cunosţinţelor, lucrările de
laborator sunt însoţite de diverse aplicaţii dezvoltate în mediul de
programare Matlab – Simulink.
Îndrumătorul de lucrări de laborator este destinat în primul
rând studenţilor de la Facultatea de Inginerie Mecanică şi
Electrică, specializarea Automatică şi Informatică Aplicată, care
au în planul de învăţământ disciplina Identificarea Sistemelor.
Pe lângă inginerii automatişti, lucrarea se adresează tuturor
specialiştilor din profilul electric, inginerilor mecanici şi
economiştilor.
3
Cuprins
L0. Norme genereale de protecţie a muncii........................ 5
L1. Introducere în Matlab – Simulink................................ 10
L2. Simularea în Matlab – Simulink a sistemelor liniare
de ordinul unu şi doi..................................................... 19
L3. Transformata Fourier rapidă – FFT. Calculul
funcţiilor de convoluţie şi covarianţă utilizând
FFT............................................................................... 39
L4. Indicatori statistici. Funcţii Matlab pentru calcule
statistice........................................................................ 54
L5. Prelucrarea datelor experimentale................................ 67
L6. Studiul părţii fixe a sistemului de reglare a debitului
de apă de pe o conductă................................................ 72
L7. Identificarea sistemelor pe baza răspunsului la intrare
treaptă........................................................................... 98
L8. Identificarea sistemelor folosind semnale de probă
sinusoidale.................................................................... 122
L9. Identificarea sistemelor folosind semnale de probă
aleatoare....................................................................... 128
L10 Identificarea off – line a sistemelor folosind metoda
. celor mai mici pătrate................................................... 141
L11 Identificarea off – line a sistemelor folosind metoda
. variabilelor instrumentale............................................. 147
L12 Identificarea on – line a sistemelor folosind metoda
. celor mai mici pătrate................................................... 153
L13 Simularea în Matlab – Simulink a motorului de
. inducţie......................................................................... 165
L14 Estimarea fluxului rotoric a motorului de inducţie
. folosind un estimator Luenberger................................ 176
Bibliografie................................................................... 189
4
LUCRAREA 0
Norme genereale de protecţie a muncii
1. Scopul lucrării de laborator
Cunosţeterea şi însuşirea principalelor norme de protecţie a

muncii. În urma efectuării acestui laborator, se semnează un
proces verbal de instruire.
2. Breviar teoretic
Normele generale de protecţie a muncii cuprind principii

generale de prevenire a accidentelor de muncă şi a bolilor
profesionale precum şi direcţiile generale de aplicare a acestora.
Principalele tipuri de accidente de muncă sunt: de natură
mecanică, termică si electrică:
 accidentele de natura mecanica, se produc ca urmare a
lovirii corpului omenesc de catre diverse obiecte;
 accidentele de natura termică se produc în urma
contactului suprafeţei corpului omenesc cu un mediu cu
temperatură ridicată.
 accidentele de natură electrică, se produc ca urmare a
acţiunii curentului electric asupra corpului omenesc atunci
când acesta vine în contact cu instalatiile aflate sub
tensiune.
Pentru protecţia împotriva electrocutării prin atingere

directă se aplică atât măsuri tehnice şi cât şi organizatorice.
Principalele măsuri tehnice ce pot fi folosite pentru
protecţia împotriva electrocutării prin atingere directă sunt:
5
 acoperirea cu materiale electroizolante ale părţilor active
ale instalaţiilor şi echipamentelor electrice;
 protecţia prin amplasarea echipamentelor electrice, în
locuri inaccesibile;
 scoaterea de sub tensiune a instalaţiei sau echipamentului
electric la care urmează a se efectua lucrări şi verificarea
lipsei de tensiune;
 utilizarea de dispozitive speciale pentru legări la pământ şi
în scurtcircuit;
 egalizarea potenţialelor şi izolarea faţă de pământ a
platformei de lucru.
Principalele măsuri organizatorice ce pot fi aplicate
împotriva electrocutării prin atingere directă sunt:
 executarea intervenţiilor la instalaţiile electrice trebuie să
se facă numai de personal calificat;
 eşalonarea operaţiilor de intervenţie la instalaţiile electrice;
 elaborarea unor instrucţiuni de lucru pentru fiecare
intervenţie la instalaţiile electrice.
Pentru protecţia împotriva electrocutării prin atingere

indirectă trebuie să se realizeze şi să se aplice numai măsuri şi
mijloace de protecţie tehnice. Pentru evitarea electrocutării prin
atingere indirectă trebuie să se aplice două măsuri de protecţie: o
măsură de protecţie principală, care să asigure protecţia în orice
condiţii, şi o măsură de protecţie suplimentară, care să asigure
protecţia în cazul deteriorării protecţiei principale.
Pentru evitarea accidentelor prin electrocutare, prin
atingere indirectă, măsurile de protecţie care pot fi aplicate sunt
următoarele:
 folosirea tensiunilor foarte joase de securitate;
 legarea la pământ;
 deconectarea automată în cazul apariţiei unei tensiuni sau
a unui curent de defect;
 folosirea mijloacelor de protecţie electroizolante.
6
Pentru prevenirea şi stingerea incendiilor, personalul are
urmatoarele obligaţii:
 să decupleze tensiunea de alimentare, să anunte imediat
organul ierarhic superior despre producerea incendiului şi
să actioneze cu mijloacele existente (extinctoarele pentru
stingerea acestuia);
 să participe la stingerea incendiului şi la înlăturarea
consecintelor acestuia precum şi la evacuarea bunurilor
materiale;
 să întreţină mijloacele de prevenire şi stingere a incendiilor
în buna stare de utilizare;
 să îndeplinească la termen măsurile stabilite pentru
prevenirea si stingerea incendiilor;
 la terminarea lucrului să verifice şi să ia toate măsurile
pentru înlăturarea cauzelor care pot provoca incendii.
Curentul electric poate determina atât arsuri cât şi leziuni

ale organelor interne.
Şocurile electrice de scurtă durată, de intensitate redusă,
care nu determină simptome şi nici arsuri ale tegumentului, nu
necesită tratament.
În cazul şocurilor de intensitate ridicată sau a celor care au
determinat arsuri tegumentare, se recomanda consult medical de
urgentă.
Primul ajutor în caz de electrocutare:
 intreruperea sursei de curent electric, fară a atinge victima

sau sursa de curent cu mainile goale; se vor folosi manuşi
izolante sau un material (lemn, plastic, cauciuc)
electroizolant pentru a indeparta sursa de curent;
 dacă victima este în stop cardio-respirator se poate face
resuscitarea cardio – respiratorie, dar numai după
intreruperea sursei de curent (altfel exista pericolul de
electrocutare a salvatorului);
7
 daca sunt prezente pulsul şi respiratia, victima va fi aşezată
în poziţia de siguranţă şi supravegheată pană la sosirea
echipajului medical.
ATENTIE !
În caz de accidentare, se va asigura primul ajutor şi se

va apela următorul număr de telefon:
 112 – “Serviciul Naţional Unic Pentru Apeluri de
Urgenţă” (servicii reunite: Politie; Pompieri;
Ambulanţa; Jandarmeria; SMURD).
3. Modul de lucru
Se testează studenţii privind însuşirea cunosţinţelor

prezentate. În urma testării se semneaza “Procesul verbal de
instruire”.
Observaţie: Studentii care nu obţin calificativ de trecere
nu pot participa la lucrarile de laborator.
4. Conţinutul referatului
Referatul v-a contine scopul lucrării de laborator, precum

şi principalele norme de protecţie a muncii.
8
UNIVERSITATEA DIN PETROŞANI
FACULTATEA DE INGINERIE MECANICĂ ŞI ELECTRICĂ
PROCES VERBAL
Incheiat astăzi __________.

Subsemnatul ___________________________________, titular
al laboratorului de _________________________, am instruit un
numar de ____ studenţi din grupa ______ (conform cu tabelul
nominal de pe verso) în probleme de protectia muncii.
Materialul predat constă din:
 Norme de tehnica securitatii muncii pentru instalaţiile

electrice;
 Norme de prevenire şi stingere a incendiilor.
Prezentul process verbal se va pastra la d-nul _______________.
Semnatura
TABEL NOMINAL
Am luat la cunostintă de cele consemnate în procesul verbal.
Nr.Crt. Nume şi Prenume Semnătura

1.
2.
3.
9
LUCRAREA 1
Introducere în Matlab - Simulink
Cunosţeterea principalelor funcţii Matlab – Simulink utilizate

în identificarea sistemlor.
2. Breviar teoretic
MATLAB-ul (MATrix LABoratory) este un limbaj de

programare şi un sistem de dezvoltare a aplicaţiilor din diverse
domenii.
Din punct de vedere structural Matlabul-ul este realizat sub
forma unui nucleu de bază în jurul căruia sunt construite toolbox-
urile (colecţii de aplicaţii şi funcţii specializate).
Principalele toolbox-uri utilizate în identificarea sistemelor,
sunt:
 System Identification – conţine funcţii şi aplicaţii
destinate identificării unui sistem;
 Signal Processing – conţine funcţii şi aplicaţii destinate
procesării semnalelor;
 Control System – conţine funcţii şi aplicaţii destinate
controlului automat a unor sisteme;
 Statistics Toolbox – conţine funcţii destinate calculelor
statistice;
 Optimization Toolbox – conţine funcţii destinate
optimizării sistemelor;
 Database Toolbox – conţine funcţii destinate importului şi
exportului de date cu baze de date relaţionale ;
10
 Data Acquisition Toolbox – conţine funcţii şi drivere
utilizate în achiziţia de date prin intermediul unor plăci de
achiziţie.
SIMULINK-ul este un pachet software utilizat în modelarea,

simularea şi analiza sistemelor dinamice. Prin intermediul acestui
pachet software, pot fi modelate sisteme liniare, neliniare,
continue, discrete, hibride etc. Simulink-ul oferă o interfaţă
grafică cu utilizatorul (GUI) pentru realizarea modelelor
sistemelor sub formă unor diagrame construite din blocuri.
Tehnica de realizare a modelelor este bazată pe principiul click-
and-drag , cu ajutorul mouse-ului.
Un program la fel de important este Real-time Workshop.
Acest program permite generarea de cod C pentru schemele bloc
create în SIMULINK şi astfel permite rularea acestora în timp
real.
System Identification Toolbox – conţine funcţii şi aplicaţii
necesare construirii modelelor matematice ale sistemelor
dinamice, utilizând date experimentale. Datele experimentale sunt
obţinute în urma achiziţiei variabilelor de intrare şi ieşire a unui
sistem ce urmează a fi identificat.
Lista completă şi descrierea tuturor funcţiilor cuprinse în
toolbox-ul System Identification se face prin următoarea
comandă: help ident . Comanda prezentată anterior se introduce
în promterul specific Matlab-ului la fel ca în figura 1.1.
Figura 1.1. Fereastra principală a programului Matlab ce

pune în evidenţa modul de introducere a comenzii - help ident.
11
Pentru exemplificare celor menţionate mai sus, în cele ce
urmează, vom prezenta o descriere a funcţiilor utilizate în
idetificarea parametrică a sistemelor utilizînd modele stochastice
de tip theta.
Schema bloc a unui sistem ce poate fi descris de un model
theta este prezentat în figura 1.2.
Figura 1.2 Schema bloc a unui sistem ce poate fi

descris de un model theta
În principiu, perturbaţia poate acţiona oriunde în interiorul

procesului, dar, dacă sistemul este liniar, ea poate fi translată pe
ieşire.
În cazul în care perturbaţia z(t) (zgomotul) influenţează
puţin mărimea de ieşire y(t) (raport zgomot/semnal
nesemnificativ), aceasta poate fi ignorată în controlul procesului
tehnologic, însă când influenţa este puternică trebuie luată în
considerare şi calea prin care se propagă perturbaţia spre ieşire, cu
alte cuvinte este necesar şi modelul matematic al căii de zgomot.
În acest caz evoluţia mărimii de ieşire poate fi determinată
dacă se cunosc modelele celor două căi (de control şi de zgomot),
semnalul de intrare u(t) şi caracteristicile statistice ale zgomotului
z(t). Dacă perturbaţia este un proces aleator cu densitate spectrală
raţională, în conformitate cu teorema factorizării spectrale, z(t)
poate fi interpretat ca fiind ieşirea unui filtru raţional stabil şi de
fază minimă la intrarea căruia se aplică zgomotul alb e(t) (figura
1.3).
Figura 1.3 Schema bloc a filtrului zgomotului alb
12
Dacă H(q) este funcţia de transfer a acestui filtru, atunci
z(t)=H(q)·e(t).În această situaţie, un model cu diferenţe posibil, în
conformitate cu figura 1.2.b, este :
y (t )  G (q)  u (t )  H (q )  e(t ) (1.1)
Filtrele G(q), H(q), sunt funcţii ce depind de variabila q.
Forme particulare ale G(q), H(q) conduc la modele particulare.
Forma cea mai generală, în conformitate cu figura 1.2.a, este :
 B (q ) C (q)
 A(q)  y (t )  F (q)  u (t  k )  D(q )  e(t )
 (1.2)
 M e (t )   
2 2
  
unde M este media statistica,  este dispersia zgomotului iar k
este timpul mort exprimat în număr de perioade de eşantionare.
Modelul descris de ecuatia (1.2) este ilustrat sub forma de
schema bloc in cadrul figurii 1.4.
Figura 1.4. Schema bloc generala a unui sistem descris prin

intermediul unui model de tip theta
În acest model polinoamele A, B, C, D, F sunt definite

astfel :
A(q )  1  a1  q 1  a2  q 2    ana  q  na (1.3)
1 2  nb
B (q )  b1  q  b2  q    bnb  q (1.4)
C (q)  1  c1  q 1  c2  q 2    cnc  q  nc (1.5)
1 2  nd
D(q)  1  d1  q  d 2  q    d nd  q (1.6)
1 2  nf
F (q )  1  f1  q  f 2  q    f nf  q (1.7)
13
vectorul parametrilor fiind :
T
   a1, , ana , b1, , bnb , c1, , cnc , d1, , d nd , f1, , f nf  (1.8)
Comparând (1.1) cu (1.2), în cazul în care k  0 ,
constatăm că :
 B(q)
 G ( q ) 
 A(q)  F (q)
 (1.9)
 H (q )  C (q )
 A(q )  D(q )
Exitenţa polilor comuni (zerourile polinomului A(q)) ne
arată faptul că perturbaţia acţionează undeva în interiorul
procesului tehnologic. Dacă gradul na al polinomului A(q) este
zero, atunci cele două căi sunt complet separate, efectul lor
manifestându-se direct asupra ieşirii.
Cazuri particulare:
1. Dacă nc=nd=nb=nf=0 atunci modelul (1.2) devine:
 A(q)  y (t )  e(t )
 (1.10)
   a1 , a2 , , ana 
T
Modelul dat de relaţia (1.10) se numeşte model autoregresiv

(AR). Funcţia Matlab ce implementeză un astfel de model este:
M = AR(Y,na) (1.11)
unde Y este vectorul datelor de ieşire a sistemului ce urmează a fi
identificat, iar M conţine valorile estimate ale coeficienţilor
polinomului A.
2. Dacă nb=nf=nd=0 atunci modelul este unul de tip
autoregresiv şi de medie alunecătoare (ARMA) :
 A(q)  y (t )  C (q)  e(t )
 (1.12)
   a1 , , ana , c1 , , cnc 
T
Funcţia Matlab ce implementeză un astfel de model este:

M = ARMAX(Z,[na nc]) (1.13)
unde M conţine valorile estimate ale coeficienţilor polinoamelor
A, şi C, iar Z este vectorul format din datele de ieşire a sistemului
ce urmează a fi identificat.
14
3. Dacă nf=nc=nd=0 atunci modelul este unul de tip
autoregresiv controlat sau cu mărimi exogene (ARX) :
 A(q)  y (t )  B(q)  u (t  k )  e(t )
 (1.14)
   a1 , , ana , b1 , , bnb 
T

M = ARX(Z,[na nb k]) (1.15)
A şi B, iar Z este vectorul format din datele de ieşire şi intrare a
sistemului ce urmează a fi identificat: Z = [Y U].
4. Dacă nd=nf=0 avem un model autoregresiv de medie
alunecătoare cu mărimi exogene (ARMAX) :
 A(q)  y (t )  B(q)  u (t  k )  C (q )  e(t )
 (1.16)
   a1 , , ana , b1 , , bnb , c1 , , cnb 
T
Denumirea acestor modele provine din limba engleza Auto

Regresive Moving Average with eXogenous control (modele
autoregresive cu medie alunecatoare si control exogen).
M = ARMAX(Z,[na nb nc k]) (1.17)
A, B şi C, iar Z este vectorul format din datele de ieşire şi intrare a
5. Dacă na=nc=nd=0 avem model OE (Output Error):
B(q)
y (t )   u (t  k )  e(t ) (1.18)
F (q)
M = OE(Z,[nb nf k]) (1.19)
B şi F, iar Z este vectorul format din datele de ieşire şi intrare a
6. Dacă na = 0 se obtine modelul denumit Box - Jenkins
B(q) C (q)
y (t )   u (t  k )   e(t ) (1.20)
F (q) D(q )
M = BJ(Z,[nb nc nd nf k]) (1.21)
15
B, C, D şi F, iar Z este vectorul format din datele de ieşire şi
intrare a sistemului ce urmează a fi identificat: Z = [Y U].
5. Modul de lucru
 Dacă nu este deja creat, se creează un folder de lucru.

 Se activează platforma Matlab – Simulink şi se creaza
urmatorul program:
Figura 1.5. Programul Matlab - Simulink
 Se seteaza parametrii osciloscoapelor “u” şi “y” astfel:
Figura 1.6. Setarea parametrilor osciloscoapelor

16
 Se seteaza paramerii osciloscopului “E”, astfel:
Figura 1.7. Setarea parametrilor osciloscopului notat cu “E”
 Se rulează programul din cadrul figurii 1.5, iar apoi se verifică

Workspace din Matlab. În urma simulării, în Workspace vom
avea datele de intrare şi ieşire achiziţionate, la fel ca în figura
1.8 (a se vedea partea dreaptă a figurii 1.8).
Figura 1.8. Verificarea datelor de intrare şi ieşire

în Workspace
În cadrul figurii 1.7 se observă că variabilele de intrare şi

ieşire conţin în prima coloană momentele de timp în care s-au
achiziţionat datele de intrare şi ieşire. Observaţia rămâne valabilă
şi în cazul erorii obţinute prin intermediul osciloscopului „E”.
17
 Se realizează în Matlab următorul program:
ym=y(1:1001,2); % citirea variabilei de iesire din

%Workspace
um=u(1:1001,2); % citirea variabilei de intrare din
%Workspace
E=Eroare(1:1001,2); %citirea erorii din Workspace
t=u(:,1); % citirea variabilei timp din Workspace
Z=[ym,um]; % formarea vectorului Z
M=arx(Z,[2 2 1]); % se aplica procedura de ARX
e1=pe(M,Z); % se calculeaza eroarea de predictie
plot(t,e1); % se reprezinta grafic eroarea de
%predictie
title ('Erori de modelare');
xlabel ('Timp (s)');
ylabel ('Date cu erori');
pause; % se asteapta apasarea unei taste
ysim = sim(M,[E um]); % se simuleaza modelul ARX
%identificat.
plot(t,ysim,'r',t,ym,'b') % se reprezinta grafic
%datele masurate (cu albastru)in tandem cu datele
%simulate (rosu).
 Se rulează programul prezentat mai sus, iar apoi se trag

concluzii. Validarea modelului se face în urma analizei
ultimului grafic. În cazul în care nu se obţine o acurateţe (o
eroare) suficient de bună, se recurge la mărirea ordinului
modelului (se măresc na şi nb), iar procesul de identificare se
reia.
Referatul v-a contine scopul lucrării de laborator, un scurt

breviar teoretic cu funcţia Matlab utilizată în identificarea
procesului, schema de simulare (figura.1.5) precum şi programul
Matlab necesar identificării şi validării modelului matematic
obţinut. Referatul va fi completat, în urma orei de laborator, cu
graficele obţinute în urma rulării programului precum şi cu
concluziile ce se desprind în urma analizei celor menţionate mai
sus.
18
LUCRAREA 2
Simularea în Matlab – Simulink a sistemelor

liniare de ordinul unu şi doi
Analiza sistemelor liniare de ordinul I şi ordinul II la

intrări de tip treaptă idelă şi sinusoidă.
2. Breviar teoretic
A. În vederea exemplificării funcţiei de transfer a unui

sistem liniar de ordinul unu vom realiza modelul matematic a
circuitului electric din figura 2.1.
Figura 2.1. Circuitul R.C serie
În vederea scrierii ecuaţiilor ce definesc modelul

matematic al circuitului RC serie vom presupune că rezistenţa şi
capacitatea circuitului sunt constante.
Aplicând legea a 2-a, a lui Kirchhoff (suma tensiunilor la
bornele rezistorului şi condensatorului, este egală cu tensiunea
sursei), obţinem:
19
t

1
U a  t   Ra  I a  t    I a   d (2.1)
Ca 0
unde tensiunea la bornele condenstaorului este:
t

1
U c t    I a   d (2.2)
Ca 0
Trecând la transformata Laplace (Pierre-Simon Laplace –
23 martie 1749 – 5 martie 1827) în condiţii iniţiale nule
I a  0   0 , expresiile (2.1) şi (2.2) devin:
1
U a  s   Ra  I a  s    Ia  s  (2.3)
Ca  s
1
Uc  s   Ia  s  (2.4)
Ca  s
Expresia (2.3) mai poate fi scrisă şi astfel:
Ua  s
Ia  s   (2.5)
1
Ra 
Ca  s
În urma înlocuirii relaţiei (2.5) în (2.4) obţinem următoarea
funcţie de transfer:
U s 1
G1  s   c  (2.6)
U a  s  1  T1  s
unde: T1  Ra  Ca .
Relaţia (2.6) defineşte funcţia de transfer a circuitului RC
serie.
B. În vederea exemplificării funcţiei de transfer a unui
sistem liniar de ordinul doi vom realiza modelul matematic a
servomotorului de curent continuu cu magneţi permanenţi.
În scrierea ecuaţiilor ce definesc modelul matematic al
servomotorului de curent continuu cu magneţi permanenţi
presupunem că rezistenţa şi inductivitatea circuitului indusului
sunt constante. Acest lucru presupune satisfacerea următoarelor
ipoteze simplificatoare:
20
 neglijarea variaţiilor în timp a parametrilor în raport cu
temperatura;
 variaţiile rezistenţei de contact dintre perii şi colector sunt
neglijate;
 servomotorul de curent continuu este nesaturat magnetic.
În aceste condiţii, schema echivalentă a servomotorului de

curent continuu este prezentată în figura 2.2.
Figura 2.2. Schema echivalentă a servomotorului de curent

continuu cu magneţi permanenţi
În cadrul figurii 2.2. s-au utilizat următoarele notaţii:

 Ra    - rezistenţa totală a circuitului indusului;
 I a  A  - curentul electric prin rotor;
 La  H  - inductivitatea totală a circuitului indusului;
 U e  V  - tensiunea contra-electromotoare;
 M a  N  m  - cuplul electromagnetic al servomotorului;
 M r  N  m  - cuplul rezistent dat de maşina de lucru;
 n  rot/min  - turaţia servomotorului de curent continuu.
Pe baza schemei prezentate în figura 2.2 se pot scrie două
ecuaţii ce vor definii modelul matematic al servomotorului de
curent continuu cu magneţi permanenţi. Cele două ecuaţii poartă
numele de:
 ecuaţia de tensiune a servomotorului de curent
continuu;
21
 ecuaţia de mişcare a servomotorului de curent
continuu.
Aplicând legea a 2-a, a lui Kirchhoff, în cadrul ochiului de
reţea din cadrul figurii 2.2, obţinem următoarea relaţie:
dI  t 
U a  t   Ra  I a  t   La  a  Ue t  (2.7)
dt
Relaţia (2.7) poartă denumirea de ecuaţia de tensiune a
Legea a 2 – a, a lui Kirchhoff, a fost descoperită de
fizicianul german Gustav Robert Kirchhoff (12 martie 1824 –
17 octombrie 1887) şi are următorul enunţ: „Suma algebrică a
tuturor căderilor de tensiune dintr-un ochi de reţea este egală cu
suma algebrică a tensiunilor electromotoare din acel ochi de
reţea”.
A doua ecuaţie ce defineşte modelul matematic al
servomotorului de curent continuu, se obţine pe baza ecuaţiei de
echilibru a momentelor ce acţionează la arborele servomotrorului.
În regim dinamic, ecuaţia mişcării este dată de expresia următoare
M a t   M r t   M d t  (2.8)
unde M d este numit cuplul inerţial sau dinamic.
Cuplul inerţial se obţine pe baza legii fundamentale a
dinamicii:
d
M d t    J t   t  (2.9)
dt
unde J  kg  m 2  este momentul de inerţie al rotorului, iar
  rad/sec  este viteza unghiulară a servomotorului.
d dJ  t  d  t 
M d  t   J  t     t      t    (2.10)
dt d  t  dt
sau:
d dJ  t 
M d t   J t  
dt
  t    2 t  
d  t 
(2.11)
unde s-a ţinut cont că:

22
d  t 
 t   (2.12)
dt
Relaţia (2.12) defineşte legătura dintre viteza unghiulară
 , a rotorului, şi poziţia rotorului în spaţiu  . Cele menţionate
mai sus, sunt puse în evidenţă în figura 2.3.
Figura 2.3. Schema explicativă pentru evidenţierea

legăturii între viteza unghiulară şi poziţia rotorului
De cele mai multe ori, momentul de inerţie este constant

astfel încât relaţia (2.11) devine:
d
M d  t   J    t   (2.13)
dt
Pentru a definii momentul de inerţie vom considera că
masa mr  kg  a rotorului este situată într-un anumit punct situat la
distanţa r  m  , denumită şi raza de inerţie, faţă de axa de rotaţie.
În aceste condiţii, momentul de inerţie este definit de relaţia
următoare
2
D
J  mr  r  mr   
2
(2.14)
2
unde D poartă denumirea de diametrul de inerţie.
Dacă în relaţia (2.14) se introduce expresia de definiţie a
greutăţii,
G  mr  g (2.15)
23
unde g  9.81  m/sec 2  este acceleraţia gravitaţională, expresia
(2.14) devine:
G  D2
J (2.16)
4 g
În relaţia (2.16), produsul G  D 2 este numit şi momentul de
giraţie sau momentul de volant. Cele menţionate mai sus, sunt
utile atunci când în datele de catalog, ale motorului, în loc de
momentul de inerţie este dat momentul de giraţie.
Ţinând cont de relaţiile prezentate mai sus, expresia ce
defineşte ecuaţia de mişcare, este:
d
M a  t   M r  t   J    t   (2.17)
dt
Pe de altă parte, tensiunea electromotoare a servomotorului
de curent continuu cu magneţi permanenţi se calculează utilizînd
următoarea relaţie:
U e  t   Ke   t  (2.18)
unde K e  V/(rad  sec-1 )  este constanta de tensiune a
servomotorului.
Relaţia ce defineşte puterea electromagnetică a
servomotorului de curent continuu cu magneţi permanenţi este:
Pe  t   U e  t   I a  t   M a  t     t  (2.19)
În aceste condiţii, cuplul electromagnetic al
servomotorului de curent continuu se determină din membrul
drept al relaţiei (2.19) ţinând cont de expresia (2.18).
U t   I a t  Ke    t   I a  t 
M a t   e   K m  I a  t  (2.20)
 t   t 
unde: K m  K e . Constanta K m  N  m/A  poartă denumirea de
constanta mecanică a servomotorului.
Înlocuind (2.20) în (2.17), şi (2.18) în (2.7), obţinem:
dI a  t 
U a  t   Ra  I a  t   La   Ke  t  (2.21)
dt
24
d
Km  Ia t   M r t   J 
dt
  t   (2.22)
Relaţiile (2.21) şi (2.22) se pot scrie matricial astfel:

 dI a  t    Ra Ke  1 
   L  L   I  t   L 0 
U t  
 dt    a a
 a    a    a  (2.23)
 d  t    K m   t    1  M r  t 
   J 0    0   
 dt     J
sau:
dx  t 
 A  x t   B  u t  (2.24)
dt
unde:
 Ra Ke  1 
 L  L  L 0
 I t  U t  
A a a
;B a  ; x t    a  ; u t    a 
 Km
0 
 
0
1  t    M r  t 
 J  
 J 
În cazul în care viteza unghiulară este considerată singura
ieşire a servomotorului de curent continuu, putem scrie
următoarea expresie:
 I  t  U t  
  t    0 1   a    0 0   a  (2.25)
 t    M r  t 
sau:
y t   C  x t   D  u t  (2.26)
unde: C   0 1 ; D   0 0 .
Ecuaţiile „intrare stare ieşire” (2.24) şi (2.26) constitue
modelul matematic al servomotorului de curent continuu cu
magneţi permanenţi. În cadrul acestor expresii x  t  reprezintă
vectorul de stare; u  t  reprezintă vectorul de intrare, iar y  t  este
vectorul de ieşire.
25
Trecând la transformata Laplace, în condiţii iniţiale nule
x  0   0   I a  0    0     0 0 , în expresiile (2.24) şi
T T
(2.26), obţinem
Y  s   G  s  U  s  (2.27)
unde Y  s     s  ; U  s    I a  s    s   .
T
În cadrul relaţiei (2.27), G  s  reprezintă matricea de

transfer a servomotorului de curent continuu şi este definită de
expresia următoare:
G  s   C   s  I 2  A  B  D
1
(2.28)
unde I 2 este matricea unitate de ordinul doi.
În urma înlocuirii matricilor A,B,C şi D în (2.28), obţinem:
G  s   G11  s  G12  s   (2.29)
unde:
1 1

K e Ta  Tm
G11  s   (2.30)
1 1
s2   s 
Ta Ta  Tm
1  1

 s  
J  Ta 
G12  s   (2.31)
1 1
s  s 
2
Ta Ta  Tm
Din cele prezentate mai sus, se observă că matricea de
transfer are ca elemente funcţii de transfer. În relaţiile de mai sus
s-au utilizat următoarele notaţii:
L
 Ta  a este constanta de timp electrică a servomotorului;
Ra
R J
 Tm  a este constanta de timp mecanică a
Ke  Km
servomotorului.
În cele ce urmează vom face următoarele notaţii:
26
1 1
02  ; K1  (2.32)
Ta  Tm Ke
1 1
2    0  ; K 2   (2.33)
Ta J
unde: 0 poartă denumirea de pulsaţia naturală, iar  poartă
denumirea de factorul de amortizare a servomotorului de curent
continuu cu magneţi permanenţi.
În aceste condiţii, funcţiile de transfer (2.30) şi (2.31)
devin:
K1  02
G11  s   2 (2.35)
s  2    0  s  02
K 2   s  2    0 
G12  s   (2.36)
s  2    0  s  02
2
unde:
1 1 T
0  ;  m .
Ta  Tm 2 Ta
Relaţia de legătură între viteză, tensiunea de alimentare şi
momentul rezistent, în domeniul complex, este:
  s   G11  s  U a  s   G12  s   M r  s  (2.37)
Din (2.37), se observă că:
s
G11  s   Mr s  0 (2.38)
Ua  s
 s
G12  s   Ua  s  0 (2.39)
Mr s
Funcţiile de transfer (2.35) şi (2.36) stau la baza simulării
Din (2.35) se observă că această funcţie de transfer descrie
un sistem liniar de ordinul doi, iar funcţia de transfer (2.36)
descrie un sistem liniar de ordinul doi ce are un zero de valoare
z1  2    0 .
27
3. Modul de lucru

următorul program:
Figura 2.4. Schema de simulare a unor circuite RC serie ce au

constantele de timp T1  0.5 sec  respectiv T1  2 sec  .
 Parametrii generatorului treaptă ideală şi a generatorului

semnalului sinusoidal, se setează la fel ca în figura 2.5.
Figura 2.5. Setarea parametrilor generatoarelor de semnale de

tip treapta şi sinusoidă.
28
 Se rulează programul prezentat în figura 2.4 şi se citeşte de pe
graficul rezultat valorea finală la care se stabilizează tensiunea
la bornele codenstatorului. Simularea se face în cazul în care
tensiunea de intrare variază pe baza unei distribuţii de tip
treaptă.
 Se duce tangenta la graficul rezultat în punctul de origine, iar
apoi se determină punctul de intersecţie dintre dreapta paralelă
cu axa timpului ce trece prin punctul dat de valoarea la care se
stabilizează tensiunea la bornele codenstatorului şi tangenta la
graficul rezultat ce trece prin orgine. Se proiectează punctul de
intersecţie pe axa timpului iar apoi se măsoară durata de timp
scursă din momentul iniţial până la atingerea valorii punctului
de intersecţie proiectat. Valoarea de timp citită este valoarea
timpului T1 , utilizat în cadrul simulării.
 Se trag concluzii legate de posibila aplicare a metodei
prezentate mai sus, în identificarea unui sitem.
 Se rulează programul prezentat în figura 2.4. în cazul în care
tensiunea la intrare variază sub forma unei sinusoide de
următoarea forma:
U a  t   U m  sin k  t  ; k  2    f k (2.40)
 În urma rulării se citeşte amplitudinea semnalului de ieşire Ym ,
iar apoi se determină raportul
Y
M  k   m (2.41)
Um
 În mod identic se determină defazajul dintre semnalul
sinusoidal de la ieşire şi semnalul sinusoidal de la intrare.
 Se repetă experimentul pentru diverse valori ale frecvenţei
semnalului de intrare şi se citesc mărimile prezentate mai sus.
În final, se trag concluzii legate de aplicabilitatea metodei de
analiză, prezentate mai sus, în identificarea unui sitem.
 În mod identic, în vederea analizei la intrare treaptă şi
sinusoidă, a modelului matematic a servomotorului de curent
continuu, se realizează în Matlab – Simulink programul
prezentat în figura 2.6.
29
Figura 2.6. Schema de simulare a servomotorului de curent
continuu cu magneţi permanenţi.
Structura internă a blocului “Mcc”, prezentat în figura 2.6,

este cea din figura 2.7.
Figura 2.7. Structura internă a blocului “Mcc”
30
 Se definesc parametrii blocului “Mcc”, prin intermediul
editorului “mask editor”, ce se activează selectând cu mouse-ul
blocul “Mcc”, iar apoi se apasă [ CTRL + M ].
Figura 2.8. Definirea parametrilor blocului “Mcc”.
 Se fac urmatoarele initializări în “mask editor”, pentru blocul

“Mcc”.
Figura 2.9. Iniţializare parametrilor blocului “Mcc”.

31
 Parametrii generatorului treaptă ideală şi a generatorului de
semnal sinusoidal, pentru tensiunea de alimenatre U a , se
setează la fel ca în figura 2.10.
Figura 2.10. Setarea parametrilor generatoarelor de semnale

de tip treapta şi sinusoidă pentru tensiunea de alimentare Ua
 Parametrii generatorului treaptă ideală şi a generatorului de

semnal sinusoidal, pentru momentul rezistent, se setează la fel
ca în figura 2.11.
 Se introduc parametrii electrici şi mecanici ai servomotorului
de curent continuu S586 produs de Electro-Craft Corporation.
U a  24 V  ; Ta  2.06  m  sec  ; Tm  12  m  sec  ;
K e  0.056 V  rad  sec 1   ; J  3.88 105  Kg  m 2  ;
Ra  1.25    ; La  2.6  m  H 
32
 Se rulează programul prezentat în figura 2.6, iar apoi se citesc
de pe graficele rezultate valorile finale la care se stabilizează
viteza servomotorului de curent continuu, precum şi valorile la
care se stabilizează variabilele de ieşire A1 şi A2. Simularea se
face în cazul în care tensiunea de intrare variază pe baza unei
distribuţii de tip treaptă de valoare U a  24  V  , iar momentul
rezistent variază tot pe baza unei distribuţii de tip treaptă de
valoare M r  0.225  N  m 
Figura 2.11. Setarea parametrilor generatoarelor de semnale

de tip treapta şi sinusoidă pentru momentul rezistent Mr.
 Se rulează din nou programul prezentat în figura 2.6, pentru

cazul în care tensiunea de intrare variază pe baza unei
distribuţii de tip treaptă de valoare U a  35  V  , iar momentul
33
rezistent variază tot pe baza unei distribuţii de tip treaptă de
valoare M r  0.225  N  m  . După rulare, se citesc de pe
graficele rezultate valorile finale la care se stabilizează viteza
servomotorului de curent continuu, precum şi valorile la care
se stabilizează variabilele de ieşire A1 şi A2.
 Se pune în evidenţă fenomenul de creştere a vitezei datorat
creşterii tensiunii de alimentare a servomotorului de curent
continuu.
 Se repetă simularea pe baza programului din figura 2.6, în
cazul în care atât tensiunea de alimentare cât şi momentul
rezistent variază sub forma unor sinusoide.
 În urma rulării se citeşte amplitudinea semnalului de ieşire
precum şi defazajul dintre variabila de ieşire şi variabila de
intare, atăt în cazul funcţiei de transfer G11  s  cât şi în cazul
funcţiei de transfer G12  s  . În final, se trag concluzii legate de
o posibila aplicare a metodei prezentate mai sus, în
identificarea unui sitem.
 Se realizează următorul program în Matlab
clear
clc
num1=1;
den1=[0.5 1];
num2=1;
den2=[2 1];
t= 0:0.001:20;
for i=1:length(t) % generator semnal treapta
if t(i)<0
u(i)=0;
else
u(i)=5;
end
end
y1=lsim(num1,den1,u,t);
y2=lsim(num2,den2,u,t);
plot(t,y1,'r',t,y2,'b');
grid
title('Raspunsul la intrare treapta 5 [V]')
34
xlabel('Timp [sec]')
ylabel('Uc [V]')
pause;
nyquist(num1,den1);
pause
nyquist(num2,den2);
pause
bode (num1,den1);
pause;
bode (num2,den2);
 Se rulează programul prezentat mai sus şi se pune în evidenţă

diagramele Nyquist şi Bode pentru funcţiile de transfer din
figura 2.4. Se discută diagramele obţinute, iar apoi se trag
concluzii.
 Se realizează următorul program în Matlab:
clear
clc
Ra=1.25;
La=2.6e-3;
ke=0.056;
km=ke;
Ta=2.06e-3;
Tm=12e-3;
Ja=3.88e-5;
k1=1/ke;
k2=-1/Ja;
Ta=La/Ra;
Tm=Ra*Ja/(ke*km);
w0=1/sqrt(Ta*Tm);
csi=(1/2)*sqrt(Tm/Ta);
num1=k1*w0^2;
den1=[1 2*csi*w0 w0^2];
num2=[k2 k2*2*csi*w0];
den2=[1 2*csi*w0 w0^2];
t= 0:0.001:0.2;
fa=1;
wn=2*pi*fa;
if t(i)<0
u1(i)=0;
else
35
u1(i)=24;
end
end
if t(i)<0
u2(i)=0;
else
u2(i)=0.225;
end
end
y1=lsim(num1,den1,u1,t);
grid
title('Raspunsul la intrare treapta')
ylabel('A1; A2')
pause;
nyquist(num1,den1);
pause
nyquist(num2,den2);
pause
bode (num1,den1);
pause;
bode (num2,den2);

diagramele Nyquist şi Bode pentru funcţiile de transfer din
figura 2.7, corespunzătoare servomotorului de curent continuu
cu magneţi permanenţi. Se discută diagramele obţinute, iar
apoi se trag concluzii.
 Se realizează următorul program în Matlab
clear
clc
k1=15;
k2=-8000;
w0=250;
csi=0.5; % 0.2 ; 0.5 ; 0.8
num1=k1*w0^2;
den1=[1 2*csi*w0 w0^2];
num2=[k2 k2*2*csi*w0];
den2=[1 2*csi*w0 w0^2];
36
t= 0:0.001:0.2;
fa=1;
wn=2*pi*fa;
if t(i)<0
u1(i)=0;
else
u1(i)=24;
end
end
if t(i)<0
u2(i)=0;
else
u2(i)=2;
end
end
grid
title('Raspunsul la intrare treapta')
ylabel('A1; A2')
pause;
nyquist(num1,den1);
pause
nyquist(num2,den2);
pause
bode (num1,den1);
pause;
bode (num2,den2);
 Se rulează programul prezentat mai sus pentru diverse valori

ale factorului de amortizare. Pentru fiecare valoare a factorului
de amortizare se pune în evidenţă diagramele Nyquist şi Bode
precum şi răspunsul la intrare treaptă a celor două funcţii de
transfer, prezentate în figura 2.7.
 Din cadrul graficelor obţinute se citesc suprareglajul, timpul
procesului tranzitoriu precum şi gradul de amortizare.
 Se discută diagramele obţinute, iar apoi se trag concluzii.
37
 Se modifică programul prezentat mai sus astfel încât să se
pună în evidenţă efectele introducerii unor poli şi zerouri
suplimentare în cadrul unei funcţii de transfer a unui sistem
liniar de ordinul doi.
Observatia 1. Introducerea unui zero în funcţia de transfer a

sistemului de ordinul doi, în cazul în care este depărtat de origine
la fel ca polii dominanţi, face ca sistemul să aibă un suprareglaj
mai mare şi o durată a regimului tranzitoriu mai mică.
Observaţia 2. Introducerea unui pol suplimentar are influenţă

directă asupra regimului tranzitoriu, prin componenta tranzitorie
introdusă de acest pol, componentă care se stinge în timp cu cât
polul este mai depărtat de origine în raport cu polii dominanţi.
Dacă polul suplimentar este mult mai depărtat de origine în raport
cu polii dominanţi, atunci sistemul poate fi aproximat cu un sistem
de ordinul doi.

breviar teoretic, schemele şi programele de simulare. Referatul va
fi completat, în urma orei de laborator, cu graficele obţinute în
urma rulării programelor, precum şi cu concluziile ce se desprind
în urma analizei celor menţionate mai sus.
38
LUCRAREA 3
Transformata Fourier rapidă - FFT

Calculul funcţiilor de convoluţie şi covarianţă
utilizând FFT
Cunoaşterea algoritmului şi a funcţiei Matlab ce este

utilizată în calculul transformatei Fourier rapide cât şi
cunoaşterea algoritmului de calcul şi a funcţiilor Matlab utilizate
în calcului funcţiilor de convoluţie şi covarianţă.
2. Breviar teoretic
Tranformata Fourier a unui semnal a fost descoperită de

matematicianul şi fizicianul francez Jean Baptiste Joseph
Fourier (21 martie 1768 – 16 mai 1830).
În identificare sistemelor se lucrează cu semnale şi sisteme
cauzale. Pentru un semnal cauzal putem considera că x  t   0
pentru t  0 . Un astfel de semnal mai poartă denumirea şi de
semnal bilateral dreapta. În aceste condiţii, transformata Fouriei a
unui astfel de semnal, este:

X  j   

0
x  t   e  j t dt (3.1)
În vederea obţinerii echivalentului discret a transformatei

Fourier, în cele ce urmează, vom prezenta metoda de integrare
numerică bazată pe metoda dreptunghiului.
Pentru obţinerea formulei de cvadratură a dreptunghiului,
vom rezolva următoarea integrală:
39
t
 u   d
not
y t   (3.2)
0
unde u   este o funcţie continuă dată .

În acest sens, pentru relaţia (3.2) vom fixa limita
superioară a domeniului de integrare, astfel:
t  k ; k  0,1, 2, , N  1 . În aceste condiţii, expresia (3.2)
devine:
k

not
y k   u   d (3.3)
0
Denumirea de formula dreptunghiului provine de la faptul
că în intervalul  0 , k  , aria cuprinsă între funcţia u   şi abscisa
sistemului de axe, se înlocuieşte cu suma ariilor dreptunghiurilor
Ai (a se vedea figura 3.1).
Figura 3.1 Figura explicativă privind determinarea formulei

de integrare a dreptunghiului
În aceste condiţii, (3.3) se poate calcula aproximativ pe

baza următoarei formule:
40
  
k k
y k   Ai  u i (3.4)
i 0 i 0
În aceste condiţii aplicând formula (3.4) pentru (3.1),
obţinem:

X  j   
 x i   e
i 0
 j  i
(3.2)
Pe de altă parte, se consideră că pulsaţia  variază în

intervalul    0 , 2    , astfel încât putem împărţii acest interval
astfel:
2 
n  n  ; n  0,1, 2, , N  1 (3.3)
N
În aceste condiţii, (3.2) devine:

 x i   e
2
 j n i
X  j  n   N
; n  0,1, 2, , N  1 (3.4)
i 0
Dacă limităm seria, prezentată mai sus, la N  1 valori,

obţinem următoarea relaţie:
N 1
X  n 
 x  i  W
i 0
i n
n  0,1, 2, , N  1 (3.5)
not not 2

 j
unde: X  n   X  j  n  ; j  1 ; W  e N
.
Relaţia (3.5) poartă denumirea de transformata Fourier
discretă.
Relaţia (3.5) particularizată pentru N  2 ;   2 , devine:
 X(0) = x(0)  W 0 + x(1)  W 0 + x(2)  W 0 + x(3)  W 0

 X(1) = x(0)  W + x(1)  W + x(2)  W + x(3)  W
0 1 2 3
 (3.6)
 X(2) = x(0)  W
0
+ x(1)  W
2
+ x(2)  W
4
+ x(3)  W
6
 X(3) = x(0)  W 0 + x(1)  W 3 + x(2)  W 6 + x(3)  W 9

Din expresia (3.6) se observă că pentru a obţine
transformata Fourier discretă pentru semnalul discret
41
x  i  ; i  0,1, 2,3 avem de efectuat 12 adunări şi 16 îmulţiri. Prin
generalizare putem scrie că avem N 2 impulţiri şi N   N  1
adunări.
Transformata Fourier rapidă (FFT) este un algoritm de
calcul, mult mai rapid, al transformatei Fourier discrete.
În vederea prezentării algortmului tranformatei Fourier
rapide, se pun relaţiile (3.6) sub formă matricială, la fel ca în
expresia (3.7).
 X(0)   W 0 W 0 W 0 W 0   x(0) 
 X(1)   0 1 2 3   x(1) 
    W W W W    (3.7)
 X(2)   W 0 W 2 W 4 W 6   x(2) 
   0 3 6 9  
 X(3)   W W W W   x(3) 
Prima etapă a algoritmului, constă în rescrierea relaţiei
(3.7) sub forma din (3.8).
 X(0)   1 1 1 1   x(0) 
 X(1)   3   
 =  1 W W W    x(1) 
1 2
 (3.8)
 X(2)   1 W 2 W 0 W 2   x(2) 
   1   
 X(3)   1 W W W   x(3) 
3 2
A doua etapă constă în factorizarea matricei pătratice din

(3.8) sub forma din (3.9)
 X(0)   1 W 0 0 0   1 0 W 0 0   x(0) 
 X(2)     0   
   1 W 0 0    0 1 0 W    x(1)  (3.9)
2

 X(1)   0 0 1 W 1   1 0 W 2 0   x(2) 
   3   2   
 X(3)   0 0 1 W   0 1 0 W   x(3) 
Se poate verifica foarte uşor faptul, că produsul dintre cele
două matrici pătrate din (3.9) este egal cu matricea pătratică din
(3.8), cu menţiunea că liniile 2 şi 3 au fost permutate.
În relaţiile (3.8) şi (3.9), s-a tinut cont că :
0
 j 2 
4 = cos(0)  j  sin(0) = 1
0
W =e (3.10)
42
 j  2  
1    
  j  sin   =  j
1
W =e 4 = cos  (3.11)
2 2
2
4 = cos     j  sin    =  1  W
2  j  2   0
W =e (3.12)
 j  2  
3  3   3  
  j  sin   = j  W
3 1
W =e 4 = cos  (3.13)
 2   2 
4
4 = cos  2     j  sin  2    = 1= W
4  j  2   0
W = e (3.14)
 j  2  
5  5    5  
  j  sin  =  j W
5 1
W =e 4 = cos  (3.15)
 2   2 
6
4  cos(3   )  j  sin (3   )  1  W
 j  2  
W e
6 2
(3.16)
 j  2  
7  7    7  
  j  sin 
7 3
W =e 4 = cos   = j =W (3.17)
 2   2 
8
4 = cos(4   )  j  sin(4   ) = 1= W
8  j  2   0
W =e (3.18)
 j  2  
9  9    9  
  j  sin   =  j =W
9 1
W =e 4 = cos  (3.19)
 2   2 
În cele ce urmeză, se notează produsul din partea dreaptă a
expresiei (3.9), astfel
 x1(0)   1 0 W 0 0   x(0) 
   0   
 x1(1)    0 1 0 W    x(1)  (3.20)
 x1(2)   1 0 W 2 0   x(2) 
   2   
 x1(3)   0 1 0 W   x(3) 
Din (3.20), rezultă:
 x1(0) = x(0) + W 0  x(2)

 x1( 1 ) = x(1) + W  x(3)
0
 (3.21)
 x1( 2 ) = x(0) + W  x(2) = x(0)  W  x(2)
2 0
 x ( 3 ) = x(1) + W 2  x(3) = x(1)  W 0  x(3)

 1
În aceste condiţii, (3.9) devine:
43
 X(0)   1 W 0 0 0   x1(0) 
 X(2)   2   x (1) 
    1 W 0 0  1  (3.22)
 X(1)   0 0 1 W 1   x1(2) 
   3   
 X(3)   0 0 1 W   x1(3) 
Din (3.22), rezultă:
 X (0)  x1 (0)  W 0  x1 (1)

 X (2)  x1 (0)  W  x1 (1)  x1 (0)  W  x1 (1)
2 0
 (3.23)
 X (1)  x1 (2)  W  x1 (3)
1
 X (3)  x (2)  W 3  x (3)  x (2)  W 1  x (3)

 1 1 1 1
Din cele prezentate în (3.21), se observă pentru efectuarea

calculelor avem nevoie de 4 adunări şi 2 înmulţiri.
În mod identic, din (3.23) se observă că pentru efectuarea
calculelor avem nevoie de 4 adunări şi 2 înmulţiri.
Numărtul total de operaţii efectuate de algoritmul FFT,
pentru N  4 , este de 8 adunări şi 4 înmulţiri.
Prin inducţie, se poate demonstra că numărul total de
calcule efectuate de algoritmul FFT, pentru N  2 , este   N
 N
adunări şi înmulţiri.
2
Funcţia Matlab ce calculează transformata Fourier rapidă a
semnalului discret x  i  ; i  0,1, , N  1 , este fft(x). Pentru mai
multe detalii, legate de funcţia Matlab fft(x), se dă în promterul
din Matlab următoarea comandă: >>help fft
O altă transformată foarte utilă în identificarea sistemelor,
este transformata Fourier inversă ce este definită de următoarea
relaţie:


1
x t    X  j     e j t d (3.24)
2  0
Utilizând metoda dreptunghiului pentru rezolvarea
numerică a integralei (3.24), obţinem:
44
N 1

2
1 2   2   jn N t
x t    X  j n e (3.25)
2  N  N 
n 0
Pe de altă parte, se consideră că timpul t este discretizat

astfel: t  i ; i  0,1, 2, , N  1 . În aceste condiţii, (3.25) devine:
N 1
x i  
1
N  X ( n)  W
n 0
a
i n
; i  0,1, , N  1 (3.26)
2
not
 2   not j
unde: X (n)  X  j  n   ; j  1 ; Wa  e
N
.
 N 
Relaţia (3.26) reprezintă transformta inversă Fourier,
pentru cazul discret. Funcţia Matlab ce calculează transformata
Fourier inversă, este ifft(x). Pentru mai multe detalii, legate de
funcţia Matlab ifft(x), se dă în promterul din Matlab următoarea
comandă: >>help ifft
Operaţia de convoluţie reprezintă un instrument
fundamental în analiza seriilor de timp. Astfel, răspunsul unui
sistem liniar la orice intrare este obţinut prin convoluţia intrării cu
răspunsul la impuls al sistemului. Filtrele numerice sunt sisteme
liniare şi deci filtrarea numerică poate fi realizată tot printr-o
operaţie de convoluţie.
Produsul de convoluţie a două semnale, u  t  şi y  t  , este
o funcţie f  t  definită prin următoarea relaţie:

f t   u t   y t  
 0
u  t     y   d (3.27)
Pentru a obţine varianta discretă a relaţiei (3.27), vom

utiliza metoda de integrare a dreptunghiului. În aceste condiţii,
(3.27), devine:

f t  

i 0
u t  i   y i  (3.28)
45
În cazul în care discretizăm timpul pe baza următoarei
relaţii: t  k ; k  0,1, 2, , N  1 , (3.28) devine:
N 1
f k  
i 0
u k  i   y  i  ; k  0,1, 2, , N  1 (3.29)
În vederea obţinerii produsului de convoluţie cu ajutorul

algoritmului FFT, se ţine cont de propietatea că transformata
Fourier a produsul de convoluţie este agală cu produsul
algebric al caracteristicilor spectrale.
 u  t   y  t    U  j     Y  j    (3.30)
unde  reprezintă transformata Fourier definită de relaţia (3.1),
iar U şi Y sunt definite de următoarea relaţie:
 
U  j   
 0
u t   e  j  t
dt ; Y  j    

0
y  t   e  j t dt (3.31)
Ţinând cont de forma transformatei Fourier discrete,

relaţia (3.30) , devine:
FFT u  t   y  t    U  n   Y  n  (3.32)
unde U şi Y sunt transformatele Fourier discrete definite de
următoarele relaţii matematice:
N 1 N 1
U  n 
 u  i  W
i 0
i n
; Y  n 
 y  i  W
i 0
i n
; n  0,1, , N  1
Funcţia Matlab ce calculează produsul de convoluţie a

două semnale, este conv(u,y). Pentru mai multe detalii, legate de
funcţia Matlab conv(u,y), se dă în promterul din Matlab
următoarea comandă: >>help conv
Funcţiile de corelaţie definesc gradul de asemănare a două
semnale, în funcţie de deplasarea în timp a unuia dintre ele
(funcţia de intercorelaţie) sau gradul în care un semnal este
corelat cu el însuşi, în funcţie de întârzierea în timp (funcţia de
autocorelaţie).
Pentru a introduce noţiunile prezentate mai sus, în cele ce
urmează, vom definii valoarea medie temporală a unui semnal
46
x  t  . Valoarea medie temporală a semnalului x  t  se determină
cu următoarea relaţie:
T

1
x  t   E  x  t    lim
x  t  dt (3.33)
T  T
0
În mod identic, valoarea medie pătratică temporală a
unui semnal x  t  este definită de următoarea relaţie:

1
x  t   lim
2
x 2  t  dt (3.34)
T  T
0
Pe baza celor menţionate mai sus, funcţia de
autocorelaţie a unui semnal x  t  , este definită ca fiind valoarea
medie temporală a produsului x  t   x  t   
T

1
Rxx    x  t   x  t     lim x  t   x  t    dt (3.35)
T  T
0
Intervalul de timp  , se numeşte timp de corelare.
Valoarea funcţiei de aucorelaţie reprezintă o măsură a gradului de
previzibilitate, ca valoarea semnalului x  t    să fie egală cu
x  t  . Din cele prezentate mai sus, se observă următoarea
propietate:
T

1
Rxx  0   x  t   lim
2
x 2  t  dt (3.36)
T  T
0
Relaţia (3.36) defineşte puterea semnalului pe intervalul
0 T  .
Funcţia de intercorelaţie a două semnale x  t  şi
y  t  este definită ca fiind valoarea medie temporală a produsului
x t   y t    :
T

1
Rxy    x  t   y  t     lim x  t   y  t    dt (3.37)
T  T
0
47
În aceste condiţii, densitatea spectrală a puterii
semnalului x  t  , se defineşte ca fiind transformata Fourier a
funcţiei de autocorelaţie:

S xx  j       Rxx    
0
Rxx    e  j  d (3.38)
Observaţie: Din (3.38), se observă că în cazul în care se

ştie densitatea spectrală S xx  j  se poate determina funcţia de
autocorelaţie Rxx   , utilizând transformata Fourier inversă


1
Rxx     S xx  j     e j  d  (3.39)
2  0
Transformata Fourier a funcţiei de intercorelaţie defineşte
funcţia de densitate interspectrală a două semnale x  t  şi y  t  :

S xy  j       Rxy    
 0
Rxy    e  j  d (3.40)
Observaţie: Pentru semnalul la care Rxx       , unde

   este impulsul Dirac vom obţine S xx  j     1 . Acest tip de
semnal se numeşte zgomot alb. Un astfel de semnal are densitate
de putere constantă într-o bandă de frecvenţă infinită.
Practica identificării sistemelor impune, de regulă,
operarea cu secvenţe de date eşantionate, motiv pentru care
funcţiile de corelaţie sunt înlocuite cu funcţiile de covarianţă,
definite, pentru x  n  şi y  n  ; n  0,1, 2, , N  1 , astfel:
 funcţia de autocovarianţă:
N 1
1
Rxx (i )  
N k 0
x(k )  x(k  i ) ; i  0,1, 2, , N  1 (3.42)
 funcţia de intercovarianţă:
N 1
1
Rxy (i )  
N k 0
x(k )  y (k  i ) ; i  0,1, 2, , N  1 (3.43)
48
Observaţie: În cadrul relaţiilor (3.42) şi (3.43) au fost
eliminate valorile medii ale secvenţelor de date.
Funcţiile de covarianţă prezentate mai sus, pot fi obţinute
din funcţiile de densitate spectrală şi interspectrală, utilizând
relaţiile Wiener – Hincin.
Relaţiile Wiener – Hincin sunt următoarele:
N 1
Rxx (i ) 
1
N  n0
S xx  n   Wain ; i  0,1, 2, , N  1 (3.44)
N 1
Rxy (i ) 
1
N  n 0
S xy  n   Wain ; i  0,1, 2, , N  1 (3.45)
Din (3.44) şi (3.45) se observă că funciile de

autocovarianţă şi intercovarianţă se obţin din funcţiile de densitate
spectrală respectiv densitate interspectrală, utilizând transformata
inversă Fourier pentru cazul discret.
În cazul în care se cunosc funcţiile de autocovarianţă şi
intercovarianţă, pe baza transformatei Fourier discrete se obţin
funcţiile de densitate spectrală şi interspectrală utilizând
următoarele relaţii:
N 1
S xx (n) 

i 0
Rxx  i   W in ; n  0,1, 2, , N  1 (3.46)
N 1
S xy (n) 

i 0
Rxy  i   W in ; n  0,1, 2, , N  1 (3.47)
Utilizarea algoritmului FFT în calculul acestor funcţii

reduce semnificativ timpul de calcul.
Un rezultat remarcabil, care se poate demonstra foarte
simplu, este acela că densitatea spectrală a unui semnal x  t  este
egală cu pătratul modulului transformatei Fourier a acestuia:
1
S xx  j      X  j   
2
(3.48)
N
49
În mod identic se poate demonstra că densitatea
interspectrală a două semnale x  t  şi y  t  se poate determina pe
baza următoarei formule:
1
S xy  j    
  X   j     Y  j     (3.49)
N
unde: X  este conjugatul funcţiei complexe X , obţinute în urma
transfirmatei Fourier.
Funcţia Matlab ce este utilizată în calculul funcţiilor de
autocovarianţă şi intercovarianţă, este xcorr(x) respectiv
xcorr(x,y). Pentru mai multe detalii, legate de funcţia Matlab
xcorr(x,y), se dă în promterul din Matlab următoarea comandă:
>>help xcorr
3. Modul de lucru

programul prezentat în figura 3.1. Parametrii osciloscoapelor
“u”, “y” şi “E” se setează la fel ca în prima lucrare de
laborator.
Figura 3.1. Programul Matlab – Simulink
 Se rulează programul din cadrul figurii 3.1, iar apoi se verifică

Workspace din Matlab. În urma simulării, în Workspace vom
50
avea datele de intrare şi ieşire achiziţionate, la fel ca în figura
1.8 (a se vedea prima lucrare de laborator).
 Se introduce în Matlab următorul program, ce realizează
calculul densităţii spectrale de putere S yy utilizând formula
(3.48) sau (3.46):
N=1001;
ym=y(1:N,2); % citirea variabilei de iesire din
%Workspace
t=y(1:N,1);
ynou=ym-mean(ym);
F1=fft(ynou); % calculeaza FFT pentru iesirea
% sistemului
Ryy=xcorr(ynou,'biased');% calculeaza autocovarianta
% iesirii
Sa=fft(Ryy,2*N);
Sb=abs(Sa);
Syy_1=Sb(1:N);
Y1=fft(ynou,2*N);
Y2=abs(Y1);
Y3=Y2.^2/N;
Syy_2=Y3(1:N);
Er1=Syy_1-Syy_2;
plot(t,Syy_1,'r',t,Syy_2,'b');
title('Densitatea spectrala Syy')
ylabel('Syy')
pause;
plot(t,Er1,'r');
ylabel('Eroare')
 Se rulează programul prezentat mai sus punându-se în
evidenţă cele două proceduri de calcul a densităţii spectrale de
putere. În urma rulării programului se vor prezenta cele două
grafice obţinute şi se evidenţiază eroarea foarte mică dintre
cele două metode de calcul a densităţii spectrale.
 Se introduce în Matlab următorul program, ce realizează
calcul funcţiei de autocovarianţă Ryy utilizând formula (3.42)
sau (3.44). În vederea calculului funcţiei de autocovarianţă pe
baza expresiei (3.44), densitatea spectrală se calculează
utilizând relaţia (3.48).
51
N=1001;
%Workspace
t=y(1:N,1);
ynou=ym-mean(ym);
F1=fft(ynou); % calculeaza FFT pentru iesirea
% sistemului
Ryy=xcorr(ynou,'biased');% calculeaza autocovarianta
% iesirii
Ryy_1=Ryy(1:N);
Y1=fft(ynou,2*N);
Y2=abs(Y1);
Y3=Y2.^2/N;
Rc1=ifft(Y3);
Rc=Rc1(1:N);
for i=1:N
Rd(i)=Rc(N+1-i);
end
Ryy_2=Rd';
Er1=Ryy_1-Ryy_2;
plot(t,Ryy_1,'r',t,Ryy_2,'b');
title('Functia de autocovarianta Ryy')
ylabel('Ryy')
pause;
plot(t,Er1,'r');
ylabel('Eroare')
 Se rulează programul prezentat mai sus şi se pune evidenţă

cele două metode de calcul a funcţiei de autocovarianţă. În
urma rulării programului se vor prezenta graficele obţinute şi
se evidenţiază eroarea foarte mică dintre cele două metode de
calcul ale funcţiei de autocovarianţă.
 Se implementează în Matlab programul prezentat mai jos, ce
realizează calculul densităţii interspectrale de putere Suy
utilizând formula (3.49) sau (3.47).
N=1001;
um=u(1:N,2); % citirea variabilei de intrare din
% Workspace
52
% Workspace
t=u(1:N,1);
unou=um-mean(um);
ynou=ym-mean(ym);
Ruy=xcorr(ynou,unou,'biased');% calculeaza
autocovarianta intrarii
Sa=fft(Ruy,2*N);
Sb=abs(Sa);
Suy_1=Sb(1:N);
Y1=fft(unou,2*N);
Y2=fft(ynou,2*N);
Y1a=abs(conj(Y1).*Y2);
Y3=Y1a/N;
Suy_2=Y3(1:N);
Er1=Suy_1-Suy_2;
plot(t,Suy_1,'r',t,Suy_2,'b');
title('Densitatea interspectrala Suy')
ylabel('Suy')
pause;
plot(t,Er1,'r');
ylabel('Eroare')
 Se rulează programul prezentat şi se evidenţă cele două

proceduri de calcul a densităţii interspectrale. Se pun în
evidenţă, diferenţele foarte mici dintre cele două metode de
calcul ale densităţii interspectrale.

breviar teoretic, schemele şi programele de simulare. Referatul va
fi completat, în urma orei de laborator, cu graficele obţinute în
urma rulării programelor, precum şi cu concluziile ce se desprind
în urma analizei celor menţionate mai sus. În finalul referatului se
va realiza şi prezenta programul Matlab de calcul a funcţiei de
intercovarianţă. În vederea realizării programului se ţine cont de
formulele (3.45) şi (3.49).
53
LUCRAREA 4
Indicatori statistici.
Funcţii Matlab pentru calcule statistice.
Cunoasterea funcţiilor Matlab utilizate în calculul

indicatorilor statistici.
2. Breviar teoretic
Un proces sau semnal aleator, numit şi stochastic, este un

proces care se desfăşoară în timp şi este guvernat, cel puţin în
parte, de legi probabilistice.
Pentru a defini un semnal aleator se consideră o experienţă
oarecare. Prin rezultatul unei experienţe se înţelege una din
posibilităţile de realizare a acesteia. Mulţimea rezultatelor posibile
se va numi în continuare spaţiul eşantioanelor şi va fi notat cu Δ.
Din punct de vedere matematic, un semnal aleator este
caracterizat de funcţii de două variabile xk  t  unde k ia valori în
spaţiul eşantioanelor. Funcţiile xk  t  reprezintă realizări
particulare ale semnalului aleator.
Cu alte cuvinte, semnalul aleator este format din mulţimea
realizărilor particulare. Aceste realizări mai poartă denumirea şi
de serii de timp sau serii cronologice (serii dinamice). Seria
cronologică reprezintă un set sistematizat de valori ale unei
varibile măsurate la momente sau intervale de timp egale şi
successive.
Dacă t este o variabila reală t  R , atunci semnalul aleator
se va numi semnal aleator continuu în timp. În cazul în care t
54
este o variabilă de tip întreg t  Z  , atunci semnalul aleator se va
numi semnal aleator discret în timp.
Semnalul aleator continuu în timp, se notează astfel:
x  t    xk  t k , t  Z  , iar semnalul aleator discret în timp are
următoarea notaţie: x  n    xk  n k ; n  Z  .
Pentru orice valoare particulară a lui t  ti sau n  ni
semnalul aleator devine o variabilă aleatoare continuă respectiv
discretă în timp. Din cele prezentate mai sus se observă că un
semnal aleator este o mulţime de valori aleatoare indexate.
Indicatorii statistici sunt acele expresii numerice ale unor
trăsături observate pe o colectivitate definită în spaţiu şi timp.
Funcţiile indicatorilor statistici sunt de măsurare, de
comparare, de sinteză, de estimare, de verificare a ipotezelor
statistice şi de testare a semnificaţiilor parametrilor statistici
utilizaţi.
Aceste mărimi sunt cunoscute în general sub denumirea de
indicatori statistici şi se împart în trei mari categorii:
1. Indicatori ai tendinţei centrale
2. Indicatori ai împrăştierii
3. Indicatori ai formei şi distribuţiei.
A. Indicatori ai tendinţei centrale
1. Valoarea medie (speranţa matematică): Fiind dată

variabila aleatoare X , valoarea medie asociată acesteia este
notată E  X  .
 pentru cazul unei variabile aleatoare discrete de forma:
 pi  0, i  1, n
 x x  xn 
 n

X 1 2
,  (4.1)
 p1 p2  pn   pi  1
 i 1
valoarea medie se calculează pe baza relaţiei:
55

n
EX   pi xi (4.2)
i 1
 pentru cazul unei variabile aleatoare continue de forma:

 f  x   0, x   a, b 
 x   b

X : ;  (4.3)
 f  x    f  x  dx  1
 a
valoarea medie se calculează astfel:
b
EX  
 a
x  f  x  dt (4.4)
Capetele de integrare pot fi finite sau infinite. În cazul unei

serii de timp pentru care avem N observaţii valoarea medie se
calculează pe baza următoarei relaţii:

N
1
E  x  xi (4.5)
N
i 1
Funcţia Matlab ce calculează valoarea medie dată de
relaţia (4.5), este mean(x). Pentru mai multe detalii, legate de
funcţia Matlab mean(x), se dă în promterul din Matlab următoarea
comandă: >>help mean
Proprietăţi ale valorii medii
 valoarea medie a sumei a două variabile aleatoare este suma

valorilor medii:
E  X  Y   E  X   E Y  (4.6)
 valoarea medie a produsului a două variabile aleatoare este
egală cu produsul valorilor medii.
E  XY   E  X   E Y  (4.7)
 valoarea medie a produsului dintre un scalar şi o variabilă
aleatoare este egală produsul dintre scalar şi valoarea medie a
varabilei.
56
E   X     E  X  (4.8)
unde  este o constantă reală.
2. Mediana: este acel număr cu proprietatea că variabila
aleatoare are probabilităţi de realizare egale atât la stânga cât şi la
dreapta ei. Mediana se notează în general cu M e şi se detremină
astfel:
 pentru cazul unei variabile aleatoare discrete:
1
P X  Me    P X  Me  (4.9)
2
Ţinând seama de probabilitatea P  X  M e   F  M e 
înseamnă că mediana se va determina ca o soluţie a ecuaţiei:
1
F Me   (4.10)
2
unde F este funcţia de repartiţie.
 pentru cazul unei variabile aleatoare continue: mediana se
găseşte ca o soluţie a ecuaţiei:
Me

1
f  x  dx  (4.11)
a 2
unde f este densitatea de probabilitate sau de repartiţie.
În cazul unei serii de timp pentru care avem N observaţii
oronate crescător, mediana se calculează pe baza următoarei
relaţii:
  N 1 
x  2  daca N=2k+1
  
Me    N  N  (4.12)
x
    x   1 
 2 2  daca N=2k
 2
Relaţia (4.12) reprezintă formula de calcul a medianei atât
pentru cazul în care N este un număr par cât şi pentru cazul în care
N este un număr impar.
Funcţia Matlab ce calculează mediana unei serii de timp,
este median(x). Pentru mai multe detalii, legate de funcţia Matlab
57
median(x), se dă în promterul din Matlab următoarea comandă:
>>help median
3. Modulul: se notează cu M o şi reprezintă valoarea cea
mai probabilă corespunzătoare variabilei aleatoare.
 pentru cazul unei variabile aleatoare discrete:
M0  Me  E  X  (4.13)
Relaţia (4.11) este valabilă în cazul în care distribuţia este
una simetrică.
Dacă distribuţia este una asimetrică, atunci modulul se
determină din egalitatea
E  X   Mo  2 Me  E  X  (4.14)
 pentru cazul unei variabile aleatoare continue: modulul se
găseşte ca o soluţie a ecuaţiei
df  x 
0 (4.15)
dx
unde f este densitatea de probabilitate.
Observaţie. Totdeauna mediana se găseşte între modul şi
valoarea medie.
Funcţia Matlab ce calculează modulul pentru o serie de
timp, este mode(x). Pentru mai multe detalii, legate de funcţia
Matlab mode(x), se dă în promterul din Matlab următoarea
comandă: >>help mode
4. Momente de ordin superior : momentul de ordin k,
este de fapt valoarea medie a variabilei aleatoare X k .
 pentru cazul unei variabile aleatoare discrete de forma
 p 1
n
 xk 
X :  i ;
k
pi  0; i  1, n; i (4.16)
 pi  i 1
momentul de ordin k notat cu Ek  X  , este:
px
n
Ek  X   k
i i (4.17)
i 1
 pentru cazul unei variabile aleatoare continue de forma
58
 f  x   0, x   a, b 
k
 x   b k

X :   ;  (4.18)
 f  x    f  x  dx  1
 a
momentul de ordin k este:
b
Ek  X  
a
x x  f  x  dx (4.19)
B. Indicatori ai împrăştierii
1. Amplitudinea: Este o mărime notată A şi dată prin

egalitatea:
A  xmax  xmin (4.20)
unde xmax şi xmin reprezintă valoarea numerică maximă, respectiv
minimă pe care o ia variabila aleatoare X . Relaţia (4.20) este
valabilă atât în cazul discret cât şi în cazul continuu.
Acest indicator este mai puţin utilizat deoarece deşi
prezintă avantajul unui calcul uşor, are inconvenientul major de a
ţine seama decât de două valori pe care le poate lua variabila
aleatoare.
2. Momente centrate de ordin superior Momentul
centrat de ordin k este de fapt valoarea medie a variabilei
aleatoare  X  E  X   şi se notează cu k .
k
 pentru cazul unei variabile aleatoare discrete de forma

r   xi  E  X   

k n
 X  E  X     ; pi  0; i  1, m;

pi  1 (4.21)
 p i  i 1
momentul centrat de ordinul k, este

n
pi   xi  E  X  
k
k  (4.22)
i 1
 pentru cazul unei variabile aleatoare continue de forma
59
 f  x   0, x   a, b 
  x  E  X  k   b

 X  E  X   : 
k
;

 (4.23)
 f  x  
  f  x  dx  1
 a
momentul centrat de ordinul k, este
b
  x  E  X   f  x  dx
k
k  (4.24)
a
unde f este densitatea de probabilitate sau de repartiţie.

3. Dispersia (varianţa) se notează cu D  x  şi este de fapt
momentul centrat de ordin 2. Relaţiile de calcul pentru dispersie
sunt următoarele:
 pentru cazul unei variabile aleatoare discrete
n
D  X    pi   xi  E  X  
2
(4.25)
i 1
 pentru cazul unei variabile aleatoare continue

b
D X  
  x  E  X   f  x  dx
2
(4.26)
a

varianţa se calculează pe baza următoarei relaţii:
1 N
D  x     xi  E  x  
2
(4.27)
N i 1
unde E  x  reprezintă valoarea medie definită de relaţia (4.5).
Funcţia Matlab ce calculează varianţa unei serii de timp,
este var(x). Pentru mai multe detalii, legate de funcţia Matlab
var(x), se dă în promterul din Matlab următoarea comandă:
>>help var
4. Abaterea medie pătratică se notează cu  şi se
determină atât în cazul discret cât şi în cazul continuu cu ajutorul
următoarei relaţii
x  DX  (4.28)
60
abaterea medie pătratică se calculează pe baza următoarei relaţii:
 x  D  x (4.29)
unde D  x  este definit de (4.27).
Funcţia Matlab ce calculează abaterea medie pătratică a
unei serii de timp, este std(x). Pentru mai multe detalii, legate de
funcţia Matlab std(x), se dă în promterul din Matlab următoarea
comandă: >>help std
5. Coeficientul de împrăştiere se notează cu V şi se
determină în baza relaţiei:
x
V (4.30)
EX 
C. Indicatori ai formei distribuţiei
1. Indicatorul de asimetrie: acest indicator se calculează

astfel:
3
2  (4.31)
 x3
Pentru distribuţii simetrice avem întotdeauna  2  0 .
2. Indicatorul de boltire
4
B (4.32)
 x4
Indicatorul de boltire indică modul în care este aplatizat
graficul densităţii de probabilitate.
Diferenţa Ea  B  3 se numeşte coeficient de aplatizare
şi indică acelaşi lucru ca şi indicatorul de boltire. În cazul în care
Ea  0 , variabila aleatoare are o distribuţie normală.
In cazul variabilelor aleatoare bidimensionale un indicator
al împrăştierii este covarianţa, ce este definită ca momentul
centrat de ordinul unu al variabilei aleatoare  X , Y  . Covarianţa
se notează cu Cxy sau cov  X , Y  şi se calculează astfel:
61
 pentru cazul unei variabile aleatoare continue de tip
bidimensional:
Cxy  E  X  E  X    Y  E Y    (4.33)
sau
b b
C xy 

a a
x  E  X    y  E Y    h  x, y  dxdy (4.34)
Variabilele aleatoare X şi Y sunt definite la fel ca în relaţia

(4.3).
 pentru cazul unei variabile aleatoare discrete de tip
bidimensional:

n n
C xy  pij   xi  E  X     yi  E Y   (4.35)
i 1 i 1
Funcţia Matlab ce calculează covarianţa între două serii de
timp, este cov(x,y). Pentru mai multe detalii, legate de funcţia
Matlab cov(x), se dă în promterul din Matlab următoarea
comandă: >>help cov
Covarianţa depinde de unităţile de măsură în care se
măsoară valorile variabilelor aleatoare. Pentru a înlătura această
deficienţă se defineşte un indicator adimensional care măsoară
dependenţa stochastică. Acest coeficient este numit coeficientul
de corelaţie al variabilelor aleatoare X şi Y şi este definit de
cov  X , Y 
rxy  (4.36)
 x  y
Funcţia Matlab ce calculează coeficientul de corelaţie a
două serii de timp, este corrcoef(x,y). Pentru mai multe detalii,
legate de funcţia Matlab corrcoef(x), se dă în promterul din
Matlab următoarea comandă: >>help corrcoef
Observaţii:
1. Variabilele aleatoare X şi Y se numesc necorelate
atunci când:
cov  X , Y   0 (4.37)
2. Varaibilele aleatoare X şi Y se numesc ortogonale dacă:
62
E  X Y   0 (4.38)
3. Variabilele aleatoare X şi Y sunt necorelate dacă şi
numai dacă:
rxy  0 (4.39)
4.Variabilele X şi Y sunt dependente liniar dacă şi numai
dacă:
rxy2  1 (4.40)
5. Dacă rxy  0 se spune că variabilele X şi Y au o
corelare pozitivă sau altfel spus au aceaşi tendinţă. O corelaţie
pozitivă înseamnă că dacă una din variabile creşte (descreşte)
atunci cealaltă are aceaşi tendinţă (în medie).
6. Dacă rxy  0 se spune că variabilele X şi Y au o
corelare negativă sau altfel spus au tendinţă invsersă. O corelaţie
negativă înseamnă că dacă una din varaibile creşte (descreşte)
cealaltă are o tendinţă inversă (în medie).
7. Cele mai importante propietăţi ale covarianţei sunt date
de următoarele relaţii:
cov  X , Y   E  X  Y   E  X   E Y  (4.41)
cov  X , Y   cov Y , X  (4.42)
cov  a  X , b  Y   a  b  cov Y , X  (4.43)
În probleme concrete de mare importanţă variabilele
aleatoare şi seriile de timp se reprezintă grafic prin intermediul
histogramei. Histograma se prezintă ca o succesiune de
dreptunghiuri ale căror lungimi sunt pi pentru punctul xi , i  1, n
şi ale căror lăţimi sunt toate egale cu unitatea. Funcţia Matlab ce
realizează cele menţionate mai sus are următoarea sintaxă hist(x).
Această funcţie grupeză elementele lui y în 10 intervale egale şi
returnează numărul de elemente din fiecare interval.
4. Modul de lucru

63
clear;
clc;
a=2; b=6; %intervalul in care se genereaza numere
%aleatoare
in1=a:0.1:b;
ra=rand(1,10000);%genereaza 10000 de numere aleatoare
%uniform distribuite in [0,1]
%ce au media=0 si varianta=1
x=(b-a)*ra+a; %genereaza 10000 de numere aleatoare
%uniform distribuite in [a,b]
hist(x,in1)
title('Functia de densitate de probabilitate -
distributie uniforma');
pause;
media=4;%media
Amp=0.4;%abaterea medie patratica
rb=randn(1,10000);
y=media+rb*Amp; %genereaza 10000 de numere aleatoare
cu distributie normala
hist(y,in1)
title('Functia de densitate de probabilitate -
distributie normala');
%_________________________________
%Indicatori ai tendintei centrate
disp('.......................................')
disp('1. Indicatori ai tendintei centrate')
disp('.......................................')
E0=mean(y); %calculeaza valoarea medie a lui y
disp('Valoarea medie')
disp(E0)
x1=sort(y); %sorteaza elementele vectorului y in
%ordine crescatoare
Me=median(y);%calculeaza valoarea mediana a
%vectorului y oronat crescator
disp('Mediana')
disp(Me)
M0=mode(y); %calculeaza modulul
disp('Modulul')
disp(M0)
k1=3;
g1=y.^k1;
Ek=mean(g1); %calculeaza momentul de ordinul k1
disp('Momentul de ordinul 3')
disp(Ek)
disp('.......................................')
64
%_________________________________
%Indicatori ai imprastierii
disp('.......................................')
disp('2. Indicatori ai imprastierii')
disp('.......................................')
Vmax=max(y); %determina cea mai mare componenta a lui
%variabilei y
Vmin=min(y); %determina cea mai mica componenta a
%variabilei aleatoare y
A=Vmax-Vmin; %calculeaza amplitudinea
disp('Amplitudinea')
disp(A)
k2=4;
g2=y-mean(y);
g3=g2.^k2;
Mu=mean(g3); %calculeaza momentul centrat de ordin k2
disp('Momentul centrat de ordinul 4')
disp(Mu)
D1=var(y); %calculeaza dispersia
disp('Dispersia')
disp(D1)
Si=std(y); %calculeaza abaterea medie patratica
disp('Abaterea medie patratica')
disp(Si)
V=std(y)/mean(y); % calculeaza coeficientul de
% imprastiere
disp('Coeficientul de imprastiere')
disp(V)
disp('.......................................')
%_________________________________
%Indicatori ai formei distributiei
disp('.......................................')
disp('3. Indicatori ai formei distributiei')
disp('.......................................')
k3=3;
g4=y-mean(y);
g5=g4.^k3;
I2=mean(g5)/(std(y))^k3; % indicatorul de
% asimetrie
disp('Indicatorul de asimetrie')
disp(I2)
k4=4;
g5=y-mean(y);
g6=g5.^k4;
B=mean(g6)/(std(y))^k4; %indicatorul de boltire
65
disp('Indicatorul de boltire')
disp(B)
Ea=B-3; %calculeaza coeficientul de aplatizare
disp('Coeficientul de aplatizare')
disp(Ea)
disp('.......................................')
%_________________________________
disp('.......................................')
x2=x-mean(x);
y2=y-mean(y);
Caxy=mean(x2.*y2);% calculeaza covarianta lui (x,y)
Cbxy=cov(x,y); % calculeaza covarianta lui (x,y)
disp('Covarianta Cxy')
disp(Caxy)
raxy=corrcoef(x,y); %calculeaza coeficientul de
%corelatie pentru (x,y)
Six=std(x);
Siy=std(y);
rbxy=Caxy/(Six*Siy);
disp('Coeficientul de corelatie rxy')
disp(rbxy)
disp('.......................................')
%_________________________________
 Se rulează programul prezentat şi se pun în evidenţă

principalii indicatori statistici. Pe baza rezultatelor obţinute se
trag concluzii.

breviar teoretic precum şi programul Matlab de calcul a
indicatorilor statistici. Referatul va fi completat, în urma orei de
laborator, cu graficele şi valorile obţinute în urma rulării
programului, precum şi cu concluziile ce se desprind în urma
analizei celor menţionate mai sus.
66
LUCRAREA 5
Prelucrarea datelor experimentale
Cunoasterea metodelor de prelucrare a datelor

experimentale achiziţionate în scopul identificării unui sistem.
2. Breviar teoretic
Datele utilizate în identificarea unui sistem sunt fie date

analogice fie date numerice.
Obţinerea datelor numerice din datele analogice se
realizează în cadrul mai multor etape, care includ: măsurarea
datelor, transmiterea şi/sau înregistrarea acestora, conversia
analog numerică. Problema măsurării datelor utilizate în
identificarea unui sistem, implică alegerea corespunzătoare a
traductoarelor. Mărimea de ieşire a traductorului, în cazul în care
aceasta este una analogică, este prelucrată, fie prin intermediul
unui filtru analogic, caz în care filtrul este montat la ieşirea
traductorului, fie prin intermediul unui filtru numeric.
Filtrarea semnalelor reprezintă o operaţie de bază în
prelucrarea datelor experimentale utilizate în identificarea unui
sistem. Filtrele pot realiza operaţii de filtrare de tip: trece – jos,
trece – sus, trece – bandă şi opreşte bandă. Filtrele pot fi
analogice sau numerice.
Filtrele analogice cele mai utilizate sunt filtrele trece –
jos, care exclud posibilitatea apariţiei fenomenului de suprapunere
a puterii corespunzătoare frecvenţelor înalte, peste puterea
corespunzătoare frecvenţelor joase (antialiasing). Un exemplu de
filtru trece jos este circuitul RC, în care ieşirea este considerată a
fi tensiunea ce cade pe condensator.
67
Filtrele numerice cele mai simple sunt filtrele de mediere.
Ieşirea unui astfel de filtru este media aritmetică a unui număr de
eşantioane succesive.

N
1
y k   x k  i  1 (5.1)
N
i 1
Un astfel de filtru, în care secvenţa de ieşire y  k  depinde

numai de valorile secvenţei de intrare x  k  , se numeşte filtru
nerecursiv, sau filtru cu durată infinită a răspunsului la impuls
(IIR – Infinite Impulse Response). Când secvenţa de ieşire y  k 
nu depinde numai de valorile secvenţei de intrare x  k  , ci şi de
valorile anterioare ale secvenţei de ieşire, filtrul se numeşte
recursiv, sau filtru cu durată finită a răspunsului la impuls (FIR –
Finite Impulse Response).
Filtrul recursiv de ordinul N, este descris de o ecuaţie cu
diferenţe de forma următoare:
 
M N
y k   bi  x  k  i   am  y  k  m  (5.2)
i 0 m 1
Pentru o mai buna înţelegere, în cele ce urmează se
prezintă ecuaţia cu diferenţe a unui filtru recursiv de ordinul unu:

M
y k   bi  x  k  i   a1  y  k  1 (5.3)
i 0
Din (5.3) se observă că în calculul secvenţei de ieşire se
utilizează numai o singură valoare trecută a ieşirii.
Valorile coeficienţilor a şi b pentru câteva categorii
importante de filtre de ordinul unu, sunt date în tebelul următor:
Tip filtru b0 b1 a1
Integrator T 0 -1
Diferenţiator 1/T -1/T 0
Trece – jos 1-α 0 -α
Trece – sus 1-α 0 α
68
În cadrul tabelului prezentat mai sus, prin T s-a notat
timpul de eşantionare iar  este o constantă pozitivă subunitară
   0,1 .
Observaţie: Instrumentul standard de analiză a unui filtru
se bazează pe funcţia de transfer şi pe reprezentarea
caracteristicilor amplitudine – frecvenţă şi fază – frecvenţă.
O altă problemă importantă în prelucrarea datelor
experimentale este eliminarea valorilor eronate. Valorile eronate
se datorează în general sistemelor de achiziţie a datelor (pierderile
de semnal pe linia de transmisie, anumite defecţiuni ale
convertorului analog – numeric sau ale echipamentului de
formatare a datelor etc). Detectarea valorilor eronate este greu de
realizat din acest motiv se recomandă utilizarea unor programe de
editare. Valorile eronate sunt înlocuite cu alte valori sau nu sunt
utilizate.
3. Modul de lucru

 Se realizează în Matlab-Simulink următorul program:
Figura 5.1. Programul Matlab – Simulink utilizat în

evidenţierea filtrării prin mediere
69
Structura internă a filtrului numeric prin mediere este
prezentată în figura următoare:
Figura 5.2. Structura internă a filtrului numeric prin mediere
Observaţie: Simularea se face pentru o intrare de tip

treaptă. Valoarea finală a intrării de tip treaptă este V f  10 .
 Se rulează programul prezentat în figura 5.1. şi se pune în
evidenţă răspunsul filtrat şi nefiltrat al sistemului automat.
 Se modifică structura internă a filtrului numeric prin mediere
astfel încât medierea să se realizeze pe baza a 20 de valori
numerice. Se rulează noul program, iar apoi se trag concluzii
comparative.
 Se seteaza paramerii osciloscopului “E”, la fel ca în figura 1.7
(a se vedea lucrarea de laborator numarul unu).
 Se realizeaza următorul program Matlab:
Ya=Eroare(:,2);
Ta=Eroare(:,1);
Er1=Ya';
Ia=find(abs(Er1)<0.1)
Yn=Ya(Ia);
Tn=Ta(Ia);
Plot(Ta,Ya);
pause;
plot(Tn,Yn);
70
 Se rulează programul prezentat mai sus în care se pune în
evidenţă modul de eliminare a tuturor datelor, din vectorul
eroare Er1 , ce nu satisfac condiţia: Er1  0.1 .
 Se interpretează şi se trag concluzii pe baza rezultatelor
obţinute.
Observaţie: Funcţia find returnează indicii elementelor

diferite de zero sau care verifică o condiţie impusă. Pentru mai
multe detalii legate de funcţia find se dă în promterul din Matlab
următoarea comandă: >>help find

breviar teoretic precum şi programele Matlab.
Referatul va fi completat, în urma orei de laborator, cu
graficele obţinute în urma rulării programelor, precum şi cu
sus.
71
LUCRAREA 6
Studiul părţii fixe a sistemului de reglare a

debitului de apă de pe o conductă
Cunoasterea principalelor elemente ce intră în componenţa

părţii fixe a sistemului de reglare a debitului de apă de pe o
conductă, din componenţa standului FESTO.
2. Breviar teoretic
Sistemul didactic Festo pentru automatizări, prezentat în

figura 6.1, este un stand didactic compact şi este proiectat pentru a
satisface diferite necesităţi de instruire.
Se faciliteatează astfel o instruire orientată pe industrie şi o
bună cunoaştere a conţinutului hardware a componentelor
industriale.
Mai mult, această staţie pentru studiu, încurajează lucrul in
echipă şi dezvoltă aptitudini organizatorice şi de cooperare.
Standul experimental se poate folosi pentru dezvoltarea
unor abilităţi în urmatoarele domenii: identificarea modelelor
matematice ale părtilor fixe din componenţa sistemelor de reglare,
programare in STEP 7, proiectarea regulatoarelor automate,
detectarea defectelor etc.
Staţia de lucru combină patru bucle închise, fiecare cu
senzori digitali şi analogici şi elemente de executie.
Cu ajutorul unui controller PLC este posibilă
implementarea controlului sistemelor de reglare în buclă
individuală sau in cascadă.
72
Sisteme de reglare din componenţa standului sunt:
 Sistem de control automat al nivelului
 Sistem de control automat al debitului
 Sistem de control automat al temperaturii
 Sistem de control automat al presiunii
Figura 6.1. Stand experimental FESTO
Componentele principale ale staţiei Festo sunt:

 Senzor de distanţă ultrasonic;
 Senzor de debit cu semnal în frecvenţă;
 Senzor de presiune piezorezistiv ;
 Senzor de temperatură PT100 ;
73
 2 senzori de proximitate, capacitivi, pentru nivel min/max
în rezervorul de jos ;
 Comutator plutitor pentru funcţia prag (electromecanic) în
rezervorul de sus;
 Comutator plutitor pentru monitorizarea alarmei de
inundare în rezervorul de jos ;
 Pompă centrifugă ;
 Variatorul de tensiune continuă;
 Valvă proporţională cu modul de control electronic ;
 Sistem de încălzire, cu releu de control integrat;
 Valvă cu bilă acţionată pneumatic ;
 Terminale I/O ;
 PLC.
 Terminal pentru semnale analogice ;
 Convertor de semnale: din curent în tensiune, din frecvenţă
în tensiune.
Funcţiile fiecărui sistem de reglare rezultă din combinaţia
specificată a valvelor manuale precum şi din programarea,
configurarea şi parametrizarea automatului programabil şi a
sistemului de control.
În continuare vor fi descrise componentele principale ale
sistemului de reglare a debitului de apă de pe o conductă.
Partea fixă a sistemului de reglare a debitului de apă de pe
o conductă, din componenţa standului, este compusă din:
 elementul de execuţie (pompa centrifugă şi variatorul
de tensiune continuă utilizat pentru reglarea vitezei
pompei centriguge);
 procesul tehnologic (conducta ce are un anumit
diametru intern şi o anumită lungime);
 elementul de măsură (traductorul de debit şi
adaptorul frecvenţa – tensiune).
Cele meţionate mai sus sunt puse în evidenţă în cadrul
figurii 6.1.
A. Traductorul de debit din componenţa sistemului de
reglare a debitului este un anemometru. Aşa cum se ştie,
măsurarea debitului cu astfel de traductoare se bazează pe efectul
74
de antrenare a unui rotor de către fluidul ce trece prin traductor.
Turaţia rotorului (frecventa rotorului) este proporţională cu viteza
medie de curgere a fluidului, însă depinde şi de alţi factori cum
sunt: vâscozitatea, densitatea fluidului, particularităţile de
construcţie ale traductorului, s.a. Turatia rotorului se determina
pe baza unui senzor de viteza optic.(a se vedea figura 6.2)
Figura 6.2. Traductorul de debit anenometric
În cele ce urmează vom prezenta câteva date tehnice ale

traductorului de debit:
 tensiunea de alimentare: (8 – 24) Vdc;
 curentul consumat: (18 – 30) mA;
 frecvenat de iesire f: (40 – 1200) Hz;
 factorul de transfer K este: 8000 pulsuri/dm3
 domeniul de masură a debitului: (0.3 – 9) litri/min
 presiunea maximă de lucru: 10 bar
 temperatura de lucru admisă: -40 C o --- +85 C o
 dimensiuni: A = 12,7 mm ; L = 47 mm ; D = ½“ ; d =13 mm.
(a se vedea figura 6.3)
Figura 6.3. Dimensiunile traductorului de debit
75
Pe de alta parte din definiţia factorului K ştim că la un
debit de 1 litru/min avem 8000 de pulsuri/litru, astfel pentru
debitul minim de 0.3 litri/min conform regulii de trei simple vom
avea 2400 pulsuri/min sau altfel scris 40 pulsuri/secundă deci o
frecventa de 40 Hz.
În mod asemănător pentru debitul maxim de 9 litri/min
vom avea 72000 pulsuri/min sau altfel scris 1200 pulsuri/secundă
deci o frecvenţă de 1200 Hz.
Caracteristica statică a traductorului de debit este
prezentată în figura 6.4.
Figura 6.4. Caracteristica statică a traductorului de debit
La iesirea traductorului de debit din componenţa

standului FESTO se utilizeaza un adaptor frecventa/tensiune ce
are urmatoarele caracteristici:
 tensiunea de alimentare (20 -30) Vdc
 temperatura maxima permisia a mediului ambiant: +55 C o
 curentul consumat: 12 mA;
 plaja tensiunii de iesiere: (0 – 10)V
76
Adaptorul este proiectat astfel încât pentru o frecvenţă de
0Hz să avem la ieşire o tensiune de 0V, iar pentru frecvenţa
maximă de 1200Hz să avem la iesire o tensiune de 10 V.
B. Elementele de execuţie din cadrul sistemelor de reglare
a debitului pot fi servoventile comandate pneumatic, hidraulic sau
electric şi servopompe. În cadrul sistemului de reglare a debitului,
din componenţa standului FESTO, elementul de execuţie este o
servopompă centrifugă CM30P7-1 produsa de firma „Johnson
Pump” (a se vedea figura 6.5).
Figura 6.5. Pompa centrifugă
Din punct de vedere constructiv este o pompă centrifugă

autoîncapsulată ce trebuie amorsată înainte de a fi pusă în
funcţiune. Se va evita funcţionarea ei pe uscat deoarece dupa o
perioadă de 30 de minute acest lucru poate provoca defectarea
pompei. Pompa trebuie să funcţioneze tot timpul în direcţia
prescrisă. Motorul permite operarea continuă. Pompa nu poate fi
folosită pentru apă sărată sau pentru lichide contaminate. Pompa
poate fi montată atât în poziţie verticală cât şi în poziţie
orizontală. În condiţiile în care este montată în poziţie verticală,
motorul trebuie montat deasupra corpului pompei. Pentru pozitie
orizontală este important ca ieşirea pompei sa fie orientată în sus.
În figura 6.6 este reprezentată pompa centrifugă în detaliu.
Pompa este alcătuită din următoarele componente: 1. Carcasă ; 2.
Roată cu palete; 3. Inel de etanşare; 4. Şurub; 5. Suportul de
77
montare; 6. Şaibă; 7. Arborele motorului; 8. Şaibă; 9. Carcasa
bobinei motorului.
Figura 6.6. Părţile componente ale pompei centrifuge
Polaritatea tensiunii aplicate nu poate fi schimbată.

Terminalele de alimentare ale pompei sunt codate prin culori: +24
V prin culoarea roşie iar 0V este codat prin negru. În tabelul
următor sunt prezentate datele tehnice ale pompei centrifuge:
Conexiune 20 mm(3/4”)
Clasă de protecţie IP 67 (DIN 40050)
Temperatura de funcţionare:
Lichid -40°C la +100°C
Exterior -40°C la +70°C
Alimentare 24 V
Debit 22.5 [litri/min]
Presiune 0.15 [bar]
Curent 1.6 [A]
Putere 26 [W]
Valorile măsurate ale debitului, presiunii şi a curentului
absorbit de motor, pentru o tensiune de alimentare a motorului de
24Vdc şi o conexiune de 20 mm, sunt prezentate în tabelul
următor:
Presiune (bar) Debit (litri/min) Curent (A)
0,1 26 1,1
0,2 19,5 1,0
0,3 9,0 0,75
78
Variatorul de tensiune continuă şi circuitul de comandă a
tranzistorilor din componenţa acestuia (a se vedea figura 6.7),
permit variatia tensiunii de ieşire astfel încât se poate controla
viteza pompei. Circuitul de comandă a trazitorilor, din
componenţa variatorului de tensiune continuă, este prevăzut cu o
intrare de RESET ce poate fi utilizată în vederea resetării
circuitului de comandă. Aplicând o tensiune de 0V pe intrarea
reset eroarea circuitului de comandă este ştearsă.
Figura 6.7. Schema bloc a variatorul de tensiune continuă şi a

circuitului de comandă
Pe placa de comandă a variatorului de tensiune continuă,
există un potenţiometru (a se vedea figura 6.8) prin intermediul
căruia se realizează ajustarea punctului de zero şi a sensibilităţii.
Scopul acestor reglaje este acela de a ajusta ieşirea
controlerului la 0 V pentru o intrare de 0 V, respectiv la o valoare
de 24 V, la ieşire, pentru o intrare de 10 V.
Figura 6.8. Variatorul de tensiuen continuă şi circuitul de

comandă
79
Principalele date tehnice ale variatorului de tensiune
continuă şi a circuitului de comandă a acestuia sunt prezentate în
tabelul următor:
Parametru Valoare
Tensiunea de operare 24 VDC
Intrare -10…+10 Vdc
Ieşire -24…+24 Vdc
Curent de ieşire Max. 1 A
C. Conducta tehnologică din componenţa sistemului de

reglare a debitului (a se vedea figura 6.1.), are următoarele
caracteristici:
 diametrul intern: DH  0.013m ;
 lungimea conductei: L  0.12m .
Conducta este din plastic, iar coeficientul de rugozitate al
conductei este cuprins în intervalul r  0.0015 0.007   10 3 m .
2.1. Modelul matematic al conductei tehnologice
Pentru a realiza acest model matematic vom presupune ca

tronsonul de conductă de lungime L este un tub rezistiv. În aceste
conditii ecautia de regim stationar ce defineşte caderea de
presiune pe acest tub rezistiv este:
F2
P  (6.1)
2 A2
în care:
▪ F este debitul care trece prin tubul rezistiv;
▪ ΔP este căderea de presiune pe acest tub rezistiv;
▪  reprezintă coeficientul de debit;
▪  reprezintă densitatea fluidului.
In relatia (6.1) coeficientul de debit se calculeaza pe baza
urmatoarei relatii:
DH
 (6.2)
f   L  Leq 
80
unde:
▪ DH este diametrul intern al tubului rezistiv;
▪ L este lungimea tubului rezistiv;
▪ Leq este lungimea echivalenta a rezistentelor locale;
▪ f este factorul de frecare calculat pe baza relaţiilor (6.3).
Ks
f  daca Re  ReL
Re
fT  f L
f  fL    Re  ReL  daca ReL  Re  ReT (6.3)
ReT  ReL
1
f  2
daca Re  ReT
   r  
1.11
    
 1.8  log  6.9   DH   
 10
 Re  3.7   
     
   
 
unde:
F  DH
▪ Re  este numarul lui Reynolds.
A 
▪ K s este factorul de forma de caracterizeaza tevile
transversale;
▪ f L este factorul de frecare in regim laminar;
▪ fT este factorul de frecare in regim turbulent;
▪ ReL este numarul maxim a lui Reynolds in regim
laminar;
▪ ReT este numarul maxim a lui Reynolds in regim
turbulent;
▪ A este aria sectiunii transversale a tubului rezistiv;
▪ r este coeficientul de rugozitate al suprafetei interne a
tubului rezistiv;
▪  este vascozitatea cinematica a fluidului;
81
Pentru regimul staţionar de curgere se echilibrează forţele
care actionează în sistem şi se obtine relaţia:
F02 
P0 A  A0 (6.4)
2 A2
în care:
▪ P0 A este forta activa a lichidului din conducta;

F02 
▪ A este forta de reactiune datorată restricţiei.
2 A2
În regim dinamic diferenţa dintre cele doua forţe este
compensată de viteza de variatie în timp a impulsului din sistem:
F 2 (t )  d
P(t ) A  A  ( M  (t )) (6.5)
2 A 2
dt
În relaţia (6.5), M este masa de lichid din conductă, iar 
este viteza sa de deplasare (curgere) a fluidului.
Daca tinem cont ca M  V  LA iar Q(t )  A   (t )
relatia (6.5) devine
F 2 (t )  d
P(t ) A  A   L ( F (t )) (6.6)
2 A 2
dt
Din cele prezentate mai sus se observă că relaţia (6.6) este
neliniară, din acest motiv în cele ce urmează se liniarizează relaţia
utilizând metoda micilor variaţii în jurul punctului staţionar de
funcţionare. Pe baza celor menţionate putem scrie următoarele
relaţii:
P(t )  P0  ( P (t ))  P0  p(t )
(6.7)
F (t )  F0  F (t )
Din (6.6) şi (6.7) se obţine:
  F  F  t  
2
d
 P0  p  t   A  02 A2 A   L  F0  F  t   (6.8)
dt
Dacă se extrage din (6.8), regimul stationar exprimat prin
relaţia (6.4), şi se neglijeaza termenul pătratic F 2  t  se obţine:
82
 F0 F  t  d
p(t ) A    L  F  t   (6.9)
A dt
In cele ce urmeaza daca se trece la transformata Laplace în
conditii initiale nule in cadrul relatiei (6.9), obtinem:
 F 
Ap ( s )    L  s  0  F  s  (6.10)
 A 
Din ecuaţia (6.10), se obţine uşor funcţia de transfer a
tubului rezistiv:
F  s 
F0 kp
H pa  s    (6.11)
p ( s )  pa s  1
P0
unde: ▪ kp este factorul de amplificare;
▪  pa constanta de intarziere a tubului rezistiv;
1 AL
▪ kp  ;  pa   
2 F0
Conducta tehnologică din componenţa standului FESTO
are următoarele caracteristici: DH  0.013m ; L  0.12m iar aria
secţiunii conductei, se calculează cu ajutorul următoarei formule:
2
 DH 
A    . Pentru calculul coeficientul de frecare vom folosi
 2 
formulele (6.3).
Pentru a calcula acest coeficient de frecare vom calcula
F  DH
numarul lui Reynolds Re  unde  este vascozitatea
A 
cinematică a apei ce are densitea   998,2071 Kg / m 3 la o  
temperatura a apei de 20 0 C  ; F este debitul de apă pompat:
5.9
F  5.9 litri / min    m3 / sec  . Debitul de apă pompat
60 1000
este ales ca fiind debitul ce îl poate da pompa centrifuga atunci
cand este alimentata la tensiunea de 10 [V].
83
Debitul maxim ce poate să îl dea pompa centrifuga este
de 22,5litri / min  atunci când este alimentata la o tensiune de 24

[V]. Vascozitatea cinematică a apei este:   1.004  10 6 m 2 / sec , 
obtiunuta la o temeperatura de 20 0 C  a apei.
In urma calculelor s-a obtinut Re  9.593 103  4000
ceea ce inseamna ca avem un regim de curgere turbulent.
Atunci cand numarul lui Reynolds este cuprins intre
valorile ReL  2300 si ReT  4000 curgerea se numeste curgere
tranzitorie iar atunci cand numarul lui Reynolds este mai mic
decat 2300 atunci curgerea se numeste laminara.
Coeficientul de rugozitate al conductelor de plastic este o
valoare cuprinsa in intervalul r  0.0015 0.007   10 3 m .
Din acest motiv in cadrul problemei noastre se alege
pentru coeficientul de rugozitate al suprafetei interne a conductei,
urmatoarea valoare r  0.0015 103  m  .
Din cadrul relatiei trei din (6.3), obtinem : f  0.031 .
În aceste condiţii constantele ce definesc modelul
matematic al conductei tehnologice se pot calcula pe baza
relaţiilor (6.11). În urma calculelor obţinem:
k p  1 / 2 ;  pa  0.56 sec  (6.12)
unde s-a ţinut cont că:
5.9
Leq  0  m  ; F0  5.9 litri / min    m3 / sec  .
60 1000
În aceste conditii funcţia de transfer a conductei
tehnologice, este:
F  s 
F0 kp 0.5
G pa  s     (6.13)
p  s  1   pa  s 1  0.56  s
P0
În aceste condiţii modelul matematic al conductei
tehnologice este complet determinat.
84
2.2. Modelul matematic a elementului de execuţie
Modelul matematic al servomotorului de curent continuu

din componenţa pompei centrifuge, este dat de relaţia (2.37). (a se
vedea lucrarea de laborator 2)
Dacă consideram un cuplu rezistent nul, putem scrie
urmatoarea functie de transfer a servomotorului de curent
continuu:
1
s Ke
G11  s    (6.14)
U a  s  Ta  Tm  s  Tm  s  1
2
L R J
 unde: Ta  a ; Tm  a .
Ra Ke  Km
Modelul matematic al pompelor centrifuge este bazat pe
caracteristicile interne ale pompelor şi pe caracteristicile externe
ale conductei. În acest sens, în cadrul figurii 6.9 se reprezintă
caracteristicile mai sus amintite, pentru un caz oarecare, punând în
evidenţă valorile de regim staţionar ale debitului şi ale presiunii.
Figura 6.9 Caracteristicile pompei centrifuge şi ale conductei

tehnologice ; Albastru – caracteristica conductei; Maro –
caracteristica pompei
85
Caracteristicile pompei centrifuge şi ale conductei se obţin
pentru o anumită valoare a turaţiei motorului de curent continuu
din componenţa pompei centrifuge. Pe de altă parte, pe baza
regresiei polinomiale se pot obţine cele două caracteristici ale
pompei centrifuge respectiv ale conductei tehnologice.
Caractersiticile pompei centrifuge şi ale conductei
tehnologice, sunt:
 Pa  a  n  b  n  F  c  F
2 2
 (6.15)
 Pc  Pb  d  F
2
unde: Pa este presiunea creată de pompă [N/m²]; n este turaţia

pompei [rot/min]; F este debitul refulat [m³/h]; Pb presiunea
statică a rezervorului în care este refulat fluidul la care se adauga
presiunea statica a fluidului din conducta [N/m²]; a,b,c,d sunt
constante obţinute în urma regresiei polinomiale.
Punctul static de funcţionare se găseşte la intersecţia celor
două polinoame de regresie, coordonatele acestuia fiind (F0,P0).
Din cadrul celor prezentate se observă că punctul static de
funcţionare se găseşte atunci când Pa  Pc . În urma egalarii celor
doua caractersitici se obtine:
  d  c   F 2  b  n  F  a  n 2  Pb  0 (6.16)
În urma rezolvării ecuaţiei de gradul doi (6.16) în
necunoscuta F , obţinem:
b  n  b 2  n 2  4   d  c    a  n 2  Pb 
F (6.17)
2   d  c 
F
bn  b 2
 4   d  c   a   n 2  4   d  c   Pb
(6.18)
2 d  c
În cadrul expresiilor (6.17) şi (6.18) s-a presupus că
discriminantul ecuaţiei de gradul doi este pozitiv. Din cadrul
relaţiei (6.18) se observă că, atunci când presiunea statică a
rezervorului în care este refulat fluidul este nulă ( Pb  0 ), obţinem
următoarea relaţie între debit şi turaţie:
86
b b 2
 4 d  c  a
F n (6.19)
2 d  c
Relaţia (6.19) evidenţiază o dependenţă liniară între debit
şi turaţia motorului de curent continuu din comonenţa pompei
centrifuge, atunci când presiunea statică a rezervorului în care este
refulat fluidul, este nulă.
Pentru a calcula mult mai uşor panta dreptei definită de
expresia (6.19), se utilizează valorile nominale ale turaţiei şi ale
debitului pompei centrifuge. Aceste valori sunt scrise pe orice
pompă centrifugă. În aceste condiţii, ecuaţia (2.33) poate fi scrisă
astfel:
F
F  N n (6.20)
nN
unde: FN este debitul nominal al pompei centrifuge obţinut la o
turaţie nominală nN.
În cele ce urmează, dacă introducem relaţia (6.20) în
cadrul primei ecuaţii din (6.15), obţinem:
 F F2 
Pa   a  b  N  c  2N   n 2 (6.21)
 nN nN 
Relaţia (6.21) pune în evidenţă faptul că presiunea de
refulare a pompei centrifuge este direct porporţională cu turaţia
motorului de curent continuu ridicată la pătrat. Relaţia (6.21) este
valabilă atunci când presiunea statică a rezervorului în care este
refulat fluidul, este nulă.
Datorită faptului că presiunea nominală şi debitul nominal
al pompei centrifuge sunt obţinute la turaţie nominală, putem scrie
PaN  a  nN2  b  nN  FN  c  FN2 (6.22)
Dacă împărţim expresia (6.22) cu nN2 , obţinem:
2
PaN F F 
2
 a  b  N  c  N  (6.23)
nN nN  nN 
Ţinănd cont de expresia (6.23), relaţia (6.21) devine:
87
PaN 2
Pa  n (6.24)
nN2
unde: PaN este presiunea nominală de refulare a pompei
centrifuge.
Intre viteza   rad / sec  si turatia n  rot / min  a
motorului exista urmatoarea relatie de legatura:
2   n   n
  (6.25)
60 30
Relatia prezentata mai sus in urma aplicarii transformatei
Laplace devine:

s   N s (6.26)
30
In aceste conditii functia de transfer (6.14) devine:
1 30

N s Ke 
Gsa  s    (6.27)
U a  s  Ta  Tm  s 2  Tm  s  1
Variabila perturbatoare a sistemului de reglare este
presiunea Pc , care împreună cu presiunea de refulare a pompei Pa
definesc căderea de presiune P .
P  Pa  Pc (6.28)
Din cele prezentate mai sus se observă că relaţia (6.24)
este neliniară, astfel încât pentru a liniariza această expresie, vom
aplica teorema micilor variaţii ale variabilelor în jurul valorilor
staţionare. În acest sens, putem să scriem următoarele relaţii:
 Pa (t )  Pa 0  Pa (t )
 (6.29)
n(t )  n0  n(t )
Înlocuind expresiile (6.29) în relaţia (6.24) obţinem:
P
Pa 0  Pa (t )  aN2   n0  n(t ) 
2
(6.30)
nN
Dacă se extrage din relaţia (6.30), regimul staţionar şi se
neglijează termenul pătratic n 2  t  , se obţine:
88
PaN
Pa (t )  2   n0  n(t ) (6.31)
nN2
În cele ce urmează, dacă se trece la transformata Laplace
în condiţii iniţiale nule în cadrul relaţiei (6.31), obţinem:
P
Pa ( s )  2  aN2  n0  N ( s ) (6.32)
nN
Din cadrul expresiei (6.32) putem explicita următoarea
P  s 
G pc  s   a  k pc (6.33)
N ( s )
unde:
P
k pc  2  aN2  n0 (6.34)
nN
Expresia (6.27) in cazul micilor variatii in jurul punctului
static de functionare, devine:
1 30

N  s  Ke 
Gsb  s    (6.35)
U a  s  Ta  Tm  s 2  Tm  s  1
Expresia (6.35) sa obtinut in urma eliminari relatiei de
regim stationar.
În aceste conditii functia de transfer a pompei centrifuge,
este:
k pc 30

Pa  s  Ke 
G1  s   G pc  s   Gsb  s    (6.36)
U a  s  Ta  Tm  s 2  Tm  s  1
Procedând în mod asemănător cu expresia (6.28), obţinem:
P0  p (t )  Pa 0  Pa (t )   Pc 0  Pc (t )  (6.37)
Din cadrul relaţiei (6.37) în urma extragerii expresiei de
regim staţionar, obţinem:
p(t )  Pa (t )  Pc (t ) (6.38)
În urma aplicării transformatei Laplace, relaţia (6.39)
devine:
89
p ( s )  Pa ( s )  Pc ( s ) (6.39)
Relaţia (6.39) reprezintă legătura între funcţia de transfer a
pompei centrifuge (6.36) şi funcţia de transfer a conductei
tehnologice (6.13).
Relatia (6.13) mai poate fi scrisa si astfel:
F
kp  0
F  s  P0
G2  s    (6.40)
p  s  1   pa  s
În aceste condiţii schema bloc a pompei centrifuge în
tandem cu conducta tehnologica, este:
Figura 6.10. Schema bloc a pompei centrifuge in tandem cu

conducta tehnologica
În cadrul identificarii analitice a functiei de transfer a părtii

fixe vom presupune ca Pc ( s )  0 . În aceste condiţii funcţia de
transfer echivalentă este:
F  s  h3
G3  s    (6.41)
U a  s  Ta  Tm  s  Tm  s  1  1   pa  s 
2
k pc 30 F
unde: h3    k p  0 ; G3  s   G2  s   G1  s  .
Ke  P0
În cadrul expresiei (6.41) dacă se dă factor comun fortat la
deînpartitor pe Ta  Tm , obtinem:
F  s  h4
G3  s    (6.42)
U a  s   2 1 1 
s  s    1   pa  s 
 Ta Ta  Tm 
h3
unde: h4  .
Ta  Tm
90
Pe de altă parte Tm  Ta (constanta de timp mecanica este
mult mai mare decât constanta de tip electrica), pentru toate
tipurile de servomotoare de curent continuu iar ecuatia
1 1
s2   s  0 (6.43)
Ta Ta  Tm
1 1
are determinantul   2  4   0 iar radacinile (polii) sunt
Ta Ta  Tm
strict negative (negativi). Acest lucru ne arata ca motorul de
curent continuu din componenta pompei centrifuge este asimptotic
stabil.
Solutiile ecuatiei (6.44) le vom nota astfel:
s1  T1 si s2  T2 (6.44)
În aceste conditii polinomul de gradul doi de la
deînpartitor se poate scrie astfel:
1 1
s2   s    s  T1  s  T2  (6.45)
Ta Ta  Tm
1 1
s2   s   T1  T2  1  Td  s 1  Te  s  (6.46)
Ta Ta  Tm
1 1
unde: Td  iar Te  .
T1 T2
In aceste conditii functia de transfer (6.42) devine:
F  s  h5
G3  s    (6.47)
U a  s  1  Td  s 1  Te  s   1   pa  s 
h4
unde: h5  .
T1  T2
În general una din constantele de timp din cadrul
polinomului polilor functiei de transfer (6.47) este cea mai mare
iar celelalte sunt mult mai mici decat aceasta.
Din acest motiv în cele ce urmeaza vom presupune că
 pa  Td ; Td  Te .
91
În aceste conditii expresia 1  Te  s   1  Td  s  poate fi
aproximata astfel:
1  Td  s   1  Te  s   1  T  s (6.48)
unde: T  Td  Te iar termenul Te  Td  s  0 . Aceasta aproximare
2
se bazeaza pe teorema constantelor de timp mici.

În aceste condiţii funcţia de transfer (6.47) devine:
F  s  h5
G3  s    (6.49)
U a  s  1   pa  s  1  T  s 
unde:  pa  T .
Pe de altă parte, servomotorul de curent continuu din
componenţa pompei centrifuge, este definit de următoarele
constante:
Ta  0.03 sec  ; Tm  0.1471sec ; K e  0.133  V/(rad  sec-1 ) 
Caracteristica presiune - debit a pompei centrifuge,
obţinută pentru o tensiune de alimentare a motorului de 24V, este
prezentată în figura următoare:
Figura 6.11. Caracteristica presiune – debit a servopompei

centrifuge CM30P7-1
92
Observaţie: La o tensiune de alimentare de 24V, motorul
atinge turaţia de 3000  rot/ min  .
În vederea determinării parametrilor ce definesc funcţia de
transfer (6.49), vom considera că: F0  26  litri / min  ;
PaN  0.1 bar  ; nN  3000  rot / min  ; n0  3000  rot / min  .
În cadrul determinării parametrilor, din componenţa
funcţiei de transfer (6.49), presupunem că: Pc 0  0 .Ţinând cont de
această presupunere, din relaţia următoare
P0  Pa 0  Pc 0 (6.50)
rezultă: P0  Pa 0  PaN .
În urma calculelor se obţin următoarele valori:
h5  0.6222 ; T  0.1471sec  (6.51)
În aceste condiţii funcţia de transfer (6.49) devine:
F  s  0.6222
G3  s    (6.52)
U a  s  1  0.56  s 1  0.1471  s 
Relaţia (6.52) defineşte funcţia de transfer echivalentă a
ansamblului pompă centrifugă – conductă tehnologică în ipoteza
că Pc ( s )  0 .
Observaţie: În cadrul modelului matematic a elementului
de execuţie, anasamblul format de variatorul de tensiune şi
circuitul de comandă a acestuia, este considerat a fi un element
proporţional ce are constanta de proporţionalitate egală cu
unitatea.
Acestă presupunere este una viabilă, deoarece prin
intermediul potenţiometrului (a se vedea figura 6.8) ieşirea
controlerului este reglată la 0 V pentru o intrare de 0 V, respectiv
o valoare de 10V, la ieşire, pentru o intrare de 10V.
Timpul mort ce afectează ansamblul variator de tensiune -
circuit de comandă, este unul neglijabil astfel încât el nu este luat
în calcul.
93
2.3. Modelul matematic a elementului de măsură
Pe baza caracteristicii statice a traductorului de debit (a se

vedea figura 6.4), se poate scrie ecuaţia dreptei sau altfel spus
relatia de legatura între debitul de lichid şi frecvenţa pulsurilor de
tensiune de la ieşirea traductorului:
K
f t    F t  (6.53)
60
unde: K  8000  pulsuri / litru  ; f  t  este frecvenţa pulsurilor de
tensiune de la ieşirea traductorului, iar F  t  este debitul de lichid.
La iesirea traductorului de debit in cadrul sistemului de
reglare FESTO se utilizeaza un adaptor frecventa/tensiune. Acest
adaptor este proiectat astfel încât pentru o frecvenţă de 0Hz să
avem la ieşirea adaptorului 0V iar pentru frecvenţa maximă de
1200Hz, corespunzătoare debitului maxim 9  litri / min  , să avem
la iesire valoarea de 10 V. Caracteristica statica a adaptorului este
una liniara. Relatia intrare - iesire a adaptorului frecvenţa/tensiune
este:
U
ut  t   max  f  t  (6.54)
f max
unde ut  t  este tensiunea de ieşire a adaptorului frecvenţă –
tensiune; f max  1200  Hz  ; U max  10  V  .
În cele ce urmeaza daca înlocuim pe (6.53) în expresia
(6.54) vom obtine relatia intrare iesiere a ansamblului traductor de
debit – adaptor frecvenţă - tensiune:
K U
ut  t    max  F  t  (6.55)
60 f max
Daca aplicăm metoda de aproximare a micilor variaţii în
jurul punctului static de funcţionare  F0 , ut 0 
F (t )  F0  F (t ); ut (t )  ut 0  ut (t ) ; (6.56)
din (6.56), în urma eliminării regimului staţionar, obţinem:
94
K U max
ut  t    F  t  (6.57)
60 f max
În aceste condiţii, trecând la transformata Laplace în
condiţii initiale nule, din (6.57) obţinem funcţia de transfer a
ansamblului traductor – adaptor frecvenţa/tensiune:
U t  s 
G4  s    KT (6.58)
F  s 
K U
unde: KT   max .
60 f max
În urma calculelor obţinem:
8000 10
KT    1.1111 (6.59)
60 1200
În aceste condiţii, funcţia de transfer a elementului de
măsură a debitului este complet definită.
În vederea determinării funcţiei de transfer a părtii fixe,
vom completa schema bloc din figura 6.10 cu functia de transfer
(6.58). În aceste condiţii, schema bloc a părţii fixe este dată în
figura 6.12:
Figura 6.12. Schema bloc a părtii fixe

În cadrul modelarii matematice, vom presupune că
Pc ( s )  0 , ceea ce face ca elementele componente a părtii fixe să
fie conectate în serie. Tinând cont de funcţiile de transfer (6.49) şi
(6.58), modelul matematic al părţii fixe este definit de următoarea
U t  s  K PF
GPF  s   G4  s   G3  s    (6.60)
U a  s  1   pa  s  1  T  s 
unde: K PF  h5  KT .
95
Pe baza funcţiei de transfer (6.52) şi a relaţiei (6.59),
funcţia de transfer a părţii fixe este:
U t  s  0.691
GPF  s    (6.61)
U a  s  1  0.56  s 1  0.1471  s 
În aceste condiţii, funcţia de transfer a părţii fixe este
complet definită şi este dată de relaţia (6.61).
3. Modul de lucru

 Se realizează în Matlab-Simulink următorul program:
Figura 6.13. Programul Matlab – Simulink pentru simularea

părţii fixe a sistemului de reglare a debitului
Simularea părţii fixe se realizează pentru o intrare de tip

treaptă de tensiune de 10V.
 Se rulează programul prezentat în figura 6.13. şi se pune în
evidenţă răspunsul părţii fixe. Se interpretează graficul
obţinut, iar apoi se trag concluzii.
clear;clc;
Kpf=0.691;
T1=0.56;
T2=0.1471;
num=Kpf;
den=[T1*T2 (T1+T2) 1];
tf(num,den)
nyquist(num,den);
pause;
bode(num,den);
 Se rulează programul prezentat mai sus şi se pun în evidenţă
diagramele Nyquist şi Bode. Se interpretează graficele
obţinute, iar apoi se trag concluzii.
96
 Pe baza funcţiei de transfer (6.60) se studiază stabilitatea părţii
fixe utilizând teorema de stabilitate sub formă operaţională.
“Condiţia necesară şi suficientă ca un sistem să fie extern
stabil (BIBO stabil) este ca polii funcţiei de transfer ai
sistemului să aibă partea reală strict negativă. În cazul polii
sunt simpli şi au partea reală nulă sistemul se numeşte limitat
stabil”.
clear;
clc;
Kpf=0.691;
T1=0.56;
T2=0.1471;
num=Kpf;
den=[T1*T2 (T1+T2) 1];
[A,B,C,D]=tf2ss(num,den)
eig(A)
valorile proprii ale matricei A. Pe baza acestora se studiază
stabilitatea internă a părţii fixe. “Un sistem este asimptotic
stabil dacă şi numai dacă valorile proprii ale maticei A au
partea reală strict negativă. În cazul în care valorile proprii
sunt simple şi au partea reală nulă sistemul se numeşte limitat
stabil”. Matricile A,B,C,D din componenţa sistemului de
ecuaţii intrare – stare – ieşire se determină cu ajutorul funcţiei
Matlab, tf2ss. Pentru mai multe detalii legate de funcţia tf2ss,
se dă în promterul din Matlab următoarea comandă: >>help
tf2ss. Observaţie: Stabilitatea internă implică stabilitatea
externă. Reciproca nu este întodeauna adevărată.

breviar teoretic precum şi programele Matlab. Referatul va fi
completat, în urma orei de laborator, cu graficele obţinute în urma
rulării programelor, precum şi cu concluziile ce se desprind în
urma analizei celor menţionate mai sus.
97
LUCRAREA 7
Identificarea sistemelor pe baza răspunsului la

intrare treaptă
Cunoaşterea, înţelegerea şi aplicarea metodei de

identificare a unui sistem utilizând un semnal de probă de tip
treaptă.
2. Breviar teoretic
Necesitatea identificarii unor entitati cu structura interna

necunoscuta apare în numeroase aplicatii, dintre care enumeram:
simularea in vederea evidentierii caracteristicilor principale şi/sau
comportamentale în diverse situaţii, recunoaşterea formelor,
prelucrarea semnalelor, diagnoza de defecte, proiectare de sisteme
automate de conducere sau reglare etc.
Exista doua categorii de tehnici de identificare: analitică si
experimentala.
În identificarea analitica se urmăreşte determinarea
parametrilor fizici ai unui proces, utilizand în acest scop legile
fizico – chimice ce stau la baza funcţionării procesului.
Identificarea experimentală are ca obiectiv determinarea
unor parametrii în general fară semnificaţie fizică, dar capabili să
descrie comportamentul procesului în jurul unui anumit punct
static de functionare.
Din practica studierii dinamicii proceselor industriale s-a
costatat că, foarte adesea în calculele de automatică, acestea pot fi
reprezentate prin următoarele tipuri de funcţii de transfer:
98
K a  e Tm s
G ( s)  (7.1)
1 T  s
G(s)  (7.2)
1  T  s 
n
Ka
G ( s)  (7.3)
1  T1  s   1  T2  s 
G(s)  (7.4)
1  T1  s 1  T2  s 
Pentru cazurile în care pe baza informaţiei apriorice, se
adoptă aproximarea cu unul dintre modelel menţionate mai sus,
problema identificării se reduce la evaluarea parametrilor
respectivi. Acestă simplificare a permis dezvoltarea unor modele
de calcul relativ uşoare şi rapide a parametrilor folosind
procedeele grafice.
În vederea identificării în prima etapa se determină
răspunsul la intrare treaptă a sistemului ce urmeză a fi identificat.
Funcţia indicială y (t ) obţinută, se normează la valoarea de
regim staţionar:
y (t )
y* (t )   (7.5)
yst
În aceste condiţii, răspunsul la intrare treaptă poate fi
reprezentat grafic la fel ca în figura următoare:
Figura 7.1. Raspunsul la intrare treaptă unitară a sistemului

ce urmează a fii identificat
99
În cele ce urmeză vom face referire doar la funcţia de
transfer (7.1).În cadrul figurii 7.1 prin A s-a notat punctul de
inflexiune al funcţiei indiciale, iar B corespunde valorii de
y* (t B )  0,9 din care rezultă valoarea lui t B .
Aceste coordonate sunt utilizate în calculul constantelor de
timp T şi Tm . Ţinând seama de expresia funcţiei indiciale
aproximative, prin normare în intervalul T  Tm , avem:
 
t Tm

y* (t )  1  e T   u  t  Tm  (7.6)
 
Pentru t  t A avem:
t A Tm
 t A  Tm
yA  1  e T
sau   ln 1  y A  (7.7)
T
Pentru t  t B avem:
t B Tm
 t B  Tm
yB  1  e T
sau   ln 1  yB  (7.8)
T
Dacă scădem expresiile (7.8) din (7.7) obţinem:
tB  t A
 ln 1  ya   ln 1  yB  (7.9)
T
Din cadrul relaţiei (7.9) putem explicita constanta de timp T:
tB  t A
T (7.10)
ln 1  ya   ln 1  yB 
De asemenea, dacă înmulţim expresia (6.7) cu t B şi
expresia (7.8) cu t A obţinem:
 t At B  Tmt B
  t B ln 1  y A 
T (7.11)

 t At B  Tmt A  t ln 1  y 
 T
A B
Dacă scădem expresiile din (7.11), obţinem:

t t T t t t T t
t B ln 1  y A   t A ln 1  yB    A B m B  A B m A (7.12)
T T
100
Efectuând calculele rezultă:
Tm  t B  t A 
 t B ln 1  y A   t A ln 1  yB  (7.13)
T
În aceste condiţii, din cadrul expresiei (7.13) obţinem
constanta de timp Tm :
t B ln 1  y A   t A ln 1  yB 
Tm  (7.14)
ln 1  y A   ln 1  yB 
După determinarea parametrilor, se recomandă

reprezentarea grafică a funcţiei indiciale obţinută experimental, în
tandem cu funcţia indicială obţinută în urma procesului de
identificare. După acestă reprezentare se evaluaează erorile de
aproximare.
3. Modul de lucru
 Se determina răspunsul la intrare treapta a partii fixe a

sistemului de reglare a debitului, din componenţa standului
FESTO (a se vedea lucrarea de laborator numarul şase). Acest
lucru se realizeaza utilizând placa de achizitie Easy Port şi a
softulu Fluid Lab din componenţa standului FESTO.
Modul în care este conectata placa de achizitie la standul
FESTO este prezentat in cadrul figurii 7.1., iar in cadrul figurii 7.2
se prezinta interfata softului Fluid Lab cu utilizatorul.
Pentru a determina raspunsul la intrare treapta vom selecta din
cadrul interfetei prezentate in cadrul figurii 7.2 modul „Closed –
Loop Control – continuous”, adica modul de control în buclă
închisă.
În urma selectarii meniului „Closed –Loop Control –
continuous” va aparea o fereastra a programului Fluid Lab a carei
imagine este prezentata in cadrul figurii 7.3.
101
Figura 7.1. Modul de conectare a placii de achizitie
Figura 7.2. Interfata softului Fluid Lab
In vederea determinarii raspunsului la intrare treapta de

tensiune de 10V se va proceda in felul urmator.
102
Figura 7.3. Interfata softului Fluid Lab în urma selectării
optinunii „Closed –Loop Control – continuous”
În prima faza se seteaza factorul de scală la valoarea 10

datorită faptului că ieşirea adaptorului frecventă/tensiune este de
maxim 10V.
În etapa 2 se seteaza valoarea maximă a orizontului de
timp în care se realizeaza identificarea, în cazul de faţă 200[sec].
În etapa 3 se seteaza bitul 2 din cadrul portului de iesire
digitală la valoarea 1 logic pentru a putea controla pompa
centrifugă în buclă deschisă (Identificarea părţii fixe pe baza
funcţiei indiciale, a unui proces necesita decuplarea buclei de
control – obtinerea sistemului în buclă deschisă).
În etapa 4 se seteaza valoarea coeficientului de transfer a
regulatorului proportional (P) la valoarea zero pentru a fi siguri că
funcţia de transfer a acestui regulator nu are nici un rol din punct
de vedere dinamic în cadrul determinarii raspunsului la intrare
treapta.
În etapa 5 se seteaza valoarea maxima a tensiunii ce
urmeaza a fi aplicata circuitului rotoric a motorului de curent
continuu. Valoarea 1 a variabilei „w” din componenta interfetei
103
din cadrul figurii 7.3 semnifica faptul că valoarea tensiunii
aplicate rotorului motorului de curent continuu este de 10V. În
cazul in care w = 0.5 valoarea tensiunii este U = 5V.
În etapa a 6-a se seteaza valoarea portului de intare
analog la valoarea 1 logic ceea ce semnifica achizitia tensiunii
direct proportionala cu debitul de apa de la iesirea adaptorului f/u.
În etapa a 7 –a se seteaza valoarea controlului manual la
valoarea zero. Din cadrul acestei grile, pusă in evidentă în cadrul
figurii 7.3 cu culoare verde, se realizeaza pornirea pompei
centrifuge la un anumit moment de timp dorit atunci cand
valoarea controlului manual este setata în 1 logic.
Dupa efectuarea setarilor mai sus amintite, vom putea
obtine raspunsul la intarea treapta de 10V a parti fixe. În acest
sens pentru a obtine raspunsul la intrare treapta de tensiune de
10V se procedeaza astfel:
1. Se realizeaza setarile mai sus amintite.
2. Se apasa butonul START (a se vedea figura 7.3). Dupa
apasarea lui acesta işi schimba starea in STOP (pe iconul
butonului apare textul STOP) .
3. La un anumit moment de timp t0 dorit se seteaza valoarea
controlului manual în 1 logic, ceea ce înseamna că pompa
porneste brusc find alimentata cu o tensiune de 10V.
4. Dupa un anumit moment de tip t, atunci cand tensiunea ut
de la adaptorul f/u se stabilizeaza pe o anumita valoare, se
seteaza valoarea controlului manual în 0 logic.
5. Dupa un interval de timp t1 se apasa butonul STOP.
6. Se salveaza datele identificate in format txt. apasand
butonul ASCII din cadrul meniului prezentat in cadrul
figurii 7.3.
În cele ce urmeaza in cadrul figurii 7.4 se prezinta
răspunsul părtii fixe la intrare de tip treaptă de tensiune de 10V. În
cadrul acestei figurii cu culoare rosie este reprezentată tensiunea
ut de la adaptorul f/u iar cu culoare verde este reprezentata
tensiunea de alimentare a motorului de curent continuu din
componenta pompei centrifuge.
104
Figura 7.4. Raspunsul la intare treapta de tensiune âa
partii fixe
Pentru o mai buna evidentiere a fenomenelor dinamice in

cadrul figurii 7.5 se realizeaza o scalare a graficului in jurul
momentului de pornire.
Figura 7.5. Scalarea raspunsul la intare treapta de

tensiune a partii fixe
105
 Dupa determinarea raspunsului la intrare treapta si a salvarii
datelor experimentale se reprezinta grafic raspunsul normat
(normarea se face faţă de valoarea de regim stationar), la
intrare treapta utilizand programul Matlab. In vederea acestui
lucru fisierul text salvat sub denumirea exemplu.txt se
deschide utilizand programul Excel. Din cadrul programului
Excel se selecteaza din meniul File optiunea Open şi se
selecteaza tipul fisierelor să fie de tip text. După aceasta
operatie se merge în directorul unde a fost salvat fişierul
exemplu.txt şi se deschide. În etapa a-2-a se realizeaza
conversia datelor din cadrul fisierului text in fisier Excel
parcurgand urmataorele etape prezentate în cadrul figurilor
7.6,7.7 şi 7.8.
Figura 7.6. Selectarea optiunii Windows (ANSI) din Excel
După realizarea setări fişierului origine în Windows

(ANSI), se apasa Next iar apoi se fac setarile prezentate în cadrul
figuri 7.7.
106
Figura 7.7. Selectarea optiunii Space
Dupa efectuarea optiunii de spaţiere pe coloane a datelor,

prezentată în cadrul figurii 7.7 se apasă butonul Next. În urma
acestei operaţii pe ecran va apare meniul din cadrul figurii 7.8.
Figura 7.8. Setarea datelor pe coloane în format

general
107
Realizând operaţiile mai sus menţionate în urma aplicării
butonului Finish vom obtine un fisier Excel ce contine datele
măsurate cu ajutorul placii de achizitie din componenta standului
FESTO.
Figura 7.9. Fisierul Excel ce contine datele măsurate cu

ajutorul plăcii de achizitie.
Datele din coloanele B şi C din cadrul fisierului Excel

prezentat in cadrul figurii 7.9 se copiaza, fară antet, intr-un nou
fisier Excel denumit data.xls. (a se vedea figura 7.10).
Datele din coloana A sunt valorile marimii de iesire
(tensiunea ut de la adaptorul f/u), iar datele din coloana B sunt
valorile tensiunii de alimentare a motorului de curent continuu din
componenta pompei centrifuge.
108
Figura 7.10. Noul fisier Excel ce contine datele din
coloanele A si B a fisierului exemplu.xls.
În etapa 3 se deschide programul Matlab iar din meniul

File se dă clik pe Open, iar apoi se merge în directorul unde este
salvat fisierul data.xls şi se deschide.
În urma acestei operatii datele din cadrul fisierului
data.xls sunt importate in baza de date a Matlab-ului denumită
Workspace.
În urma apasarii butonului Next se obtine urmatorul meniu
prezentat in cadrul figurii 7.11.
109
Figura 7.11. Fisierul obtinut in urma deschideri
fisierului data.xls in Matlab
Figura 7.12. Fisierul obtinut in urma apasarii

butonului Next din cadrul figurii 7.11
110
În urmatoarea etapa se apasa butonul Finish (a se vedea
figura 7.12), iar în urma acestei operati datele sunt transferate în
Matlab, în cadrul spatiului de lucru „Workspace” (a se vedea
figura 7.13)
Figura 7.13. Fisierul de date importat in Workspace sub

denumirea data.mat
În urmatoarea etapa se realizeaza urmatorul program

Matlab, prezentat in cadrul figurii 7.14.
În urma rulării acestui program se obţine graficul prezentat
în cadrul figurii 7.15.
Din cadrul acestui grafic se citeste valoarea de regim
stationar K u ce defineste functia de transfer (7.1).
111
Figura 7.14. Programul Matlab grafic.m necesar pentru
citirea valorii de regim stationar.
Figura 7.15. Raspunsul la intare treapta de tensiune a

partii fixe cu punerea în
evidentă a valori de regim stationar
112
Din cele prezentate, putem spune cu certitudine că:
K u  6.601 . În cele ce urmeaza vom raporta raspunsul indicial y
la valoarea de regim staţionar.
În acest sens vom realiza urmatorul program Matlab
prezentat in cadrul figurii 7.16. Iesirea ut (tensiunea de la
adaptorul f/u) este raportata la valoarea K u  6.601V  iar
tensiunea de alimentare ua a motorului de curent continuu este
raportata la valoarea de U s  10 V  .
K u 6.601
În aceste condiţii: K a    0.6601 .
Uu 10
Figura 7.16 Programul Matlab pentru determinarea

răspunsului normat la valoarea de regim stationar.
În urma rularii programului prezentat in cadrul figurii 7.16

obtinem raspunsul la intrare treapta (raspunsul indicial sau altfel
spus functia pondere), raportat la valoarea de regim stationar (a se
vedea figura 7.17).
113
Figura 7.17. Răspunsul indicial normat al părtii fixe
(rosu – tensiunea normată de iesire ut a adaptorului f/u;
albastru – tensiunea normata de alimentare a motorului de
curent continuu - Mcc)
 În cadrul etapei 3 se realizeaza o scalare a graficului din cadrul

figurii 7.17 în jurul valorii initiale a timpului (t =19.85 sec)
din cadrul căruia se aplica semnalul de intrare treaptă. În urma
scalarii se obtine urmatorul grafic, prezentat in cadrul figurii
7.18. Din cadrul graficului scalat (a se vedea figura 7.19) se
determina punctul de inflexiune I determinand astfel punctele
tA si ya, iar apoi se alege yb=0.9 si prin proiectie se determina
valoarea tB. Tot din cadrul graficului scalat se determină
valoarea initială t0. Acest lucru este reprezentat grafic în
cadrul figurii 7.19.
114
Figura 7.18. Raspunsul indicial normat - scalat al
partii fixe.
.
Figura 7.19. Reprezentarea grafică a constantelor

necesare în calculul constantei de timp T si a timpului
mort Tm
115
Pe baza celor mentionate, constantele ce sunt necesare în
calculul timpului T si a timpului mort Tm au urmatoarele valori:
t0  19.85 ; tA  20 ; ya  0.005151 ; tB  21.2894 ; yb  0.9
Cu ajutorul acestor constante valorile lui T si Tm se
calculeaza pe baza formulelor (7.10) şi (7.14).
Pentru a realiza calculul constantelor de timp definite de
expresiile (7.10) şi (7.14) s-a realizat un program Matlab ce este
prezentat in cadrul graficului 7.20.
Figura 7.20. Programul Matlab pentru calculul

constantei de timp T şi a constantei de timp mort Tm
În urma rulării programului prezentat mai sus se obţin

urmatoarele valori ale constantelor de timp T si Tm:
116
T  0.5612 sec  ; Tm  0.1471sec 
În aceste conditii functia de transfer a partii fixe este:
U t  s  K a  e Tm s
G s   (7.15)
U a  s  1 T  s
K 6.601
unde: K a  u   0.6601 .
Uu 10
1
Cum: e Tm s  relatia (7.15), devine:
1  Tm  s
U t  s  Ka
G s   (7.16)
U a  s  1  T  s   1  Tm  s 
sau
U t  s  0.6601
G s   (7.17)
U a  s  1  0.5612  s   1  0.1471  s 
Pentru a realiza validarea funcţiei de transfer identificate,
se realizează simularea in Matlab-Simulink a functiei de transfer
(7.17). Programul Matlab – Simulink, necesar pentru a realiza
analiza la intrare treapta de 10V a functiei de transfer (7.17), este
prezentat in cadrul figurii 7.21.
Figura 7.21. Programul Matlab – Simulink pentru analiza la

intrare treaptă a functiei de transfer identificate.
Pentru a realiza o marime de intrare trepta (tensiunea de

alimentare a motorului) identică cu cea prezentata în cadrul
figurii 7.15, vom utiliza doua blocuri de intrare treapta (Step)
conenctate la fel ca in figura 7.21. Parametrii ce definesc blocurile
treapta S1 si S2 sunt prezentati in cadrul figurii 7.22.
117
Figura 7.22 Parametrii blocurilor treapta S1 (partea stanga) si
a blocului treapta S2 (partea dreapta)
Pentru a salva mărimea de iesire, vizualizată pe

osciloscop, în Workspace vom realiza urmatoarele setări în cadrul
blocului Osciloscop. Aceste setari sunt prezentate in cadrul figurii
7.23.
Figura 7.23 Setarea parametrilor osciloscopului
118
În aceste conditii în urma rulării programului Matlab –
Simulink prezentat in cadrul figurii 7.21, în cadrul spatiului de
lucru al Matlabului (în Workspace) va aparea variabila
validare.mat ce este de tip matrice (array). În prima coloana a
variabilei validare.mat sunt valorile timpului iar în coloana doi
sunt valorile variabilei de iesire (tensiunea ut a adaptorului f/u).
Cele mentionate mai sus se pot observa în cadrul figurii 7.24.
Figura 7.24. Punerea in evidenta a variabilelor data.mat si

validare.mat din cadrul Workspace
Pentru a suprapune grafic raspunsul la intrare treapta

(determinat experimental) peste răspunsul la intrare treaptă
determinat prin simulare, se realizeaza programul prezentat in
cadrul figurii 7.25.
119
Figura 7.25 Programul necesar pentru suprapunerea
răspunsului, obţinut prin simulare şi experimental,
la intrare treaptă
În urma rularii programului din cadrul figurii 7.25. se

obtine graficul prezentat in cadrul figurii 7.26.
Figura 7.26. Răspunsul la intrare traptă determinat

experimental (rosu) în tandem cu răspunsul la intrare treapta
determinat prin simulare (verde).
120
În cadrul figurii 7.26 semnalul de intrare de tip treapta este
prezentat cu culoare albastra.
Pentru a vedea performantele metodei de identificare
prezentate in cadrul acestei lucrari vom realiza o scalare a
graficului prezentat in cadrul figurii 7.26 în jurul valorii initiale
( t0  19.85 sec  ) şi a valorii finale ( t f  160 sec ).
Figura 7.27. Graficul necesar validarii identificarii
Din cele prezentate în cadrul figurii 7.27 se poate observa

ca erorile sunt suficient de bune ceea ce ne face să afirmăm că
modelul matematic dat de functia de transfer (7.17) este valid.

breviar teoretic precum şi programele Matlab.
Referatul va fi completat, în urma orei de laborator, cu
sus.
121
LUCRAREA 8
Identificarea sistemelor folosind semnale de

probă sinusoidale

identificare a unui sistem liniar utilizând un semnal de probă de
tip sinusoidal.
2. Breviar teoretic
Folosirea semnalelor de probă sinusoidale în vederea

identificării unui sistem, prezintă o serie de avantaje. Dintre cele
mai importante avantaje amintim: metoda permite determinarea
directă a răspunsului în frecvenţa al sistemului, asigură o precizie
uniformă pe întrega bandă de frecvenţă a sistemului studiat,
zgomotul intern este uşor asimilat. Dintre dezavantaje menţionăm
durata mare a experimentului de identificare.
Metoda prelucrării directe. Dacă semnalul de la intrarea
sistemului este sinusoidal, iar sistemul ste liniar, atunci la ieşire se
obţine tot un semnal sinusoidal, de aceeaşi frecvenţă, dar de altă
altitudine şi alt defazaj.
Dacă semnalul de la intrare este:
u (t )  A  sin   t  (8.1)
la ieşire se obţine:
y (t )  B  sin   t    (8.2)
Unde:   2    f ; f  1/ T .
Din înregistrările celor două semnale, se poate obţine
modulul funcţiei de transfer:
122
B
G  j   (8.3)
A
şi faza funcţiei de transfer
a
      360 (8.4)
T
2
unde T este perioada semnalului de probă T  , iar  a este

defazajul dintre semnalul de intrare şi ieşire.
În acest fel, pentru diverse valori ale pulsaţiei
k  2    f k se obţin diverse valori ale modulului şi a fazei
funcţiei de transfer. Pe baza acestora se pot realiza caracteristicile
amplitudine-pulsaţie şi fază-pulsaţie.
Metoda prelucrării automate. Această metodă se aplică
atunci când semnalul de la ieşirea procesului este afectat de
perturbaţii (a se vedea figura 8.1). În cazul în care perturbaţia nu
este corelată cu intrarea ( Ruv    0 ) atunci influenţa perturbaţiei
se elimină aplicând o tehnică de corelaţie.
Figura 8.1. Schema bloc a sistemului ce urmeză a fi identificat
Pentru a pune în evidenţă cele menţionate mai sus, în cele

ce urmează se prezintă funcţia de intercorelaţie dintre intrarea şi
ieşirea sistemului prezentat în figura 8.1.
Ruy    Rux    Ruv   sau Ruy    Rux   (8.5)
unde: y  t   x  t   v  t  , iar Ruv    0 .
Dacă se preseupune că semnalele de la intrarea şi ieşirea
procesului sunt definite de (8.1) şi (8.2) atunci relaţia (8.5),
devine:
123
T

1
Ruy    lim u  t   y  t    dt (8.6)
T  T
0
În urma înlocuirii relaţiilor (8.1) şi (8.2) în (8.6) obţinem:
A B
Ruy     cos      (8.7)
2
Dacă calculăm funcţia de intercorelaţie pentru o perioadă
T suficient de mare, atunci în regim staţionar avem satisfăcută
relaţia (8.3). Pe baza celor menţionate mai sus, (8.7) devine:
A2
Ruy     G  j   cos      (8.8)
2
Din cele prezentate, se observă că funcţia de intercorelaţie
este o funcţie periodică. Prin particularizarea expresiei (8.8)
pentru două valori particulare a lui  , obţinem:
A2 A2
Ruy  0    G  j   cos     Re G  j   (8.9)
2 2
   A2 A2
Ruy      G    
j  sin     Im G  j   (8.10)
 2  2 2
În deducerea formulelor de mai sus, s-a ţinut cont de faptul
că:
G j  G j  e  
j 
    (8.11)
unde:
G  j   Re 2 G  j    Im 2 G  j   (8.12)
 Im G  j   
    arctg   (8.13)
 Re G  j   
  
Pe baza formulelor (8.9) şi (8.10) putem scrie următoarele
relaţii:
   A  2
4
Ruy2  0   Ruy2     Re G  j    Im 2 G  j    (8.14)
 2   4
124
respectiv:
  
Ruy  
 2     tg 
  (8.15)
Ruy  0 
Din (8.14) şi (8.15) rezultă:
2   
G  j    Ruy2  0   Ruy2   (8.16)
 2  
2
A
   
 Ruy  2    
     arctg    (8.17)
 Ruy  0  
 
Din cele prezentate mai sus se observă că pentru diverse
valori ale pulsaţiei k  2    f k se obţin diverse valori ale
modulului şi a fazei funcţiei de transfer. Pe baza acestora se pot
realiza caracteristicile amplitudine-pulsaţie şi fază-pulsaţie.
3. Modul de lucru

clear
clc
num=4;
den=[0.5 1];
G=tf(num,den);
t=0:0.00001:10;
n=length(t);
A=10; %amplitudinea semnalului de intrare
fmax=30;
fa=1:fmax;
wc=2*pi*fa;
mm=length(wc);
for k=1:mm
w=wc(k);
for i=1:n
if t(i)<0
u1(i)=0;
125
else
u1(i)=A*sin(w*t(i)); %genereaza pe u1(t)
end
end
for i=1:n
if t(i)<0
u2(i)=0;
else
u2(i)=A*sin(w*(t(i)+pi/(2*w))); %generatorul
%de semnal sinusoidal u2(t+T/4)
end
end
y=lsim(G,u1,t); %se obtine raspunsul la intrare
%sinusoidala u1(t)
y1=y+0.1*randn(n,1); %se suprapune peste iesirea y un
%semnal aleatoriu
u1a=u1-mean(u1);
y1a=y1-mean(y1);
u2a=u2-mean(u2);
Ru1ay1a=cov(y1a,u1a);% se calculeaza functia de
%intercorelatie Ry1a_u1a
Ru2ay1a=cov(y1a,u2a);% se calculeaza functia de
%intercorelatie Ry1a_u2a
ma=Ru1ay1a(1,2);
mb=Ru2ay1a(1,2);
ga=(2/A^2)*sqrt(ma^2+mb^2);%se identifica modulul
%functiei de transfer
gb=20*log10(ga); % se calculeaza magnitudinea in dB
defazaj=(180/pi)*atan2(mb,ma); %se identifica
%defazajul in grade
fb=0.1:0.01:fmax;
wa=2*pi*fb;
[gc,phase,wb]=bode(num,den,wa);
gd=20*log10(gc);
hold all
subplot(2,1,1); plot(w,gb,'r*',wb,gd,'b');
title('Diagrama Bode amplitudine - pulsatie');
xlabel('Pulsatie w=2.pi.f [rad/sec]');
ylabel('Amplitudine in dB |G(jw)|dB');
hold all
subplot(2,1,2); plot(w,defazaj,'r*',wb,phase,'b');
title('Diagrama Bode defazaj - pulsatie');
ylabel('Defazaj [grade]');
end
126
 Se rulează programul şi se pun în evidenţă graficele obţinute.
Pe baza graficelor se evaluează erorile dintre hodografele
Bode obţinute prin identificare respectiv pe baza funcţiei de
transfer cu ajutorul funcţiei Matlab bode(num,den). Pentru
mai multe detalii legate de funcţia Matlab bode, se dă în
promterul din Matlab următoarea comandă: >> help bode.
 Se modifică programul prezentat mai sus pentru cazul
identificării modulului şi a defazajului funcţie de transfer,
prezentată în expresia următoare:
k  02
G s  2 (8.18)
s  2    0  s  02
unde: k  2 ; 0  100 şi   0.5 .
 Se rulează noul program şi se pun în evidenţă graficele
obţinute precum şi erorile dintre modulul şi defazajul real şi
cel identificat.

breviar teoretic precum şi programul Matlab utilizat în
identificarea sistemelor utilizând semnale de probă sinusoidale.
Referatul va fi completat, în urma orei de laborator, cu graficele şi
sus.
127
LUCRAREA 9
Identificarea sistemelor folosind semnale de

probă aleatoare

identificare a unui sistem liniar utilizând un semnal de probă
aleatoriu.
2. Breviar teoretic
Identificarea sistemelor cu semnale de probă aleatoare

foloseşte procedee corespunzătoare calcului statistic: determinarea
funcţiilor de corelaţie şi a funcţiilor de densitate spectrală, pe baza
cărora se obţin modelele neparametrice: funcţia pondere
(răspunsul sistemului la o intrare de tip impuls Dirac),
caracteristicile de frecvenţă.
Pentru a stabilii legătura directă între rezultatele
experimentale şi caracteristicile dinamice ale procesului,
exprimate prin modele neparametrice, trebuie asigurate anumite
propietăţi statistice ale semnalelor de probă, şi anume
staţionaritatea şi ergodicitatea.
Un semnal aleator este staţionar dacă propietăţile
statistice ale unui eşantion x  t1  rămân aceleaşi în cazul în care
originea timpului se deplasează x  t2  ; t2  t1   .
Staţionaritatea este de două tipuri:
 staţionaritate în sens larg (staţionaritate slabă, staţionaritate
până la ordinul doi), atunci când funcţiile de repartiţie şi
densitate de probabilitate de ordinul unu nu depind de timp, iar
128
funcţiile de repartiţie şi densitate de probabilitate de
probabilitate de ordinul doi depind doar de diferenţa de timp
  t2  t1 .
 staţionaritatea în sens stric (staţionaritatea tare), atunci când
funcţiile de repartiţie şi densitate de probabilitate de ordinul n,
sunt invariante la o translaţie în timp.
Un semnal aleator se numeşte ergodic dacă satisface

propietatea că mediile statistice sunt egale cu mediile temporale.
Pentru a introduce noţiuniile cu care se operează în cadrul
acestui laborator, în cele ce urmează, se prezintă enunţul celor mai
importante teoreme referitoare la identificarea unui sistem pe baza
unor semnale de probă aleatoare.
Teorema 1: Fie un sistem liniar stabil caracterizat de
functia pondere h(t), la intrarea caruia se aplica un semnal u(t)
care este presupus a fi un semnal aleator staţionar în sens larg şi
ergodic. Atunci marimea de iesire y(t) este de asemenea un proces
aleator stationar.
Teorema 2: Fie un sistem liniar stabil cu funcţia pondere
h(t). Dacă la intrarea sa se aplică un semnal aleator stationar u(t),
atunci între functia de intercorelatie intrare-iesire Ruy si cea de
autocorelatie a intrarii Ruu există relaţia (Wiener-Hopf):

Ruy   
 0
h  t   Ruu  t    dt (9.1)
Teorema 3. Fie un sistem liniar stabil caracterizat de

functia pondere h(t), respectiv factorul de amplificare complex
G  j     h  t   . Între densitatile spectrale ale semnalelor de
intrare u(t) si de iesire y(t) exista urmatoarele relatii (Wiener -
Kinchin):
Suy  j     G  j     Suu  j    (9.2)
S yy  j     G  j     Suu  j   
2
(9.3)
129
Practica identificării sistemelor impune, de regulă,
operarea cu secvenţe de date eşantionate, motiv pentru care relaţia
(9.1), pentru u  n  şi h  n  ; n  0,1, 2, , N  1 , devine:
N 1
Ruy (i ) 

k 0
h(k )  Ruu (k  i ) ; i  0,1, 2, , N  1 (9.4)
Observaţie: Relaţiile prezentate mai sus, constituie baza

metodelor de identificare a caracteristicilor de frecvenţă şi a
funcţiei pondere.
Principiul metodei: Se consideră un sistem liniar ce are
funcţia pondere h(t). Schema bloc a sistemului este identică cu
ceea prezentată în figura 8.1. (a se vedea lucrarea de laborator
numărul opt).
Se presupune că intrarea u(t) şi perturbaţia v(t) sunt
necorelate Ruv    0 şi au medie nulă E  u  t    E  v  t    0 . În
aceste condiţii, funcţia de intercorelaţie dintre intrare şi ieşire,este:
Ruy    Rux    Ruv   sau Ruy    Rux   (9.5)
În cadrul relaţiei (9.5) funcţia de intercorelaţie intrare-
ieşire este definită de expresia (9.4). În aceste condiţii, din cadrul
relaţiei (9.5) se poate determina funcţia pondere. Pentru a
determina funcţia pondere, vom explicita relaţia (9.4) ţinând cont
că: Ruu    Ruu    .
În urma explicitării, obţinem:
Ruy  Ruu  H (9.6)
unde:
 Ruu  0  Ruu 1  Ruu  N  1 

 
R 1 Ruu  0   Ruu  N  2  
Ruu   uu (9.7)
     
 
 Ruu  N  1 Ruu  N  2   Ruu  0  
130
 Ruy  0    h  0 
   
Ruy 1  h 1 
Ruy   ; H  (9.8)
     
   
 Ruy  N  1   h  N  1 
În cazul în care matricea (9.7) este una simetrică, iar
determinantul ei este diferit de zero, funcţia pondere se determină
pe baza următoarei relaţii:
  R 1  R
H (9.10)
uu uy
În scopul îmbunătăţirii preciziei estimaţiilor funcţiei

pondere, se recomandă utilizarea unui număr cât mai mare de
valori diferite de zero ale funcţiilor de covarianţă (intercovarianţă
şi autocovarinaţă).
Soluţia sistemului (9.6) se poate determina şi prin metoda
celor mai mici pătrate, rezultând o îmbunătăţire a calităţii
estimaţiilor funcţiei pondere:
   RT  R  1  RT  R
H (9.11)
 uu uu  uu uy
Necesitatea existenţei unei soluţii pentru sistemul (9.6)

conduce la noţiunea de semnal persistent.
În cele ce urmează vom face o scurtă prezentare a
zgomotului alb. Un vector aleator (stochastic) discret
w  n  ; n   este un zgomot alb daca media si functia de
autocoelatie a lui satisfac următoarele propietăţi:
E  w  n   0 (9.12)
E  w  n   w  n    2    n  m  ; n, m   (9.13)
unde  este funcţia lui Kronecker iar  2 este dispersia (varianţa)
zgomotului alb.
Un semnal aleator u  k  este persisten de ordinul n
(SPn), dacă sunt îndeplinite următoarele condiţii:
E u  k   u  k  (9.14)
131
1 N 1
Ruu  k   lim  u i   u i  k  ; k  0, N  1 (9.15)
N  N
i 0
iar matricea Toeplitz (9.7) simetrică este pozitiv definită (toate
valorile proprii ale ei sunt strict pozitive).
Primele două condiţii sunt îndeplinite de un semnal
staţionar ergodic în care mediile statistice coincid cu mediile
temporale, pentru eşantioane suficient de mari.
Pentru semnale de intrare de medie nulă, matricea (9.7)
este defapt maticea de covarianţă a acestora.
Dintre proprietăţile cele mai importante ale semnalelor
aleatoare persistente de orinul n, amintim următoarea proprietate:
P1: Un semnal u  k  este persisten de ordinul n (SPn)
dacă funcţia de densitate spectrală Suu  j  este nenulă în cel
punţin n frecvenţe diferite.
Din păcate, zgomotul alb nu poate fi generat pe cale
artificială. Mai precis, semnalele artefacte (adică produse
artificial) nu pot avea ordin infinit de persistenţă.
Există însă semnale artefacte cu ordin finit de persistenţă
care “aproximează” zgomotul alb, în sensul autocovarianţei.
Acestea se numesc Semnale Pseudo-Aleatoare Binare (SPAB)
sau, mai simplu, Semnale Pseudo-Aleatoare (SPA). Ele sunt
periodice, deoarece algoritmii folosiţi pentru generarea lor
utilizează precizia finită de reprezentare a valorilor numerice pe
un mijloc automat de calcul. Interesant însă, ordinul lor de
persistenţă este proporţional cu perioada. Mai mult, pe măsură ce
perioada creşte, funcţia de autocovarianţă se apropie de cea a
zgomotului alb, adică valorile semnalelor pseudoaleatoare devin
tot mai necorelate.
Observaţie: Determinarea funcţiei pondere se poate
simplifica atunci când semnalul de intrare este un semnal de tip
zgomot alb. Funcţia de autocorelaţie a zgomotului alb este:
Ruu  k   Ruu  0     k  (9.16)
unde:
132
1 daca k  0
 k    (9.17)
0 daca k  0
În aceste condiţii, relaţia (9.4) devine:
Ruy  k   Ruu  0   h  k  ; k  0,1, 2, , N  1 (9.18)
Din (9.18) putem explicita foarte uşor funcţia pondere.
Ruy  k 
hk   (9.19)
Ruu  0 
Pentru a determina caracteristicile de frecvenţă pentru un
sistem liniar, la fel ca cel prezentat în figura 8.1.(a se vedea
laboratorul 8), se trece la transformata Fourier în relaţia (9.1).
În aceste condiţii, se obţine relaţia următoare:
Suy  j     G  j     Suu  j    (9.20)
Expresia (9.20) este denumită relaţia Wiener – Kinchin în
care Suu  j    este funcţia de densitate spectrală a mărimii de
intrare, Suy  j    este funcţia de densitate intrespectrală a
mărimilor de intrare şi ieşire, iar G  j    este răspunsul în
frecvenţă a sistemului.
Pe de altă parte, funcţia de autocorelaţie a mărimii de ieşire
se calculează pe baza următoarei relaţii:
Ryy    y  t  y  t    (9.21)
sau
 
Ryy   

0 0
h    h    Ruu       d d  Rvv   (9.22)
Aplicând transformata Fourier în relaţia (9.22), obţinem:

S yy  j     G  j     Suu  j     Svv  j   
2
(9.23)
Din (9.23) se observă că densitatea spectrală a semnalului
perturbator Svv  j    , face ca determinarea modulului răspunsului
în frecvenţă G  j    , să se facă aproximativ pe baza funcţiei de
133
densitate spectrală a ieşirii şi pe baza funcţiei de densitate
spectrală a intrării.
Pentru calculul funcţiilor de densitate spectrală şi densitate
interspectrală se pot utiliza următoarele relaţii:
1 1
Suu  j      U  j    ; S yy  j      Y  j    (9.24)
2 2
N N
1
Suy  j      U   j     Y  j     (9.25)
N
unde: U  j    şi Y  j    se obţin pe baza transformatei Fourier
rapide a semnalului de intrare şi a celui de ieşire. Prin U  s-a
notat funcţia compex conjugată a funcţiei U .
Observaţie: Pentru calculul funcţiilor de densitate
spectrală şi interspectrală se pot utiliza relaţiile de definiţie (3.46)
şi (3.47) (a se vedea laboratorul 3). Acest procedeu de calcul a
densităţilor spectrale şi interspectrale este numit algoritmul
Blackman-Tukey.
Relaţia (9.24) se mai numeşte şi funcţia de densitate
autospectrală (ASP), iar expresia (9.25) se mai numeşte şi
funcţia de densitate interspectrală (ISP).
Pe de altă parte, se ştie că semnalele de intare şi ieşire cu
care se lucrează în identificarea unui sistem, sunt trunchiate.
Observaţie: Dacă u  t  ; t   0   este un semnal
oarecare, atunci u1  t  ; t   0 T  este semnalul trunchiat
observat pe intervalul 0 T  . În aceste condiţii putem scrie
1 daca t   0 T 
u1  t   u  t   f  t  ; f  t    (9.26)
0 daca t   0 T 
În relaţia (9.26) funcţia f  t  poartă denumirea de
fereastră rectangulară.
Pentru a diminua efectele trunchierii semnalelor, în
identificarae sistemelor se utilizeată aşa numitele ferestre de
ponderare.
134
Cele mai utilizate ferestre de ponderare sunt:
 Fereastra Blackman:
  t  daca t   T / 2 T / 2
Bk  t    (9.27)
0 daca t   T / 2 T / 2
 2   t   4   t 
unde:   t   0.42  0.5  cos    0.08  cos  
 T   T 
În cazul discret, fereastra Blakman de lungime N, are
Bk  n     n  ; dacă 0  n  M  1 (9.28)
unde:
 2   n   4   n 
  n   0.42  0.5  cos    0.08  cos   (9.29)
 N 1   N 1 
N
 2 daca N este numar par
M  (9.30)
 N  1 daca N este numar impar
 2
Funcţia Matlab ce implementează fereastra Blakman, dată
de relaţia (9.28), este blakman. Pentru mai multe detalii legate de
funcţia blackman, se dă în promterul din Matlab următoarea
comandă: >>help blackman
 Fereastra Hamming:
  2  t 
0.54  0.46  cos   daca t   T / 2 T / 2
H t     T  (9.31)
0 daca t   T / 2 T / 2

În cazul discret, fereastra Hamming de lungime L  N  1 ,
are următoarea expresie:
 2   n 
H  n   0.54  0.46  cos   ; dacă 0  n  N (9.32)
 N 
Funcţia Matlab ce implementează fereastra Hamming, dată
de relaţia (9.32), este hamming. Pentru mai multe detalii legate
de funcţia hamming, se dă în promterul din Matlab următoarea
comandă: >>help hamming
135
 Fereastra Hann:
   2  t  
0.5  1  cos   daca t   T / 2 T / 2
Hn t      T  (9.32)
0 daca t   T / 2 T / 2

În cazul discret, fereastra Hann de lungime L  N  1 , are
  2    n 
H n  n   0.5  1  cos    ; dacă 0  n  N (9.33)
  N 
Funcţia Matlab ce implementează fereastra Hann, dată de
relaţia (9.33), este hann. Pentru mai multe detalii legate de
funcţia hann, se dă în promterul din Matlab următoarea comandă:
>>help hann
În aceste condiţii, semnalele de intrare şi ieşire, ce urmează
a fi prelucrate cu ajutorul transformatei Fourier rapide în vederea
obţinerii funcţiilor de densitate spectrală şi interspectrală, sunt
prelucrate iniţial prin intermediul ferestrelor de ponderare.
Observaţie: Operaţia de filtrare a datelor de intrare şi
ieşire se poate face şi în cazul determinării funcţiilor de
intercorelaţie şi autocorelaţie.
Din cele prezentate, se observă că sau pus în evidenţă două
metode de identificare:
 Prima metodă are drept scop determinarea funcţiei pondere a
sistemului pe baza funcţiilor de autocorelaţie şi intercorelaţie
(identificarea sistemelor utilizând analiza de corelaţie).
Această metodă se bazează pe relaţia Wiener-Hopf (9.4).
 A doua metodă constă în determinarea caracteristicilor în
frecvenţă a sistemului pe baza relaţiilor Wiener – Kinchin
(identificarea sistemelor utilizând analiza spectrală ).
În Matlab, pentru determinarea funcţiei pondere (răspunsul
la impuls a sistemului) se utilizează funcţia cra. Pentru mai multe
detalii legate de funcţia cra, se dă în promterul din Matlab
următoarea comandă: >>help cra
Pentru determinarea caracteristicilor în frecvenţă a unui
sistem se utilizează funcţia Matlab, spa. Pentru mai multe detalii
136
legate de funcţia spa, se dă în promterul din Matlab următoarea
comandă: >>help spa
3. Modul de lucru

clear
clc
t=0:0.001:10;
y=sin(sin(10*t)/7+cos(9.5*t/2)/10)/2;
plot(t,y);grid
title('Semnal sinusoidal');
L=length(y);
yf=blackman(L)';
y1=y+yf;
pause;
plot(t,yf,'r',t,y1,'b');grid
title('Filtrarea cu ajutorul ferestrei Blackman')
filtrarea cu ajutorul ferestrei Blackman.
clear
clc
t=0:0.001:10;
y=sin(sin(10*t)/7+cos(9.5*t/2)/10)/2;
plot(t,y);grid
title('Semnal sinusoidal');
L=length(y);
yf=hamming(L)';
y1=y+yf;
pause;
plot(t,yf,'r',t,y1,'b');grid
title('Filtrarea cu ajutorul ferestrei Hamming')
filtrarea cu ajutorul ferestrei Hamming.
clear;
num=2*100^2;
den=[1 2*100*0.5 100^2];
G1=tf(num,den);
137
A=10; %amplitudinea SPAB
N=1000;
t=0:0.001:N;
na=length(t);
u=A*sign(randn(na,1));
[y1,t]=lsim(G1,u,t);
y=y1+0.01*randn(na,1);
date1=iddata(y,u);
[yb,tb]=impulse(G1);
M=length(yb)-1;
T=abs(t(2,1)-t(1,1));%timpul de esantionare al
datelor
orf=15; %ordinul filtrului
ir=cra(date1,M,orf,0);
ye=ir*(1/T);
plot(tb,ye,'r',tb,yb,'b');grid
title('Functia pondere estmata-rosu;reala-alabastru')
 Se rulează programul Matlab, prezentat mai sus, şi se pune în

evidenţă funcţia pondere identificată în tandem cu funcţia
pondere obţinută pe baza funcţiei de transfer şi a funcţiei
Matlab impulse. Pentru mai multe detalii legate de funcţia
impulse, se dă în promterul din Matlab următoarea comandă:
>>help impulse
clear
clc
num=2*100^2;
den=[1 2*100*0.5 100^2];
G1=tf(num,den);
%________________________
A=10; %amplitudinea SPAB
N=100;
t=0:0.01:N;
Ts=abs(t(1,2)-t(1,1));%timpul de esantionare al
datelor
na=length(t);
u=A*sign(randn(na,1));
y1=lsim(G1,u,t);
y=y1+0.5*randn(na,1);
date1=iddata(y,u);
%_________________________
wi=(([1:128]/128)*pi)/Ts;
138
[ma pa]=bode(G1,wi);
n1=length(wi);
for i=1:n1
madB(i)=20*log10(ma(1,1,i));
pan(i)=pa(1,1,i);
end
ma1=madB';
pa1=pan';
Ge=spa(date1,50,wi*Ts);%se identifica G(jw)
[me pe]=bode(Ge);
for i=1:n1
mbdB(i)=20*log10(me(1,1,i));
pen(i)=pe(1,1,i);
end
me1=mbdB';
pe1=pen';
subplot(2,1,1); plot(wi,ma1,'r',wi,me1,'b');grid
title('Diagrama Bode amplitudine - pulsatie');
ylabel('Amplitudine in dB |G(jw)|dB');
legend('real','identificat');
subplot(2,1,2); plot(wi,pa1,'r',wi,pe1,'b');grid
title('Diagrama Bode defazaj - pulsatie');
ylabel('Defazaj [grade]');
legend('real','identificat');
 Se rulează programul Matlab, prezentat mai sus, şi se pun în
evidenţă diagramele Bode obţinute prin identificare în tandem
cu diagramele Bode obţinute pe baza funcţiei de transfer şi a
funcţiei Matlab bode. Pentru mai multe detalii legate de
funcţia bode, se dă în promterul din Matlab următoarea
comandă: >>help bode
 Se determina răspunsul la o intrare de probă pseudoaleatoare a
partii fixe a sistemului de reglare a debitului, din componenţa
standului FESTO (a se vedea lucrările de laborator numarul
şase şi şapte). Acest lucru se realizează utilizând placa de
achizitie Easy Port şi a softului Fluid Lab din componenţa
standului FESTO. În acest sens, se generează un vector de
intrare binar pseudoaleator, ce ia valori între 0 şi 10V
(tensiunea de alimentare a motorului de curent continuu), iar
prin intermediul ansamblului traductor de debit - adaptor
139
frecvenţa/tensiune, se măsoară tensiunea de la ieşirea
adaptorului frecvenţă/tensiune utilizând placa de achiziţie
Easy Port.
 Toate date achiziţionate, sunt importate în Workspace –
Matlab, sub denumirea data. În prima coloană a matricei data,
sunt valorile semnalului de intrare (tensiunea de alimentare a
motorului de curent continuu), iar în a doua coloană sunt
valorile achiziţionate ale ieşirii (tensiunea de ieşire a
adaptorului frecvenţă/tensiune).
um=data(:,1); % tensiunea de alimentare a Mcc
ym=data(:,2); % tensiunea de iesire a adapt.f/u
date1=iddata(ym,um);
M=length(ym)-1;
orf=15; %ordinul filtrului
ir=cra(date1,M,orf,0);
plot(ir);grid
title('Functia pondere estimata')
funcţia pondere estimată a părţii fixe a sistemului de reglare a
debitului.
um=data(:,1); % tensiunea de alimentare a Mcc
ym=data(:,2); % tensiunea de iesire a adapt.f/u
date1=iddata(ym,um);
Ge=spa(date1); %se identifica G(jw)
bode(Ge)
diagramele Bode a părţii fixe a sistemului de reglare a
debitului.

breviar teoretic precum şi programele Matlab utilizate în
identificarea sistemelor utilizând semnale de probă aleatoare.
Referatul va fi completat, în urma orei de laborator, cu graficele şi
sus.
140
LUCRAREA 10
Identificarea off – line a sistemelor folosind

metoda celor mai mici pătrate

identificare parametrică off – line, a unui sistem, utilizând metoda
celor mai mici pătrate.
2. Breviar teoretic
Din punct de vedere istoric, metoda celor mai mici pătrate

(CMMP) a fost utilizată de Gauss în determinarea orbitelor
planetelor.
În cadrul identificării unui sistem, metoda CMMP se
utilizează pentru determinarea modelului parţii deterministe a unui
sistem perturbat folosind drept criteriu eroarea medie patratică de
modelare (a se vedea lucrarea numarul 1 de laborator).
Pentru exemplificarea metodei CMMP vom considera că
sistemul ce urmează a fi identificat, este aproximat prin
intemediul unui model ARX:
A(q )  y (t )  B (q )  u (t  k )  e(t ) (10.1)
unde:
A(q )  1  a1  q 1  a2  q 2    ana  q  na (10.2)
B (q )  b1  q 1  b2  q 2    bnb  q  nb (10.3)
În cadrul relaţiei (10.1) se folosesc următoarele notaţii:
 k este timpul mort exprimat în număr de perioade de
eşantionare;
 e(t) este eroarea de predicţie;
141
 t este timpul normalizat (timpul real împărţit la perioada de
eşantionare), t ia valori din mulţimea numerelor întregi t   ;
 u(t) este valoarea intrării la momentul t;
 y(t) este valoarea ieşirii la momentul t;
 q 1 este operatorul de întârziere cu un pas; astfel:
q 1  u (t )  u (t  1) şi prin inducţie: q  k  u (t )  u (t  k ) .
 ai ; i  1, na şi b j ; j  1, nb sunt parametrii ce urmează a fi
identificaţi ai modelului ARX.
În cele ce urmează, vom introduce următoarele notaţii:
   a1 , , ana , b1 , , bnb 
T
  t     y  t  1  y  t  na  u  t  1  k   u  t   nb  k   
T
În aceste condiţii, relaţia (10.1) se poate scrie astfel:

y  t    T  t    e  t  (10.4)
Problema de identificare poate fi formulată astfel: fiind
cunoscute datele de intrare/ieşire din sistemul ce urmează a fi
identificat, să se determine parametrii modelului ARX astfel încât
următorul indice de performanţă să fie minim:
 N   N 
V    min 
 e  t    min 
        (10.5)
2
2
y t   T
t  
 t 1   t 1 
unde N este numărul de date disponibile.
În vederea determinării parametrilor  , în cele ce urmează
se prezintă două proprietăţi de derivare vectorială:
P1. Fie F    cT   unde c este un vector constant de
dimensiune nx1, iar  este vectorul variabilelor de dimensiune
nx1. În aceste condiţii, avem:
 T
c    c (10.6)
 
P2. Fie F     T  A   unde A este o matrice simetrică şi
constantă de dimensiune nxn, iar  este vectorul variabilelor de
dimensiune nx1. În aceste condiţii, avem:
142

 T  A    2  A  (10.7)
 
Aşa cum se ştie, punctele critice ale funcţiei (10.5) se
determină din următorul sistem de ecuaţii:

V     0 (10.8)
 
Partea dreaptă a relaţiei (10.8) se mai poate scrie astfel:
  

N
D1   
 
 y 2  t   2  y  t    T  t     T  t     (10.9)
2


 t 1
În urma trecerii la derivată în (10.9), obţinem:
    t    
N N

D1    2  y  t    t     
T T 2
(10.10)

t 1 t 1
Relaţia (10.10) se mai poate scrie şi astfel:
D1    Da    Db   (10.11)
unde:
 
T


N
 
Da    2 

   t   y  t      (10.12)
  
 
 t 1 
   

N
  T
Db   

 

  t    T  t      (10.13)
  t 1  
Aplicând proprietăţile (10.6) şi (10.7), relaţiile (10.12) şi
(10.13) devin:
   
N
Da    2  t  y t  (10.14)
t 1
 
 t   t  
N
Db    2   T
(10.15)

 t 1 
În aceste condiţii sistemul (10.8) devine:
143
 
    
N N


  t     t     
T
t  y t  (10.16)
 t 1  t 1
Astfel, punctele critice sunt date de următoarea expresie:

1
   
 
N N

 

  t     t    
T
  t   y  t   

(10.17)
 t 1   t 1 
Pentru a verifica natura punctelor critice (10.17), în cele ce
urmează, vom calcula derivata de ordinul doi a funcţiei V   .
T
2    
2   
V     V    (10.18)
    
În urma calculelor, obţinem:
       
N
2
V     2 T
t  t (10.19)
 2 
t 1
Din (10.19) se observă că derivata de ordinul doi a funcţiei
V   , este pozitiv definită, ceea ce indică faptul că, punctele
critice (10.17) sunt puncte de minim local a funcţiei V   .
Observaţii:
Modelul ARX dat de relaţia (10.1) este un model
monovariabil valabil pentru sisteme SISO (Single Input Single
Output).
Atunci când determinarea parametrilor se face prin
prelucrarea întregului şir de măsurări, ale intrării şi ieşirii unui
sistem, vom spune că identificarea este una parametrică de tip off
– line.
Funcţia Matlab ce implementeză metoda CMMP pentru un
model ARX , are următoarea sintaxă:
M = ARX(Z,[na nb k]) (1.15)
A şi B, iar Z este vectorul format din datele de ieşire şi intrare a
sistemului ce urmează a fi identificat: Z = [Y U]. Pentru mai
multe detalii legate de funcţia arx, se dă în promterul Matlab
următoarea comandă: >>help arx
144
3. Modul de lucru

 Se realizează în Matlab – Simulink programele prezentate în
prima lucrare de laborator, iar apoi se rulează programul
Matlab şi se pune în evidenţă metoda de identificare off –line,
bazată pe metoda CMMP, pentru un model ARX.
Easy Port.
Matlab, sub denumirea data1. În prima coloană a matricei
data1, sunt valorile semnalului de intrare (tensiunea de
alimentare a motorului de curent continuu), iar în a doua
coloană sunt valorile achiziţionate ale ieşirii (tensiunea de
ieşire a adaptorului frecvenţă/tensiune).
um=data1(:,1); % tensiunea de alimentare a Mcc

ym=data1(:,2); % tensiunea de iesire a adapt.f/u
M=arx(Z,[2 2 1]); % se aplica procedura de ARX
plot(e1); % se reprezinta grafic eroarea de
% predictie
145
ysim = sim(M,[e1 um]); % se simuleaza modelul ARX
% identificat.
plot(ysim,'r') ;
hold all;
plot(ym, 'b');

reia.

identificarea sistemelor utilizând metoda CMMP. Referatul va fi
completat, în urma orei de laborator, cu graficele şi concluziile ce
se desprind în urma analizei celor menţionate mai sus.
146
LUCRAREA 11
Identificarea off – line a sistemelor folosind

metoda variabilelor instrumentale

identificare parametrică off – line, a unui sistem, utilizând
Metoda Variabilelor Instrumentale (MVI).
2. Breviar teoretic
Metoda variabilelor instrumentale este o generalizare a

metodei CMMP. La fel ca metoda CMMP, metoda MVI se
utilizează pentru determinarea modelului parţii deterministe a unui
sistem perturbat.
Pentru exemplificarea metodei MVI, vom considera că
sistemul ce urmează a fi identificat, este aproximat prin
intemediul unui model ARX (a se vedea lucrarea de laborator 10):
A(q )  y (t )  B(q )  u (t  k )  e(t ) (11.1)
sau altfel scris:
y  t    T  t    e  t  (11.2)
unde:
A(q )  1  a1  q 1  a2  q 2    ana  q  na (11.3)
B (q )  b1  q 1  b2  q 2    bnb  q  nb (11.4)
   a1 , , ana , b1 , , bnb 
T
(11.5)
  t    y  t 1 y  t  na u  t  1 k  u  t   nb  k    (11.6)
T
147
Estimaţia parametrilor  , utilizând metoda CMMP se
poate obţine prin înmulţirea expresiei (11.2) la stânga cu   t  , iar
apoi prin însumarea noii expresii dupa variabila t. În urma
operaţiilor matematice mai sus menţionate, se obţine următoarea
relaţie:
 
     
N N N
  t   y  t    

  t     t     
T
t  e  t   (11.7)
t 1  t 1  t 1
În cazul în care temenul al doilea din partea dreaptă a

relaţiei (11.7) se neglijează, se obţine sistemul de ecuaţii din care
se rezultă punctele critice ale indicelui de performanţă (10.5),
corespunzător metodei CMMP (a se vedea lucrarea de laborator
numărul 10). În aceste condiţii avem:
 
 
N N
   t   y  t   


  t    T  t     

(11.8)
t 1  t 1 
Neglijarea termenului doi din partea dreaptă a relaţiei
(11.7) se justifică doar atunci când   t  şi e  t  sunt necorelate. În
general,   t  şi e  t  sunt corelate datorită faptului că   t 
depinde de y  t  j  ; j  1, na , iar la la rândul său y  t  j  este
de aşteptat să fie corelat cu perturbaţiile care prin cumulare au
creat termenul rezidual e  t  .
Pe de altă parte, componenta lui   t  care depinde de
intrările u  t  i  , este necorelată cu perturbaţiile şi în consecinţă
este necorelată cu termenul rezidual e  t  . Cele menţionate
anterior, sunt valabile în cazul în care sistemul ce urmează a fi
identificat, funcţionează în buclă deschisă.
În aceste condiţii, în loc să înmulţim (11.2) cu   t  vom
înmulţi, la stânga, expresia (11.2), cu un vector z  t  format numai
din intrările u  t  i  . Procedând astfel obţinem următoarea
relaţie:
148
 
   
N N


 z  t     t     
T
z t  y t  (11.9)
 t 1  t 1
În cadrul relaţiei (11.9) nu s-a ţinut cont de termenul
  
N
z t  e  t   din motivele enunţate mai sus.

t 1
Din (11.9) se observă că, prin particularizare, atunci când

z  t     t  , formula (11.9) defineşte estimatorul CMMP.
Ţinând cont de (11.9), estimaţia parametrilor este obţinută
pe baza următoarei relaţii:
1
   
 
N N

 

 z  t     t    
T
 z  t   y  t  

(11.10)
 t 1   t 1 
unde s-a presupus că există inversa matricei ce intră în calculul
parametrilor necunoscuţi.
Estimaţia (11.10) a vectorului parametrilor necunoscuţi  ,
se numeşte estimaţie de variabilă instrumentală, iar vectorul
z  t  se numeşte vector de variabilă instrumentală.
Vectorul z(t) poate fi ales într-un număr destul de mare de
moduri.
Un vector z(t) foarte frecvent utilizat în aplicaţii practice
este definit de următoarea relaţie:
z  t   F  q  x  t 1 x  t  na  u  t 1u  t  nb  (11.11)
T
unde F  q  este un filtru stabil dat, iar vectorul x  t  j  se obţine

prin filtrarea liniară a intrării:
NF  q   x  t   NM  q   u  t  (11.12)
unde:
NF  q   1  n1  q 1  n2  q 2    nn  q  n (11.14)
MF  q   m0  m1  q 1  m2  q 2    mm  q  m (11.15)
În cazul în care nu deţinem informaţii apriorice despre
sistemul ce urmează a fi identificat, atunci F  q  se alege astfel
F q  1 (11.16)
149
Funcţia Matlab ce implementeză metoda variabilelor
instrumentale pentru o structură de modelare ARX cu o singură
ieşire, are următoarea sintaxă:
M=IV(Z,nn,NF,MF) (11.17)
unde:
 M conţine valorile estimate ale coeficienţilor polinoamelor A
şi B;
 Z este vectorul format din datele de ieşire şi intrare a
sistemului ce urmează a fi identificat: Z = [Y U];
 nn = [na, nb, k] sunt ordinele polinoamelor A, B şi timpul
mort din ecuaţia de modelare;
 NF, MF – matricele coeficienţilor filtrelor din ecuaţia de
generare al vectorului variabilelor instrumentale.
O altă funcţie Matlab ce implementează metoda
variabilelor instrumentale pentru o structură de modelare ARX cu
o singură ieşire, este următoarea:
M=IV4(Z,nn) (11.18)
Funcţia Matlab prezentată în relaţia (11.18), realizează o
alegere automată (în mod optim) a filtrelor ce definesc vectorul
variabilelor instrumentale.
Pentru mai multe detalii legate de funcţia iv şi iv4, se dă în
promterul Matlab următoarea comandă: >>help iv, respectiv
>>help iv4
3. Modul de lucru

 Se realizează în Simulink programul prezentat în prima lucrare
de laborator, iar apoi se rulează programul şi se obţine
vectorul mărimilor de intrare şi ieşire.
ym=y(1:1001,2); % citirea variabilei de iesire din
% Workspace
um=u(1:1001,2); % citirea variabilei de intrare din
% Workspace
E=Eroare(1:1001,2);
150
M=iv4(Z,[2 2 1]); % se aplica procedura de IV4
t=y(1:1001,1);
plot(t,e1); % se reprezinta grafic eroarea de
% predictie
ysim = sim(M,[um E]); % se simuleaza modelul ARX
% identificat pin IV4.
plot(t,ysim,'r',t,ym,'b') % se reprezinta grafic
%datele masurate (cu albastru)in tandem cu datele
%simulate (rosu).
 Se rulează programul Matlab prezentat mai sus şi se pune în
evidenţă metoda variabilelor instrumentale de identificare off
– line.
Easy Port.
Matlab, sub denumirea data1. În prima coloană a matricei
data1, sunt valorile semnalului de intrare (tensiunea de
alimentare a motorului de curent continuu), iar în a doua
coloană sunt valorile achiziţionate ale ieşirii (tensiunea de
ieşire a adaptorului frecvenţă/tensiune).
um=data1(:,1); % tensiunea de alimentare a Mcc

ym=data1(:,2); % tensiunea de iesire a adapt.f/u
151
M=iv4(Z,[2 2 1]); % se aplica procedura de ARX
plot(e1); % se reprezinta grafic eroarea de
% predictie
ysim = sim(M,[e1 um]); % se simuleaza modelul ARX
% identificat.
plot(ysim,'r') ;
hold all;
plot(ym, 'b');

reia.

identificarea sistemelor utilizând metoda variabilelor
instrumentale. Referatul va fi completat, în urma orei de laborator,
cu graficele şi concluziile ce se desprind în urma analizei celor
menţionate mai sus.
152
LUCRAREA 12
Identificarea on – line a sistemelor folosind

metoda celor mai mici pătrate

identificare parametrică on – line, a unui sistem, utilizând metoda
celor mai mici pătrate.
2. Breviar teoretic
Din lucrările anterioare de laborator, s-a observat că

estimaţia parametrilor se obţine prin prelucrarea întregului şir de
date, măsurat, al vectorului de intrare şi de ieşire.
Pe de altă parte, în unele situaţii practice este util să avem
un model al sistemului, disponibil în timpul operării acestuia.
Modelul matematic obţinut la momentul curent tk , printr-o
metodă de identificare care să fie capabilă să realizeze cele
menţionate mai sus, trebuie să fie rezultatul observaţiilor efectuate
asupra sistemului până la momentul curent.
Determinarea modelului matematic al unui sistem pe baza
unei metode de identificare „on-line”, trebuie făcută astfel încât
procesarea datelor să dureze mai puţin de o perioadă de
eşantionare, pentru ca rezultatele să fie utilizabile la următorul
moment de eşantionare. În caz contrar, identificarea modelului nu
este corelată cu fluxul de informaţii primite din sistem. Metodele
de identificare ce răspund acestor cerinţe se numesc recursive,
deoarece datele de intrare/ieşire sunt procesate secvenţial. Uneori,
aceste metode mai sunt numite şi tehnici de identificare „în timp
real” sau „on-line”.
153
Pentru a exemplifica metoda recursivă a celor mai mici
pătrate, vom considera că sistemul ce urmează a fi identificat, este
aproximat prin intemediul unui model ARX, de forma următaore:
y  t    T  t    e  t  (12.1)
unde:
   a1 , , ana , b1 , , bnb 
T
(12.2)
  t     y  t  1  y  t  na  u  t  1 u  t  nb  
T
(12.3)
Observaţie: În relaţia (12.3) timpul mort exprimat în
număr de perioade de eşantionare, este considerat egal cu unitatea,
k  1 , pentru a uşura scrierea relaţiilor ce definesc metoda
recursivă a celor mai mici pătrate. Presupunerea făcuta nu
simplifică gradul de generalitate al metodei.
În cazul unor sisteme monovariabile, adaptarea lui   t  la
  t  1 se face foarte simplu pe baza relaţiei următoare:
  t  1    y  t   y  t  1  na  u  t  u  t  1  nb  
T
(12.4)

În cele ce urmează, vom nota cu   t  estimaţia
parametrilor  , bazată pe datele de intare şi ieşire a sistemului
pînă la momentul t (inclusiv).
1
   
 
t t

 t   

     T          y   

(12.5)
  1    1 
Observaţie: Estimaţia (12.5) satisface prin definiţie,
următorul indice de performanţă:
 t 
V  t ,   min 
  y     T     
2
(12.6)
  1 
În cele ce urmează, în deducerea algoritmului recursiv a
metodei celor mai mici pătrate, se considera următorul indice de
performanţă:
 t 
  
2
V  t ,   min   t   y     T      ; 0    1 (12.7)
 
  1 
154
Observaţie: Indicele de performanţă (12.7) este o
generalizare a relaţiei (12.6). În mod clar, (12.7) devine (12.6),
pentru   1 .
Relaţia (12.7) se numeşte criteriul ponderat al sumei
rezidurilor pătrate, iar  se numeşte factorul de amplificare.
Estimatorul celor mai mici pătrate care minimizează
inidicele de performanţă (12.7) se deuce la fel ca în laboratorul

numărul 10. În urma calculelor, estimaţia   t  bazată pe datele de
intare şi ieşire a sistemului pînă la momentul t (inclusiv), este:
1
 t   t 
 

 t   

         
t  T
 

 t      y    (12.8)


  1    1 
În cele ce umează, vom introduce următoarea notaţie:
1
 t 

P t   

  1

 t        T   


(12.9)
În aceste condiţii, relaţia (12.8) devine:

 t 


 t   P t   

t 

      y   

(12.10)
  1 
Relaţia (12.10) se poate explicita astfel:
 t 

  
 t   P t  

 
 t     y    T    t 1  T     t 1  ;

  1 
În urma calculelor obţinem:
  
 
  t     t  1  P  t    t  y  t    T  t    t  1 
 t 1  (12.11)


 P t  


 t     y     T     t  1 


  1 
Pe de altă parte, dacă ţinem cont că ultimul termen din
partea dreaptă a relaţiei (12.11) este egal cu zero, expresia
prezentată mai sus, devine:
155
  

  t     t  1  P  t    t  y  t    T  t    t  1  (12.12)
Observaţie: Relaţia (12.8), pentru t  t  1 , poate fi scrisă
astfel:
 t 1  t 1


  1
 t 1 T



        t  1 

 1

 t 1    y   (12.13) 
În cele ce urmează, dacă înmulţim la stânga relaţia (12.13)
cu  , aceasta devine:
 t 1  t 1

 
  1
         t  1 
t  T 



 1

 t     y   (12.14) 
sau altfel scris:
t 1



 t     y     T     t  1  0  (12.15)
 1
Relaţia (12.15) demonstrază presupunerea făcută în cadrul
expresiei (12.11).
În cele ce urmează, vom deduce o relaţie recursivă de
calcul a matricei P  t  , definită de expresia (12.9). În acest sens,
vom utiliza lema de inversiune matricială:
 A  B C   
1 1
1
D  A1  A1  B  C  D  A1  B  D  A1 (12.16)
Pe de altă parte, relaţia (12.9) se mai poate scrie sub
următoarea formă:
t 1 1
 
P  t     t    T  t    



 1
t 1
      T   


 (12.17)
sau:
1
P  t     P 1  t  1    t    T  t   (12.18)
Din (12.18), în urma aplicării lemei (12.16), obţinem:
156
 2  P  t  1    t    T  t   P  t  1
P  t     P  t  1 
1
(12.19)
1   1   T  t   P  t  1    t 
sau:
P  t  1
P t   (12.20)
  T
 t   P  t  1    t 
În cele ce urmează, vom face următoarea notaţie:
P  t  1    t 
K t   P t   t   (12.21)
    t   P  t  1    t 
T
În aceste condiţii (12.12) şi (12.19), devin:

  

  t     t  1  K  t   y  t    T  t    t  1  (12.22)
respectiv:
P  t  1  K  t    T  t   P  t  1
P t   (12.23)

Reunind ecuaţiile (12.21), (12.22) şi (12.23) obţinem
următorul algoritm recursiv al metodei celor mai mici pătrate:
 
  t     t  1  K  t   e  t 
 
e  t   y  t    T  t    t  1

 P  t  1    t 
K t   (12.24)
     t   P  t  1    t 
T

 P  t  1  K  t    T  t   P  t  1
 P  t   
Implementarea relaţiilor recurente (12.24) se face în felul
următor:
Pasul 1: Se realizează următoarea adaptare:
  t  1    t  ; pentru t  t  1 (12.25)
Pasul 2: Se calculează următoarele relaţii:
a  t   P  t  1    t  (12.26)
b t     T t   a t  (12.27)
157
a t 
K t   (12.28)
b t 

e  t   y  t    T  t    t  1 (12.29)
Pasul 3: Se realizează următoarele adaptări:
 
  t     t  1  K  t   e  t  (12.30)
P  t  1  K  t   aT  t 
P t   (12.31)

Observaţie: O modalitate de iniţializare a algoritmului
recursiv prezentat mai sus, foarte des întâlnită în practică, este:

  0   0 şi P  0    (12.32)
unde:  este un scalar.
În alegerea lui  trebuie avut în vedere faptul că un 
foarte mic, va duce la o convergenţă lentă a estimaţiilor, iar un 
prea mare poate produce oşcilaţii de amplitudine mare a

componentelor vectorului  .
Funcţia Matlab ce implementeză metoda recursivă a celor
mai mici pătrate pentru o structură de modelare ARX, are
următoarea sintaxă:
[M, Y] = RARX(Z,nn,adm,adg) (12.33)
unde:
 M conţine valorile estimate ale coeficienţilor polinoamelor A
şi B la momentul de timp „i”.
 Y conţine estimaţia variabilei de ieşire a sistemului identificat,
la momentul de timp „i”.
 Z este vectorul format din datele de ieşire şi intrare a
sistemului ce urmează a fi identificat: Z = [Y U];
 nn = [na, nb, k] sunt ordinele polinoamelor A, B şi timpul
mort din ecuaţia de modelare;
 “adm” reprezintă mecanismul de adaptare utilizat.
 “adq” reprezintă factorul de amplificare.
Pentru cazul unui mecanism de adaptare bazat pe un
algoritm cu factor de uitare (cazul prezentat în cadrul acestei
lucrări de laborator), adm = 'ff'; adg = lam.
158
Pentru mai multe detalii legate de funcţia rarx, se dă în
promterul Matlab următoarea comandă: >>help rarx
4. Modul de lucru

clear
clc
N = 200;
u = sign(randn(N, 1));
varianta=0.2;
e = varianta*randn(N, 1);
A = [1 0.3 0.7];
B = [0 1 0.5];
sys = idpoly(A,B,[],[],[], varianta)% simulare sistem
y = sim(sys, [u, e]);% generare set de date pentru
%identificare
z= iddata(y, u);
phi = zeros(4,1);
P=1000*eye(4);
th = zeros(1,4);
axis([1 N 0 1.2]);
hold on;
for k=1:N
[tha,yha,Pa,phia]=
rarx(z(k,:),[2 2 1],'ff',0.98,th,P,phi);
plot(k,tha(1),'.b',k,tha(2),'.g',k,tha(3),'.r',
k,tha(4),'.c');
th=tha;
P=Pa;
phi=phia;
yh(k)=yha;
end
plot(ones(N,1)*[0.3 0.7 1 0.5]);
% se compara valorile reale ale parametrilor in
% tandem cu parametrii estimati
%__________________________
hold off;
pause;
plot(y);
hold all
plot(yh);
159
% se compara ieisrea masurata cu ieisirea estimata a
sistemului
%__________________________
 Se rulează programul Matlab şi se pun în evidenţă parametrii

reali în tandem cu parametrii estimaţi ai modelului ARX. Tot
aici, se prezintă ieşirea măsurată în tandem cu ieşirea estimată
a sistemului identificat.
 Se realizează în Simulink următorul program:
Structura internă a blocului RARX din cadrul programului

prezentat în figura 12.1, este:
Figura 12.2 Structura internă a blocului RARX

160
Funcţia Matlab rarx_b, ce este apelată prin intermediul
blocului “Interpreted Matlab Function” (a se vedea figura 12.2),
este:
function y= rarx_b(u)
na= u(3); nb= u(4); nk= u(5);
ma=length(u);
mb=na+nb;
th= u(6:5+mb);
p= reshape(u(6+mb : (mb)*(mb+1)+5), mb,mb);
phi=u((mb)*(mb+1)+6: ma-1);
k= u(ma);
if k==0,
z=[0 1];
phia = zeros(4,1);
Pa=1000*eye(4);
tha = zeros(1,4);
[th, yh, p, phi] = rarx(z,[na nb nk],
'ff',0.98,tha',Pa,phia);
else
z= [u(1) u(2)];
[th, yh, p, phi]=rarx(z,[na nb
nk],'ff',0.98,th',p,phi);
end;
y= [th'; yh; reshape(p, (mb)*(mb), 1); phi];
Modul de apelare al funcţiei Matlab rarx_b, prezentată

mai sus, se face la fel ca în figura 12.3.
Figura 12.3 Modul de apelare al funcţiei rarx_b
161
Iesirile blocului “Interpreted Matlab Function“ sunt
selectate prin intermediul blocurilor de tip “Selector“, specifice
mediului de programare Simulink. Cele 4 blocuri de tip
“Selector“, sunt setate la fel ca în figurile următoare:
Figura 12.4 Selectarea coeficienţilot th
Figura 12.5 Selectarea ieşirii estimate ye
162
Figura 12.6 Selectarea matricei P
Figura 12.7 Selectarea vectorului phi
Observaţie: Toate blocurile de tip “Selector“, prezentate

mai sus, trebuie setate pentru a putea lucra cu 26 de intrări (a se
vedea figura 12.7).
Timpul de eşantionare al blocurilor de tip Random, notate
“ua” şi “e” (a se vedea figura 12.1), este de 0.01sec  .
163
 Se apasă [CTRL+E] şi se configurează parametrii simulării, la
fel ca în figura următoare:
Figura 12.8 Configurarea parametrilor generali ai simulării
 Se rulează programul Simulink, prezentat mai sus, iar apoi se

pun în evidenţă parametrii reali în tandem cu parametrii
estimaţi ai modelului ARX. Tot în cadrul acestei etape, se
prezintă ieşirea măsurată în tandem cu ieşirea estimată a
sistemului identificat.

breviar teoretic precum şi programele Matlab – Simulink, utilizate
în identificarea sistemelor utilizând metoda recursivă a celor mai
mici pătrate. Referatul va fi completat, în urma orei de laborator,
164
LUCRAREA 13
Simularea în Matlab – Simulink a

motorului de inducţie
Cunoaşterea modelului matematic „curenţi statorici –

fluxuri rotorice” a motorului de inducţie cu rotorul în scurtcircuit.
Realizarea simulării în Matlab – Simulink a motorului de
inducţie.
2. Breviar teoretic
Prin definiţie un model este o aproximare a realităţii, deci

el este dedus ţinând cont de anumite ipoteze simplificatoare. În
cazul maşinii de inducţie cu rotorul în scurtcircuit sunt utilizate
următoarele ipoteze:
 maşina este nesaturată, permeabilitatea părţilor constructive

din fier fiind infinită;
 pierderile din fier sunt neglijabile;
 maşina prezintă perfectă simetrie electrică, magnetică şi
constructivă;
 sistemul tensiunilor de alimentare este trifazat sinusoidal
simetric;
 se consideră un întrefier uniform;
 se consideră o variaţie spaţială sinusoidală a câmpului
magnetic din întrefier;
 înfaşurarea de tip colivie a rotorului este înlocuită cu o
înfăşurare echivalentă trifazată, cu acelaş număr de spire şi
acelaşi factor de repartiţie ca al înfăşurării statorice;
165
 înfăşurările statorice şi rotorice sunt înlocuite cu înfăşurări
echivalente concentrate;
 variabilele şi parametii înfăşurării rotorice sunt raportaţi la
stator;
 neglijăm efectul pelicular şi variaţia cu temperatura a
parametrilor maşinii.
Toate aceste ipoteze nu modifică în mod semnificativ

rezultatele, acestea fiind foarte apropiate de realitate.
2.1. Fazorii spaţiali ai maşinii de inducţie
Fazorul spaţial, care stă la baza ecuaţiilor generale ale

maşinilor de curent alternativ, în literatura tehnică este definit în
diferite moduri. Diferenţa constă numai într-un factor de
proporţionalitate.
Rezultanta celor trei vectori spaţiali ai mărimilor de fază
care pot fi curenţi, tensiuni, fluxuri
 2
g  ga  a  gb  a  gc (13.1)
este denumită vector trifazat, iar fazorul spaţial este proporţional
cu acesta :

g  kF  g (13.2)
Constanta k F denumită şi coeficientul de scară, nu
influenţează ecuaţiile de tensiune şi flux a maşinii de inducţie,
numai expresia cuplului şi a puterii. Acest coeficient poate avea
următoarele valori:
2 1 2 2
kF 1
3 3 3 3
În cadrul lucrării se va utiliza prima variantă, cea în care

2
k F  , această variantă fiind ceea mai utilizată în literatura de
3
specialitate.
166
2
În cadrul relaţiei (31.1) a şi a sunt constante de tip
complex, ele având următoarele valori:
2 4
j 1 3 2 j 1 3
ae 3
   j ; a e 3    j (13.3)
2 2 2 2
Prin particularizarea celor trei vectori spaţiali din cadrul
expresiei (13.1) se pot obţine relaţiile ce definesc fazorul spaţial al
curenţilor, tensiunilor, a fluxurilor statorice şi rotorice.
2.2. Transformări de sistem
Descompunerea fazorilor spaţiali în componente, într-un

sistem de referinţă rectangular duce la modelul bifazat al maşinii
de inducţie.
Componentele după care se descompune fazorul spaţial
sunt cea reală, obţinută în urma proiecţiei fazorului spaţial pe axa
reala care coincide cu direcţia fazei “a” şi respectiv componenta
imaginară, obţinută în urma proiecţiei fazorului spaţial pe axa
imaginară, perpendiculară pe axa reală.
În aceste condiţii putem scrie:
g = gd + j  gq (13.4)
Pentru ca modelul bifazat să fie complet, relaţia (13.4) este
completată cu componenta homopolară definită de următoarea
relaţie:
1
g 0   g a  g b  g c  (13.5)
3
Relaţiile de trecere de la sistemul trifazat la cel bifazat şi
invers sunt:
g   A g  ; g   A1  g  (13.6)
în care
 
g   g d g q g 0 T şi g   g a g b g c T
sunt vectori de tip coloana ce conţin marimile bifazate respectiv
trifazate, iar matricele A şi A sunt:
1
167
 1 1   
1     1 0 1
2 2  
 
2  3 3  1 3 
A   0  ;  A  
1
1 (13.7)
3  2 2  2 2
1 1 1   
 1 3 
2  
2 
1
 2  2 2 
În aceste condiţii, din relaţiile (13.6) obţinem expresiile de
transformare a mărimilor trifazate în mărimi bifazate (13.8),
respectiv relaţiile de transformare a marimilor bifazate în mărimi
trifazate (13.9)
 g d = g a - g0

 gb - gc (13.8)
 g q =
 3

g a  g d  g 0

 1 3
gb    g d   gq  g0 (13.9)
 2 2
 1 3
g c    g d   gq  g0
 2 2
În cazul în care componenta homopolară este nulă relaţiile

(13.8) şi (13.9) vor fi aceleaşi cu deosebirea că nu va mai fi g 0 .
Ecuaţiile generale ale motorului de inducţie
Ecuaţiile generale ale motorului de inducţie în mărimi

bifazate sunt date de următoarele relaţii matematice:
 Ecuaţiile de tensiune ale motorului:
168
 d
uds  Rs  ids  dt  ds

u  R  i  d 
 qs s qs
dt
qs
 (13.10)
0  R  i  d   z   
r dr dr p r qr
 dt
 d
0  Rr  iqr   qr  z p  r  dr
 dt
 Ecuaţiile de flux:
 ds  Ls  ids  Lm  idr
  L  i  Lm  iqr
 qs s qs
 (13.11)
 dr  Lr  idr  Lm  ids
 qr  Lr  iqr  Lm  iqs

 Ecuaţia de mişcare:
d
r  H m1   dr  iqs  qr  ids   H m 2  r  H m3  M r (13.12)
dt
3 z L F 1
unde: H m1   p  m ; H m 2  ; H m3 
2 J Lr J J
În cadrul relaţiilor (13.10), (13.11) şi (13.12) s-au făcut
următoarele notaţii:
 J - este momentul de inerţie a rotorului;
 F - este coeficientul de frecări;
 r - este viteza unghiulară mecanică a rotorului;
 Rs - rezistenţa fazei statorice, valoarea reală;
 Rr - rezistenţa fazei rotorice, valoarea reală;
 Ls - inductanţa totală a statorului, valoarea reală;
 Lr - inductanţa totală a rotorului, valoarea reală;
 Lm - inductanţa mutuală trifazată, valoarea reală;
 z p - numărul de perechi de poli ai motorului.
Ecuaţiile (13.10), (13.11) şi (13.12) definesc ecuaţiile
generale ale motorului de inducţie în mărimi bifazate.
169
Pe baza ecauţiilor prezentate anterior, modelul matematic
a motorului de inducţie, se poate pune sub forma unui sistem de
ecuaţii diferenţiale, de următoarea formă:
dx  t 
 A t   x t   B  u t  (13.13)
dt
unde:
x  t   ids  t  iqs  t   dr  t   qr  t  
T
(13.14)
u  t   uds  t  uqs  t  
T
(13.15)
 a11 0 a13 a14  z p  r  t  
 
 0 a11 a14  z p  r  t  a13 
A t   (13.16)
a31 0 a33  z p  r  t  
 
 0 a31 z p  r  t  a33 
T
b 0 0 0
B   11  (13.17)
 0 b11 0 0
În cadrul relaţiilor prezentate mai sus, s-au făcut
următoarele notaţii:
 1 1   Lm
a 11     ; a 13  (13.18)
 Ts   Tr    L s  L r  Tr  
Lm L 1 1
a 14  ; a 31  m ; a 33   ; b11  (13.19)
Ls  L r   Tr Tr Ls  
Ls L L2m
Ts  ; Tr  r ;   1  . (13.20)
Rs Rr Ls  L r
În aceste condiţii, relaţiile (13.13) şi (13.12) definesc
modelul matematic „curenţi statorici – fluxuri rotorice” a
motorului de inducţie.
3. Modul de lucru

170
Structura internă a blocului „Motor de inducţie” (a se

vedea figura 13.1), este prezentată în figura 13.2.
Figura 13.2. Structura internă a blocului

„Motor de inducţie”
Programul ce este atribuit bloculului S_Function denumit

“M.I” (a se vedea figura 13.2) este prezentat în cele ce urmează:
function[sys,x0]=motor_inductie(t,x,u,flag,Rs,Rr,Ls,Lr,
Lm,J,F,zp)
s=1-(Lm^2/(Ls*Lr));
Ts=Ls/Rs;
Tr=Lr/Rr;
a11=-((1/(Ts*s))+((1-s)/(Tr*s)));
a13=Lm/(Ls*Lr*Tr*s);
171
a14=Lm/(Ls*Lr*s);
a31=Lm/Tr;
a33=-(1/Tr);
b11=1/(s*Ls);
Km1=(3*zp*Lm)/(2*J*Lr);
Km2=F/J;
Km3=1/J;
if abs(flag)==1
sys=[a11*x(1)+a13*x(3)+a14*zp*x(5)*x(4)+b11*u(1);
a11*x(2)-
a14*zp*x(5)*x(3)+a13*x(4)+b11*u(2);
a31*x(1)+a33*x(3)-zp*x(5)*x(4);
a31*x(2)+zp*x(5)*x(3)+a33*x(4);
Km1*x(3)*x(2)-Km1*x(4)*x(1)-Km2*x(5)-
Km3*u(3)];
elseif flag==3
sys=x;
elseif flag==0
sys=[5 0 5 3 0 0];
x0=[0;0;0;0;0];
else
sys=[];
end
 Atribuirea funcţiei “motor_inducţie”, blocului de tip
S_Function, se face la fel ca în figura urmatoare:
Figura 13.3. Setarea blocului S_Function
172
 Se definesc parametrii blocului “Motor de inducţie”, prin
intermediul editorului “mask editor”, ce se activează selectând
cu mouse-ul blocul “ Motor de inducţie”, iar apoi se apasă
[ CTRL + M ].
Figura 13.4. Setarea parametrilor blocului

“Motor de inducţie”
 Se introduc parametrii electrici şi mecanici ai motorului de

inducţie. Aceşti parametrii sunt prezentaţi în tabelele
următoare:
Tabelul 13.1
Pn Un In nn zp Mn Rs
kW V A rpm --- Nm Ώ
11 380 21.6 1430 2 70 0.731
Tabelul 13.2.
Ls Rr Lr Lm J F
2
mH Ώ mH mH Kgm Nms/rad
86.94 0.415 87.62 84.22 0.15 0.005
173
 Parametrii generatoarelor de semnale sinusoidale, pentru
tensiunile de alimentare uds şi uqs , se setează la fel ca în
figurile 13.5 şi 13.6
Figura 13.5. Setarea parametrilor generatorului de semnal

sinusoidal “uds”

sinusoidal “uqs”
174
 Parametrii generatorului de semnal treaptă, pentru momentul
rezistent M r , se setează la fel ca în figura 13.7.

treaptă “Mr”
Observaţie: Pornirea motorului se face în sarcină la un moment

rezistent egal cu momentul nominal al motorului de inducţie
 Se rulează programul prezentat mai sus şi se analizează
modul de variaţie în timp a turaţiei, a componentelor dq a
fluxurilor rotorice şi a componentelor dq a curenţilor statorici.

breviar teoretic precum şi programul Matlab – Simulink, utilizat
în simularea motorului de inducţie. Referatul va fi completat, în
urma orei de laborator, cu graficele şi concluziile ce se desprind în
urma analizei celor menţionate mai sus.
175
LUCRAREA 14
Estimarea fluxului rotoric a motorului de

inducţie folosind un estimator Luenberger
Cunoaşterea şi înţelegerea modului de proiectare a

estimatorului Luenberger, utilizat în estimarea componentelor dq
ale fluxului rotoric.
Realizarea simulării în Matlab – Simulink a ansamblului
motor de inducţie – estimator Luenberger.
2. Breviar teoretic
Estimarea fluxului rotoric are un rol foarte important în

cadrul implementării sistemelor de control vectorial a vitezei
motoarelor de inducţie. Unul din estimatoarele cele mai utilizate
în acest sens, este estimatorul Luenberger.
Acest estimator este construit conform teoriei generale de
estimare a stărilor, pentru un sistem cu parametrii variabili în
timp. Ecuaţia ce defineşte estimatorul Luenberger, este:
d
xˆ  t   A  t   xˆ  t   B  u  t   L  C   x  t   xˆ  t   (14.1)
dt
Maticea L se numeşte matrice de câştig a estimatorului
Luenberger şi este definită de următoarea relaţie:
 l11  l12 
l l11 
L   12 (14.2)
l 21  l 22 
 
l 22 l 21 
176
Coeficienţii matricei (14.2) se determină pe baza
poziţionării valorilor proprii a matricei  A  L  C  în planul
complex stâng.
Matricile A,B şi C ce definesc relaţia (14.1) sunt:
 a11 0 a13 a14  z p  r  t  
 
 0 a11 a14  z p  r  t  a13 
A t   (14.3)
a31 0 a33  z p  r  t  
 
 0 a31 z p  r  t  a33 
T
b 0 0 0
B   11  (14.4)
 0 b11 0 0
1 0 0 0
C  (14.5)
0 1 0 0 
unde:
 1 1   Lm
a 11     ; a 13  (14.6)
 Ts   Tr    L s  L r  Tr  
Lm L 1 1
a 14  ; a 31  m ; a 33   ; b11  (14.7)
Ls  Lr   Tr Tr Ls  
Ls L L2m
Ts  ; Tr  r ;   1  . (14.8)
Rs Rr Ls  L r
Vectorul de intrare precum şi vectorii de stare, real şi
estimat, sunt prezentaţi în relaţiile următoare:
u  t   uds  t  uqs  t  
T
(14.9)
x  t   ids  t  iqs  t   dr  t   qr  t   (14.10)
T
    
x  t   ids  t  iqs  t   dr  t   qr  t   (14.11)
T
În cazul în care estimatorul Luenberger este pus sub

formă discretă, ecuaţiile ce îl definesc sunt:
xˆ  k  1  Fd  k   xˆ  k   H d  u  k   Ld  C   x  k   xˆ  k   (14.12)
177
Maticile Fd , H d şi Ld se obţin din matricile (14.2), (14.3)
şi (14.4) utilizând următoarele relaţii de discretizare:
 Pentru discretizarea simplificată:
Fd  k   I  A  k   T ; H d  B  T ; Ld  L  T (14.13)
 Pentru discretizarea completă:
T2
Fd  k   I 4  A  k   T  A2  k   (14.14)
2
A k  T 2
Hd  B T  B (14.15)
2
AT 2
Ld  L  T  L (14.16)
2
unde T este timpul de eşantionare.
În acest caz, vectorii de stare şi de ieşire sunt:
u  k   uds  k  uqs  k  
T
(14.17)
x  k   ids  k  iqs  k   dr  k   qr  k   (14.18)
T
    
x  k   ids  k  iqs  k   dr  k   qr  k   (14.19)
T
Coeficienţii maticei L se determină în cazul continuu astfel

încât valorile proprii ale estimatorului să fie situate în planul
complex - stâng.
Datorită faptului că sistemul liniar (13.13) a cărui stare se
estimează, este cu parametrii variabili, matricea de câştig L a
estimatorului nu poate fi calculată o singură dată la începutul
algoritmului şi apoi menţinută constantă, ca în cazul sistemelor
invariante, ci se calculeză la fiecare moment de timp.
Soluţiile cele mai utilizate pentru calculul on-line a
matricei de câştig L sunt :
 metoda valorilor proprii proporţionale;

 metoda rotirii valorilor proprii,
 metoda deplasării valorilor proprii.
178
2.1. Metoda valorilor proprii proporţionale
În acest sens, notăm cu  m valorile proprii ale maşinii de

inducţie, iar cu e valorile proprii ale estimatorului. Formula de
proporţionalitate dintre valorile proprii ale motorului de inducţie
şi valorile proprii ale estimatorului poate fi scrisă astfel:
e  k   m (14.20)
Pentru calculul valorilor proprii ale motorului vom folosi
modelul matematic curenţi statorici – fluxuri rotorice în complex,
dat de relaţia (14.21):
d  i s   a11 a13  j  a14     i s  b11 
      u s (14.21)
dt  r  a31 a33  j     r   0 
unde
 1 1   Lm Lm
a 11     ; a 13  ; a 14  ;
 Ts   Tr    L s  L r  Tr   Ls  L r  
L 1 1 L L
a 31  m ; a 33   ; b11  ; Ts  s ; Tr  r ;
Tr Tr Ls   Rs Rr
L2m
  1 ;   z p  r .
Ls  L r
Matricea A din cadrul relaţiei (14.21) poate fi scrisă astfel:
 a c   a2  j    
A 1  (14.22)
a
 3 a2  j   
în care a1  a11 ; a 2  a33 ; a3  a31 ; c  a14 , iar maticea C în
acest caz este C  1 0 .
În aceste condiţii, valorile proprii ale motorului pot fi
calculate rezolvând ecuaţia:
det m  I 2  A  0 (14.23)
în care I 2 este matricea unitate de ordinul doi, iar  m sunt valorile
proprii ale motorului:
m  1  j  2 (14.24)
179
În aceste condiţii, ţinând cont de (14.24) expresia (14.23)
poate fi scrisă astfel:
12  1  a1  a 2   22   2    a1  a 2  a 2  a3  c  0
 (14.25)
2  1   2  1     2  a1  a 2     a1    a3  c  0
În mod asemănător valorile proprii ale estimatorului vor fi
calculate astfel:
dete  I 2   A  L  C   0 (14.26)
în care valorile proprii ale estimatorului sunt
 e   e1  j   e2 (14.27)
iar matricea de câştig L este
 l  j  l12 
L   11  (14.28)
l 21  j  l 22 
Relaţia (14.26) se poate scrie astfel:
2
 e1   e1   a1  a 2  l11    e2
2
  e2     l12  
(14.29)
 a1  a 2  a 2  a 3  c  l11  a 2  c  a 2  l21  c    l22  l12    0
2   e1   e2   e1     l12    e2   a1  a 2  l11  
(14.30)
 a1   a 3  c   l11  a 2  l12  c  a 2  l22  c   l21  0
În cele ce urmează dacă înmulţim expresiile (14.25) cu

2
k şi ţinem cont de (14.20) obţinem:
2
 e1   e1  k   a1  a 2    e2
2
  e2  k   
(14.31)
 k 2   a1  a 2  a 2  a 3  c   0
2   e1   e2   e1  k     e2  k   a1  a 2  
(14.32)
 k 2    a1   a 3  c   0
Egalând coeficienţii relaţiei (14.29) cu coeficienţii expresiei

(14.31) obţinem:
180
k   a1  a2   a1  a2  l11

k      l12
 2 (14.33)
k   a1  a2  a2  a3  c   a1  a2  a2  a3  c 
 l  a  c  a  l  c    l  l  
 11 2 2 21 22 12
În mod identic, dacă egalăm coeficienţii relaţie (14.30) cu
coeficienţii expresiei (14.32), obţinem:
k   a1  a2   a1  a2  l11

k      l12
 2 (14.34)
k    a1    a3  c     a1    a3  c 
  l  a  l  c  a  l  c    l
 11 2 12 2 22 21
Din cadrul sistemelor (14.33) şi (14.34), în urma rezolvării
obţinem:
l11  1  k   a1  a 2 
l    1  k 
 12
 (14.35)
l 22    l12
 21 3 1 
l  a    a   1  k 2    l
11
unde:
1
 (14.36)
c
Relaţiile (14.35) se pot scrie şi sub următoarea formă:
l11  1  k    a11  a33 

l12  z p  r  1  k 
 (14.37)
l22    l12
l   a    a   1  k 2     l
 21 31 11 11
unde:
1
 (14.38)
a14
Observaţie: Toate valorile proprii ale motorului de
inducţie au partea reală strict negativă.
181
3. Modul de lucru

Figura 14.1. Schema de simulare a ansamblului

motor de inducţie – estimator Luenberger
Observaţie: Structura internă a blocului “Motor de

inducţie” este identică cu cea prezentată în lucrarea de laborator
numărul 13.
Parametrii ce definesc generatoarele de semnal sinusoidal
şi treaptă, utilizate în generarea tensiunilor statorice şi a
momentului rezistent, sunt setaţi la fel ca în laboratorul precedent
(a se vedea lucrarea de laborator numărul 13).
Structura internă a estimatorului Luenberger este
prezentată în figura 14.2.
182
Figura 14.2. Schema interna a estimatorului Luenberger.
În cadrul simularii estimatorului Lunberger, coeficienţii

matricei L, se calculează pe baza metodei valorilor proprii
proporţionale.
Coeficienţii matricei Luenberger sunt daţi de relaţiile
(14.37) şi (14.38).
Structura interna a blocului ce realizează calculul
coeficienţilor matricei Luenberger este prezentată în figura
următoare:
183
Figura 14.3. Structura interna a blocului de calcul a
coeficientilor matricei Luenberger
În mod identic, blocurile ce stau la baza estimarii

curenţilor statorici de pe axele dq şi a fluxurilor rotorice de pe
axele dq sunt prezentate în cadrul figurilor următoare:
Figura 14.4. Programul Simulink necesar pentru calculul

derivatei curentului statoric estimat de pe axa d
184
derivatei curentului statoric estimat de pe axa q

derivatei fluxului rotoric estimat de pe axa d

derivatei fluxului rotoric estimat de pe axa q
185
Pentru calculul coeficienţilor ce definesc blocurile mai
sus prezentate, se realiză următoarele iniţializări în MaskEditor.
Aceste setări sunt prezentate în figurile următoare:
Figura 14.8. Iniţializarea blocului de calcul a derivatei

curentului statoric estimat de pe axa d

curentului statoric estimat de pe axa q
186
fluxului rotoric estimat de pe axa d

fluxului rotoric estimat de pe axa q
187
Figura 14.12. Initializarea blocului de calcul a coeficientilor
matricei Luenberger
Observaţie: Pornirea motorului se face în sarcină la un

moment rezistent egal cu momentul nominal al motorului de
inducţie.
Parametrii electrici ce definesc estimatorul Luenberger
sunt aceaşi cu cei ce definesc motorul de inducţie.
 Se rulează programul, prezentat mai sus, punându-se în
evidenţă componentele reale în tandem cu componentele
estimate, ale fluxului rotoric respectiv ale curentului statoric.

breviar teoretic precum şi programul Matlab – Simulink, utilizat
în simularea motorului de inducţie în tandem cu estimatorul
Luenberger. Referatul va fi completat, în urma orei de laborator,
188
Bibliografie
1. D.G. Luenberger “An introduction to observer”, IEEE Trans.

Ind. on Automatic Control, vol. 16, No. 6, pp. 596 – 602,
1971.
2. P.Eykhoff “System Idetification Parameter and State
Estimation”, Wiley, London, UK, 1974.
3. R.Măgureanu “Maşini electrice speciale pentru sisteme
automate”, Editura Tehnică, Bucureşti, 1980.
4. K.P. Kovacs “Analiza regimurilor tranzitorii ale masinilor
electrice”, Editura Tehnica, Bucuresti, 1980.
5. P. Emil “Automatizari in industria minieră”, Editura
Didactica si Pedagogica, Bucuresti, 1983.
6. T. Coloşi, D. Isoc, A. Aştilean “Automatizări industriale
continue”, Institutul Politehnic din Cluj – Napoca, 1983.
7. M.Tertişco, P.Stoica “Modelarea şi predicţia seriilor de timp”,
Editura Academiei Române, Bucureşti, 1985.
8. M.Tertişco, P.Stoica, Th. Popescu “Identificarea asistată de
calculator a sistemelor”, Editura Tehnică, Bucureşti, 1987.
9. T. Soderstrom, P.Stoica “System Idetification”, Prentice Hall,
London, UK, 1989.
10. A. Kelemen, M. Imecs “Sisteme de reglare cu orientare după
câmp ale maşinilor de curent alternativ”, Editura Academiei,
Bucureşti, 1989
11. H. Kubota, K. Matsuse, T. Nakano “New adaptive flux
observer of induction motor for wide speed range motor
drives”, In Proc. Int. Conf. IEEE IECON, pp. 921 -926, 1990.
12. M. Tertişco, D. Popescu, B. Jora, I. Russ “Automatizări
industriale continue”, Editura Didactică şi Pedagogică,
Bucureşti, 1991.
13. I.D. Landau “Identificarea şi comanda sistemelor”, Editura
Tehnică, Bucureţi, 1997.
14. L.Ljung “System Idetification – Theory for the User”, Ptr.
Prientice Hall, Upper Saddle River, New York, 1999.
189
15. I. Dumitrache, C. Nicolae, M. Dragoicea “Reţele neuronale –
Identificarea şi Conducerea Proceselor”, Editura Matrix Rom,
Bucureşti, 1999.
16. C. Mândrescu, N. Pătrăscoiu, “Sisteme de conducere a
proceselor continue”, Editura Universitas, Petrosani,2000.
17. T. Pană “Controlul sistemelor de acţionare vectorială cu
motoare de inducţie”, Editura Mediamira, Cluj - Napoca,
2001.
18. A.Bara “Idetificarea sistemelor”, Editura U.T. Pres, Cluj-
Napoca, 2001
19. G. Livinţ “Modelarea şi idetificarea sistemelor”, Editura Gh.
Asachi, Iaşi, 2002.
20. T. Ganciu, V.Horga “Idetificarea sistemelor”, Editura Gh.
Asachi, Iaşi, 2002.
21. D.Stefănoiu, J.Matei, P.Stoica “Aspecte practice în modelarea
şi identificarea sistemelor”, Editura Printech, Bucureşti, 2004.
22. T.L. Dragomir, “Elemente de teoria sistemelor”, Editura
Politehnica, Timişoara, 2004.
23. D.Stefănoiu , J.Culiţă, P.Stoica “Fundamentele modelării şi
identificării sistemelor”, Editura Printech, Bucureşti, 2005.
24. J. Helmich “PCS Compact Workstation Manual”, Adiro
Automatisierungstechnik GmbH , 2005.
25. O. Stoicuţa, T. Pană “Asymptotic stability study of induction
motor vector control systems with Luenberger observer”, In
proceedings of the International Conference on Automation,
Quality and Testing, Robotics AQTR 2008, Cluj – Napoca.
26. I. Dumitrache “Automatica Volumul I”, Editura Academiei
Române, Bucureţi, 2009.
27. L. Ljung “System Idetification Toolbox Users Guide”, The
MathWorks Inc, 2012.
28. *** “The Matlab – Simulink documentation”
www.mathworks.com
29. *** “Norme generale de protecţie a muncii”, “Ministerul
Muncii şi Solidarităţii Sociale”, “Ministerul Sănătăţii şi
Familiei”, 2002.
190

Carte Laborator Final

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Carte Laborator Final

Încărcat de

Drepturi de autor:

Formate disponibile

Olimpiu STOICUŢA Corneliu MÂNDRESCU

Prof.dr.ing. Aron POANTĂ

Descrierea CIP a Bibliotecii Naţionale a României

Identificarea sistemelor / Stoicuţa Olimpiu Costinel

Copyright © 2012 Editura UNIVERSITAS – recunoscută CNCSIS.

Editura Universitas, Petroşani, jud.Hunedoara, Romania

Norme genereale de protecţie a muncii

1. Scopul lucrării de laborator

Cunosţeterea şi însuşirea principalelor norme de protecţie a

Normele generale de protecţie a muncii cuprind principii

Pentru protecţia împotriva electrocutării prin atingere

Pentru protecţia împotriva electrocutării prin atingere

Curentul electric poate determina atât arsuri cât şi leziuni

Primul ajutor în caz de electrocutare:

 intreruperea sursei de curent electric, fară a atinge victima

În caz de accidentare, se va asigura primul ajutor şi se

Se testează studenţii privind însuşirea cunosţinţelor

Referatul v-a contine scopul lucrării de laborator, precum

Incheiat astăzi __________.

Materialul predat constă din:

 Norme de tehnica securitatii muncii pentru instalaţiile

Prezentul process verbal se va pastra la d-nul _______________.

Nr.Crt. Nume şi Prenume Semnătura

Introducere în Matlab - Simulink

4. Scopul lucrării de laborator

Cunosţeterea principalelor funcţii Matlab – Simulink utilizate

MATLAB-ul (MATrix LABoratory) este un limbaj de

SIMULINK-ul este un pachet software utilizat în modelarea,

Figura 1.1. Fereastra principală a programului Matlab ce

Figura 1.2 Schema bloc a unui sistem ce poate fi

În principiu, perturbaţia poate acţiona oriunde în interiorul

Figura 1.3 Schema bloc a filtrului zgomotului alb

Figura 1.4. Schema bloc generala a unui sistem descris prin

În acest model polinoamele A, B, C, D, F sunt definite

Modelul dat de relaţia (1.10) se numeşte model autoregresiv

Funcţia Matlab ce implementeză un astfel de model este:

Funcţia Matlab ce implementeză un astfel de model este:

Denumirea acestor modele provine din limba engleza Auto

 Dacă nu este deja creat, se creează un folder de lucru.

Figura 1.5. Programul Matlab - Simulink

 Se seteaza parametrii osciloscoapelor “u” şi “y” astfel:

Figura 1.6. Setarea parametrilor osciloscoapelor

Figura 1.7. Setarea parametrilor osciloscopului notat cu “E”

 Se rulează programul din cadrul figurii 1.5, iar apoi se verifică

Figura 1.8. Verificarea datelor de intrare şi ieşire

În cadrul figurii 1.7 se observă că variabilele de intrare şi

ym=y(1:1001,2); % citirea variabilei de iesire din

 Se rulează programul prezentat mai sus, iar apoi se trag

Referatul v-a contine scopul lucrării de laborator, un scurt

Simularea în Matlab – Simulink a sistemelor

1. Scopul lucrării de laborator

Analiza sistemelor liniare de ordinul I şi ordinul II la

A. În vederea exemplificării funcţiei de transfer a unui

Figura 2.1. Circuitul R.C serie

În vederea scrierii ecuaţiilor ce definesc modelul

În aceste condiţii, schema echivalentă a servomotorului de

Figura 2.2. Schema echivalentă a servomotorului de curent

În cadrul figurii 2.2. s-au utilizat următoarele notaţii:

unde s-a ţinut cont că:

Figura 2.3. Schema explicativă pentru evidenţierea

De cele mai multe ori, momentul de inerţie este constant

Relaţiile (2.21) şi (2.22) se pot scrie matricial astfel:

În cadrul relaţiei (2.27), G  s  reprezintă matricea de