Professional Documents
Culture Documents
Studio di
Relatore:
Massimo Panella
Controrelatore:
Frank Silvio Marzano
Roberto Patrizi
Stampato a Frosinone, 18 luglio 2009
e-mail: roberto_patrizi@virgilio.it
Composto in LATEX
INDICE
PREFAZIONE iii
RINGRAZIAMENTI v
TERMINI E SIMBOLI vii
ACRONIMI ix
1 B A S I M AT E M AT I C H E 1
1.1 FUNZIONE GAMMA 1
1.2 DIFFERINTEGRALI 3
1.2.1 Percorso storico 3
1.2.2 Differintegrali di Grünwald-Letnikov 4
1.2.3 Differintegrali di Riemann-Liouville 6
1.2.4 Differintegrali di Courant e Hilbert 7
1.2.5 Differintegrali di funzioni elementari 7
1.3 PROPRIETÀ DIFFERINTEGRALI 9
1.3.1 Differintegrali multipli 9
1.3.2 Differintegrali del prodotto di funzioni 11
1.3.3 Differintegrali di funzioni composte 11
1.4 TRASFORMATA DI LAPLACE 12
1.4.1 Convoluzione e prodotto 13
1.4.2 Proprietà della derivata 13
1.4.3 Teorema del valore iniziale e finale 15
1.5 SUPERFICI DI RIEMANN 15
1.5.1 Radice 15
1.5.2 Logaritmo 16
1.5.3 Rappresentazione grafica 17
1.6 FUNZIONE E DI MITTAG-LEFFLER 18
1.6.1 Trasformata di Laplace di E 18
2 SISTEMI ANALOGICI 21
2.1 DEFINIZIONI GENERALI 21
2.2 SISTEMI ELEMENTARI 22
2.2.1 Termine monomio 22
2.2.2 Termine binomio 24
2.2.3 Funzioni più complesse 25
2.3 STABILITÀ 26
2.4 APPROSSIMAZIONI 27
2.4.1 Espansione in frazioni continue 28
2.4.2 Metodo di Carlson 32
2.4.3 Metodo di Chareff 33
2.4.4 Metodo di Oustaloup 35
2.5 SISTEMI DI CONTROLLO 35
2.5.1 Controllore lead-lag 36
2.5.2 Controllori di tipo PID 37
2.5.3 Controllori di tipo TID frazionari 37
2.5.4 Controllori CRONE 38
i
ii Indice
3 SISTEMI TEMPO-DISCRETI 39
3.1 INTRODUZIONE 39
3.2 RITARDO ELEMENTARE Z A 40
3.2.1 Differenze frazionarie 43
3.2.2 Risposta in frequenza 45
3.2.3 Trasformata Z 45
3.3 SISTEMI ELEMENTARI 46
3.3.1 Modelli MA 47
3.3.2 Modello completo 47
3.3.3 Inversione fratti semplici 48
3.4 APPROCCIO ALTERNATIVO 49
3.4.1 Discretizzazione delle derivate non intere 50
3.4.2 Sistemi descritti da equazioni alle differenze finite 51
3.4.3 Algoritmi per equazioni alle differenze 52
3.5 APPROSSIMAZIONI DISCRETE 54
3.5.1 Necessità delle approssimazioni 54
3.5.2 Metodo dell’errore quadratico minimo 56
3.5.3 Metodo di Eulero-Grünwald 57
3.5.4 Metodo di Tustin 59
3.5.5 Metodo di Al-Alaoui 62
3.5.6 Padé, Prony e Shanks 62
4 APPLICAZIONI E TECNOLOGIE 65
4.1 ELEMENTI FRAZIONARI CONCENTRATI 65
4.1.1 Condensatore frazionario 65
4.1.2 Induttore frazionario 67
4.2 LINEE DI TRASMISSIONE 68
4.3 PRESTAZIONI ALGORITMI NUMERICI 70
4.3.1 Soluzione analitica 71
4.3.2 Metodi alle differenze 72
4.3.3 Riepilogo risultati 76
4.4 ESEMPI APPLICATIVI 78
4.4.1 Oscillatore smorzato 78
4.4.2 Codifica del parlato 80
4.4.3 Conclusioni 81
A TOOLBOX NINTEGER 83
A.1 PROGRAMMAZIONE AD OGGETTI 83
A.2 NINTEGER: COMANDI COMUNI 84
BIBLIOGRAFIA 92
INDICE ANALITICO 94
P R E FA Z I O N E
iii
iv PREFAZIONE
RINGRAZIAMENTI
2 In questo caso stiamo parlando della realizzazione dei sistemi analogici, dal momento
che i sistemi discreti sono realizzabili dall’algoritmo che li definisce, come mostrato nel
4° capitolo sui sistemi digitali
vi PREFAZIONE
. . . E SIMBOLI
vii
viii TERMINI E SIMBOLI
Notazione Descrizione
α
aD x f Simbolo compatto operatore differintegrale
dα f
Simbolo analitico operatore differintegrale
[d( x − a)]α
f (α) Funzione differintegrata
s Variabile complessa di Laplace
j Unità immaginaria
Z {} , L {} Trasformata Zeta e di Laplace. Con
esponente −1 si hanno le trasformazioni
inverse
N, Z, Q, R, C Insiemi numerici.
⊗ Prodotto di convoluzione
a Vettore. I caratteri in neretto indicano quan-
tità vettoriali. Se accostati ad un numero
tra parentesi quadre, il numero (od equiva-
lentemente il parametro al suo posto) indi-
ca l’elemento del vettore considerato, cioè se
a = {1, 4, 2, 6}, a[3] = 2.
ix
x ACRONIMI
MATLAB © Matlab ©
Matlab © è un programma della MathWorks © Inc, 1994-2009.
G-L Grünwald-Letnikov
Tra le definizioni di differintegrali, è ragguardevole l’equazio-
ne (1.13) trovata dai matematici Anton Karl Grünwald e Alek-
sey Vasilievich Letnikov, che spesso si trova indicata come dif-
ferintegrale di G-L.
R-L Riemann-Liouville
Una definizione di differintegrali molto pratica, è l’equazione (1.14)
trovata dai matematici Bernhard Riemann e Joseph Liouville,
che spesso si trova indicata come differintegrale di R-L.
M-L Mittag-Leffler
Autore della funzione che prende il suo nome, e che può con-
siderarsi come una generalizzazione di funzioni esponenziali
complesse.
per x ∈ R+ .
La funzione gamma completa si ottiene dalle funzioni gamma in-
complete, superiore ed inferiore, rispettivamente:
Z ∞
Γ( a, x ) ≡ t a−1 e−t dt
x
Z x
γ( a, x ) ≡ t a−1 e− tdt,
0
dalle quali
Z ∞ Z x
Γ( a) ≡ Γ( a, x ) + γ( a, x ) = t a−1 e−t dt + t a−1 e−t dt,
x 0
1
2 BASI MATEMATICHE
Funzione Gamma
10
-2
-4
-6
-8
-10
-4 -3 -2 -1 0 1 2 3 4 5
la funzione Γ( x ) La formula fattoriale (1.2) ricavata per un intero n, può essere calcolata
equivale al fattoriale! per un reale qualunque x, per cui le relazioni
Γ(n + 1) = n! (1.3)
Γ( x + 1) = xΓ( x ), (1.4)
k−n−1 Γ(k − n)
kn
(−1) = = , (1.7)
k n Γ(−n)Γ(k + 1)
equazione che si può considerare la definizione di coefficienti bino-
miali per n non intero (n ∈ R, n ∈ C), che permette ad esempio di
epandere, non solo le potenze intere di un binomio, ma anche quelle
non intere (come ad esempio ( a + b)π ).
Un’altra relazione utile, si ottiene considerando la seguente proprie- Somma di N termini
tà della somma di N termini binomiali [45]: binomiali
N
k−n−1 N−n
∑ k
=
n
.
n =0
1.2 DIFFERINTEGRALI
Il calcolo differenziale di ordine intero è un pilastro fondamentale della
matematica oltre che uno strumento essenziale per la fisica, l’ingegne-
ria, ed un numero elevatissimo di altre discipline. Sebbene durante il
corso di studi si affronti relativamente presto, già in età scolastica, ne-
gli insegnamenti di ingegneria si considerano esclusivamente derivate
ed integrali di ordine intero. Tuttavia, possono esistere anche deriva-
te ed integrali di ordine non intero, vediamo quindi come trattare con
questi operatori matematici.
Derivate generalizzate
Derivata dalla Partiamo dal caso intero, per trovare una espressione che possa rac-
generalizzazione del chiudere in se le definizioni di derivate ed integrali. Considerando la
rapporto
incrementale
ben nota definizione di derivata attraverso il rapporto incremetale
df f ( x ) − f ( x − δx )
≡ f 0 ≡ lim . (1.9)
dx δx →0 δx
derivate successive Incrementando l’ordine di derivazione si ottiene una formula ricorsi-
va che ci permetterà di generalizzare il caso di derivata n-esima Ad
esempio nel caso n = 2 si ha:
d2 f f 0 ( x ) − f 0 ( x − δx )
2
≡ f 00 ≡ lim ,
dx δx →0 δx
in cui sostituendo l’equazione (1.9) della derivata prima si ottiene
d2 f f ( x ) − 2 f ( x − δx ) + f ( x − 2δx )
2
≡ lim
dx δx →0 δx2
Analogamente per una derivata di ordine 3 si ottiene:
d3 f f ( x ) − 3 f ( x − δx ) + 3 f ( x − 2δx ) − f ( x − 3δx )
3
≡ f (3) ≡ lim ,
dx δx →0 δx3
Si osserva che i coefficienti che compaiono davanti alla funzione se-
guono la regola dei coefficienti binomiali con segni alterni, e questo
1.2 DIFFERINTEGRALI 5
Integrali generalizzati
L’usuale definizione di un integrale, come limite delle somme di Rie- Integrali come
mann, è data dalla: somme di Riemann
d −1 f
≡ f (−1) ( x ) ≡
[d( x − a)]− 1
" #
Z x N −1
a
f (y)dy ≡ lim
δx →0
δx ∑ f ( x − iδx )
j =0
ed integrali di ordine n:
( −n )
d−n f x−a N
i+n−1 x−a
d ( x − a )−n
= lim
N →∞ N ∑ i
f x−i
N
,
i =0
(1.12)
Γ(k − n)
k n n
(−1) = = , (1.6)
k n−k Γ ( k − n ) Γ ( k + 1)
(1.13)
1 Z x
d2 f 1 d f (y)dy
1
≡ √ √
d( x − a) 2 π dx a x−y
Funzione costante
Applicando la formula di G-L (1.13) sulla funzione f ( x ) = 1 si ottiene
(
x − a − α N −1
)
Γ (i − α )
α
aDx f ( x ) = lim
N →∞ N ∑ Γ(−α)Γ(i + 1) ,
i =0
8 BASI MATEMATICHE
1.5
Dα
0.5
0
0
1
0.5
0.5
x 0
−0.5 α
1 −1
α ( x − a )−α
aD x f ( x ) = ,
Γ (1 − α )
Potenze
Γ ( p + 1)
α p
aD x x = · x p−α
Γ ( p − α + 1)
1.3 PROPRIETÀ DIFFERINTEGRALI 9
Funzione esponenziale
Anche in questo caso se Decx = c · ecx , ottengo qualcosa di simile nel
caso non intero:
α cx
aD x e = cα · ecx
d −2 f ( N ) d −1 d −1
(N)
= f ( x ) =
d ( x − a ) −2 d ( x − a ) −1 d ( x − a ) −1
d −1 n
( N −1) ( N −1)
o
= f ( x ) − f ( a ) =
d ( x − a ) −1
Z x
= f ( N −2) ( x ) − f ( N −2) ( a ) − f ( N −1) ( a)dy =
a
= f ( N −2) ( x ) − f ( N −2) ( a ) − ( x − a ) f ( N −1) ( a ),
n −1
d−n f ( N ) ( x − a )k ( N +k−n)
d( x − a) − n
= f ( N −n)
( x ) − ∑ k!
f ( a ). (1.15)
k =0
d N f (−n)
= f ( N − n ) ( x ), (1.18)
d( x − a) N
se l’ordine di derivazione N è maggiore dell’ordine di integrazione,
N ≥ n.
derivando infine Ripartendo infine dalla (1.16), e sostituendo −n = N − n otteniamo
N − n volte . . . la formula composta
n − N −1
d N −n f ( x − a )k (k+ N −n)
d ( x − a ) N −n
= f ( N −n)
( x ) − ∑ k!
f ( a ), (1.19)
k =0
ci permette di generalizzare al caso non intero le formule trovate, in Caso non intero
particolare il caso più utile si ha per n = α, con α ∈ R. Si ottiene:
d N f (α) d N +α f dα f ( N )
N
= N +
= =
d( x − a) d( x − a) α d( x − a)α
N −1
( x − a )k−α− N
= f ( N +α) ( x ) − ∑ Γ ( k − α − N + 1)
f (k)( a). (1.20)
k =0
n n −i
dn n d f di g
dx n
{ f · g } = ∑ ·
i dx n−i dxi
. (1.21)
i =0
dα n
α d α −i f di g
d( x − a)α
{ f · g } = ∑ ·
i d ( x − a ) α −i d ( x − a )i
, (1.22)
i =0
2 NB: La formula è presa dal [27], nel quale manca il termine f N −n ( x ) qui aggiunto per
coerenza.
12 BASI MATEMATICHE
poi semplificando la scrittura ponendo f g( x ) = f (u) ,
d d f (u) dg( x ) d 0
f (u) g0 ( x ) =
= =
dx du dx dx
d f 0 (u) dg 0 (x)
= g0 ( x ) + f 0 (u) =
dx dx
d f 0 (u) dg( x )
= g0 ( x ) · + f 0 (u) g00 ( x ) =
du dx
2
= f 0 (u) g0 ( x ) + f 0 (u) g00 ( x ),
. . . per ordine Per complicare ancora un po’ la formula di Faà di Bruno, generaliz-
qualunque. . . ziamo al caso non intero [27, pagina 80]
( x − a )−α
dα f g( x )
= f g( x ) +
d( x − a) α Γ (1 − α )
∞ P
α ( x − a )i −α i i
1 g(k) k
+∑
i Γ(i − α + 1) m∑ ∑P ∏ Pk ! k!
(m)
i! f ,
i =1 =1 k =1
I sistemi descritti da è uno strumento indispensabile per lo studio dei sistemi elettronici. Lo
equazioni
differintegrali si 3 Nel 1785 Pierre-Simon Laplace (1749–1827), matematico fisico e astronomo francese,
modellano con riprendendo gli studi iniziati nel 1744 da Eulero sulle trasformazioni integrali, diede la
sistemi in s con definizione di trasformata che conosciamo.
esponenti non interi!
1.4 TRASFORMATA DI LAPLACE 13
L’integrale può essere visto come la convoluzione (1.24) tra la funzione . . . con la proprietà di
f ( x ) e la funzione x −α−1 . In tal caso, la trasformata di Laplace della convoluzione;
(1.14), sarà pari al prodotto delle trasformate delle funzioni,
x
Z
− α −1
L ( x − y) f (y)dy =
a
n o n o
=L x −α−1 ⊗ f ( x ) = L x −α−1 L { f ( x )} (1.27)
14 BASI MATEMATICHE
dn
dα f ( x )
L =L { ϕ( x )} =
dx α dx n
n −1
d n −1− k dα−n f ( x )
= s L { ϕ( x )} − ∑ s
n k
. (1.30)
k =0 dx n−1−k dx α−n
Rimettendo infine insieme tutti i pezzi (1.31), (1.32) nella (1.30) si . . . fino a dimostrare
ottiene la tesi!
α n −1
d f (x)
L ∑ k α −1− k
= s α
F ( s ) − s D f ( x )
t =0
(1.26)
dtα k =0
1.5.1 Radice
Nel campo complesso, dato un un qualsiasi elemento z ∈ C è possi- La fase della radice
bile trovare esattamente n sue radici distinte, con fase equi-spaziata n-esima si ottiene con
n formule distinte
e modulo
√ identico. Con la notazione polare z = re jϕ , le n radici
wk = z = re jϑk , con k = 0, 1, . . . , n − 1, sono date da:
n
( √
r= nr
(1.33)
ϑk = n + 2kπ
ϕ
n , k = 0, 1, . . . , n − 1,
16 BASI MATEMATICHE
1.5.2 Logaritmo
Il logaritmo in C è Nel campo complesso, anche il logaritmo è una funzione a più valori,
una funzione ad per cui è possibile sfruttare le superfici di Riemann. Si ricorda che dato
infiniti valori
un numero complesso z, il suo logaritmo è definito come segue:
log(z) = ln |z| + j arg(z), (1.35)
1.5 SUPERFICI DI RIEMANN 17
Superficie di Riemann per f = (z)
1
1 0.5
0.5
ℜ (w)
0
0
−0.5
1 −0.5
−1
−1 0.5
−0.5 0
0 −0.5 ℑ(z)
0.5 −1
ℜ(z) 1 −1
ℑ(w)
1 r = (0:m)’/m; % Modulo di z
18 BASI MATEMATICHE
2 theta = pi*(-n*m:n*m)/m;
3 z = r * exp(i*theta);
4 s = r.^(1/n) * exp(i*theta/n);
5
6 surf(real(z),imag(z),real(s),imag(s));
Funzione di Mittag-Leffler
2.5
a=1, b=1
2 a=2, b=1
a=1, b=4
1.5 a=3, b=1
0.5
−0.5
−1
−1.5
−30 −20 −10 0 10
Figura 4: Grafico della funzione di M-L tracciato con lo script mlf, per alcuni
valori dei parametri α e β.
sfruttando i risultati noti per la somma delle serie geometriche. Riepi- . . . otteniamo la nota
logando si ha l’uguaglianza equazione (1.39) o
(1.40). . .
Z ∞
1
e−t e±zt dt = . (1.39)
0 1∓z
La stessa uguaglianza con la funzione d M-L sarà
Z ∞
1
e−t Eα,β (±zt)dt = , (1.40)
0 1∓z
20 BASI MATEMATICHE
in cui chiaramente α, β = 1.
. . . che derivata k Deriviamo ora k volte la (1.39), ottenendo
volte. . .
Z ∞
k!
e−t tk e±zt dt = , (1.41)
0 (1 ∓ z ) k +1
poi applichiamo gli stessi risultati all’equazione (1.39) che fa uso della
funzione di M-L,
Z ∞
k!
e−t t β−1 Eα,β (±ztα )dt = ,
0 (1 ∓ z ) k +1
k!sα− β
−1 (k)
L = tαk+ β−1 Eα,β (±tα a), (1.42)
( s α ∓ a ) k +1
di estrema utilità!
2 SISTEMI ANALOGICI
N M
∑ an sαn Y ( s ) = ∑ bm s α m X ( s ) , (2.3)
n =0 m =0
valida per circuiti con condizioni iniziali di riposo, cioè per x (t)t=0 =
0. L’equazione ottenuta viene tipicamente riscritta sotto forma di rap-
porto di polinomi, vale a dire come funzione di trasferimento: anche per la funzione
di trasferimento
M
∑m = 0 bm s
αm
H (s) = . (2.4)
∑nN=0 an sαn
21
22 SISTEMI ANALOGICI
H (s) = sα , α 6= 0, (2.5)
2.2 SISTEMI ELEMENTARI 23
Risposta impulsiva
Per riportare la (2.5) nel dominio del tempo, partiamo dalla definizione Partendo dalla
integrale di Riemann-Liouville (1.14) data nel § 1.2.3 nella pagina 6, definizione di
derivata
valida per α < 0 frazionaria. . .
Z t
1
α
aD t x ( t ) = (t − τ )−α−1 x (t)dt, (1.14)
Γ(−α) a
L’espressione ottenuta ricorda molto da vicino una convoluzione, in- . . . poi trasformando,
fatti basta definire il fattore dei pesi come semplice funzione esponen- sia con la
convoluzione di
ziale, ad esempio scrivendo f (t) ≡ t−α−1 , per poter riscrivere Riemann-
Liuoville. . .
1
α
aD t x ( t ) = f ( t ) ⊗ x ( t ),
Γ(−α)
similmente al procedimento illustrato nel § 1.4.2 nella pagina 13.
La trasformata gode della proprietà di equivalenza tra convoluzione . . . sia con la
e prodotto (1.24), si può quindi riscrivere la (1.14) come prodotto: proprietà della
convoluzione della
1 n o trasformata. . .
L { aDαt x (t)} = L t−1−α L { x (t)} = sα L { x (t)}
Γ(−α)
per ottenere il 2° membro dell’equazione mostrata; l’uguaglianza tra il
1° ed il 3° membro invece, discende dalla proprietà (1.26) di differinte-
grazione della trasformata.
Se infine si ricorda che la trasformata dell’impulso è unitaria, basta
sostituire L { x (t)} = δ(t) ⇒= L {δ(t)} = 1, per ottenere dall’ugua- . . . l’uguaglianza
glianza tra il 2° ed il 3° membro la relazione: delle soluzioni. . .
L t −1− α
= sα ,
Γ(−α)
da cui antitrasformando rispetto al tempo (la funzione gamma non . . . permette di
interviene poiché dipende solo da α), si ottiene trovare la risposta
impulsiva della
frattanza!
t −1− α
L −1 { s α } = u(t) (2.6)
Γ(−α)
24 SISTEMI ANALOGICI
y ( t ) = L −1 { s α } ⊗ x ( t ) Y ( s ) = s α X ( s ),
basta poi ricordare la (1.26) per capire come sia possibile calcolare la
derivata frazionaria di una funzione, come convoluzione tra la fun-
zione e la risposta impulsiva (2.6) del sistema sα ; in realtà si ottiene
in questo modo, come era ovvio, la definizione di differintegrale di
Riemann Liouville (1.14).
Per operare su sistemi di ordine non intero, non è possibile sfruttare
i comandi del controlsystem toolbox. Ad esempio tentando di esegui-
re il comando bode su un sistema di ordine frazionario, si ottiene il
messaggio di errore:
1 ??? Error using ==> lti.mpower at 34
2 Power must be an integer.
Sono stati quindi sviluppati degli appositi toolbox per Matlab, in par-
ticolare sono noti Ii toolbox crone e ninteger; quest’ultimo tra l’altro è
gratuito1 , sebbene sia meno sviluppato, e dispone di un breve articolo
di documentazione scritto dal suo autore [42].
1
H (s) = per α > 0. (2.7)
sα −a
poli sono sulla rale non è possibile in assicurare l’esistenza di un polo sulla superficie
superficie principale
di Riemann!
principale di Riemann, è possibile farlo invece se si assume 0 < α ≤ 1.
Risposta impulsiva
che fornisce una risposta impulsiva, che per α intero si riduce alla
risposta impulsiva dei sistemi interi, con la funzione di Mittag-Leffler
che risulta pari all’esponenziale, come è ovvio che sia!
(
D1/2 f (t) + a f (t) = 0 per t > 0,
(2.8)
d−1/2 f (t) = C
t =0
per il primo termine, in cui si è fatto uso della condizione iniziale imposta
dalla (2.8), e
L { a f (t)} = aF (s),
C
F (s) = 1
.
s +a
2
2.3 STABILITÀ
Così come per i sistemi interi, si considera la stabilità dei sistemi non
interi [28] in senso Bounded Imput Bounded Output (BIBO), cioè il
circuito si dice stabile, se ad ingressi limitati corrispondono uscite
limitate.
Consideriamo un semplice sistema che rappresenti, ad esempio, la
funzione di trasferimento di un condensatore frazionario, sα , con s
appartenente alla superficie principale di Riemann. In base al valore
dell’esponente, si avranno differenti comportamenti del sistema:
2.4 APPROSSIMAZIONI
I sistemi di ordine non intero permettono di modellare con più accu- I modelli frazionari
ratezza dei sistemi che per loro natura non sono descritti da derivate possono essere più
accurati. . .
o integrali ordinari, ma frazionari. Le prime applicazioni della teoria
dei sistemi di ordine non intero infatti, riguardano lo studio di sistemi
fisici e chimici che non possono essere ricondotti ad equazioni differen-
ziali ordinarie (Ordinary Differential Equation, ODE), se non a scapito
di una consistente perdita di accuratezza del modello. Tra questi si
hanno i processi elettrochimici di diffusione, i moti browniani, la vi-
scoelasticità oppure il rumore di tipo 1/ f , tanto per citare i più noti,
da tempo studiati [43].
Se il sistema da controllare è per sua natura frazionario, un control-
lore frazionario avrà certamente migliori prestazioni, per questo sono
stati sviluppati dei metodi per il dimensionamento e la progettazio-
ne di vari tipi di controllori frazionari, come mostrato nella sezione
seguente, che permettono di ottenere una funzione di trasferimento
frazionaria.
Partiamo quindi da una rappresentazione di un sistema elettronico
data come funzione di trasferimento del tipo 2.4 nella pagina 21, e
cerchiamo un metodo di sintesi, concentrandoci in questa parte sulla
realizzazione di sistemi analogici, mentre il caso discreto sarà trattato
nel prossimo capitolo.
In letteratura la strada tipicamente percorsa è stata quella dell’ap- . . . ma spesso si
prossimazione della funzione di trasferimento ottenuta, con una di realizzano con
elementi
ordine intero da sintetizzare poi nel modo usuale, essenzialmente con convenzionali,
il teorema di Darlington [4], e con elementi concentrati convenzionali, approssimando al
cioè, nel caso analogico, con resistenze capacità ed induttanze. La pri- caso intero
ma sintesi di una rete RC con funzione di trasferimento s1/2 risale al
1975, successivamente sono state studiate reti RC ed RL per la sintesi
di funzioni di trasferimento con α compreso nell’intervallo (0, 1) [31].
I metodi per approssimare una funzione con esponenti frazionari
in una serie di termini con esponenti interi sono molteplici, per una
visione d’insieme del problema, l’articolo [43] è un buon punto di par-
tenza, per l’approfondimento di metodi specifici [9, 17, 35, 5, 13] solo
per citarne alcuni!
La maggior parte dei metodi si basa sullo sviluppo in frazioni conti- approssimazioni
tempo-continue
28 SISTEMI ANALOGICI
4. Oustaloup;
5. Chareff [11];
a1
f ≡ b0 + ,
a2
b1 +
a3
b2 +
b3 + · · ·
dovuta a Rogers .
2.4 APPROSSIMAZIONI 29
È possibile esprimere in questo modo un qualsiasi numero reale, nel sviluppo CFE per i
senso che una serie infinita di frazioni continue con opportuni coeffi- numeri reali
cienti a, b, converge al numero dato. Tale espansione è equivalente alla
rappresentazione decimale, nel senso che è unica, ma presenta alcuni
vantaggi. Ad esempio il numero razionale 1/3 = 0.333 . . . ha una rap-
presentazione decimale infinita, in frazioni continue è data invece dai
termini a1 = 1, b1 = 3, così come in generale ogni numero razionale ha
una rappresentazione finita.
Le frazioni continue sono generate da un’infinita sequenza di tra- definizione rigorosa
sformazioni lineari dalla variabile x alla variabile y [44], secondo le di CFE
relazioni
y0 ( x ) = b0 + x
ak
yk ( x ) = , k = 1, 2, 3, . . .
bk + x
di ricorrenza.
Le prime n trasformazioni y0 y1 . . . yn (0) = y0 y1 . . . yn+1 (∞), genera-
no l’n-esimo approssimante
a1
y0 y1 . . . yn (0) = b0 +
a2
b1 +
an
b2 + . . .
bn + x
che è possibile riscrivere, con l’ausilio delle relazioni di ricorrenza formule frazionarie
ricorrenti
A−1 = 1, B−1 = 0,
A0 = b0 , B0 = 1,
A k + 1 = bk +1 A k + a k +1 A k − 1 ,
Bk+1 = bk+1 Bk + ak+1 Bk−1 ,
A n −1 x + A n
y0 y1 . . . y n ( x ) = ,
Bn−1 x + Bn
6 for n=3:7,
11 c=[A;B]
Funzioni razionali
Consideriamo una frazione espressa dal rapporto di due polinomi,
come mostrato in [21, capitolo I, §3], del tipo
a1
f ( x ) = b0 + ,
a2 x
b1 +
a3 x
b2 +
b3 + · · ·
Algoritmo ricorsivo con un algoritmo ricorsivo, sintetizzato nelle seguenti formule:
per lo sviluppo in
frazioni parziali di c20 = c10 c01 − c00 c11
un rapporto di
polinomi c21 = c10 c02 − c00 c12
c22 = c10 c03 − c00 c13
···
c30 = c20 c11 − c10 c21
c31 = c20 c12 − c10 c22
c32 = c20 c13 − c10 c23
···
cmn = cm−1, 0 cm−2, n+1 − cm−2, 0 cm−1, n+1 ,
ai = ci,0 per i = 1, 2, 3, . . .
bi = ci−1,0 , per i = 1, 2, 3, . . . ,
f ( x ) = (1 + x ) α . (2.9)
2.4 APPROSSIMAZIONI 31
ab a ( a + 1) b ( b + 1) 2 ( a)n (b)n n
F ( a, b, c; z) = 1 + z+ z +···+ z +···
c 2!c(c + 1) ( n − 1) ! ( c ) n
il cui sviluppo CFE è stato trovato da Carl Friedrich Gauss (1777 – lo sviluppo CFE delle
1855) matematico, astronomo e fisico tedesco. I simboli ( a)n indicano serie ipergeometriche
è stato ricavato da
il fattoriale crescente, cioé ( a)n = a( a + 1)( a + 2) · · · ( a + n − 1), e sono Gauss
dovuti a Pochammer .
I coefficienti dello sviluppo, nel caso particolare in cui F (−α, 1, 1; −z) =
(1 + z)α , sono dati da
3 i=1:(ceil(n/2)-1);
4 a(1)=1;
5 a(2)=-k;
6
7 a(2*i+1)= (i.*(i+k))./((2*i).*((2*i)-1));
8 a(2*i+2)= (i.*(i-k))./((2*i).*((2*i)+1));
Vengono calcolati per prima cosa i primi due coefficienti, poi i ter-
mini dispari, infine i termini pari dello sviluppo.
Considerazioni
Dal punto di vista matematico, le funzioni di trasferimento come la 2.4
nella pagina 21, sono razionali se gli esponenti sono tutti interi, altri-
menti, se compaiono esponenti non interi, sono irrazionali, analoga- Il problema della
mente a quanto avviene nel passaggio dall’insieme dall’insieme dei rappresentazione
illimitata
numeri razionali Q all’insieme dei numeri reali R. Si può dire dunque
che la rappresentazione è illimitata in s, e che il caso con esponenti
interi sia solo un caso particolare con rappresentazione finita [43].
L’espansione CFE per le funzioni presenta degli ulteriori vantaggi
rispetto all’espansione in serie di potenze o altri metodi, sia per circuiti
analogici che digitali.
Le funzioni che presentano poli sono difficilmente approssimate cor- funzioni con poli
rettamente dall’espansione in serie [43]: una serie di potenze non può
tendere ad infinito in un punto nel cui intorno è limitata. Le CFE
permettono invece di modellare i poli in modo naturale, perché sono
propri delle frazioni di cui fa uso lo sviluppo.
Le trasformazioni che definiscono le funzioni continue, creano una spazi trasformati
corrispondenza tra 2 variabili di due distinti spazi. Passando dal domi-
nio continuo di Laplace s al dominio discreto z con una trasformazione,
come la bilineare, si ha la corrispondenza tra semipiani di s e regioni
32 SISTEMI ANALOGICI
1
f m ( x ) = x2 − ,
sx
e la sua derivata sarà
1
f m0 ( x ) = 2x + .
sx2
Dalla condizione iniziale H0 = 1 l’algoritmo si sviluppa
H0 = 1
x2 − (sx )−1
f m s+2
H1 = H0 − 0 = 1− −1
= .
f m x= H0 2
2x + (sx ) x =1 2s +1
s2 + 4s + 4
H1 (s)2 = ,
4s2 + 4s + 1
che sostituito nella formula di ricorsione ci da la seguente:
ωMax
( N − 1) log( ab) < log < N log( ab), (2.15)
p0
per cui l’estremo superiore sarà il numero minimo di punti che garan-
tisce un’approssimazione sufficiente.
2.5 SISTEMI DI CONTROLLO 35
1
G (s) = ,
(1 + s)1/3
e cerchiamone un’approssimazione con il metodo di Chareff che non sia mai
peggiore di y = 3 dB fino ad una frequenza ωMax = 105 rad s−1 .
Approssimando con il metodo di Chareff, per prima cosa bisogna calcolare
i rapporti a, b, con le (2.14) si ottiene a = 2.8184, b = 7.9433. Dal loro prodotto
a · b = 22.3872 si ottiene il termine base per calcolare poli e zeri, che saranno
in numero
log ωpMax0
N= log( ab) = 4,
1 i=0:N;
2 p=ab.^i * p0;
3 i(N)=[];
4 z=ab.^i * a * p0;
V0
G (s) = K + + s δ T (0), (2.16)
sλ
in cui usualmente i parametri λ, δ, sono interi (e unitari), che generaliz-
ziamo al caso di esponenti reali. Tale struttura permette di realizzare
un filtro con molta più flessibilità rispetto a quanto offerto da un’archi-
tettura a coefficienti unitari o comunque interi, e permette di realizzare
un controllore flessibile, che può adattarsi meglio alle dinamiche dei
sistemi controllati, specie se frazionari!
Nello spazio di stato un sistema si può esprimere nella forma:
(
Dα x (t) = Ax (t) + Bu(t)
g(t) =
y(t) = Cx (t) + D (u),
in cui
Φ0 (t) = Eα ( Atα ),
∞
A k t ( k +1) α −1
Φ(t) = ∑ Γ[(k + 1)α]
k =0
Sono una variante dei controllori PID che offre maggiore versatilità, in
cui il blocco proporzionale è sostituito da una funzione rimodellante,
cioè da un blocco di tipo tilted della forma 1/s(1/n) .
La funzione di trasferimento tipica del metodo è quindi
1 −λ µ
C (s) = K p + ki s + kd s ,
s(1/n)
con i vantaggi e le complicazioni che il metodo comporta.
38 SISTEMI ANALOGICI
3.1 INTRODUZIONE
Un solo articolo proposto da Ortigueira [29], per quanto ci è stato possi-
bile verificare, offre una visione d’insieme dei sistemi discreti di ordine
non intero a ritardo frazionario. Altri articoli, non molti in verità, affron-
tano argomenti specifici, come sistemi di controllo discreti o tecniche
specifiche di discretizzazione ed approssimazione, che possono essere
applicate anche a sistemi discreti derivati da sistemi tempo-continuo.
Per quel che riguarda le tematiche legate al ritardo o anticipo non
intero, un’analisi dettagliata è stata proposta da Laakso et al. [23].
Cerchiamo di rivedere ed espandere le tematiche legate ai sitemi a
ritardo non intero, come se fossero sistemi distinti e definiti, piuttosto
che studiarli nel modo usuale, basato essenzialmente sul ricampiona-
mento, sebbene questo sia sempre uno strumento fondamentale.
Nei sistemi discreti il dominio del tempo è rappresentato dall’insie- ritardo/anticipo
me dei numeri interi n, con quali sono ordinati i campioni del segnale. frazionario
I campioni del segnale si succedono ad intervalli di tempo regolari, la
cui durata è indicata comunemente con T. In alcuni casi può essere ne-
cessario conoscere il valore assunto tra due punti di campionamento
attigui, in altri può essere necessario sincronizzare due segnali cam-
pionati con lo stesso periodo ma in istanti diversi. Quando il ritardo
39
40 SISTEMI TEMPO-DISCRETI
e supporre che il suo equivalente di ordine non intero, sia della forma
N M
∑ a k y [ n − α k ] = ∑ bk x [ n − α k ] . (3.2)
k =0 k =0
. . . si può basare Una tale equazione sarebbe giustificata da una possibile corrispon-
sull’equivalenza tra denza tra termini in s della forma sα e termini discreti della forma zα .
termini in sα e zα . . .
Se termini del tipo zα sono distintivi dei sistemi di ordine non inte-
ro a ritardo frazionale, allora ci si aspetterebbe di operare su sistemi
descritti da equazioni del tipo
N M
∑ an zαn Y ( z ) = ∑ bm z α m X ( z ) ,
n =0 m =0
Ritardo intero
Ricordiamo alcune note relazioni di ordine intero, che cercheremo di
generalizzare per ordine qualsiasi. Un ritardo intero nel tempo, corri-
sponde in frequenza, per una ben nota proprietà della trasformata Z 1 ,
al prodotto della trasformata del segnale per un termine un termine Un termine z−n
z−n . Si ha cioè l’equivalenza: rappresenta un
ritardo intero. . .
z − n0 X ( z −1 ) ⇔ x [ n − n 0 ] . (3.4)
Ritardo frazionario
Le cose si complicano considerando un analogo sistema che indiche-
remo con X (z) = z−α con α ∈ R, che ipotizziamo sia un sistema con
ritardo non intero α. Se ne calcoliamo la trasformata Z inversa, con la
definizione integrale bilatera di antitrasformata,
1
I
x [n] = Z −1 { X (z)} = X (z)zn−1 dz, n∈Z (3.6)
2πj γ
1
Z π
n −1
x [n] = X (ω )e jω de jω ,
2πj −π
. . . cioè calcoliamo la che coincide proprio con la definizione di DTFT inversa, come ci aspet-
DTFT inversa. . . tavamo.
Antitrasformiamo con la (3.7) il sistema considerato, X = z−α , che
in frequenza è X ( jω ) = e− jωα , dopo alcuni passaggi
" #π
1 1 e jω (n−α)
Z π
jω (n−α)
h[n] = e dω = =
2π −π 2π j(n − α)
−π
π
1 cos[ω (n − α)] + j sin[ω (n − α)]
= =
2π j(n − α) −π
1 cos[π ()] + j sin[π ()] − cos[−π ()] − j sin[−π ()]
= =,
2π j(n − α)
d f (t)
= h α ( t ) ⊗ f ( t ),
dt
con un procedimento Si può fare la stessa cosa nel caso discreto per ottenere una formula
analogo nel caso valide nel caso discreto per le differenze frazionarie. Non si confonda il
discreto. . .
simbolo Dα x [n] con quello delle derivate Dα x (t) che si applica solo a
funzioni continue.
Ricalcando il procedimento svolto nel caso analogico, per prima cosa
scriviamo le differenze frazionarie come convoluzione
Dα x [ n ] = h α [ n ] ⊗ x [ n ], (3.11)
sin[π (n − α)]
Dα x [ n ] = ⊗ x [ n ],
π (n − α)
α
aD n x [ n ] = x [ n − α ],
traslando il segnale di una quantità α, per cui per confronto con la (3.8)
. . . si ricava la possiamo assimilare, come a questo punto è ovvio che sia,
corrispondenza tra le
potenze e le differenze
di ordine α!
z − α X ( z ) ⇔ x [ n − α ], (3.12)
N M
∑ an y[t − n] = ∑ bm x [ t − m ] ,
n =0 m =0
N M
∑ an y[t − αn ] = ∑ bm x [ t − α m ] , (3.2)
n =0 m =0
È stato dimostrato nelle righe precedenti (3.12), che esiste una cor-
rispondenza tra le potenze di z di ordine non intero α, e le diffe-
renze finite traslate della stessa quantità α. Pertanto possiamo pas-
sare dall’equazione alle differenze non intere (3.2), all’equazione in
frequenza
N M
∑ an e− jωαn Y ( jω ) = ∑ bm e− jωαm X ( jω ),
n =0 m =0
3.2.3 Trasformata Z
Finora siamo riusciti a ricavare le relazioni fondamentali per un siste-
ma frazionario, solamente sulla circonferenza unitaria |z| = 1, per cui
siamo riusciti a ricavare la risposta in frequenza, ma non la funzione di
trasferimento del circuito.
Del resto, sono stati illustrati i motivi per i quali non è possibile L’antitrasformata
sfruttare la definizione di antitrasformata Z ordinaria per calcolare Z −1 di z−α , in
senso classico, non è
la risposta di un termine della forma z−α , poiché tale termine non definita. . .
è riconducibile ad alcuno sviluppo in serie di MacLaurin o Laurent
che sia convergente, per cui non è possibile ricavare alcuna sequenza
causale o non causale, nel modo usuale.
Introduciamo quindi una definizione di trasfomata Z modificata,
basata sulle formule integrali di Cauchy per proiettare una funzione
analitica sulla circonferenza unitaria, su tutto il piano complesso, esten-
dendo le relazioni valide solo per la DTFT.
Per le formule integrali di Cauchy [39], è possibile calcolare il valore . . . ma si può ottenere
assunto da una funzione f in un punto z come integrale sulla curva γ proiettando con gli
integrali di Cauchy
che racchiude z la DTFT, definita
1
I
f (w) sulla sola
f − (z) = dw, |z| < 1, (3.14a) circonferenza
2πj γ w−z unitaria
in cui f (z) è una funzione olomorfa4 in un dominio del piano complesso
C in cui risiede la curva γ, percorsa in senso antiorario. Si è indicato
con f − (z) il sistema anti-causale, costituito cioè da sequenze unilatere
sinistre, la cui regione di convergenza è la proiezione all’interno del
cerchio unitario che si ottiene con l’integrale di Cauchy.
Per sequenze unilatere-destre che danno origine a sistemi causali, l’in-
tegrale di Cauchy assume la forma
1 f (w)
I
+
f (z) = dw, |z| > 1, (3.14b)
2πj γ z−w
in cui sono scambiati i termini al denominatore nell’argomento dell’in-
tegrale.
4 Si ricorda che una funzione è olomorfa o analitica nel punto z = z0 , se esiste un intorno
|z − z0 | < δ, in tutti i punti del quale esiste f 0 (z) [39].
46 SISTEMI TEMPO-DISCRETI
1 ∑∞
k =0 x [ k ] w
k
I
X − (z) = dw, |z| < 1, (3.16a)
2πj γ w−z
1 ∑∞
k =0 x [ k ] w
k
I
X + (z) = dw, |z| > 1, (3.16b)
2πj γ z−w
che possono essere assimilate alla definizione di trasformata Z modi-
ficata! In particolare la definizione bilatera sarà data dalla somma delle
due (3.16),
Xα ( z ) = X − ( z ) + X + ( z ),
3.3.1 Modelli MA
Nel caso di modelli a media mobile (Moving Average, ma), la risposta Per i modelli a media
in frequenza mobile. . .
M
H (ω ) = ∑ bm e− jωαm , (3.17)
m =0
M − jωmα
∑m = 0 bm e
H ( jω ) = ,
∑nN=0 an e− jωnα
Il sistema è stabile se Le proprietà della risposta impulsiva, sono ereditate dalle proprietà
i poli sono esterni al corrispondenti a ciascun fratto semplice, per cui è possibile studiare la
cerchio unitario
stabilità del sistema dalla posizione dei poli di ciascun fratto semplice.
Come nel caso intero, se i poli sono tutti all’esterno della circonferenza
unitaria, il circuito risulterà stabile.
1
F (w) = (3.19)
1 − aw−α
definito per w = e− jω .
Riprendendo gli integrali di Cauchy (3.14) per l’inversione ottenia-
mo
1 1 1
I
F (z) = dw, |z| > 1,
2πj γ 1 − aw−α z − w
1 1 1
I
F (z) = − jωα
dw, |z| > 1,
2πj γ 1 − ae z − e jω
∞ q −1
1
1 − ae− jωα
= ∑ ∑ aqm+k e− jω(m+kα) ,
m =0 k =0
q −1 ∞
h[n] = ∑ ak ∑ aqm hnm−kα (3.21)
k =0 m =0
t−a
= T,
N
sostituito nella (3.22) ci permette di scrivere:
N −1
Γ(k − α)
α
aD t x ( t ) = Tα ∑ Γ(−α)Γ(k + 1)
x(t − kT )
k =0
Dipendenza della Il rapporto tra le tre funzioni Γ non dipende dall’istante t, ma solo
sola x dal tempo t dall’indice della sommatoria k corrente e dall’ordine di derivazione α.
È possibile pensare quindi di sfruttare una notazione più compatta,
in cui i tre termini ed il fattore pari ad una potenza di α del periodo,
siano inglobati in un coefficiente, che posso indicare banalmente con
Λα [k], ottenendo
N −1
α
aD t x ( t ) = ∑ Λα (k) x (t − kT )
k =0
Λ [0] x [ N − 1]
Λ [1] x [ N − 2]
Λ α ≡ T α · Λ [2] ,
x ≡ x [ N − 3] ,
.. ..
. .
Λ [ N − 1] x [0]
N M
∑ an ΛαTn · y = ∑ bm ΛαTm · x (3.25)
n =0 m =0
N C −1 M C −1
∑ an ∑ Λαn [ k ] y [ n − k ] = ∑ bm ∑ Λ α n [ k ] x [ n − k ], (3.26)
n =0 k =0 m =0 k =0
Λ0
Λ1
Λ2
Γ(k − α)
Λα ≡ , Λα [k ] = per k = 0, 1, . . . , N − 1,
.. Γ(−α)Γ(k + 1)
.
Λ N −1 (3.27)
Listato 3.1: Algoritmo di calcolo del valori dei coefficienti funzioni Gamma
Γ (1 − α ) −αΓ(−α)
= = − α Λ α [0],
Γ (2) 1Γ(1)
3.4 APPROCCIO ALTERNATIVO 53
Considerazioni
Il metodo proposto in questa sezione, è stato pensato con l’intento di Metodi ‘nativi’ alle
definire un’equazione per i sistemi non interi analoga alla (3.1). In let- differenze non intere
teratura sono disponibili, come riportato in questa sezione, approfon-
dimenti sul metodo di studio di sistemi frazionari, concepiti già come
sistemi discreti, ovvero concepiti come sistemi di equazioni alle diffe-
renze non intere. Questi non si ottengono come discretizzazione di
sistemi analogici, ma possono essere concepiti nella forma (3.2) a parti-
re da considerazioni matematiche sul sistema; un esempio applicativo
sarà considerato nel § 4.4.2 nella pagina 80.
L’equazione (3.25) propone invece un’espressione compatta per i si-
stemi discreti di ordine non intero, che deriva direttamente da un’e-
quazione differintegrale. Al tempo della stesura, non è stata trovata
alcuna fonte che proponesse qualcosa di simile. Successivamente l’ap-
proccio vettoriale proposto è stato ritrovato in [16], che sviluppa la In [16] è proposto un
parte matematica in modo analogo, sebbene tratti l’argomento esclusi- metodo matematico
di calcolo che
vamente come metodo di calcolo, tralasciando completamente tutte le equivale al metodo
altre tematiche relative ai sistemi discreti. qui presentato
Matlab dispone di una funzione per il calcolo della funzione gam- La funzione gamma
ma, che prende come argomento un qualsiasi numero reale. Ricor- in Matlab
dando che la funzione gamma cresce come il fattoriale per ingressi
positivi, ci si imbatte presto nella limitatezza del calcolatore usato, in-
fatti l’istruzione gamma(171) restituisce 7.2574e+306, mentre l’istruzione
gamma(172) restituisce il valore Inf, per cui non è possibile calcolare la
funzione gamma per ingressi maggiori di 172!
Con l’algoritmo mostrato nella (3.28) non è necessario calcolare espli-
citamente la funzione gamma, per cui posso calcolare vettori anche con
più di 171 elementi senza incappare nei limiti considerati.
D’altro canto, si osserva inoltre che un numero di elementi elevato
spesso non è necessario in pratica, poiché il vettore Λα decresce con-
siderevolmente per k crescenti, come mostrato nel grafico 5: nel caso
peggiore bastano una dozzina di elementi affinché il peso attribuito
alla funzione scenda al di sotto di un centesimo del peso del primo
elemento. Necessità di una
Come vedremo nel § 4.3 nella pagina 70, la formula ricorsiva qui formula ricorsiva
trovata per il calcolo della funzione gamma, può essere estesa al cal-
colo generale di un coefficiente binomiale con termini non interi in
modo efficienti. Il procedimento richiede che i coefficienti binomiali
siano riscritti con la (1.6), valida anche per n negativi; successivamente
si sostituisce al fattoriale la funzione gamma (1.3) ottenendo una for-
mula analoga alla (1.7); infine si riscrive la formula ottenuta in modo
ricorsivo tramite la (1.4).
54 SISTEMI TEMPO-DISCRETI
−15
−25
−30
−35
0 5 10 15 20 25
# Elemento del vettore
Figura 5: Andamento degli elementi del vettore Λα [k] al variare del parametro
α. Si osservi che l’asse delle ordinate è in dB!
Abbiamo visto, (3.2) nella pagina 40, che un sistema discreto non in-
tero presenta un’equazione alle differenze non intere, e che per cia-
scun termine della (3.2) si ha una risposta impulsiva di tipo sinc, come
mostrato nella (3.10) nella pagina 43.
Il ricampionamento ideale, con la risposta impulsiva di tipo sinc
richiederebbe infiniti termini, come già detto, ciò non è possibile in
pratica, per cui sfruttiamo un’approssimazione finita di L termini, che
si avvicini il più possibile alla risposta ideale.
Per fissare le idee, supponiamo di avere un segnale x [n], elaborato
in un sistema non intero con ritardo α, in un’equazione ingresso uscita
tipo y[n] = x [n − α]. Consideriamo il segnale x [n − α] traslato di α,
come l’uscita del segnale x [n] da un sistema che introduce un ritardo
α. Come visto al §3.2, possiamo scrivere
+∞
xi [ n − α ] = x [ n ] ⊗ h α [ n ] = ∑ x [ k ] h α [ n − k ],
k =−∞
b
H (z) = ∑ hα [ n ] z−n
n= a
E( jω ) = H (e jω ) − Hi (e jω )
6 I metodi dell’errore quadratico sono spesso conosciuti con il nome di least square, termine
usato di frequente anche nei testi italiani.
3.5 APPROSSIMAZIONI DISCRETE 57
1 1
Z π Z π
k E k2 = | E(e jω )|2 dω = | H (e jω ) − Hi (e jω )|2 dω. (3.29)
pi 0 π 0
a −1 ∞
k E k2 = ∑ | h i |2 + ∑ | h i |2 ,
n=−∞ n = a + L +1
N L M L
∑ an ∑ y[k] sinc[π (n − k − αn )] = ∑ bm ∑ x[k] sinc[π (n − k − αm )],
n =0 k= a m =0 k= a
1/ Γ(x)
5
−1
−2
−4 −3 −2 −1 0 1 2 3 4
x
Figura 6: Funzione gamma inversa 1/Γ( x ). Mentre per valori positivi la fun-
zione gamma cresce come il fattoriale, quindi la sua inversa tende
a 0, per valori interi negativi la funzione gamma tende ad infinito, e
la sua inversa è nulla.
1
α
−1
s ≈
α
1−z . (3.31)
T
che si estende per n negativi, ponendo (nk) = 0 sia per n < 0 che per
n<k
∞
n k n−k
( a + b) = ∑n
a b , n∈Z
k =0
k
α ∞ k ∞
α k α
1 − z −1 = ∑ k − z −1
= ∑ (− 1 )
k
z−k , (3.32)
k =0 k =0
cioè una serie di potenze di ordine intero illimitata. Infatti, nel caso
non intero non si verifica più la condizione (αk ) = 0 per α < k, come si
può osservare dal reciproco della funzione gamma 6.
3.5 APPROSSIMAZIONI DISCRETE 59
in cui emergono evidenti i coefficienti della risposta impulsiva hα [k] Risposta impulsiva
del sistema sα campionato:
α
1 n α
hα [n] = (−1)
T n
come mostrato da [7].
In tale risposta impulsiva non si ha alcuna retroazione dall’uscita,
per cui è possibile ottenere un’implementazione FIR troncando lo svi-
luppo ottenuto! Si ricorda però, che ai sistemi FIR nel caso non intero,
corrisponde una scarsa accuratezza del modello analogico approssima-
to.
Con un’espansione CFE invece, si può ottenere una funzione di tra-
sferimento frazionale che si implementa con un filtro IIR [5], che in
generale sarà più accurata
Con il metodo di Eulero, il semipiano s sinistro si mappa nella cir-
conferenza con centro in z = 1/2 e raggio 1/2, per cui l’approssima-
zione è abbastanza accurata solo in bassa frequenza.
Γ(k − α)
α
1 α
(−1)n = T −α = Λ α [ k ],
T n Γ(−α)Γ(k + 1)
e quindi sostanzialmente i due metodi coincidono.
Nella tabella 2 nella pagina successiva sono elencati i passaggi chia-
ve di entrambi i procedimenti, il risultato finale è lo stesso sebbene
i percorsi siano concettualmente differenti. Nel caso della soluzione
numerica dei differintegrali, il vettore Λ coincide con la risposta im-
pulsiva hα [n] del filtro frazionario del metodo di Eulero. Il prodotto
vettoriale esplicita la convoluzione in modo del tutto equivalente!
1 function B=Tustin(a,L)
2 if nargin<1,
3 L=9;
4 end
5
6 % Simbolico
7 z=sym(’z’);
8
9 A=1-a*z^(-1); % A1(z^-1, a)
10 B=1-a*z; % A1(z,a)
11 for i=2:L, % sono partito da A0,A1,continuo da A2 fino ad AL
12 if rem(i,2) %rem(i,2) = 1 per i dispari, quindi eseguo l’if
13 c=a/i;
14 else
15 c=0;
16 end
17 A = A - (c * B) * z^(-i);
18 B = subs(A,z^(-1));
19 beep
20 end
A0 (α, z) = 1.
Implementazione
N −1
E= ∑ [hα (n) − h(n)]2 ,
n =0
3.5 APPROSSIMAZIONI DISCRETE 63
Approssimazioni di Padé
Nel metodo di Padé, si usano le equazioni per n > m per risolvere
rispetto ai coefficienti ak . Successivamente vengono risolte le prime m
equazioni in cui i coefficienti ak sono adesso noti.
Approssimazioni di Prony
Nel metodo di Prony i coefficienti ak si possono trovare dalla souzione
delle equazioni normali della minimizzazione dell’errore quadratico
medio. I coefficienti bk , vengono poi determinati con lo stesso metodo
di Padé.
Approssimazioni di Shank
Invece di forzare la funzione a passare per i primi n + 1 punti della ri-
sposta impulsiva, si considera un’interpolazione che minimizzi l’errore
quadratico medio. In questo modo ricavo ancora una volta i coefficien-
ti ak , dai quali si ottengono poi i coefficienti bk richiedendo che l’errore
sia nullo (interpolazione passante).
4 APPLICAZIONI E TECNOLOGIE
1 1
, ⇔ ,
sα C ( jω )α C
65
66 APPLICAZIONI E TECNOLOGIE
Un dielettrico Invece di spingere gli studi, verso la ricerca dell’isolante che più
modesto permette di si avvicini alla idealità, occorre cercare materiali che si discostino di
realizzare
condensatori
proposito dal comportamento ideale di isolante perfetto, in questo
frazionari, modo è possibile ottenere funzioni di trasferimento con vari gradi di
frazionalità.
Una delle maggiori difficoltà residue è quella di trovare un materiale
con un comportamento uniforme su un’ampia banda di frequenze e
temperature.
un buon materiale è Il Solfato Idroazotato di Litio (LiN2 H5 SO4 ) [37] è uno dei composti
il solfato idroazotato chimici che presenta le caratteristiche desiderate1 , con costante dielet-
di litio!
trica ε( jω ) = ε r + jε i sia reale (ε r ) che immaginaria (ε i ) molto ampie
(> 10 × 106 ) e costanti su un ampio intervallo, come mostrato nella
figura 7, e con un valore di α ≈ −1/2.
Calcolando l’impedenza di un condensatore formato da due facce
piane parallele di superficie S e distanzate d,
d
Z= ,
jωε 0 ε( jω )S
in cui d è la distanza tra le facce, S è la superficie delle armature e la
costante dielettrica
1 1
ε( jω ) = ε r ω − 2 − jε i ω − 2 ,
per ε r = ε i = ε, servendosi della notazione polare dei numeri comples-
π
si e ricordando che ε j 2 = j,
1
ε( jω ) = εω − 2 (1 − j)
1√ √ 1 π − 1 √ 1
= εω − 2 2e− j 4 = 2εω − 2 e j 2 2 = 2ε( jω )− 2 ,
π
si ottiene l’equazione
d d 1
Z= √ 1
= √ 1
= 1
(4.1)
Sjωε 0 ε( jω ) 2( jω ) − 2 Sε 0 ε 2( jω ) + 2 CF ( jω ) 2
1 Cioè presenta un comportamento pressoché costante su un’ampia banda di temperature
e frequenze. Il materiale deve essere usato come dielettrico di un condensatore, che
quindi avrà un comportamento frazionario, sarà cioè una frattanza.
4.1 ELEMENTI FRAZIONARI CONCENTRATI 67
a b
a b
c
c Strato dielettrico
R6 R4 R2
R0
C5 C3 C1
Figura 9: Rete a scala RC, come modello di una linea di trasmissione o come
struttura a componenti discreti a costanti concentrate.
Y1 = G0 + sC1 .
1 1
Z2 = R2 + Z1 = R2 + = R2 + 1
,
Y1 sC1 + R0
Y3 = sC3 + Y2 ,
ed aggiungendo R4 si ha poi
1 1
Z4 = R4 + = R4 + 1
.
Y3 sC3 + Z2
Come per l’impedenza Z2 che è stata riscritta nella forma (4.2), riscri-
viamo Z4 nel modo seguente:
1
Z4 R4 C3
= 1+ , (4.3)
R4 s + C31Z2
4.2 LINEE DI TRASMISSIONE 69
1 1 1 1
ω0 = ω1 = ω2 = ω3 = ,
C1 R0 R2 C1 C3 R2 R4 C3
possiamo riscrivere l’impedenza di ingresso (4.4) per la rete a scala di
cinque componenti nella forma più compatta
Z4 ω ω ω
= 1 + 3 2 1 ω0 ,
R4 s + 1+ s +
grazie anche alla notazione sintetica di Rogers delle frazioni continue2 .
La serie ottenuta, che può essere facilmente estesa allo stesso modo
per un numero maggiore di elementi, inoltre si dimostra essere con-
vergente [44]. Per ottenere una forma standard di sviluppo in frazio-
ni continue facciamo un’altro passo, moltiplichiamo ciascuna frazione
parziale con denominatore s+, per il termine 1/s, nella forma estesa si
ottiene
ω3
Z4 ω ω ω
= 1 + 3 2 1 ω0 = 1 + s
ω2 ,
R4 s + 1+ s + s
1+
ω1 1s
1+
(s+ω0 ) 1s
Z4 a3
= 1+ ,
R4 a2
1+
1 + 1+a1a0
ZN a a a a
= 1 + N −1 N −2 · · · 2 1 a 0 (4.5)
RN 1+ 1+ 1+ 1+
2 Vedi § 2.4.1 nella pagina 28 per maggiori informazioni.
70 APPLICAZIONI E TECNOLOGIE
RN R i-1 i=3,5,7...N-1
ZN R0
Ci C1
Figura 10: Schema generico di una rete a scala, con N componenti. Il blocco
evidenziato in azzurro è ripetuto più volte fino ad avere in totale il
numero di componenti desiderati
1
R0 = R2 = R4 = · · · = R N −2 = R, RN = R,
2
C1 = C3 = C5 = · · · = CN −1 = C,
nel dominio t ∈ [−1, 0]. Spezziamo poi l’integrale nella somma di due
integrali
Z t Z t
−1.3
(t − τ ) τdτ + (t − τ )−1.3 dτ per t ∈ [−1, 0]
τ =−1 τ =−1
che risolveremo separatamente, ricordando poi di reintrodurre alla
fine il termine 1/Γ(−0.3) tralasciato.
Primo integrale
Con le sostituzioni
t−τ → u ⇒ τ = t − u,
dτ = −du,
per τ = −1, u = t + 1,
per τ = t, u = 0,
possiamo risolvere il primo integrale
Z t Z 0
(t − τ )−1.3 τdτ = − u−1.3 (t − u)du
τ =−1 u = t +1
Z 0 Z 0
= −t u−1.3 du + u−1.3 u du
u = t +1 u = t +1
u−0.3 0
u0.7 0
=t +
0.3 u = t +1 0.7 u = t +1
(t + 1)−0.3 (t + 1)0.7
= −t − (4.7)
0.3 0.7
72 APPLICAZIONI E TECNOLOGIE
Secondo integrale
Analogamente per il secondo integrale, con le stesse sostituzioni, pos-
siamo scrivere
(t + 1)−0.3
Z t Z 0
(t − τ )−1.3 dτ = − u−1.3 du = − , (4.8)
τ =−1 u = t +1 0.3
(t + 1)0.7
0.3 1 1
−1D0 x ( t ) = − + (4.9)
Γ(−0.3) 0.3 0.7
7 if length(x) < N
8 error(’Il vettore x deve contenere più punti degli N usati’)
9 end
10
11 if nargin==2
12 N=100;
13 end
14
15 % Inizializzazione
16 G=vg(q,N);
17 X=zeros(1,N);
18 % X(1)=x(1);
19 % y=x(1);
20
21 for i=1:length(x)
22 X(2:N) = X(1:N-1);
23 X(1) = x(i);
24 y(i) = G * X’;
25 end
Listato 4.3: Script per il calcolo delle derivate di ordine non intero a partire
dal vettore Λ dei coefficienti binomiali ottenuti con la funzione
gamma.
Metodo di Eulero
Il metodo di Eulero è Il metodo di Eulero parte da presupposti differenti rispetto al metodo
diverso nel visto, ma poi giunge agli stessi risultati. Le basi del metodo, ed il
metodo. . .
confronto con l’approssimazione delle derivate con la definizione di
G-L è mostrata nel § 3.5.3 nella pagina 57.
Procedendo per gradi per prima cosa si trasforma il sistema scriven-
do
Y (s) = 0.7s0.3 X (s) + 0.4s0.7 X (s),
poi si discretizza la variabile s di Laplace con la (3.30), e si sviluppa il
binomio risultante
α
1 − z −1
Metodo di Tustin
Consideriamo l’approssimazione trapezoidale studiata nel § 3.5.4 nel-
la pagina 59, per ottenere i coefficienti della risposta impulsiva (3.35)
del sistema. Il procedimento formale è lo stesso del metodo di Eulero
appena visto, l’unica differenza tangibile risiede nei coefficienti del-
la risposta impulsiva (3.35), che sono ottenuti a partire da un’appros-
simazione trapezoidale (3.34), invece che dalle differenze all’indietro
caratteristiche del metodo di Eulero.
La risposta impulsiva (3.35) qui riportata
α n
−α
2 k α
T k∑
hα [n] = (−1) , (3.35)
=0
n n−k
4.3 PRESTAZIONI ALGORITMI NUMERICI 75
34 % METODO DI TUSTIN
35 h1=vg(a,N); % La prima parte si calcola allo stesso modo
36 hT=zeros(1,N);
37 for n=1:N,
38 h2=ones(1,n); % secondo coefficiente binomiale
39 for i=1:n-1,
40 h2(i+1)=h2(i) * (i-1-a)/i * (-1)^i;
41 end
42 for i=1:n, % sommatoria delle parti
43 hT(n)=hT(n) + h1(i) * h2(end-i+1);
44 end
45 end
46
50 plot(t,y4,’color’,color(3))
−α
n−k
Metodo di Al-Alaoui
Il metodo di Al-Alaoui è stato presentato nel § 3.5.5 nella pagina 62,
vediamo adesso come applicarlo.
In modo analogo rispetto al procedimento applicato per il meto-
do di Tustin, la sommatoria che esplicita i coefficienti della risposta
impulsiva, è spezzata in due parti, poi sommate separatamente.
76 APPLICAZIONI E TECNOLOGIE
Confronto h[n]
−0.01
−0.02
h[n]
−0.03
−0.04
−0.05 Eulero
Tustin
Al-Alaoui
−0.06
0 5 10 15 20 25 30 35
Figura 11: Confronto tra i coefficienti della risposta impulsiva di ciascuno dei
metodi studiati.
Confronto algoritmi
1.4
Esatta
1.2 Grunwald
Eulero
Tustin
1 Al-Alaoui
0.8
y
0.6
0.4
0.2
0
−1 −0.8 −0.6 −0.4 −0.2 0
t [sec]
Errore in uscita
0.04
0.02
−0.02
−0.04
Grunwald
−0.06 Eulero
Tustin
Al-Alaoui
−0.08
−1 −0.8 −0.6 −0.4 −0.2 0
t [sec]
70 plot(t,y5,’color’,color(4))
Radice Valore
ζ1 0.7073 0.7319 i
ζ2 0.7073 −0.7319 i
ζ3 −0.7073 0.6819 i
ζ4 −0.7073 −0.6819 i
e smorzamento
b
ζ= ,
2mω02−α
è possibile riscrivere l’equazione del sistema nella forma
D2 x (t) + 2ω02−α ζ Dα x (t) + ω0 x (t) = f (t).
Applicando poi l’usatissima (1.26), si può ottenere la funzione di tra-
sferimento
F (s) 1
H (s) = = ,
X (s) s + 2ω0 −α ζ + ω02
2 2
Se fissiamo i valori
ω0 = 1 rad s−1 , ζ = 0.05,
la matrice dei coefficienti c sarà [1, 0, 0, 0.1, 1], il comando roots
restituisce le radici mostrate nella tabella 3.
Per tornare in s, la relazione s = ς1/α inversa della trasformazione
ς = sα , raddoppia la fase delle radici calcolate. Le radici ς 1 e ς 2 so-
no caratterizzate da una fase il cui modulo non supera i π2 rad, per
cui i rispettivi poli in s con fase doppia (1/α) rispetto a ς saranno
caratterizzati da arg(s1,2 ) < |π |, e quindi saranno localizzati sulla su-
perficie principale di Riemann. Le altre due soluzioni non rispettano
questa condizione, non hanno senso in un sistema fisico reale e sono
da scartare.
Invertendo la funzione trovata si ottiene la risposta impulsiva del
sistema che presenta sia parte reale che immaginaria. Estraendo la
sola parte reale, la risposta impulsiva
n 2 2
o
h(t) = < r1 ς 1 etς 1 u(t) + 0Dαt r1 etς 1 ,
S Filtro di sintesi
Pitch Formant
predictor filter
Il pitch predictor deve modulare il tono secondo l’andamento della . . . un filtro non
parola o del contesto della frase in cui si trova, per rendere fluido e intero permette un
discorso più fluido!
scorrevole il discorso. Come accennato all’inizio di questa sezione, se il
tono fondamentale è già acuto, è impossibile ottenere transizioni fluide
e non evidenti tra i diversi toni che si susseguono nella parola, ma si
otterrebbe invece un’andamento a scala. L’uscita del pitch predictor
è una sequenza di impulsi, per ottenere transizioni tonali più fluide è
necessario variare con continuità la spaziatura (periodo) tra gli impulsi,
per questo è possibile usare un sistema alle differenze non intere.
Lo studio di sistemi di sintesi del parlato di ordine frazionario si
sta diffondendo, alcuni studi effettuati dimostrano come sia possibi-
le ottenere un miglioramento del Rapporto Segnale Rumore (SNR) ed
una riduzione del numero di bit necessari. Per una bibliografia di
riferimento sul tema si rimanda a [23].
4.4.3 Conclusioni
La difficoltà primaria di questo lavoro è stata la ricerca e lo studio
sistematico di tutte le teorie alla base del calcolo frazionario.
Il duro impatto iniziale per apprendere l’argomento, servendosi de-
gli articoli specializzati disponibili, è stato lentamente superato, soltan-
to con il tempo e la perseveranza: ciascun articolo infatti si presentava
parzialmente incompleto, dando per note le nozioni di base necessa-
rie alla comprensione del testo, e appoggiandosi pesantemente ad un
vasto materiale bibliografico dello stesso genere; non solo: le infor-
mazioni fornite, sempre estremamente sintetiche, non sono ovvie, ma
richiedono una successiva espansione per poter essere comprese in
modo chiaro.
Quello che si è cercato di fare, è stato proprio un lavoro di compren-
sione, di ricerca e di studio, raccogliendo ed organizzando nel modo
più coerente possibile la moltitudine di informazioni preziose, ma di
difficile accesso, sparse tra i vari articoli.
Per ciascun argomento trattato, sono riportate le indicazioni biblio-
82 APPLICAZIONI E TECNOLOGIE
83
84 TOOLBOX NINTEGER
oggetti, ossia come classe di dati strutturati che contengono tutte le in-
formazioni necessarie. Per ciascuna classe esiste uno specifico metodo
che implementa in modo opportuno, dipendente dalla classe, alcune
elaborazioni per l’oggetto considerato. Nel gergo della programma-
zione ad oggetti si dice che si ha un overloading dell’operatore, cioè si
hanno diversi metodi selezionati dal tipo di classe con la quale si sta
operando.
Chiariamo con un esempio. Supponiamo di voler conoscere le di-
mensioni di un sistema. Per fare questa operazione esiste il comando
size, che può operare sia su una normale matrice, restituendo il nume-
ro di elementi lungo ciascuna dimensione (righe, colonne. . . ), sia su
un sistema intero, restituendo l’ordine del sistema stesso, cioè il grado
massimo.
Un sistema tra l’altro, può essere specificato in vari modi, cioè co-
me funzione di trasferimento in forma di rapporto di polinomi, come
produttoria di zeri e poli e guadagno, a ciascuna specifica i dati sono
memorizzati in modo diverso, in una struttura di dati oggetto di un
particolare tipo.
Se il sistema è creato nella forma di funzione di trasferimento con
il comando tf, l’esecuzione del comando size sull’oggetto tf viene
eseguito con il metodo specifico per la classe tf. Un’altro script, con
un diverso algoritmo, provvederà a restituire il risultato dell’istruzione
size su una funzione di trasferimento di tipo diverso, come ad esempio
un oggetto poli zeri e guadagno ottenuto con il comando zpk.
In Matlab, il meccanismo di selezione del metodo appropriato, in
base alla classe dell’argomento della funzione, avviene in modo au-
tomatico, rispettando alcune semplici regole di strutturazione delle di-
rectory contenenti le funzioni: gli operatori per una data classe devono
trovarsi all’interno di una cartella con il nome formato dal carattere @
seguito dal nome della classe (@nomeclasse).
Esiste quindi una funzione size, sia nella cartella control/@zpk, che
nella cartella control/@tf. Per l’utente la distinzione non è palese,
l’esecuzione del comando size infatti è identica in entrambi i casi!
Le informazioni fornite in questo testo sono utili per capire come
estrapolare i dati necessari dai sistemi comunemente costruiti in Ma-
tlab. Gli script forniti in questo testo non vanno ad espandere col
metodo della programmazione ad oggetti i pacchetti forniti con Ma-
tlab, ad ogni modo ci è sembrato opportuno dare dei cenni di base
per capire da subito come operare con gli oggetti esistenti e come poter
espandere i toolbox esistenti in maniera organica.
bodeFr
otteniamo un oggetto
1
F=
s+1
di tipo transfer function, cioè un oggetto funzione di trasferimento. Per
ottenere un elenco delle proprietà specifiche di un oggetto, in questo
caso della funzione di trasferimento F, basta scrivere
1 get(F)
1 F.den{1}
freqrespFr
All’interno della funzione bodeFr viene richiamata la funzione ausilia-
ria freqrespFr, che esegue il calcolo vero e proprio della risposta in
frequenza del sistema. La sintassi è:
1 [gain, phase, w] = bodeFr(F, Q, w, delay)
nyquistFr, nicholsFr
Per calcolare il diagramma di Nyquist è disponibile l’omonima funzio-
ne frazionale, la cui sintassi è
1 [gain, phase, w] = nyquistFr(F, Q, w, delay)
similmente alla altre funzioni viste. Ancora una volta i parametri sono
gli stessi, il funzionamento si basa sulla funzione freqrespFr
nid
Una funzione molto utile per i sistemi digitali è la funzione nid. Questa
permette di trovare un’approssimazione, secondo vari metodi, della
variabile di Laplace k sα , la sintassi è:
1 C = nid(k, v, bandwidth, n, formula, expansion, decomposition)
contfrac
Per finire, un’ultimo comando che si cita è la funzione contfrac, che
realizza l’espansione in frazioni continue di una funzione razionale,
col metodo mostrato nel § 2.4.1 nella pagina 28. La sintassi è:
1 [a, b] = contfrac (x, n)
89
90 Bibliografia
[32] Oustaloup, A., Cois, O., Lanusse, P., Melchior, P., Moreau,
X. e Sabatier, L. (2006), «The CRONE approach: theoretical
developments and major applications», in «Proocedings del 2°
IFAC Workshop on fractional Differentiation and its applications»,
Porto, Portogallo. (Citato alle pagine ix e 83.)
[33] Oustaloup, A., Cois, O., Lanusse, P., Melchior, P., Moreau, X.
e Sabatier, J. (2006), «The CRONE approach: theoretical develop-
ments and major applications», in «Proceedings of the 2nd IFAC
Workshop on Fractional Differentiation and its Applications», .
(Citato a pagina 38.)
A metodi indiretti, 54
anti-causale, 7, 45 DTFT,46
armoniche, 80
E
B equazione alle differenze
Bode intere, 44
diagramma, 21 non intere, 44
Bode, 21 errore quadratico, 56
branch cut, 41 Eulero, 1
branch point, 41
F
C Faà di Bruno, formula di, 12
campionamento variabile, 40 filtro
capacità frazionaria, 24, 65 adattativo, 80
capacità frazionaria, vii formant filter, 80
Cauchy Fourier, ix
formule integrali, 45 frattanza, 23, 24, 65, 67
formula integrazione mul- frattanza, vii
tipla, 7 frattore, vii
Cauchy, 7 frazioni continue, 28
causale, 45 approssimante n-esimo, 29
causalità, 7 denominatore parziale, 29
cell arrays, 85 forma di Rogers, 28
classe, 84 numeratore parziale, 29
coefficienti binomiali, 2, 76 quoziente parziale, 29
condensatore frazionario, 65 Stieltjes, 28
controllore funzione
PID, 37 a più valori, 15
fpid, 37 composta, differintegrazio-
lead-lag, 36 ne, 11
convoluzione, 13 di M-L, 18
proprietà della, 13 esponenziale, 18
costante dielettrica, 66 Gamma, 1
generatrice, 55
D olomorfa, 41, 45
derivata, 4 trasferimento, 21
differenze frazionarie, 44
differintegrale, vii G
Grünwald-Letnikov, 4, 6 Gauss, 31
Courant-Hilbert, 7 Grünwald, 4
esponenziale, 9
potenza, 8 H
Riemann-Liouville, 6 Hôpital, 3
discretizzazione
Al-Alaoui, 55 I
Bilineare di Tustin, 55 impedenza, vii
Eulero G-L, 55 induttore frazionario, 65, 67
metodi diretti, 54 induttore frazionario, vii
93
94 Indice analitico
integrale P
definizione, 5 pitch predictor, 80
interpolatore, 43 Pochammer, simboli di, 31
polinomio indiciale, 25, 79
L Post, 4
Laurent, 42
least square, 56 R
Leibniz ramo (di una funzione), 16
formula di, 11 rapporto incrementale, 4
Leibniz, 3 rete anticipatrice, 36
Letnikov, 4 Riemann
linea di taglio, 16 superficie di, 15, 16, 41
linearità, proprietà di, 9 superficie principale, 16
linee di taglio, 41 Riemann, 4
risposta in frequenza, 21, 45
M
MacLaurin, 42
S
Matlab, comandi
scaling, 40
bode, 24
Serie ipergeometriche, 31
bodeFr, 85, 86
Shannon-Whitaker, interpola-
contfrac, 87
zione, 43
cplxroot, 17
sistemi
crone, 83
frazionari, vii
df, 73
ordine non intero, vii
freqrespFr, 86
stabilità BIBO, 26
gamma, 3, 53
Stieltjes, 28
get, 85
mlf, 18
T
nid, 86
Taylor, 42
ninteger, 83
teorema
roots, 79
fondamentale del calcolo,
size, 84
9
tf, 84, 85
Parseval, 57
vg, 73
valore finale, 15
metodo, 84
valore iniziale, 15
Mittag-Leffler, 18
tono, 81
N trasformata Z modificata, 45
Nichols trasformata di Laplace, 12
diagramma di, 86
norma, 56 W
Nyquist, diagramma di, 86 Weil, differintegrale di, 7
O Z
oggetto, 84 Z
funzione di trasferimento, antitrasformata, 41
85 trasformata modificata, 46
overloading, 84 Zadeh, 41