Scuola Politecnica e delle Scienze di Base Corso di Laurea in Ingegneria Informatica Elaborato finale in Controlli Automatici Analisi e controllo di un sistema nonlineare Anno Accademico 2013/2014 Candidato: Roberto Maisto matr. N46/1264 Indice Introduzione v 1 Tecniche di analisi di sistemi nonlineari 1 1.1 Spazio delle fasi . . . . . . . . . . . . . . . . . . . . . . . . . 1 1.2 Analisi di stabilità . . . . . . . . . . . . . . . . . . . . . . . 4 1.3 Biforcazioni . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 1.3.1 Biforcazione Nodo-Sella . . . . . . . . . . . . . . . . 5 1.3.2 Biforcazione Transcritica . . . . . . . . . . . . . . . 6 1.3.3 Biforcazione a Forcone . . . . . . . . . . . . . . . . . 6 2 Analisi del laser a stato solido 8 2.1 Derivazione del modello . . . . . . . . . . . . . . . . . . . . 9 2.2 Analisi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10 2.3 Simulazione . . . . . . . . . . . . . . . . . . . . . . . . . . . 13 3 Progetto del controllore 15 3.1 Specifiche . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15 3.2 Sintesi del controllore . . . . . . . . . . . . . . . . . . . . . 15 3.3 Simulazione del controllore 18 . . . . . . . . . . . . . . . . . . 4 Conclusioni 20 ii Indice Bibliografia 21 iii Elenco delle figure 1.1 Spazio delle fasi . . . . . . . . . . . . . . . . . . . . . . . . . 2 1.2 Spazio delle fasi esempio . . . . . . . . . . . . . . . . . . . . 3 1.3 Biforcazione nodo-sella . . . . . . . . . . . . . . . . . . . . . 6 1.4 Biforcazione transcritica . . . . . . . . . . . . . . . . . . . . 7 1.5 Biforcazione a forcone . . . . . . . . . . . . . . . . . . . . . 7 2.1 Laser . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 2.2 Modi pre-bif . . . . . . . . . . . . . . . . . . . . . . . . . . . 11 2.3 Modi post-bif . . . . . . . . . . . . . . . . . . . . . . . . . . 12 2.4 Biforcazione Laser . . . . . . . . . . . . . . . . . . . . . . . 12 2.5 Schema Simulink . . . . . . . . . . . . . . . . . . . . . . . . 13 2.6 Schema subsystem . . . . . . . . . . . . . . . . . . . . . . . 13 2.7 Simulazione 1 . . . . . . . . . . . . . . . . . . . . . . . . . . 14 2.8 Simulazione 2 . . . . . . . . . . . . . . . . . . . . . . . . . . 14 3.1 SFC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18 3.2 Simulazione1 SFC . . . . . . . . . . . . . . . . . . . . . . . 19 3.3 Simulazione2 SFC . . . . . . . . . . . . . . . . . . . . . . . 19 iv Introduzione La teoria del controllo è una branca interdisciplinare dell’ingegneria e della matematica che si occupa del comportamento dei sistemi dinamici e di come questo sia modificato da un feedback. Tipicamente l’obiettivo è quello di controllare un sistema, spesso chiamato impianto, affinchè le sue uscite seguano un segnale desiderato, detto riferimento, che può essere costante o variabile; nel primo caso si parla di regolazione, nel secondo di tracking o inseguimento di traiettoria. Per fare ciò si estrae un modello matematico del processo fisico di interesse grazie agli strumenti forniti dalla teoria dei sistemi. Successivamente si progetta un controllore che misura l’uscita e la confronta col riferimento. La differenza tra l’output desiderato e quello effettivo è chiamata errore ed è utilizzata dal regolatore per la generazione del segnale di controllo in ingresso all’impianto, al fine di annullare l’errore stesso e permettere cosı̀ all’uscita di inseguire il riferimento. Nonostante la teoria del controllo abbia trovato maggiore impiego nella progettazione di sistemi di controllo industriali, può essere applicata nei campi più disparati, quali l’automotive, la robotica, la navigazione, i sistemi di puntamento e l’elettronica di consumo. In generale i sistemi dinamici si suddividono in due macro categorie: i sistemi lineari ed i sistemi nonlineari. I sistemi lineari sono descritti da v Introduzione equazioni differenziali lineari e per questo godono del principio di sovrapposizione degli effetti. A loro volta i sistemi lineari si dividono in tempo varianti e tempo invarianti (anche detti stistemi LTI, Linear Time Invariant), a seconda che i parametri del sistema risultino essere costanti o meno nel tempo. Per questo tipo di sistemi è possibile ricavare la soluzione analitica, ed inoltre, grazie alle proprietà di linearità, sono disponibili vari e consolidati strumenti matematici che guidano il progettista sia nell’analisi che nella sintesi, quali: trasformata di Laplace, trasformata di Fourier, diagrammi di Bode, luogo delle radici e diagramma di Nyquist. I sistemi nonlineari sono descritti da equazioni differenziali nonlineari che rendono difficile se non impossibile trovare una soluzione analitica. Inoltre per questo tipo di sistemi non è possibile utilizzare gli strumenti disponibili per i sistemi lineari. Per studiare questi sistemi è necessario quindi affidarsi a metodi di analisi qualitativa o numerica (simulazioni). vi Capitolo 1 Tecniche di analisi di sistemi nonlineari In questo capitolo tratteremo le tecniche di analisi dei sistemi descritti da modelli nonlineari tramite un caso d’esempio. Daremo una misura quantitativa di stabilità e tratteremo il fenomeno delle biforcazioni. 1.1 Spazio delle fasi Siccome le equazioni che descrivono sistemi nonlineari sono difficili da manipolare analiticamente, si cerca di ricorrere a metodi grafici che aiutino a estrarre informazioni qualitative sulle soluzioni del sistema. Supponiamo di avere un sistema del tipo: ẋ1 = f1 (x1 , x2 ) ẋ2 = f2 (x1 , x2 ) e di conoscerne una soluzione, (x1 (t), x2 (t)) per una certa condizione iniziale. Se costruiamo uno spazio (x1 , x2 ), la soluzione corrisponde ad un 1 Capitolo 1. Tecniche di analisi di sistemi nonlineari punto che si muove lungo una curva descritta in tale spazio (fig 1.1). Figura 1.1: Spazio delle fasi Tale curva, detta traiettoria, rappresenta tutti i possibli e soli stati del sistema ed ogni punto può essere una condizione iniziale. Lo spazio in cui giace la traiettoria è detto spazio delle fasi. L’obiettivo dei metodi di analisi nonlineari è quello di agire all’inverso: dato il sistema, vogliamo disegnare le traiettorie da cui estrarre le informazioni sulle soluzioni. Consideriamo un sistema d’esempio: ẋ = sin x e immaginiamo che x rappresenti la posizione di una particella e ẋ la sua velocità. Abbiamo detto di poter rappresentare il sistema in un grafico che in questo caso risulta il piano (x, ẋ). Il sistema, quindi, rappresenta un campo vettoriale sulla linea che a sua volta indica il vettore velocità ẋ per ogni x. 2 Capitolo 1. Tecniche di analisi di sistemi nonlineari Figura 1.2: Spazio delle fasi esempio In questo caso, avendo un sistema del primo ordine, lo spazio delle fasi è rappresentato dall’asse x (fig. 1.2). Il punto si muove lungo l’asse reale in accordo alla traiettoria x(t) (ovvero la soluzione dell’equazione differenziale). Il moto è verso destra dove ẋ > 0 e verso sinistra dove ẋ < 0. Nei punti in cui ẋ = 0 (velocità nulla) non c’è moto. Tali punti sono chiamati punti fissi e si distinguono principalmente in 2 categorie: • Punti fissi stabili: rappresentati da un pallino nero (spesso chiamati attrattori perchè la soluzione del sistema vi converge). • Punti fissi instabili: rappresentati da cerchi (spesso chiamati sorgenti). In termini di equazioni differenziali tali punti rappresentano soluzioni di equilibrio. Come possiamo osservare risulta ora molto semplice predire qualitativamente l’evoluzione della soluzione. Ad esempio, cominciando da una condizione iniziale xo = π/4, il punto si muove verso destra con 3 Capitolo 1. Tecniche di analisi di sistemi nonlineari velocità crescente fino a raggiungere il massimo, per poi rallentare fino ad arrestarsi in π. 1.2 Analisi di stabilità Fino ad ora ci siamo affidati a metodi grafici per determinare la stabilità dei punti fissi. Ma spesso è richiesta una misura di stabilità quantitativa, come la velocità di convergenza ad un punto fisso stabile. Questa informazione può essere ottenuta linearizzando il sistema intorno al punto fisso come mostrato di seguito. Sia x∗ un punto fisso e sia η(t) = x(t) − x∗ una piccola perturbazione intorno ad x∗ . Per vedere se la perturbazione cresce o decade, ricaviamo un’equazione differenziale per η : η̇ = d (x − x∗ ) = ẋ, dt siccome x∗ è costante. Da qui, η̇ = ẋ = f (x) = f (x∗ + η). Utilizzando l’espansione in serie di Taylor otteniamo f (x∗ + η) = f (x∗ ) + ηf 0 (x∗ ) + O(η 2 ), siccome per definizione di punto fisso f (x∗ ) = 0 e in ipotesi di intorno sufficientemente piccolo, i termini quadratici e superiori sono trascurabili, per f 0 (x∗ ) 6= 0 otteniamo η̇ ≈ ηf 0 (x∗ ). Quest’espressione mostra che se f 0 (x∗ ) > 0 la perturbazione cresce esponenzialmente, mentre decade se f 0 (x∗ ) < 0. Nel caso in cui f 0 (x∗ ) = 0 i termini quadratici non sono trascurabili, l’approssimazione non è valida e sono richieste analisi nonlineari per determinare la stabilità. 4 Capitolo 1. Tecniche di analisi di sistemi nonlineari 1.3 Biforcazioni Come visto fin’ora la dinamica dei sistemi del primo ordine è molto limitata. Le soluzioni o convergono all’equilibrio o divergono all’infinito. L’aspetto interessante di questi sistemi è la dipendenza dai parametri: al variare di essi la struttura qualitativa dello spazio delle fasi può cambiare. In particolare i punti fissi possono essere creati o distrutti o la loro stabilità può variare. Questi cambiamenti nella dinamica sono chiamati biforcazioni ed il cambiamento di parametro al quale occorrono è detto punto di biforcazione. 1.3.1 Biforcazione Nodo-Sella La biforcazione nodo-sella è il meccanismo di base con cui i punti fissi sono creati o distrutti. Al variare di un parametro, due punti fissi possono muoversi l’uno verso l’altro, allontanarsi, collidere o annichilirsi. L’esempio tipico è dato dal sistema ẋ = r + x2 , r ∈ R • r < 0: ci sono due punti fissi, uno stabile ed uno instabile. Con l’aumentare di r verso lo 0 la parabola si muove verso l’alto facendo incontrare i punti fissi (fig 1.3) • r = 0: i punti collassano in un punto fisso semi-stabile. • r > 0: non ci sono punti fissi. In questo caso si dice che c’è stata una biforcazione a r = 0 siccome i campi vettoriali per r < 0 e r > 0 sono qualitativamente differenti. 5 Capitolo 1. Tecniche di analisi di sistemi nonlineari Figura 1.3: Biforcazione nodo-sella 1.3.2 Biforcazione Transcritica Ci sono alcune situazioni in cui un punto fisso non può essere distrutto: quindi deve esistere per tutte le variazioni del parametro. Può però variare la sua stabilità. La biforcazione transcritica è il meccanismo standard per variare la stabilità di un punto fisso. Un sistema prototipo che presenta questo fenomeno è del tipo: ẋ = rx − x2 , r ∈ R si noti che c’è un punto fisso ad x∗ = 0 ∀r. Abbiamo che: • r < 0: c’è un punto fisso instabile a x∗ = r ed uno stabile in x∗ = 0. • r = 0: i punti critici collidono in un punto fisso semi-stabile. • r > 0: l’origine diventa instabile e x∗ = r è ora stabile. 1.3.3 Biforcazione a Forcone Questo tipo di biforcazione è comune in problemi fisici che hanno delle simmetrie, ossia, nel caso in cui il sistema è invariante al cambiamento 6 Capitolo 1. Tecniche di analisi di sistemi nonlineari Figura 1.4: Biforcazione transcritica x → −x. Il modello tipico è della seguente forma ẋ = rx − x3 , r ∈ R Nel caso r < 0 l’unico punto fisso è nell’origine ed è stabile. Nel caso r = 0 l’origine continua ad essere l’unico punto fisso e non decade più esponenzialmente ma con una funzione algebrica del tempo. Tale fenomeno è chiamato critical slowing down. Per r > 0 compaiono due punti stabili √ a ± r. Figura 1.5: Biforcazione a forcone Esiste anche il caso duale a quello appena descritto, se il sistema è nella forma ẋ = rx+x3 . In questa situazione la stabilità dei punti è esattamente speculare a quella precedente e la biforcazione prende il nome di subcritica. 7 Capitolo 2 Analisi del laser a stato solido Ora verranno applicate, ad un caso pratico, tutte le tecniche d’analisi viste fin’ora. Il sistema scelto è il laser a stato solido che consiste in una collezione di atomi incastrati in una matrice a stato solido, delimitata da specchi parzialmente riflettenti alle estremità. Una fonte di energia esterna eccita gli atomi (fig 2.1). Figura 2.1: Laser Ogni atomo può essere immaginato come una piccola antenna che irradia 8 Capitolo 2. Analisi del laser a stato solido energia. Quando l’eccitazione è relativamente piccola, il laser agisce come una lampadina; gli atomi eccitati oscillano indipendentemente l’uno dall’altro ed emettono in modo casuale le onde luminose. Ora supponiamo di aumentare l’energia di eccitazione. Inizialmente non accade nulla ma, improvvisamente, quando l’energia supera una certa soglia, gli atomi oscillano in maniera sincronizzata e la lampada diventa un laser. I trilioni di piccole antenne agiscono come un’unica grande antenna che produce un raggio di radiazione che è molto più consistente ed intenso di quello prodotto al di sotto della soglia. 2.1 Derivazione del modello Per non complicare il problema non scenderemo troppo a fondo nella fisica del laser ma si userà un modello semplificato. La variabile dinamica è il numero di fotoni n(t) all’interno del materiale attivo. Il tasso di variazione è dato da ṅ = gain − loss = GnN − kn. Il termine di gain viene dal processo di emissione stimolata in cui, i fotoni, stimolano gli atomi eccitati a emettere ancora più fotoni. Questo processo si verifica ad un tasso proporzionale ad n e al numero di atomi eccitati denotato da N (t) poichè avviene tramite incontri casuali tra fotoni ed atomi eccitati. Il parametro G > 0 è conosciuto come coefficiente di guadagno. Il termine loss modella la perdita di fotoni attraverso le terminazioni del laser (gli specchi). Il parametro k > 0 è una costante di velocità ed il suo reciproco 1/k indica il tempo di vita di un fotone nel laser. Dopo che un atomo eccitato emette un fotone ricade ad uno stato a minore energia e non è più eccitato. Quindi N decresce all’emissione di fotoni. Bisogna quindi mettere in relazione n(t) ed N (t). Si supponga che, in assenza di azione del laser, l’energia esterna mantenga il numero di atomi 9 Capitolo 2. Analisi del laser a stato solido eccitati ad No : allora il numero di atomi eccitati verrà ridotto dal processo del laser. In particolare, assumiamo: N (t) = No − αn, dove α > 0 è la velocità con cui gli atomi ritornano allo stato a bassa energia. Infine: ṅ = Gn(No − αn) − kn = (GNo − k)n − (αG)n2 . Quest’espressione è molto più familiare e risulta semplice applicare ad essa le considerazioni fatte nel Cap.1. 2.2 Analisi Abbiamo un sistema dinamico nonlineare del primo ordine in n(t). I parametri G, k ed α sono fissati dal sistema fisico. L’unico su cui si può agire è No che rappresenta la forza dell’energia esterna. Per il sistema scelto solo valori positivi di n hanno significato fisico. Imponiamo ṅ = 0 per trovare i punti fissi. Si ottiene: (GNo − K)n − Gαn2 = 0 da cui n∗1 = 0 e n∗2 = GNo −k Gα . Per studiarne la stabilità si deve calcolare la derivata del lato destro dell’equazione e calcolarla nei punti fissi: f 0 (n) = (GNo − k) − 2Gαn f 0 (n∗1 ) = f 0 (0) = GNo − k o −k f 0 (n∗2 ) = f 0 ( GNGα ) = k − GNo 10 Capitolo 2. Analisi del laser a stato solido Da cui: • No < k/G: unico punto fisso stabile nell’origine n∗ = 0. Questo significa che non c’è emissione stimolata ed il laser agisce come una lampadina. Per qualunque condizione iniziale il modo converge sempre a 0 (fig. 2.2)1 . • No = k/G: con l’aumentare dell’energia esterna il sistema subisce una biforcazione. Fisicamente tale valore rappresenta la soglia del laser. • No > k/G: l’origine perde la stabilità e compare un nuovo punto fisso stabile che attrae la soluzione per qualunque no (fig. 2.3)1 . Figura 2.2: Modi pre-bif 1 Le figure 2.2 e 2.3 sono state realizzate col tool dfield di John C. Polking del dipartimento di matematica della Rise University scaricabile dal sito http://math.rice.edu/∼dfield/index.html 11 Capitolo 2. Analisi del laser a stato solido Figura 2.3: Modi post-bif L’equazione del sistema è molto simile a quella dei sistemi che presentano una biforcazione transcritica. Infatti il punto fisso nell’origine non scompare ma cambia solo la sua stabilità. In figura 2.4 è possibile osservare lo spazio delle fasi prima, durante e dopo la biforcazione. Figura 2.4: Biforcazione Laser 12 Capitolo 2. Analisi del laser a stato solido 2.3 Simulazione Per osservare il comportamento del sistema procediamo ad una simulazione al MATLAB/SIMULINK. Bisogna innanzitutto fissare i valori dei parametri: G=2, k=4, α = 1. La condizione iniziale è fissata ad un valore n(0) = 0.5 prossimo all’origine. In questo caso in No = 2 c’è il punto di biforcazione. Le simulazioni verranno fatte rispettivamente da prima a dopo la soglia, per osservare in che modo cambia l’evoluzione della soluzione. Il seguente schema simulink (fig 2.5) è stato realizzato per effettuare la simulazione: Figura 2.5: Schema Simulink il blocchettino Slider Gain serve per far variare comodamente il parametro No . Il blocco subsystem contiene l’implementazione dello schema dell’equazione differenziale del laser come si può osservare nella fig 2.6: Figura 2.6: Schema subsystem Avviando la simulazione per un valore di No = 1 otteniamo il risultato in 13 Capitolo 2. Analisi del laser a stato solido Figura 2.7: Simulazione 1 Figura 2.8: Simulazione 2 fig 2.7. Come ci aspettavamo, il modo è partito dalla condizione iniziale per poi essere attratto dal punto fisso stabile nell’origine. Dopo la biforcazione (No > 2), nonostante si parta da una condizione iniziale molto prossima all’origine, il modo viene respinto per essere attratto dal punto fisso stabile. 14 Capitolo 3 Progetto del controllore Procederemo ora al progetto di un controllore in grado di soddisfare alcune specifiche desiderate. Successivamente ne verrà fatta una simulazione al MATLAB/SIMULINK per verificarne il funzionamento. 3.1 Specifiche Vogliamo realizzare un controllore in grado di ottenere determinate specifiche sia prima che dopo la biforcazione. In particolare si vuole che: • le dinamiche transitorie raggiungano l’equilibrio nell’origine in meno di 1s (ta < 1s). • dopo la biforcazione il punto d’equilibrio nell’origine sia stabile. 3.2 Sintesi del controllore Per non complicare troppo il problema, un modo di procedere è quello di linearizzare il sistema intorno al punto di equilibrio in esame. Ricordiamo che tale procedura ha validità in un intorno sufficientemente piccolo 15 Capitolo 3. Progetto del controllore del punto d’equilibrio per cui valgono |δx| << 1 e |δu| << 1. Dalle specifiche si evince che l’unico punto di equilibrio che interessa è l’origine. Procediamo nel caso in cui No = 1 ovvero, prima della biforcazione. Il sistema linearizzato risulta: δ ṅ = −2δn + δu dove u è l’ingresso dato dal controllore. Ancora una volta, come ci aspettavamo, notiamo che l’unico autovalore del sistema è negativo (λ = −2) e quindi il punto di equilibrio è stabile in accordo con quanto detto fin’ora. Siccome il sistema è dato nel dominio del tempo e le specifiche sono sulla performance e l’equilibrio, è stato scelto un controllore a retroazione di stato (noto anche come SFC). In particolare l’ingresso dato da questo tipo di controllore è pari a δu = −Kδn, dove K ∈ R è un valore di guadagno da determinare affinchè il sistema a ciclo chiuso rispetti le specifiche. Sostituendo l’equazione dell’ingresso in quella del sistema si ottiene: δ ṅ = (−2 − K)δn con autovalore λ = −(2 + K). Quindi risulta ora possibile scegliere il parametro K per regolare a piacimento il valore dell’autovalore. In questo caso ta < 1s ed è noto che ta ≈ 5τ e τ = − λ1 , quindi K > 3. Ora si può scegliere un valore del guadagno che rispetti l’intervallo trovato al fine di soddisfare le specifiche. 16 Capitolo 3. Progetto del controllore Bisogna però fare delle considerazioni sul valore di K: 1. non va scelto al limite dell’intervallo (K ≈ 3) perchè a causa di una possibile variabilità del parametro non si rispetterebbero più le specifiche. 2. non può essere scelto arbitrariamentre grande a causa dei vincoli tecnologici che pongono un limite superiore. È quindi opportuno scegliere un valore di K sufficientemente grande ma non troppo, ad esempio distante almeno una decade dal limite inferiore K=15. Con questo valore di K si avrà ta = 0.3s. Consideriamo ora il caso post biforcazione (No = 3), il sistema linearizzato risulta: δ ṅ = (2 − K)δn dove è già stata sostituita l’equazione del controllore. In questo caso l’origine è instabile e quindi bisogna scegliere K al fine di rispettare sia la richiesta di stabilità che quella di performance. Imponendo tali condizioni abbiamo: 2 − K < 0 per la stabilità 5 K−2 < 1 per la dinamica da cui K > 7. Quindi il valore di K precedentemente scelto è ancora adeguato. Ricordiamo infine che siccome δn = n − n∗ l’ingresso effettivo dato dal controllore sarebbe u = −K(n − n∗ ) ma poichè n∗ = 0 resta inalterato. 17 Capitolo 3. Progetto del controllore 3.3 Simulazione del controllore Continuiamo ora con una simulazione al MATLAB/SIMULINK per verificare che la sintesi sia stata fatta correttamente. Innanzitutto lo schema simulink è stato modificato come segue: Figura 3.1: SFC il controllore SFC, come dice il nome stesso, si implementa riportando in ingresso al sistema lo stato stesso moltiplicato per il fattore di guadagno K. La simulazione pre biforcazione (No = 1) ci da proprio il risultato che ci aspettavamo, il modo si estingue in un tempo pari a 0.3s come si può osservare nella figura 3.2. Nel caso post biforcazione (No = 3) il modo non viene più respinto dall’origine per essere attratto nell’altro punto fisso stabile ma converge a zero ancora con un tempo di circa 0.3s. In effetti il controllore sta avendo due effetti sul sistema: 1. sta forzando il sistema ad agire come una lampadina nonostante la forza di eccitazione esterna sia tale da farlo agire come laser. 2. sta spostando il punto di biforcazione ad un valore maggiore in accordo alla relazione No = k+K G al variare di K. 18 Capitolo 3. Progetto del controllore Figura 3.2: Simulazione1 SFC Figura 3.3: Simulazione2 SFC 19 Capitolo 4 Conclusioni In questo breve elaborato abbiamo visto le principali tecniche d’analisi dei sistemi nonlineari che, tramite considerazioni grafiche, ci permettono di estrarre informazioni qualitative sulle soluzioni evitando la risoluzione analitica. Abbiamo innanzitutto visto grazie allo spazio delle fasi come sia possibile predire l’andamento della soluzione del sistema per certi valori della condizione iniziale. Sono stati definiti i punti di equilibrio del sistema come punti fissi, è stato studiato un modo per studiarne la stabilità e con quale rapidità i modi convergono o divergono da essi. Sono stati analizzati dei nuovi fenomeni introdotti dalle nonlinearità: le biforcazioni, che influiscono sullo spazio delle fasi e sulla stabilità dei punti fissi. Nel capitolo 2 è stato preso in considerazione il caso pratico del laser a stato solido da cui abbiamo derivato un modello matematico al quale è stato possibile applicare tutte le tecniche viste. A supporto di tale analisi è stato realizzato uno schema SIMULINK con cui sono state effettuate le simulazioni. Infine abbiamo progettato un controllore SFC che ci ha permesso di soddisfare alcune specifiche. Anch’esso è stato simulato al MATLAB/SIMULINK per verificarne il funzionamento. 20 Bibliografia [1] Steven H. Strogatz, ”Nonlinear Dynamics and Chaos”, Perseus Books 1994. [2] P. Bolzern, R. Scattolini, N. Schiavoni, ”Fondamenti di controlli automatici 3/ed”, McGraw Hill 2008. [3] https://en.wikipedia.org/wiki/Solid-state laser (visualizzato il 21/11/2014) 21