Rendszerelmélet II

KUTASI DÉNES NIMRÓD
MÁRTON LÁSZLÓ FERENC
RENDSZERELMÉLET
LABORATÓRIUMI
GYAKORLATOK
SAPIENTIA ERDÉLYI MAGYAR TUDOMÁNYEGYETEM
MŰSZAKI ÉS HUMÁNTUDOMÁNYOK KAR, MAROSVÁSÁRHELY
VILLAMOSMÉRNÖKI TANSZÉK
KUTASI DÉNES NIMRÓD
MÁRTON LÁSZLÓ FERENC
RENDSZERELMÉLET
LABORATÓRIUMI GYAKORLATOK
Scientia Kiadó
Kolozsvár · 2010
A kiadvány megjelenését támogatta:
Lektor:
Sisak Ferenc (Brassó)
Sorozatborító:
Miklósi Dénes
Első magyar nyelvű kiadás: 2010

© Sapientia 2010
Minden jog fenntartva, beleértve a sokszorosítás, a nyilvános előadás, a rádió- és
televízióadás, valamint a fordítás jogát, az egyes fejezeteket illetően is.
Descrierea CIP a Bibliotecii Naţionale a României
KUTASI DÉNES, NIMRÓD
Rendszerelmélet: laboratóriumi gyakorlatok / Kutasi Dénes Nimród, Márton
László Ferenc. - Cluj-Napoca: Scientia, 2010
ISBN 978-973-1970-40-0
I. Márton László, Ferenc

681.5
TARTALOMJEGYZÉK
Előszó . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
I. gyakorlat
MATLAB bevezető . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
II. gyakorlat
Jelek tanulmányozása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Alapműveletek jelekkel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
A jelek értelmezési tartományát módosító műveletek . . . . . . . . . . 42
III. gyakorlat
Konvolució tanulmányozása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
IV. gyakorlat
Fizikai rendszerek modellezése, átviteli függvény . . . . . . . . . . . . . 57
V. gyakorlat
Frekvenciafüggvény, Nyquist-diagram, Bode-diagram . . . . . . . . . . 67
VI. gyakorlat
Lineáris rendszerek stabilitása . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Relatív stabilitás, fázistartalék, erősítéstartalék. . . . . . . . . . . . . . . . 80
VII. gyakorlat
Lineáris rendszerek stabilitásának vizsgálata a
gyökhely-görbe módszerrel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
VIII. gyakorlat
Diszkrét rendszerek . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
IX. gyakorlat
Rendszer-szimuláció – Simulink . . . . . . . . . . . . . . . . . . . . . . . . . . 109
X. gyakorlat
Állapotteres leírás. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
XI. gyakorlat
Az állapotegyenletek megoldása . . . . . . . . . . . . . . . . . . . . . . . . . . 129
XII. gyakorlat
Sajátérték, sajátvektor, modális transzformáció, Jordan alak,
Cayley–Hamilton-tétel alkalmazása . . . . . . . . . . . . . . . . . . . . . . . . 137
XIII. gyakorlat
Lineáris rendszerek irányíthatósága, megfigyelhetősége,
kanonikus alakok . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
XIV. gyakorlat
Diszkrét állapotteres leírás . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
6 TARTALOMJEGYZÉK
I. függelék
Összefoglaló feladat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
II. függelék
Elméleti összefoglaló. Román és angol nyelvű terminológia . . . . 179
III. függelék
Laplace és Z transzformált táblázatok . . . . . . . . . . . . . . . . . . . . . . 189
Szakirodalom . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Rezumat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
A szerzőkről . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
CONTENTS
Foreword . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Class Work I.
Introduction to MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Class Work II.
Signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Basic operations with signals . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Operator to modify the reference domain of a signal . . . . . . . . . . . 42
Class Work III.
Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Class Work IV.
Mathematical model of LTI systems. Transfer function . . . . . . . . . 57
Class Work V.
Frequency domain analyzes. Nyquist diagram. Bode diagram . . . . 67
Class Work VI.
The stability of linear systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Relative stability, gain margin, phase margin . . . . . . . . . . . . . . . . . 80
Class Work VII.
The stability of linear systems – the root locus method . . . . . . . . . 87
Class Work VIII.
Discrete time systems . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Class Work IX.
System diagrams. MATLAB SIMULINK . . . . . . . . . . . . . . . . . . . . 109
Class Work X.
State-space representation of LTI systems . . . . . . . . . . . . . . . . . . 117
Class Work XI.
The solution of the state-space equations . . . . . . . . . . . . . . . . . . . 129
Class Work XII.
Matrix transformations. Modal transformation, Jordan form,
application of Cayley-Hamilton’s theorem . . . . . . . . . . . . . . . . . . 137
Class Work XIII.
Observability and controllability of LTI systems.
Canonical forms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Class Work XIV.
State-space representation of discrete time linear systems . . . . . 151
8 CONTENTS
Appendix I.
Solved examples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
Appendix II.
Theoretical overview. Romanian terminology.
English terminology . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Appendix III.
Laplace and Z transformation tables . . . . . . . . . . . . . . . . . . . . . . . 189
References . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Rezumat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
About the authors . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
CUPRINS
Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
Lucrarea I.
Introducere MATLAB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
Lucrarea II.
Studiul semnalelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Operaţii elementare cu semnale . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Operatori de transformare ai domeniului de definiţie . . . . . . . . . . 42
Lucrarea III.
Convoluţia semnalelor . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
Lucrarea IV.
Modelarea matematică a sistemelor. Funcţia de transfer . . . . . . . . 57
Lucrarea V.
Studiul în domeniul frecvenţă. Diagrama Nyquist.
Diagrama Bode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
Lucrarea VI.
Stabilitatea sistemelor liniare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
Stabilitatea relativă, marginea de fază, marginea de amplificare . . . . 80
Lucrarea VII.
Studiul stabilităţii sistemelor liniare cu metoda Locul
rădăcinilor. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
Lucrarea VIII.
Sisteme eşantionate . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
Lucrarea IX.
Simularea sistemelor cu diagrame de simulare.
MATLAB SIMULINK . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
Lucrarea X.
Descrierea sistemelor în spaţiul stărilor . . . . . . . . . . . . . . . . . . . . 117
Lucrarea XI.
Soluţia ecuaţiilor de stare. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
Lucrarea XII.
Transformări matriciale pentru rezolvarea ecuaţiilor de stare.
Transformarea modală, forma Jordan, aplicarea teoremei
Cayley-Hamilton . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 137
10 CUPRINS
Lucrarea XIII.
Observabilitatea şi controlabilitatea sistemelor liniare.
Forme canonice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
Lucrarea XIV.
Descrierea sistemelor eşantionate în spaţiul stărilor. . . . . . . . . . . 151
Anexa I.
Problemă de sinteză . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 159
Anexa II.
Sinteza noţiunilor teoretice. Terminologia în limba română.
Terminologia în limba engleză . . . . . . . . . . . . . . . . . . . . . . . . . . . . 179
Anexa III.
Tabele cu transformări Laplace şi Z . . . . . . . . . . . . . . . . . . . . . . . . 189
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 191
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 193
Rezumat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 195
Despre autori . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 197
ELŐSZÓ
A Rendszerelmélet – laboratóriumi gyakorlatok útmutató a műsza-

ki oktatásban részt vevő és rendszertechnikát elsajátító diákok számára,
elméleti és gyakorlati segédanyag MATLAB gyakorlatok elvégzéséhez. A
könyv 14 gyakorlaton keresztül szemlélteti a jelek és rendszerek témakör
alapjait, minden gyakorlat elméleti bevezetővel és megoldott feladattal
segíti azok elvégzését. A könyvben tárgyalt főbb témák között szerepel
a jelek tanulmányozása, konvolució tanulmányozása, lineáris időben ál-
landó paraméterű rendszerek matematikai modellezése, időtartománybe-
li és frekvenciatartománybeli analízise, stabilitásvizsgálata. Részletesen
tárgyalja a könyv az állapotteres modellezés elvén alapuló rendszer-szi-
mulációs módszereket, valamint az időtartománybeli vizsgálati módsze-
reket, az állapotegyenletek megoldását, az irányíthatóság és megfigyelhe-
tőség fogalmait és ezek gyakorlati jelentőségét.
A könyv függelékében egy összefoglaló feladaton keresztül áttekint-
hető a gyakorlatok jelentősége, román és angol nyelvű terminológia, és
hasznos táblázatok egészítik ki az ismertetett elméleti anyagot.
A szerzők
I. GYAKORLAT
MATLAB BEVEZETŐ
A gyakorlat célja
A MATLAB (a név a MATrix LABoratory = mátrix–laboratórium) egy

interaktív, tudományos célokra kifejlesztett programrendszer, mely oktatási
célokra is rendkívül alkalmasnak bizonyult. Magába foglalja a numerikus
analízis, a mátrixszámítás, jelfeldolgozás és sok más tudományág elemeit,
eljárásait egy nagyon egyszerűen kezelhető, felhasználóbarát környezetben.
Könnyen kiterjeszthetők, továbbfejleszthetők, módosíthatók a már
működő eljárások, ezáltal nagyon sok tudományterületet lefedtek már saját
programcsomaggal, az úgynevezett toolbox-szal. Ezek a MATLAB(.m) állo-
mány gyűjtemények, amelyek egy sajátos feladat megoldását is szolgálják.
Az első gyakorlat célja betekintést nyújtani a MATLAB környezet hasz-
nálatába, elemi programozási és felhasználói funkciók megismertetése.
Programindítás. MATLAB környezet
A MATLAB program indítása után három ablakot jelenít meg (I.1.

ábra): Current Directory = Aktuális Könyvtár, Command History = Pa-
rancs Visszatekintés, Command Window = Parancs Ablak.
I.1. ábra.
14 I. MATLAB BEVEZETŐ
Az Aktuális Könyvtár ablak egy fájlkezelő rendszer, az állományok

kezelésére, böngészésre, MATLAB programállományok szervezésére
használható. Ajánlott, hogy egy adott gyakorlat elkezdése előtt ebben az
ablakban állítsuk be a felhasználói munkakörnyezetet. Az a munkakör-
nyezet, ahonnan futtatni tudjuk eljárásainkat és ahova menteni lehet a
programokat és azok eredményeit, ha szükséges. Ebből a meggondolásból
hasznos a File ablak Set Path parancs használata, hogy különböző helye-
ken tárolt eljárások meghívása ne okozzon gondot.
A Parancs Visszatekintés ablak a régi parancsokat tárolja, minden al-
kalommal, amikor a MATLABot elindítjuk, egy dátum/idősor beiktatásá-
val elválasztja a parancsokat. Nagyon hasznos a végrehajtott parancsok
visszatekintésére vagy azok újrafuttatására.
A Parancs Ablak a programszerkesztő, de parancssorokba rendezve,
ez azt jelenti, hogy minden sort elvégez, ha új sorra térünk Enter leütéssel
(értelmező mód). Programokat szerkeszteni szöveges állományba lehet,
és a következőkben áttekintjük ezeket a lehetőségeket.
A MATLAB programcsomagok nagyon jól dokumentáltak, a Súgó
(Help/Product Help) része a programcsomagokra van strukturálva, min-
den csomaghoz általában bemutató (DEMO) is tartozik (I.2. ábra). A Súgó
használata alapvető a kezdő felhasználók számára, mert hasznos útmuta-
tó programozási módszerek megismerésében.
I.2. ábra.
VÁLTOZÓK. ADATTÍPUSOK. MÁTRIXOK 15
Változók. Adattípusok. Mátrixok
A MATLAB programrendszerben egyetlen típusú változó van: valós

vagy komplex számokat tartalmazó mátrix. Az 1 x 1 (1 sor 1 oszlop) mát-
rixok skalárisok, azaz az egyetlen sort és egyetlen oszlopot tartalmazó
mátrixok jelentik a skaláris mennyiségeket, míg az 1 x n (1 sorú és n osz-
lopú) vagy n x 1 (n sorú, 1 oszlopú) típusok a vektorok.
A mátrixokat megadhatjuk:
– közvetlenül az elemek felsorolásával,
– összerakhatjuk mátrixokból,
– előállíthatjuk egy program segítségével,
– betölthetjük külső, strukturált szövegállományból.
Példa: az A változóhoz ugyanazt a 3x3-as (3-szor 3-as) mátrixot ren-
delhetjük többféleképpen is:
A=[1 2 3; 4 5 6; 7 8 9]
Itt a ; (pontosvessző) szerepe, hogy az, ami következik, az új sorba kerül a

mátrixban (a vessző vagy szünet egyazon sorban levő elemeket választja
el egymástól).
A= [1 2 3
4 5 6
7 8 9]
A=[1:3;4:6...
;7:9]
Itt a ’:’ (kettőspont) egy intervallumot határoz meg. Az 1:4 ugyanaz,

mint 1 2 3 4.
A numerikus értékeket megadhatjuk:
– egész számként, (pl. 2)
– tizedes ponttal (racionális szám), (pl. 2.3)
– lebegőpontos ábrázolással. (pl. 0.234e2)
Tehát egy mátrixban levő elemek elválasztása a mátrix meghatározásakor:

– vessző vagy szünet az ugyanazon sorban levő elemek elválasztására,
– ’;’ (pontosvessző) vagy sorvég (<Enter>) segítségével a sorok elvá-
lasztása történik.
Mátrixok és vektorok elemeire a szokásos módon, kerek zárójelek kö-

zött megadott indexekkel hivatkozunk (a mátrix elemeinek címzése sor
és oszlop szerint).
A(3,2) az A mátrixban a harmadik sor második oszlopban talál-
ható elem,
x(3) az x vektor harmadik eleme (függetlenül attól, hogy sor- vagy
oszlopvektorról van szó).
Ha egy vektort a komponenseivel adjuk meg, akkor az sorvektor lesz.
Pl.
y(1)=1; y(2)=3 (ez itt értékadás-művelet),
eredménye:
1 3
Ha helyette oszlopvektort akarunk, írhatjuk ezt:
y = zeros(2,1); y(1)=1; y(2)=3
vagy y(1,1)=1; y(2,1)=3;)
eredménye:
1
3
Itt a zeros(n,m) egy n sorú és m oszlopú, csak nullát tartalmazó mátrixot

generál.
Gyakran használt állandók
pi – racionális megközelítése a π értékének (15 tizedessel),

inf – végtelen érték,
NaN – a nem értelmezett matematikai műveletek eredménye,
amely nem értelmezhető mennyiség (not a number), pl.
a 0/0 művelet eredménye,
rand – egy [0,1] intervallumon egyenletes eloszlású véletlen-
szerű szám,
randn – normál eloszlású véletlenszerű szám [0,1] intervallumon,
realmin – a legkisebb pozitív valós szám, amely használható,
realmax – a legnagyobb pozitív valós szám, amely használható,
eps – a legkisebb pozitív valós szám, melyre (1+eps) nem
egyenlő 1-gyel.
UTASÍTÁSOK, KIFEJEZÉSEK, VÁLTOZÓK 17
Aritmetikai műveletek (skalárokra és mátrixokra)
+ összeadás,
- kivonás,
* szorzás,
^ hatványozás,
’ transzponált képzés,
\ bal oldali osztás,
/ jobb oldali osztás.
Az összes művelet alkalmazható mátrixokra mint skaláris mennyi-

ségekre (mint alapértelmezett 1x1–es mátrixok). Ha az operandus mátrix
méretek nem összeillőek, hibaüzenetet kapunk.
Ha a műveleti jelet egy .(pont)előzi meg, és legalább az egyik
operandus mátrix, akkor a *, ^ és / műveletek nem mint mátrixok
műveletei, hanem egyenként a mátrix elemeire hajtódnak végre. Például
ugyanazt eredményezi az alábbi három utasítássor:
[1 2 3 4].*[1 2 3 4]
[1 2 3 4].^2
Az eredmény:
[1 4 9 16]
Utasítások, kifejezések, változók
A MATLAB kétféle üzemmódban dolgozhat. Az egyik az ‘interpre-

tor’ üzemmód. Ekkor az utasításokat egymás után, sorban értelmezi, ki-
értékeli és végrehajtja. A másik üzemmód az, amikor a megírt MATLAB
programot egy kompilátor lefordítja és egy végrehajtható (például *.exe)
programmá alakítja. Mindkettőnek megvannak az előnyei és hátrányai.
Az elkövetkezőkben az ’interpretor’ üzemmódban fogunk dolgozni, ki-
használva a gyors programozási, áttekinthetőségi képességet, az utasítá-
sok gyors végrehajtási sebessége ellenében.
A MATLAB utasítások általános alakja:
Változó = kifejezés
vagy egyszerűen
kifejezés
Fontos megjegyezni, hogy ha egy utasítás ; (pontosvessző) jellel vég-

ződik, akkor a változó éppen kiszámított értéke nem íródik ki a képernyő-
re, ha meg hiányzik ez a jel, akkor a kiszámított változó érték kiíródik. Ez
hatékony eszköz a MATLAB használatában.
Az értékadó kifejezések eredménye egy-egy mátrix lesz, ami érték-
ként hozzárendelődik a megadott változóhoz. Ha nem adunk meg válto-
zót, akkor a gép automatikusan az ans (= válasz) változót állítja elő és
a kiszámított eredményt értékként ahhoz rendeli. A kifejezések műveleti
jelekből, függvény-, konstans- és változónevekből épülhetnek fel.
Az utasításokat általában <Enter> leütésével fejezzük be, de az uta-
sítást folytathatjuk több sorban is, ha az <Enter> előtt az adott sorba
három pontot írunk:
A=A+B...
+C
Egy sorban több utasítás is lehet, ha köztük vessző vagy pontosvessző van:
A=2*B, C=3*A; D=C
Ha pontosvessző van, akkor az azt megelőző utasítás eredménye nem
jelenik meg a képernyőn, vesszőnél viszont igen.
A MATLAB különbséget tesz az utasítások, függvények és változók
nevében a kis- és nagybetűk között, így az x és X nem ugyanaz a változó.
A quit utasítással lehet kilépni a MATLAB-ból.
A változókat nem deklaráljuk előzőleg, azoknak a gép megfelelő mé-
retű tárterületet foglal le, és a változók nevét és utolsó értékét a MATLAB
futásának teljes idejére megjegyzi (dinamikus memóriakezelés). A memó-
riában lefoglalt változókról a who vagy whos utasítással kérhetünk egy
listát, a már szükségtelen változókat pedig clear (= törölj) paranccsal
távolíthatjuk el, és így memóriát szabadíthatunk fel (részletekért lásd a
help clear utasítást).
A MATLAB-ból kilépve, a ki nem mentett változók és azok értékei
elvesznek. Ha mégis szükségünk lenne a változókra, akkor azokat a save
<név> (= ments) segítségével menthetjük el (természetesen még a quit
előtt), és ekkor az összes, abban a pillanatban meglévő változó neve és
értéke bekerül a nev. mat szövegállományba (részletekért lásd a help
save utasítást). A MATLAB-ban bármikor a load <név> (= tölts) ál-
lítja vissza munkaterületünknek a save használatakor megvolt változók
állapotát. A load és save utasítások programozhatók, tehát végrehajtás
közben is menthetünk ki, olvashatunk be változó értékeket.
A FOR, WHILE ÉS IF UTASÍTÁSOK 19
Speciális mátrixok
eye egységmátrix
zeros (= nullák) nullamátrix
ones (= egyesek) csupa egyes mátrix
diag (= diagonal) diagonális mátrix
triu (= triangular, upper) mátrix felsőháromszög része
tril (= triangular, lower) mátrix alsóháromszög része
rand (= random) véletlen számok mátrixa
Itt zeros(m,n) egy m-szer n-es, zeros(n) pedig egy n-szer n-es csu-
pa-nulla (csak zérót tartalmazó) mátrix; ha A egy mátrix, akkor zeros(A)
egy A-val méretben megegyező méretű csupa-nulla mátrix. Ugyanilyen
ones, természetesen nullák helyett egyesekkel, és eye egységmátrix (n x
n), vagyis csak a főátlón vannak egyesek, máshol nullák. Ha x egy vektor,
akkor diag(x) egy diagonális mátrix, egy átlós mátrix, melynek főátlójá-
ban x elemei vannak; ha A négyzetes mátrix, akkor a diag(A) egy vektor
az A főátlójából származó elemekkel. Kitalálható, mi lesz diag(diag(A))
és az is, hogy triu(A) és tril(A) az A mátrixból egy-egy ugyanolyan
méretű mátrixot készít, a főátló alatt, illetve felett csupa-nulla mátrixokkal,
ami máshol megegyezik A méretű, már létező mátrixszal.
Mátrixot építhetünk részmátrixokból is. Ha pl. A egy 3-szor 3-as mát-
rix, akkor 5-ször 5-ös mátrixot ad:
[zeros(3,2); ones(3,2); eye(2)]’
Az eredmény: (figyelem, a létrehozott mátrix transzponáltját írtuk fel

a kézirat helyfoglalása okán!)
0 0 0 1 1 1 1 0
0 0 0 1 1 1 0 1
A for, while és if utasítások
Mindezek az utasítások a C-ben megszokott szintakszishoz hasonló-

an működnek. Minden programozási nyelv két alapeleme a ciklusok és a
döntéshozatalok. (Amint tudjuk, a harmadik nélkülözhetetlen művelet-
sor a ki/be utasításokhoz kötődik.) Ezek pontos ismerete szinte nélkülöz-
hetetlen a legegyszerűbb programok megírásához.
A for egy ismert lépésszámú, ismétlődő (ciklikus) utasítások végre-

hajtását programozó utasítás. Általános alakja:
for <logikai reláció>

<utasítások>
end;
Példák:
for i=1:n, x(i)=i^2; end
vagy
for i=1:n
x(i)=i^2;
end
egy n vektort állít elő, ugyanazt, mint:
for i=n:-1, x(i)=i^2; end
csak az utóbbi fordított sorrendben csinálja (a -1 jelentése). Az end ön-
magában áll, nincs begin párja, szerepe a for-ciklus lezárása.
A while-ciklus egy elöltesztelő, nem ismert lépésszámú utasítássor

végrehajtására használt utasítás. A while-ciklus általános alakja:
while <logikai reláció>

<utasítások>
end;
Az utasításokat a gép addig ismételi, amíg a logikai reláció igaz értéket

vesz fel. Ha például a egy adott szám, akkor az alábbi program meghatározza
azt a legkisebb n egész számot, melyre 2-nek az n-edik hatványa legalább a.
n=0; a=37952; while 2^n<a, n=n+1; end; n-1
A döntéshozó utasítások általános alakja:
if <logikai reláció>
<utasítások>
elseif <logikai reláció>
<utasítások>
else
<utasítások>
end
A FOR, WHILE ÉS IF UTASÍTÁSOK 21
Az elseif-től az else feletti sorig terjedő rész kimaradhat, ha a

belső összefüggés hamis értéke esetén nem akarunk semmi utasítást ki-
adni. Ha az említett rész kimarad, akkor kimaradhat az első sortól az end
feletti sorig terjedő rész is, feltéve, hogy a külső reláció hamis értéke ese-
tén sem kell utasítást kiadni.
A for és while vezérlési utasításokhoz szükségesek az alábbi re-
lácionális
< ( less than = kisebb, mint)
> (greater than = nagyobb, mint)
<= (less than or equal to = kisebb vagy egyenlő)
>= (greater than or equal to = nagyobb vagy egyenlő)
== (equal to = egyenlő)
~= (not equal to = nem egyenlő)
és logikai operátorok
& (AND = ÉS)
| (OR = VAGY)
~ (NOT = NEM).
A relácionális kifejezéseket kapcsoljuk össze logikai operátorokkal.
A relácionális kifejezések tartalmazhatnak algebrai műveleteket. A logi-
kai kifejezés értéke 1 vagy 0, attól függően, hogy az igaz vagy hamis. Egy
önmagában álló skalárérték is reláció, melynek értéke akkor és csak ak-
kor hamis, ha a skalár számértéke 0. Minden 0-tól különböző számérték
logikai igaz érték. Azonos méretű mátrixokra alkalmazva logikai kifejezé-
seket, a kapott értékek egy 0-kat és 1-eseket tartalmazó mátrix, melynek
elemei a megfelelő mátrixelemek közötti reláció eredménye.
Fontos megjegyezni, hogy a MATLAB-ban == a relációnális operá-
tor, míg = az értékadási művelet!
Ha a while-ciklusban vagy az if utasításban a <logikai reláció>
mátrixokra vonatkozik, akkor a program csak abban az esetben tekinti az
eredményt igaznak, ha a <logikai reláció> mátrixa minden eleme igaz
(nem nulla). Ha egy utasítást A és B mátrixokra akarunk végrehajtani,
akkor azt írjuk:
if A==B, utasítás; end
De ha az utasítást akkor akarjuk végrehajtatni, ha A nem egyenlő B-vel, akkor
if A==B, else <utasítás>; end
a helyes, és nem a következő:
if A~=B, <utasítás>; end
melyben az <utasítás> csak akkor kerül végrehajtásra, ha az A és B mát-
rixok egymástól elemenként minden helyen egyenként különböznek.
Skalárértékű függvények
Bizonyos MATLAB-függvények alapvetően valós változójú valós

függvények, de alkalmazhatók mátrixra is. Ebben az esetben a függvény
minden mátrixértékre kiszámítja a megfelelő értéket. A legismertebb va-
lós változójú valós függvények:
sin (sine = szinusz)
cos (cosine = koszinusz)
tan (tangent = tangens)
asin (arc sine = árkusz szinusz)
acos (arc cosine = árkusz koszinusz)
atan (arc tangent = árkusz tangens)
exp (exponential = exponenciális)
log (logarithm = logaritmus) természetes logaritmus
sqrt (square root = négyzetgyök)
abs (absolute value = abszolútérték)
round (kerekíts ) egész számra kerekít
rem (remainder = maradékrész)
sign (signum = előjel)
floor (padló ) alsó egészrész
ceil (ceiling = mennyezet ) felső egészrész
Talán csak a rem függvény igényel némi magyarázatot: rem(x,y)
értéke x-y n, ahol az n értéke az x/y hányados alsó egész része, ez az algeb-
rából ismert maradékosztály számítási algoritmusa. Minden esetben hasz-
náljuk a help <függvény>-t a függvények pontosabb értelmezéséért.
Vektorértékű függvények
Ha a vektorértékű függvényeket m x n (m-szer n-es) mátrixokra al-

kalmazzuk (ahol m legalább 2), akkor a mátrix változói a mátrix oszlopai
(vektorváltozójú függvények), és az egyes oszlopokra vonatkozó eredmé-
nyek egy n elemű sorvektort adnak. Sorvektor esetén alkalmazva a függ-
vényt, az eredmény egy skalárérték. A legismertebb ilyen függvények:
max (= maximum) a vektor legnagyobb eleme
min (= minimum) a vektor legkisebb eleme
sum (= összeg) a vektor elemeinek összege
prod (= product = szorzat) a vektor elemeinek szorzata
median (= medián) a vektor elemeinek mediánja
MÁTRIXÉRTÉKŰ FÜGGVÉNYEK 23
mean (= átlag) az elemek számtani középértéke

std (= szórás) az elemek statisztikai szórása
any (= bármelyik) 1, ill. 0 a logikai érték, ha van, ill. nincs nem-nulla
all (= mindegyik) 1, ill. 0 a logikai érték, ha minden, ill. nem min-
den eleme nem-nulla.
Némi magyarázatra szorul any és all. Az any abban a komponensben
ad 1 éréket, amelyik oszlopban előfordul 0-tól különböző szám, az utóbbi
pedig csak abban a komponensben, amelyik oszlopban minden szám 0-tól
különböző. Mindkét függvény esetében a többi komponens 0 lesz.
Az A mátrix legkisebb, ill. legnagyobb eleme így írható fel:
min(min(A))
ill.
max(max(A))
Vigyázat, mert a min vagy max mátrixra alkalmazva az eredmény egy vektor.
Mátrixértékű függvények
A rendszerek tanulmányozásához nélkülözhetetlen függvények.

Ezek mátrix (általában négyzetes mátrixok) változójú függvények. Alapos
megértésük mélyebb matematikai ismereteket igényel. Ezek a függvények
a következők:
eig (eigenvalue = saját-) sajátértékek és -vektorok
poly (= characteristic polynomial) karakterisztikus polinom
inv (= inverse) mátrix inverze
det (=derminant) a mátrixnak megfelelő determináns értéke
rank (= rang) független oszlopok száma
size (= méret) mátrix méretét adó vektor (sorok, oszlopok száma)
svd (= singular value decomp.) szinguláris érték - dekompozíció
expm (= exponent of a matrix) mátrixexponens
sqrtm (= square root of a matrix) mátrix-négyzetgyök
norm (=norma) 1-, 2-, végtelen-, Frobenius-norma
Egyes függvényeknek esetenként lehet vagy egy, vagy két kimenő ar-
gumentumuk is:
eig(A)
az A sajátértékeit tartalmazó vektor, míg
[U,D] = eig(A)
eredménye pedig egy U mátrix, mely az A sajátvektorait tartalmazza, és
egy D diagonális mátrix, főátlóján az A mátrix sajátértékeivel.
Például:
[U,D] = eig(diag(1:3))
eredménye:
U=
1 0 0
0 1 0
0 0 1
D=
1 0 0
0 2 0
0 0 3
Ide kapcsolódik a poly függvény, amely egy négyzetes mátrix karak-
terisztikus polinomját (az együtthatókból képzett sorvektort) számítja ki,
az együtthatók csökkenő hatványkitevők szerinti sorrendben értendők.
Ha a mátrix n-szer n-es, akkor az eredményvektornak a hossza n+1.
Például:
poly([1 2 3;4 5 6;7 8 0])
értéke
1 -6 -72 -27
A poly segítségével egy polinomot annak a polinomnak megfelelő poli-
nomiális egyenlet gyökeiből is előállíthatunk, pl.:
poly([1;2;4])
értéke
1 -7 14 -8
hiszen (x-1)(x-2)(x-4)=x3-7x2+14x-8.
Innen következik egy nagyon fontos függvény létezése. Ez roots
függvény. Ha ismerem egy polinom együtthatóit, akkor a megfelelő poli-
nom egyenlet gyökeit a következő módon számíthatjuk ki:
v=[1 -7 14 -8]; gyokok=roots(v)
az eredmény:
1, 2, 4
Részmátrixok és a kettőspont
Vektorok és részmátrixok használatával összetett adatkezelési eljárásokat

lehet eredményezni. A kettőspont a vektorok generálására valamint a részmát-
rixok kiválasztására használható. Jelentése általában intervallumok kijelölése.
RÉSZMÁTRIXOK ÉS A KETTŐSPONT 25
A
0:19
kifejezés a
[0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
kifejezéssel ekvivalens. Ezt használhatjuk egy for ciklus programozá-
sánál, hiszen
for i=0:19
nem azt jelenti, hogy i egy 20 hosszúságú sorvektor, hanem azt, hogy i
sorban felveszi a vektor elemeit skalárértékként, vagyis a for ciklus mint
ismert lépésszámú ciklus számlálójának az egymást követő, felvett értékei.
A kettőspont alkalmazásakor, a meghatározott intervallumban, sem
az alsó, sem a felső határként szereplő számok, sem pedig a növekmény
nem szükségképpen egész számok, hanem lehetnek racionális értékek is:
1.2:-0.2:-0.4
Ugyanazt jelenti, mint
[1.2 1 0.8 0.6 0.4 0.2 0 -0.2 -0.4]
Szinusz-táblázatot készít 15 fokpercenként:
x=[0:0.25:90]’; y=sin(x.*pi./180); [x y]
A kettősponttal kiválaszthatjuk egy mátrix valamely részmátrixát is:
A(1:4,3)
egy 4 elem hosszú oszlopvektor, a mátrix 3. oszlopából az első négy elemet
tartalmazza. A kettőspont önmagában a teljes sor vagy oszlop kijelölése:
A(:,3)
az A mátrix 3. oszlopa teljesen,
A(1:4,:)
pedig az A első négy sorából álló mátrix. Tetszőleges egész szám elemű
vektort alkalmazhatunk indexként is:
A(:,[2,4])
a 2. és 4. oszlopot tartalmazza és az A összes sorát. Ilyen indexelés érték-
adás mindkét oldalán lehet:
A(:,[2 4 5])=B(:,1:3)
az A mátrix 2., 4. és 5. oszlopának a helyettesítését írja elő a B mátrix első 3 osz-
lopával, sorban, ahogyan jönnek egymás után. Fontos, hogy az A és B mátrixok
sorainak száma azonos legyen, mert ha nem, akkor hibaüzenetet kapunk.
Az A mátrix 2. és 4. oszlopát jobbról [1 2;3 4] mátrixszal szorozva:
A(:,2,4)=A(:,2 4)*[1 2;3 4]
Mi lesz az
x=x(n:-1:1)
az n hosszúságú x vektoron? (Az x vektor elemeinek sorrendjét felcseréli.)
Itt csak egy pár, mátrixokra alkalmazott eljárás került bemutatásra, de

magától értetődik, hogy a lehetőségek sora nagyon nagy.
M-szövegállományok
A MATLAB végre tudja hajtani a szövegállományban tárolt utasítá-

sok sorozatát is. Az ilyen szövegállományokat M-szövegállományoknak
nevezzük, kiterjesztése *.m. A tipikus MATLAB programozás nagyrészt
M-szövegállományok írásából, javításából áll. Kétféle M-szövegállomány
van: program- és függvény-szövegállomány.
Az első egyszerűen MATLAB-utasítások egy sorozata, a benne
szereplő változók globális változók, a végrehajtás megváltoztatja a
környezetet.
Program-szövegállományokat gyakran használunk nagy mátrixok fel-
töltésére, ilyen szövegállományban az esetleg elkövetett hiba könnyen
kijavítható. A proba.m négysoros szövegállomány tartalma:
A=[
1 2 3 4
5 6 7 8
];
ekkor a proba utasítás végrehajtásával létrejön a munkamezőben a
2-szer 4-es A mátrix a megjelölt tartalommal és névvel.
Érdemes felfigyelni arra, hogy itt nem kell a sorok végére kiírni a
három pontot, amely a sorok folytatását jelentené. Ha szeretnénk beleja-
vítani a mátrixba, átírjuk a proba.m szövegállományt, majd újra kiad-
juk az PROBA parancsot a Parancs Ablak-ban. Az M-szövegállományok
hivatkozhatnak más M-szövegállományokra és rekurzívan önmagukra is.
Függvény-szövegállományokkal még többet elérhetünk: létrehozha-
tunk függvényeket, amelyek ugyanúgy használhatók, mint a MATLAB be-
épített függvényei. A függvények változói lokálisak (lásd help global).
function C=AABB(A,B)
% AABB két azonos méretű négyzetes mátrix négyzetének szorzata.
C=A^2*B^2;
Ezt a három sort AABB.m szövegállományba tesszük, a szövegállo-
mány neve kötelezően a függvénynév.m kiterjesztéssel. A z=AABB(x,y)
utasítás, amely hívja az előbb meghatározott függvényt, átadja az x és y
változók értékét a lokális A és B függvénybeli változóknak, majd az ered-
ményt a z változóba kapjuk vissza.
OUTPUT-FORMÁTUM 27
A sor eleji % azt jelenti, hogy ebben a sorban egy magyarázat találha-
tó és nem egy végrehajtható utasítás.
Minthogy a változók lokálisak, nevük független az egyéb MATLAB
változókétól. Egy függvénynek akár több kimeneti argumentuma is lehet:
function [xx,dd]=STATISZT(X)
% Az X mátrix oszloponkénti várható értéke és szórása.
% Az eredmény két sorvektor.
[m n]=size(X); % Sorok és oszlopok száma.
xx=sum(X)/m;
dd=sqrt(sum(X.^2)/m-xx.^2);
Ha a fenti programot elhelyeztük a STATISZT.m szövegállományba, az
[x,d]=STATISZT(X)
révén x-ben megkapjuk az X mátrix várható értékét, d-ben pedig a megfelelő
szórását. Alkalmazhatjuk a fenti eljárást egyetlen output-argumentummal is:
x=STATISZT(X)
eredménye x-ben az X várható értéke. Emlékeztetőül a MATLAB nevek
nagy- és kisbetűfüggőek. Tehát STATISZT(X) nem azonos statiszt(X)-szel.
A példákban a sorok elején szereplő százalékjel azt jelenti, hogy a sor
hátralévő része magyarázó szöveg (comment), az M-szövegállomány egy-
fajta leírását adják; a help STATISZT parancs hatására ez megjelenik a
képernyőn, ha a magyarázat az M-szövegállomány elején szerepel.
Output-formátum
Amint már említettük, bármely program esetében szerepelnie kell ki/

bemeneteli függvényeknek. Az alap bemeneti egység a billentyűzet, az
alap kimeneti egység pedig a képernyő. Nagyon sok esetben ezek elégsé-
gesek a feladatok megoldásához. A MATLAB képes speciális ki/bemenő
adatkezelési eljárásokra, adatbázisok kezelésére is.
A MATLAB az összes számolást az operandusok dupla pontosságú
értékeivel (lásd help double) végzi, az eredmények megjelenítését pe-
dig külön megadhatjuk:
format short fixpontos ábrázolás tizedespont után 4 számjeggyel
format long fixpontos ábrázolás tizedespont után 14 számjeggyel
format short e lebegőpontos ábrázolás tizedespont után 4 szám-
jeggyel
format long e lebegőpontos ábrázolás tizedespont után 4 szám-
jeggyel.
A kiadott formátumutasítás érvényben marad, amíg egy újabbat ki

nem adunk. Az alábbi utasítás hatására az üres sorok kiírása elmarad,
tehát egy képernyőre több adat elfér:
format compact
Ez független a többi format-utasítástól. Akár hexadecimálisan is ki-
nyerhetjük az eredményt:
format hex
Ha csak az eredmény elemeinek előjelére vagyunk kíváncsiak, akkor a
format +
használható.
Grafikus megjelenítés elemei
Kétdimenziós (síkbeli) grafikonok és háromdimenziós hatású felüle-

tek is megjeleníthetők a MATLAB gyakorlatokkal. A függvényábrázolás ha-
tékony eszköz a feladatok megértéséhez, ezért fontos a pontos elsajátításuk.
A plot beépített utasítás x-y grafikonok készítésére szolgál; ha x és
y azonos hosszúságú vektorok, akkor plot(x,y) felrajzolja azt a görbét,
amelyet a megfelelő (x(i),y(i)) koordinátájú pontok összekötésével kapunk
(függvény grafikonja, x az értelmezési tartomány, y az értékkészlet az x
vektornak megfelelően).
Például:
A szinuszfüggvény grafikonja a [-4, 4] intervallumon (I.3. ábra):
x=-4:0.01:4; y=sin(x); plot(x,y)
I.3. ábra.
GRAFIKUS MEGJELENÍTÉS ELEMEI 29
Egy grafikonon több görbét is ábrázolhatunk, a rajzra és a tengelyekre

feliratot tehetünk.
Ekkor használhatjuk a következő parancsokat:
- hold on/offgrid on/off

- xlabel
- ylabel
- title
- legend
Mindenik esetben használd a help parancsot, hogy tisztázd ezen

függvények szerepét a grafikus ábrázolásban. A MATLAB minden grafi-
kont egy adott ablakban ábrázol, és minden grafikus ablak minden ele-
me módosítható. Nagyon hasznos a subplot függvény használata, mert
ezáltal jobban áttekinthető grafikus rendszert alkothatunk. A subplot
többféle módon is használható. Ugyancsak a help paranccsal nézhetünk
utána mindezeknek.
I.4. ábra.
Az I.4. ábrát a következő parancssor rajzolja:
x=-4:0.01:4; y=sin(x); z=cos(x); plot(x,y,’r’,x,z,’g’)
Diszkrét jelek esetében hasznosabb a stem függvényt használni az

ábrázoláshoz (I.5. ábra):
x=-4:0.1:4; y=sin(x); stem(x,y)
I.5. ábra.
A háromdimenziós ábrázolás egyik függvénye a mesh(= háló). Ez-

zel a függvénnyel térhatású hálófelület-grafikont is rajzoltathatunk. Egy
z=f(x,y) kétváltozós függvénynek egy téglalap feletti grafikonját ábrázo-
landó, megadunk egy-egy x és y vektort a téglalap oldalainak felosztására.
A meshgrid (= mesh grid = háló értelmezési tartománya) függvénnyel
határozzunk meg egy X mátrixot, amelynek minden sorában az x vektor
áll, oszlopainak hossza pedig megegyezik az y hosszával, és hasonlóan
egy Y mátrixot, melynek minden oszlopa y, és az ilyen oszlopok száma
megegyezik x hosszával:
[X,Y]=meshgrid(x,y);
Ezután kiszámítjuk a Z mátrixot úgy, hogy az f függvényt elemenként
alkalmazzuk X-re és Y-ra.
Példa:
A z = f(x,y) = exp( -x2 – y2 ) grafikonja a [-2,2]-szer [-2,2]-es négyzet fö-
lött, 0.2 felosztással:
[X,Y] = meshgrid(-3:.125:3);
Z=exp(-X.^2-Y.^2);
mesh(X,Y,Z); % kirajzolás
axis([-3 3 -3 3 0 1])
A 2. sor maga a függvénydefiníció, a 3. sor pedig az alábbi ábrát (I.6.
ábra) rajzolja ki:
A SÚGÓ HASZNÁLATA 31
I.6. ábra.
Ezen kívül még használhatjuk a surf, meshc, meshz, waterfall

függvényeket. Használatukat tanulmányozhatjuk a help függvénnyel.
Minden két- vagy háromdimenziós grafikus ábrázolásban fontos a
vonatkoztatási rendszer pontos definíciója. Az erre használható függvény
például az axis függvény. Meg kell ismerni a színek használatát a grafi-
kus ábrázolásban.
A súgó használata
A MATLAB súgó gyors út a függvények használatának a megértésé-

hez. Fontos tudni, hogy (szükség esetén) a programrendszerben a
>>help
„súgó” parancs kiadása után bármikor hozzájuthatunk minden részletes
információhoz. Egy adott parancson, utasításon, műveleten belül segítő
információkhoz juttathat el a
>>help <<parancs>>
vagy a
>>lookfor <<parancs>>
Utasítások, függvények összefoglalója
Általános utasítások
demo – bemutató jellegű programok help – a „súgó” meghívása

what – M-, MAT- és MEX-file-ok type – M-file tartalmának kiírása
diary – a munkaszöveg mentése delete – munkaállomány törlése
who – munkaterület clear – munkaterület törlése
változóinak listázása
load – munkaterület save – munkaterület
változóinak betöltése változóinak mentése
size – mátrix dimenziói length – vektor hossza
clc – parancsképernyő törlése more – ablakos lapozás
startup – M-file végrehajtása quit – program befejezése
indításkor
Algebrai alapműveletek
Tömbműveletek Mátrixműveletek
+ – összeadás + – összeadás
- – kivonás - – kivonás
.* – elemek szerinti szorzás * – szorzás
./ – elemek szerinti osztás / – osztás
.^ – elemek szerinti hatványozás ^ – hatványozás
.\ – elemek szerinti bal oldali \ – balról való osztás
osztás
.’ – transzponálás ’ – konjugált transzponálás
Relációs és logikai műveletek
< – kisebb > – nagyobb

<= – kisebb vagy egyenlő >= – nagyobb vagy egyenlő
== – egyenlő ~= – nem egyenlő
& – ÉS | – VAGY
~ – NEGÁCIÓ xor – KIZÁRÓ VAGY
UTASÍTÁSOK, FÜGGVÉNYEK ÖSSZEFOGLALÓJA 33
Matematikai függvények
sin – szinusz asin – arkuszszinusz

sinh – szinusz hiperbolikusz asinh – arkuszszinusz hiperbolikusz
cos – koszinusz acos – arkuszkoszinusz
cosh – koszinusz hiperbolikusz acosh – arkuszkoszinusz hiperbolikusz
tan – tangens atan – arkusztangens
tanh – tangens hiperbolikusz atanh – arkusztangens hiperbolikusz
cot – kotangens acot – arkuszkotangens
coth – kotangens hiperbolikusz acoth – arkuszkotangens hiperbolikusz
sec – szekáns asec – arkuszszekáns
sech – szekáns hiperbolikusz asech – arkuszszekáns hiperbolikusz
csc – koszekáns acsc – arkuszkoszekáns
csch – koszekáns hiperbolikusz acsch – arkuszkoszekáns hiperbolikusz
pow2 – exponenciális (2-es alapú) log2 – logaritmus (2-es alapú)
exp – exponenciális (e-alapú) log – logaritmus (e-alapú)
log10 – logaritmus (10-es alapú) sqrt – négyzetgyök
lcm – legkisebb közös többszörös gcd – legnagyobb közös osztó
real – komplex valós része imag – komplex képzetes része
angle – komplex fázisszöge conj – komplex konjugált
rem – osztásmaradék sign – szignum (előjel) függvény
round – kerekítés a legközelebbi egészre fix – kerekítés egészre (törtrész nélkül)
ceil – kerekítés felfele floor – kerekítés lefele
abs – abszolút érték atan2 – arkusztangens (4 negyedes)
Mátrix- és vektorfüggvények
det – (négyzetes) mátrix determinánsa rank – mátrix rangja

norm – mátrix vagy vektor normája orth – mátrix ortonormál bázisa
inv – (négyzetes) mátrix inverze eig – sajátérték és sajátvektor
poly – mátrix karakterisztikus polinomja poly – gyökökből polinom (sorvektor)
expm – mátrix exponenciális logm – mátrix logaritmus
sqrtm – mátrix négyzetgyök funm – általános mátrix függvény értéke
cross – vektorok vektoriális szorzata dot – vektorok skaláris szorzata
cdf2rdf – complexből valós átlós alak rsf2csf – valósból komplex átlós alak
Adatanalízis utasítások és Fourier-transzformációk
max – legnagyobb érték min – legkisebb érték

mean – átlagérték median – középérték
sum – adatok összege prod – adatok szorzata
sort – rendezés növekvő sorrendbe std – standard eltérés
cov – kovariancia adatok összege corrcoef – korrelációs együtthatók
trapz – numerikus integrálás (trapéz diff – differenciál és/vagy derivált
módsz.)
del2 – diszkrét Laplace gradient – gradiens
filter – elsőfokú szűrő filter2 – másodfokú szűrő
fft – diszkrét Fourier-transzformáció ifft – inverz diszkrét Fourier-transzf.
fft2 – 2. diszkrét Fourier-transzformáció ifft2 – 2. inverz diszkrét Fourier-transzf.
Polinomiális, interpolációs és egyéb függvények
conv – konvolúció, deconv – dekonvolúció,

polinomiális szorzat polinomiális osztás
polyval – polinom értéke polifit – polinomiális interpoláció
polyvalm – mátrixpolinom értéke roots – polinom gyökei
polyder – polinom deriváltja residue – (egyszerű) résztörtekre bontás
interp1 – elsőfokú polinomiális interp2 – másodfokú polinomiális
interpoláció interpoláció
fmin – egyváltozós függvény fmins – többváltozós
minimuma függvény minimuma
ode23 – alacsonyrendű ode45 – magasrendű
differenciál megoldás integrál megoldás
quad – alacsonyrendű quad8 – magasrendű
integrál megoldás integrál megoldás
Speciális MATLAB utasítások
feval – függvény végrehajtása function – új függvény megnevezése

if – feltételes végrehajtás elseif – az „if” használata esetén
else – az „if” használata esetén while – feltételes ismétlés
for – ismétlés adott lépéssel end – az „if”, „while”, „for” vége
pause – végrehajtás felfüggesztése break – hurokművelet befejezése
return – visszatérés egy adott dbstatus – megszakítási pontok
függvényre listázása
UTASÍTÁSOK, FÜGGVÉNYEK ÖSSZEFOGLALÓJA 35
dbstep – program soronkénti dbquit – soronkénti végrehajtás

végrehajtása vége
dbstop – program megszakítási pont dbclear – program megszakítási
beszúrása pont törlése
Speciális mátrixok és mátrixműveletek
eye – egységmátrix zeros – zérókból álló mátrix

ones – 1-esekből álló mátrix gallery – teszt mátrix
rand – véletlen szám mátrix randn – norm. disztrib. véletlen-
szám mátr.
diag – mátrix átlós elemei magic – varázsmátrix
vander – Vandermonde mátrix compan – kompanion mátrix
tril – alsó háromszög mátrix kiemelés triu – felső háromszög mátrix kiemelés
Speciális karakterek
+ – plusz - – mínusz
= – hozzárendelés jele . – tizedes pont
% – szöveges megjegyzés kezdete ; – pontosvessző (sorvégjel)
, – vessző (választójel) : – kettőspont (tömbmanipuláció)
[] – szögletes zárójelek (mátrixok) () – kerek zárójelek (argumentumok)
… – folytatás ! – DOS parancs beszúrása
Speciális számértékek
pi – a „pi” értéke (3,14159265...) i,j – imaginárius egység ( − 1 )

ans – utolsó számítás eredménye NaN – nem szám (Not a Number)
realmax – a lehető legnagyobb valós realmin – a lehető legkisebb valós
szám szám
Két- és háromdimenziós grafikus megjelenítés
plot – lineáris interpolációs rajzolás loglog – logaritmusos skálájú rajzolás

semilogx – x-tengelyen logaritmikus semilogy – y-tengelyen logaritmikus
rajzolás rajzolás
bar – oszlopgrafikon polar – rajzolás poláris koordinátákban
fplot – függvény kirajzolása stairs – lépcsőzetes ábrázolás
grid – rácsozat title – grafikon címe
text – grafikon szövegezés gtext – szöveg elhelyezése egérrel

xlabel – az x-tengely jelölése ylabel – az y-tengely jelölése
zlabel – z-tengely jelölése zoom – nagyítás / kicsinyítés
plot3 – 3D rajzolás contourc – kontúr rajz számolás
contour – 2D kontúr rajzolás contour3 – 3D kontúr rajzolás
mesh – 3D metszet felületek kirajzolása surf – 3D árnyékolt területek kirajzolása
axis – tengelyek skálázása és kirajzolása caxis – tengelyek skálázása álszínnel
axes – tengelyek kirajzolása colormap – színtérkép
cla – tengelyek törlése clf – rajz törlése
figure – grafikus ablak létrehozása refresh – grafikus kép frissítése
newplot – új tengelyek és grafikus close – rajz bezárása
képernyő
SIMULINK (alapelvek a használathoz)
A MATLAB eszköztárához tartozó SIMULINK egy olyan programcso-

mag, amely rendszerek modellezésére, szimulálására valamint elemzésé-
re használható. Mind lineáris, mind nem lineáris, SISO vagy MIMO, foly-
tonos vagy diszkrét (akár vegyes) rendszerek tanulmányozása esetében is
használható. Működő rendszerek tervezéséhez elengedhetetlen eszköz,
segítségével interaktív módon elemezhetjük a különböző lehetséges álla-
potokat és azok következményeit anélkül, hogy az elképzelésünk alapján
elkészítenénk magát a fizikai rendszert. A programcsomag, a MATLAB
nyújtotta előnyöket is használva, lehetőséget biztosít különböző elképze-
lések dinamikájának megfigyelésére. Az elkészített dinamikus modellek
elmenthetősége lehetőséget biztosít arra is, hogy bővítsük, fejleszthessük
a már létrehozott eljárást. Ha alkalmazni akarjuk a szimuláló program-
csomagot, akkor MATLAB Parancs Ablak alatt indítjuk a SIMULINK alkal-
mazást a következő módon:
>> simulink
Ekkor megjelenik a SIMULINK könyvtár böngésző (I.7. ábra).

SIMULINK (ALAPELVEK A HASZNÁLATHOZ) 37
I.7. ábra.
Innen kezdve kinyithatunk egy már meglévő modellt ( *.mdl állo-

mánynévvel találkozhatunk velük), vagy létrehozhatunk egy új modellt,
ha az ablak bal felső sarkában található ‘New model’ ikont használjuk.
Ugyanez megtehető a File menü New almenüpontjának megnyitásával is.
Ekkor a rendszer megnyit egy úgynevezett új modell ablakot (I.8. ábra), és
rendelkezésünkre bocsátja a SIMULINK tömbök (ikonok) könyvtárát. Ez
a könyvtár a tervezett modellnek megfelelő rendszerelemek felépítéséhez
szükséges építőkockák ikonjait tartalmazza.
I.8. ábra.
A SIMULINK modellezés alapelve, hogy a megnyitott könyvtár nyúj-

totta alapelemekből az új modell ablakban felépítjük a tervezett rendszert.
Ez úgy történik, hogy a megnyitott könyvtárból kiválasztott építőkockákat
(elemeket) áthúzzuk a modell ablakba, majd a felépítendő rendszer sza-
bályai szerint összeláncoljuk az ott levő elemeket. Az építőelemek között
találunk jelgenerátorokat valamint kijelzőket, amelyekkel kiegészítjük a
rendszert be-, illetve kimenő eszközökkel. Minden építőelem rendelke-
zik paraméterekkel. Ezeket a paramétereket be kell állítanunk az elképzelt
szimulálásnak megfelelően. A paraméterértékek megválasztása fontos lé-
pés, és előzetes rendszer-tanulmányozást igényel. A SIMULINK könyvtár
nemcsak aktív elemeket tartalmaz, hanem, az úgynevezett jelkapcsolati
elosztókat is (Signal Routing). Ezek használatát mindenképpen ismerni
kell, fordítsunk rá kellő figyelmet. Ezek használatának alapelve, hogy az
egeret használva, ’vonal’-at húzunk a két összekapcsolandó pont közé.
Azt is meg kell jegyeznünk, hogy a már említett elemek könyvtára tartal-
mazhat a felhasználó által megszerkesztett, hasznosnak ítélt blokkokat is.
Fontos, hogy a SIMULINK használata előtt tanulmányozzuk a könyvtár
minden alkönyvtárát és minden építőelemét.
Miután megszerkesztettük a tanulmányozandó rendszer tömbökből
és kapcsolóvonalakból álló vázlatát, valamint hozzákapcsoltuk a bemenő
jelgenerátor(oka)t és a kimenetekre a megjelenítőket (kijelzőket), akkor
fontos, hogy a modell ablakot elmentsük (File-Save as). Egy nagyon egy-
szerű, így felépített modell látható a következő ábrán:
I.9. ábra.
Ez tartalmaz egy-két bemenetes multiplexert, az egyik bemenet egy

szinusz jel, a másik meg ennek a jelnek az integrált formája. A rendszer
bemenete egy szinusz jelgenerátort, a kimenete meg egy oszcilloszkópot
tartalmaz (I.9.ábra).
Ha követni akarjuk a felépített rendszer működését, akkor a modell
ablak menüje, a Simulation menüelem alatt találjuk a Start/Stop le-
SIMULINK (ALAPELVEK A HASZNÁLATHOZ) 39
hetőségeket, az egyik indítja a szimulálást, míg a másik leállítja azt. A

kijelzésre használt eszközök láthatóvá teszik az adott pontban mérhető
jelformát. A futási idő hosszát is beállíthatjuk a szimulációs paraméte-
rek menüben.
Több, a működéshez tartozó elvárt (preferált) paraméter értéke meg-
adható. Ezek hatása általánosan érvényes lesz minden esetben, ha nem
módosítjuk utólag azokat. Amikor szabályzó kör működését akarjuk
megfigyelni, nagy figyelmet kell fordítani a visszacsatolt szabályozó kör
felépítésére.
Algebrai visszacsatolt körök is létrehozhatók mint iteratív eljárások
(I.10. ábra):
I.10. ábra
A mindenkori szabályozó rendszerek független változója a folytonos
vagy diszkrét idő.
Amikor a rendszermodell adott, akkor azt használhatjuk, akár átviteli
függvény, akár állapotteres leírás formájában, az ezen formának megfelelő
szintaktikus szabályok figyelembevételével. A diszkrét rendszerek eset-
ében alapvető a mintavételezési periódus megfelelő értékének megadása.
Ennek hiányában a rendszerszimuláció hibás értékeket adhat.
A SIMULINK könyvtár elemei programszinten objektumok, tehát az
objektumorientált programozás szabályai érvényesek.
Feladat
Az elméleti részben ismertetett módszereket egyenként ki kell pró-

bálni, a függvényeket külön állományba kell szerkeszteni és elmenteni!
A dolgozat tartalma
Az elvégzett gyakorlatokat egy beszámoló formájában kérjük kidol-

gozni és válaszolni a következő kérdésekre:
1. Mi a MATLAB promptere?
2. Hogyan lehet egy utasításra egyszerűen segítséget kérni?
3. Mi a MATLAB állományok kiterjesztése?
4. Lehet-e egy szám a MATLAB állomány neve?
5. Hogyan menthetjük el a memóriában levő változókat?
6. Milyen beépített állandókat ismer?
7. Mi a különbség a plot és a stem utasítások között?
8. Hogyan tudunk színeket alkalmazni a grafikus ábrázolásban?
II. GYAKORLAT
JELEK TANULMÁNYOZÁSA
A gyakorlat célja
A gyakorlat célja a jelekkel való műveletek megismerése, a MATLAB

környezet használata a jelek vizsgálatára.
Elméleti bevezető
Alapműveletek jelekkel
Amplitúdómódosítás skálázással
Adott egy folytonos jel, x(t): R → R. Ha amplitúdóskálázást alkalma-

zunk, akkor egy újabb valós változójú, valós függvényt kapunk, vagyis
y( t ) = c ⋅ x ( t ) jelet. Az alkalmazott c együttható eleme a valós számok-
nak. Egy függvény valós számmal való szorzása minden tulajdonsága
igaz ebben az esetben is. Egy példa látható a II.1. ábrán.
II.1. ábra.
Ha most egy diszkrét x [n ] : Z → R jel esetében alkalmazzuk, egy

y[n ] = c ⋅ x[n ] jelet kapunk. Ha c valós szám, akkor a II.2. ábrán látha-
tunk egy esetet diszkrét amplitúdóskálázásra.
42 II. JELEK TANULMÁNYOZÁSA
II.2. ábra.
Jelek összeadása, szorzása
A II.3. ábra két folytonos jel összeadását és szorzását mutatja.
II.3. ábra.
A jelek értelmezési tartományát módosító műveletek
Időintervallum-skálázás
Legyen x(t): R → R folytonos jel, akkor az időintervallum-skálázással

kapott y(t) jel felírható mint:
a > 0 és y( t ) = x (a ⋅ t )
– ha a > 1 , akkor időintervallum-sűrítésről (kontrakció, szűkítés)
beszélünk;
– ha 0 < a < 1 , akkor időintervallum-dilatációról (tágítás) beszélünk.
ELMÉLETI BEVEZETŐ 43
Erre a két esetre láthatunk példát a II.4. ábrán:
II.4. ábra.
Mindkét esetben láthatjuk, hogy a transzformáció során nem változik

a jel amplitúdója.
Legyen most x [n ] : Z → R egy diszkrét jel. A diszkrét időintervallum-
skálázás legyen y[n ] = x[k ⋅ n ] , amikor k egy egész paraméter, vagyis
k ∈ {±1, ± 2, ± 3, L} . Kérdés: mi történik, ha a k nem egész szám?
II.5. ábra.
Ebből látható, hogy ez a művelet a diszkrét jelek esetében informá-

cióvesztéssel jár (II.5. ábra). Most ugyanazt a skálázási műveletet láthat-
juk egy másik diszkrét jel esetében.
⎧n ha
ha n páratlan
páratlan
Legyen ez a jel x[n ] = ⎨0 ha páros és ez látható a II.6. ábra bal
⎩ ha n páros
felében.
II.6. ábra.
Az eredményből láthatjuk, hogy itt a skálázás művelete teljes infor-

mációvesztéssel jár. Egy optimálisan mintavételezett (Shannon tétele) va-
lós jel esetében az ilyenszerű információvesztés valószínűsége alacsony.
Időtükrözés (reflexió)
Legyen x(t): R → R folytonos jel. Ekkor az időtükrözés (az időtengely

tükrözése a vonatkoztatási rendszer origójára nézve) felírható mint:
y(t) = x(–t);
Ha a jel páros, akkor az időtükröző művelet nem változtatja meg a jelet,

mert x (− t ) = x ( t ) , míg egy páratlan jel esetében, mikor x (− t ) = − x ( t ) , a
transzformált az Ox-tengelyre nézve szimmetrikus jel lesz (páratlan jel).
A II.7. ábra egy időtükrözést mutat:
x(t) = 0 ha t < –T1 és t > T2
y(t) = 0 ha t < –T2 és t > T1
II.7. ábra.
Legyen az x [n ] : Z → R egy diszkrét jel. Az időtükrözés művelete

⎧ 11 haha nn==1 1
⎪
legyen y[n ] = x[− n ] . A diszkrét jel x[n ] = ⎨–1
− 1 haha nn==−–1
1 és számítsuk
⎪ 00 haha nn==00és ésn |n|
ki y[n ] = x[n ] + x[− n ] értékét. ⎩ >1 > 1
A II.8. ábrán láthatjuk az y[n ] jel két komponensét:
II.8. ábra.
Nem nehéz észrevenni, hogy a két jel összege: y[n ] = 0 .

Időeltolás
Adott egy x(t): R → R folytonos jel. Az időeltolás művelete

y^ t h = x^t - t0h; t ! 0 és t 0 egy véges valós szám. Ha t 0 > 0 , akkor az
időtengelyen jobbra toljuk (transzláció) az x(t) grafikonját, ha meg t 0 < 0 ,
akkor az eltolás (transzláció) balra történik, például a II.9. ábrán. Vigyáz-
zunk arra, hogy t–t0 különbségre vonatkozik a balra/jobbra való időeltolás
a t0 előjele szerint.
II.9. ábra.
Legyen x [n ] : Z → R egy diszkrét jel. Az időeltolást y[n ] = x[n − M ] alak-

ban írhatjuk fel, ahol M egy egész szám. (Kérdés: lehet M nem egész szám?)
Legyen adott a következő diszkrét jel:
⎧ 1 hahan n==1,21,2 ⎧ 1 hahann==−–1,
1,−2–2
⎪ ⎪–1 ha n = –4, –5
x[n ] = ⎨–1
− 1 haha nn==−–1,
1,−2–2 akkor x[n + 3] = ⎨− 1 ha n = −4,−5
⎪ 00 haha nn==00és ésn |n|
> 2> 2 ⎪ 00 haha nn==−–3
⎩ ⎩ 3 és ésn n> >−1–1
Grafikus ábrázolásuk a II.10. ábrán látható:
II.10. ábra.
Vizsgáljuk meg most a következő, nagyon fontos transzformációt:

y ( t ) = x (a ⋅ t − b )
ahol x,y: R → R, vagyis valós függvények, és a,b szigorúan pozitív valós
számok. Alapvető az időeltolás és az időtükrözés műveletének a sorrend-
je. Ez a következő:
– Első lépés: elvégezzük az időeltolás műveletét: t → t − b ⇒ x ( t ) → v( t )
– Második lépés: ezután elvégezzük az időtükrözés műveletét:
v( t ) → y( t )
A II.11. ábra a helyes és a helytelen sorrendben végrehajtott művele-

teket mutatja. Látható, hogy ez a transzformáció műveleti sorrendfüggő.
Ez érvényes a diszkrét műveleti sorrend esetében is.
II.11. ábra.
Egy diszkrét jel esetében követhetjük a helyes sorrendben végrehaj-

tott műveletsort az y[n ] = x[2 ⋅ n + 3] kiszámítására, ha a jel:
⎧ 1 hahan n= 1=,21,2
⎪
x[n ] = ⎨–1
− 1 hahan n= =−1–1,
,−2 –2
⎪ ha n = 0 és n > 2
⎩ 0 ha n = 0 és |n| > 2
Ezt a II.12. ábrán láthatjuk:
II.12. ábra.
Megoldott feladatok
1. Vizsgáljuk meg, hogy melyek periodikusak és melyek nem a következő
jelek közül. Számítsák ki a jelek periódusát (ha létezik), és ábrázolják a jeleket.
a. x(t ) = 4 ⋅ cos(5π t ) .
Megoldás: Egy folytonos szinuszos jel felírható mint x(t ) = A ⋅ sin(ω t + ϕ ) .
2π 2
Ebben az esetben ω = = 5π . Tehát T = [ s ] , ϕ = 0 , A = 4 .
T 5
b. x[n] = 4 ⋅ cos(π n) .
Megoldás: Ω = 2N⋅π [rad ] , tehát N=2, mert Ω = π [rad ] – a jel periodikus
MEGOLDOTT FELADATOK 47
c. x[n] = 2 ⋅ sin(3n) .
Megoldás: A jel nem periodikus, mert nem létezik olyan N egész szám,
hogy Ω = 2N⋅π = 3 [rad ] .
d. x(t ) = cos(4 t ) + 2 ⋅ sin(8t ) .

Megoldás: x(t ) = cos(4 t ) + 2 ⋅ sin(8t ) .
Kiszámítjuk a jelek periódusát, ha az arányuk egy racionális szám,
2π π 2π π
akkor az eredő jel is periodikus. T1 = = , T2 = = , kiszámítjuk az
4 2 8 4
T1 2
arányukat: = , tehát az eredő jel is periodikus, a periódusa T=1[s].
T2 1
2. Ábrázoljuk a következő jelet:
⎧ 00 haha t <=t–4 <

= −4
⎪
x(t ) = ⎨t + 2. haha –4 <−t 4< <3 t < 3
⎪t –− 2 haha 3 ≤ t3 ≤ t
Megoldás: ⎩
t=-10:10;
for i=1:length(t)
if t(i)<-4
x(i)=0;
else
if t(i)>=-4 &&
t(i)< 3
x(i)=t(i)+2;
else
if t(i)>=3
x(i)=t(i)-2;
end
end
end
end
plot(t,x,’r’);grid;
xlabel(‚Time (sec)’);
ylabel(‚x(t)’); II.13. ábra.
Feladatok
1. Hozzák létre és ábrázolják MATLAB programmal a következő jeleket:
II.14. ábra.
2. Származtassák a következő jeleket:

a. u(t)=x(t-Tx);
b. v(t)=y(t+Ty);
c. w(t)=y(2t+3);
d. p(t)=z(-t+2);
e. r[nT]=x[2nT-1].
A folytonos jelek ábrázolására használják a plot függvényt, a diszk-

rétekére pedig a stem függvényt. A jelek (x,y,z) létrehozását legalább két
módszerrel valósítsák meg!
A dolgozat tartalma
A dolgozat tartalmazza a fenti feladatok eredményét. Válaszoljanak a
következő kérdésekre:
1. Jeleken végzett összetett műveleteknél számít a sorrend?
2. Periodikus folytonos jelet mintavételezve, az eredő diszkrét jel is
periodikus lesz? Indokolják meg a választ példákkal.
3. Soroljanak fel öt ismert alapjelet!
III. GYAKORLAT
KONVOLUCIÓ TANULMÁNYOZÁSA
A gyakorlat célja
A dolgozat célja a jelek konvoluciós integráljának valamint konvolu-

ciós összegének a tanulmányozása. Dinamikus rendszerek időtartomány-
beli analízisében, digitális szűrők megvalósításában a rendszerek vála-
szát konvolucióval számítjuk ki.
Elméleti bevezető
Konvoluciós összeg (diszkrét jelekre)
Adott
x [n ] : Z → R
h [n ] : Z → R
Ekkor a konvoluciós összeg meghatározás szerint:
∞
y[n ] = ∑ x[k ] ⋅ h[n − k ] = x[n ] ∗ h[n ]
k =−
∞
k=–∞
Konvoluciós integrál (folytonos jelekre)
Adott két folytonos jel: x(t): R → R és h(t): R → R
A konvoluciós integrált felírjuk mint:

∞
y( t ) = x ( t ) ∗ h ( t ) = ∫ x (τ) ⋅ h (t − τ) ⋅ dτ .
−∞
A konvoluciós integrál alapvető a rendszerelméletben.
– Ha egy diszkrét rendszert időtartományban a súlyfüggvénye (h [n ] -a
a rendszernek egy diszkrét Dirac jelre adott válasza) jellemzi, és ha a be-
menő jelet x [n ] -vel jelöljük, akkor a rendszer válaszát felírhatjuk mint a
bemenő jel és a súlyfüggvény konvolutív szorzatát:
50 III. KONVOLUCIÓ TANULMÁNYOZÁSA
y[n ] = x[n ] ∗ h[n ]

Ez a konvolució egy konvoluciós összeg. Diszkrét rendszerről van
szó, ezért
x [n ] : Z → R és h [n ] : Z → R.
– Ha egy folytonos rendszert időtartományban a súlyfüggvénye (h(t) a

rendszer Dirac jelre adott válasza) jellemzi, és ha a bemenő jelet x(t)-vel je-
löljük, akkor a rendszer válaszát felírhatjuk mint a bemenő jel és a súlyfügg-
vény konvolutív szorzatát:
y( t ) = x ( t ) ∗ h ( t )
Ez a konvolució egy konvoluciós integrál. Folytonos rendszerről van

szó, ezért
x(t): R → R és h(t): R → R .
A konvoluciós összeg kiszámításának szemléltetése diszkrét jelek

esetében a legegyszerűbb úgy, hogy az egyik jelet időben tükrözzük és
eltoljuk a másik jelhez viszonyítva a + ∞ irányban. Minden lépésben az
egymást fedő jeleket összeszorozzuk, és a szorzatok összege adja a konvo-
luciós összeg aktuális értékét (pontját). Ezt a műveletet szemlélteti a III.1.
ábra. Legyen x és h két diszkrét jel. Lépésenként szemléltetjük a konvolu-
ciós összeg y kiszámítását.
III.1. ábra.
Az első lépés a súlyfüggvény (h) tükrözése és az első elem kiszámí-

tása (III.2. ábra):
III.2. ábra.
A súlyfüggvényt eltoljuk jobbra, kiszámítjuk a következő elemet

(III.3. ábra):
III.3. ábra.
Eltoljuk újra, számítjuk a következő elemet, amíg van fedés a két jel
között (III.4. ábra, III.5. ábra):
III.4. ábra.
III.5. ábra.
Az utolsó lépésnél, n = 4-re, az eredmény 2 (III.6. ábra):
III.6. ábra.
Hasonló a gondolatmenet folytonos esetben is. Kövessük végig a III.7.

ábrán levő jelek konvoluciós integráljának a kiszámítását.
Legyen x és h a következőképpen:
III.7. ábra.
1. Ha t < 1 , akkor x (τ) ⋅ h ( t − τ) ≡ 0 , és ez látható a III.8. ábrán.
III.8. ábra.
∞ t
2. Ha 1 ≤ t < 3 , akkor ∫ 1 ⋅ 1 ⋅ dτ = ∫ dτ = τ |1t = t − 1 .
−∞ 1
III.9. ábra.
∞ 3
∫ 1 ⋅ 1 ⋅ dτ = ∫ dτ = τ | t − 2 = 5 − t .
3
3. Ha 1 ≤ t − 2 ≤ 3 , akkor
−∞ t −2
III.10. ábra.
4. Ha t − 2 > 3 , akkor x (τ) ⋅ h ( t − τ) ≡ 0 , és ez látható a következő ábrán.
III.11. ábra.
Így a kapott konvolutív szorzat eredménye:

ha t < 1
⎧0 ha
⎪t − 1 ha
ha t ∈ [1, 3) ⇐ 1 ≤ t < 3
⎪
x ( t ) ∗ y( t ) = ⎨
⎪5 − t haha t ∈ [3, 5] ⇐ 1 ≤ t − 2 ≤ 3
⎪⎩0 hha
a t >5⇐ t−2>3
Az eredmény grafikus formában a III.12. ábrán látható.
III.12. ábra.
Megoldott feladat MATLAB környezetben
Legyen x és y diszkrét jel. Számítsuk ki a két jel konvoluciós összegét

és ábrázoljuk az eredményt.
t=[-2 -1 0 1 2 3 4 5 6 7 8 9 10];
x=[0 0 1 2 3 4 5 0 0 0 0 0 0];
y=[0 0 2 2 2 3 4 3 2 1 0 0 0];
FELADATOK 55
z=conv(x,y);
subplot(3,1,1);stem(x);
title(‚x’);
subplot(3,1,2);stem(y);
title(‚y’);
subplot(3,1,3);stem(z,’r’);
title(‚z=x*y’);
III.13. ábra.
Feladatok
1. Írjanak egy MATLAB programot, amely kiszámítja a következő két
jel konvoluciós összegét:
III.14. ábra.
2. Ellenőrizzék az eredményt a conv függvénnyel.

3. Írjanak egy programot, amely grafikusan ábrázolja a lépéseket, az
1-es ábrához hasonlóan, tehát egy kis animációs program segítségével
mutassák be a konvoluciós összeg számításának lépéseit.
4. Analitikusan számítsák ki a következő két jel konvoluciós integ-
rálját:
⎧t,........ha..0 < t < 1
⎪
x(t) = ⎨1,.........ha..1 ≤ t < 1.5 ;
⎪0,.........ha..t ≥ 1.5
⎩
⎧1.4,........ha..0 < t < 1
h(t) = ⎨ .
⎩0,...........maskent
A dolgozat tartalma
A dolgozat tartalmazza a fenti feladatok eredményét. Válaszoljanak a

következő kérdésekre:
1. Hány eleme lesz az 1-es feladatban az eredő jelnek? Általánosan
mi az összefüggés?
2. Kommutatív a konvoluciós szorzat?
3. A Laplace transzformált mely tulajdonságánál ismerik fel a konvo-
luciós szorzatot?
IV. GYAKORLAT
FIZIKAI RENDSZEREK MODELLEZÉSE, ÁTVITELI

FÜGGVÉNY
A gyakorlat célja
A dolgozat célja a rendszermodellezés ismertetése differenciálegyen-
letek valamint átviteli függvények segítségével, alapvető rendszer-szimu-
lációs eljárások elsajátítása. A folytonos, lineáris, idő-invariáns (LTI – Li-
near Time-Invariant) modellezést tárgyaljuk.
Elméleti bevezető
Legyen egy LTI rendszer a IV.1. ábra szerint:
y = f (u)
IV.1. ábra.
A rendszer matematikai modellje felírható mint egy SISO rendszer

dinamikáját leíró differenciálegyenlet:
n m
/a k $ y(k) (t) = / b j $ u(j) (t) (1)
k=0 j=0
u – a rendszer bemenete
y – a rendszer kimenete
a Y (s) a
(1) H (s) = – a rendszer átviteli függvénye, ahol
U (s)
a Laplace-operátort jelöli. Tehát az átviteli függvény a rendszer kimene-
te (y) és bemenete (u) Laplace-transzformáltjainak az aránya. Az átviteli
függvény nulla kezdeti feltételekkel értelmezett SISO (Single Input Sing-
le Output) rendszerekre egyszerűbb értelmezni. Ha a kezdeti feltételek
58 IV. FIZIKAI RENDSZEREK MODELLEZÉSE, ÁTVITELI FÜGGVÉNY
nem nullák, akkor is lehet átviteli függvényt értelmezni, de figyelembe

kell venni, hogy állapottérben lehetséges bázistranszformáció, ezért min-
dig lehetséges ezeket nullának venni. Többváltozós MIMO (Multiple In-
put Multiple Output) rendszerek esetén átviteli mátrixot értelmezünk.
Kövessük végig a következő példán a modellezés lépéseit. Legyen a
IV.2. ábrán megadott rendszer. Írjuk fel a rendszer átviteli függvényét,
majd számítsuk ki a rendszer válaszát egységugrás bemenőjelre.
IV.2. ábra.
R $ i (t) + L $ di (t) = U0 – a rendszer (RL soros áramkör) dinamikáját
dt
leíró differenciálegyenlet, ha a kimenet az i(t) és a bemenet U0 amplitú-
dójú egységugrás.
u (t) = U (o) U (s) = Uo , ahol 1 az egységugrás Laplace-transzformáltja
s s
R ⋅ I ( s) + L ⋅ s ⋅ I ( s) = U ( s) ⇒ I ( s) ⋅ ( R + L ⋅ s) = U ( s) ⇒
a
I ( s) 1
⇒ H ( s) = ⇒ H ( s) = – a rendszer átviteli függvénye.
U ( s) R + L⋅s
A következő lépésben kiszámítjuk a kimenetet, vagyis az i(t) áram-
erősség-változást az áramkörben, ha a bemenet egységugrás:
1 U Uo
⇒ I ( s) = H ( s) ⋅U ( s) ⇒ I ( s) = ⋅ o ⇒ I ( s) =
R + L⋅s s R ⋅ s + L ⋅ s2
Uo Uo U Uo ⋅ L
= = o −
R⋅s + L⋅s 2
s ⋅ ( R + L ⋅ s ) R ⋅ s R ⋅ ( R + s ⋅ L) .
Ahhoz, hogy kiszámítsuk az inverz Laplace-transzformáltat, ismert
résztörtekre (elemi törtekre) bontjuk az átviteli függvényt:
⎛ ⎞
U ⎛ 1 L ⎞ U ⎜ 1 1 ⎟
o ⎜ ⎟
⇒ I (s) = o ⋅⎜ − ⎟ = ⋅ −
R ⎝ s R + s ⋅ L ⎠ R ⎜⎜ s s + R ⎟⎟
⎝ L⎠
Felhasználjuk, hogy:
−1
r −1
k ⎯α⎯→ k ⋅ f (t ) ⎯α⎯→ r ⋅ e − p⋅t
s+ p
⎛ ⎞
Uo ⎜ 1 1 ⎟
⇒ I(s) = ⋅⎜ − ⎟; T = 1
R ⎜s 1 R
⎜ s + ⎟⎟
⎝ T⎠ L
−1
⎛ − t ⋅0 − ⋅t ⎞
t
Uo ⎛ − ⎞
t
⎯α⎯→ U
i(t) = o ⎜
⋅ ⎜e − e ⎟ =T ⎟ ⎜ T ⎟
⋅ ⎜1 − e ⎟ .
−1
R ⎝ ⎠ R ⎝ ⎠
Itt ⎯α⎯→ az inverz Laplace-transzformáció operátora.
Megoldott feladatok
A fenti feladatot MATLAB környezetben a következőképpen
oldjuk meg:
a. Létrehozzuk az átviteli függvényt, H = 1 :
num = 1;
0, 01 $s+5
denum = [0.01 5];
H = tf(num,denum)
step(H);
grid on
– megvizsgáljuk a rendszer egységugrásra adott válaszát (IV.3. ábra):
IV.3. ábra.
impulse(H); – a rendszer súlyfüggvénye (IV.4. ábra):
IV.4. ábra.
b. Kiszámoljuk az inverz Laplace-transzformációt, tehát a rendszer

válaszát egységugrás bementre (az áramot, ha a bemeneten egységugrás
van, amit a tápfeszültség felkapcsolásával szimulálhatunk):
Uo Uo
I ( s) = =
s ⋅ R + s ⋅ L s ⋅ ( R + s ⋅ L)
2
num = 1;
denum = [0.01 5 0] ;
[r,p,k] = residue(num,denum);
r (1) r (2)
⇒ I ( s) = + +k
s − p (1) s − p (2)
Felhasználjuk az inverz Laplace-transzformált összefüggéseket:
−1
α
k ⎯⎯→ k ⋅ f (t )
−1
r r
⎯α⎯→
−1
⎯α⎯→ r ⋅ e − p⋅t r ⋅ t ⋅ e − p⋅t
s+ p ( s + p) 2
Tehát az i(t) elektromos áram inverz Laplace-transzformáltja felírha-
tó mint:
t = 0:0.0001:0.012;
i = r(1)*exp(p(1)*t)+r(2)*exp(p(2)*t);
plot(t,i)
grid
Az eredmény a IV.5. ábrán látható.
IV.5. ábra.
Ellenőrzés:
step(H);
grid;
Több bemenetet és kimenetet tartalmazó rendszer esetében átviteli

mátrixot határozunk meg. Legyen a IV.6. ábrán levő dinamikus rendszer:
IV.6. ábra.
Határozzuk meg a rendszer átviteli mátrixát, ha a bemenetek az erők

és a kimenetek a testek elmozdulása.
A rendszer dinamikáját leíró differenciálegyenletek:
m1 ⋅ &x&1 (t ) = F1 (t ) − k r ⋅ ( x1 (t ) + x 2 (t ) )
m2 ⋅ &x&2 (t ) = F2 (t ) − k r ⋅ ( x1 (t ) + x 2 (t ) )
Kifejezve az x1 (t ) -t a második egyenletből:

m2 F (t )
x1 (t ) = − ⋅ &x&2 (t ) + 2 − x 2 (t )
kr kr
Behelyettesítve az első egyenletbe:
m2 ( 4) F2( 2 ) (t ) m F (t )
− m1 ⋅ ⋅ x 2 (t ) + m1 ⋅ − m1 ⋅ &x&2 (t ) = F1 (t ) − k r ⋅ (− 2 ⋅ &x&2 (t ) + 2 )
kr kr kr kr
m2 ( 4) F2( 2 ) (t )
m1 ⋅ ⋅ x 2 (t ) + (m1 + m2 ) ⋅ &x&2 (t ) = m1 ⋅ − F1 (t ) + F2 (t )
kr kr
Hasonlóan az első mozgásegyenletre:

m2 ( 4) F1( 2 ) (t )
m1 ⋅ ⋅ x1 (t ) + (m1 + m2 ) ⋅ &x&1 (t ) = m2 ⋅ + F1 (t ) − F2 (t )
kr kr
Alkalmazva a Laplace-transzformáltat a fenti két egyenletre:

1 ⎡ m ⎤
X 1 (s) = ⋅ ⎢( 2 ⋅ s 2 + 1) ⋅ F1 ( s ) − F2 ( s ) ⎥
⎛ m ⎞ k
s 2 ⋅ ⎜⎜ m1 ⋅ 2 ⋅ s 2 + m1 + m2 ⎟⎟ ⎣ r ⎦
⎝ kr ⎠
1 ⎡ m ⎤
X 2 (s) = ⋅ ⎢( 1 ⋅ s 2 + 1) ⋅ F2 ( s ) − F1 ( s ) ⎥ .
⎛ m ⎞ k
s 2 ⋅ ⎜⎜ m1 ⋅ 2 ⋅ s 2 + m1 + m2 ⎟⎟ ⎣ r ⎦
⎝ kr ⎠
Mátrix formában felírva:
⎡ m2 2 ⎤
⎢ ⋅ s +1 ⎥
kr 1
⎢ − ⎥
⎢ 2 ⎛ m ⎞ 2 ⎛ m2 2 ⎞⎥
⎢ s ⋅ ⎜⎜ m1 ⋅ 2 ⋅ s 2 + m1 + m2 ⎟⎟ s ⋅ ⎜⎜ m1 ⋅ ⋅ s + m1 + m2 ⎟⎟ ⎥
⎡ 1 ⎤ ⎢
X ( s ) ⎝ kr ⎠ ⎝ kr ⎠ ⎥ ⋅ ⎡ F1 ( s ) ⎤ .
⎢ X ( s)⎥ = ⎢ m1 2 ⎥ ⎢⎣ F2 ( s )⎥⎦
⎣ 2 ⎦ ⋅ s +1
⎢ 1 kr ⎥
⎢− ⎥
⎢ 2 ⎛ m ⎞ 2 ⎛ m2 2 ⎞ ⎥
⎢ s ⋅ ⎜⎜ m1 ⋅ k ⋅ s + m1 + m2 ⎟⎟ s ⋅ ⎜⎜ m1 ⋅ ⋅ s + m1 + m2 ⎟⎟ ⎥
2 2
⎣ ⎝ r ⎠ ⎝ kr ⎠ ⎦
Tehát a rendszer átviteli mátrixa:

⎡ m2 2 ⎤
⎢ ⋅ s +1 ⎥
kr 1
⎢ − ⎥
⎢ 2 ⎛ m2 2 ⎞ 2 ⎛ m2 2 ⎞⎥
⎢ s ⋅ ⎜⎜ m1 ⋅ k ⋅ s + m1 + m2 ⎟⎟ s ⋅ ⎜⎜ m1 ⋅
kr
⋅ s + m1 + m2 ⎟⎟ ⎥
H (s) = ⎢ ⎝ r ⎠ ⎝ ⎠⎥ .
⎢ m1 2 ⎥
⎢ ⋅ s +1 ⎥
1 kr
⎢− ⎥
⎢ 2 ⎛ m2 2 ⎞ 2 ⎛ m2 2 ⎞ ⎥
⎢ s ⋅ ⎜⎜ m1 ⋅ k ⋅ s + m1 + m2 ⎟⎟ s ⋅ ⎜⎜ m1 ⋅
kr
⋅ s + m1 + m2 ⎟⎟ ⎥
⎣ ⎝ r ⎠ ⎝ ⎠ ⎦
MATLAB szimuláció
s=tf(‘s’);
m1=5;
m2=10;
kr=0.1;
H=[((m2/kr)*s^2+1)/(((m1*m2/kr)*s^2+m1+m2)*s^2)
-1/(((m1*m2/kr)*s^2+m1+m2)*s^2); -1/(((m1*m2/
kr)*s^2+m1+m2)*s^2) ((m1/kr)*s^2+1)/
(((m1*m2/kr)*s^2+m1+m2)*s^2)]
step(H)
grid
Figyeljük meg a rendszer válaszát és értelmezzük!
IV.7. ábra.
Feladatok
2
1. Legyen a H ( s ) = 2 átviteli függvénnyel leírt lineáris
rendszer. s + 2 ⋅ s + 4
a) Vizsgálják meg a rendszer egységugrásra adott válaszát.
b) Számítsák ki:
1. az állandósult választ,
2. a túllövést,
3. a túllövést %-ban.
Útmutató:
y = step(num,denum);
ym = max(y); – maximális túllendülés (túllövés)
ys = dcgain(num,denum); – állandósult válasz
yovershot = ((ym-ys)/ys)*100;
c) Ábrázolják a súlyfüggvényt.
d) Számítsák ki a rendszer egységugrásra adott válaszát a részlettörtre
bontás módszerével, ellenőrizzék az eredményt az a) pontban kapott
válasszal.
2 Legyen a következő lengéscsillapító rendszer (IV.8. ábra):
A rendszerre ható erők eredője:

r r r
Fm + Fv + Fe = 0 ,
tehát:
m ⋅ a + kv ⋅ ( y& + x& ) + ke ⋅ ( y − x) = 0
– ha a bemenet u (t ) = x(t ) , vagyis a

kerék elmozdulása és y (t ) = y (t ) a
kimenet, tehát az m tömeg elmozdu-
lása, a modell felírható mint:
m ⋅ &y& + k v ⋅ y& + k e ⋅ y = k v ⋅ x& + k e ⋅ x
IV.8. ábra.
A DOLGOZAT TARTALMA 65
A rendszer dinamikáját leírhatjuk az átviteli függvényével a IV.9.

ábra szerint:
IV.9. ábra.
Tehát a rendszer egyenletét felírhatjuk mint:

m ⋅ &y&(t ) + kv ⋅ y& (t ) + ke ⋅ y (t ) = kv ⋅ u& (t ) + ke ⋅ u (t )
α
⎯⎯→ m ⋅ s 2 ⋅ Y ( s ) + kv ⋅ s ⋅ Y ( s ) + ke ⋅ Y ( s ) = kv ⋅ s ⋅ U ( s ) + ke ⋅ U ( s )
Y ( s) kv ⋅ s + ke
H ( s) = = .
U ( s ) m ⋅ s 2 + kv ⋅ s + ke
a) Legyen ke = 10, kv = 100, vizsgálják meg a rendszer válaszát
egységugrás bemenetre.
b) Legyen egységnyi negatív visszacsatolás, vizsgálják meg a rendszer
válaszát egységugrás bemenetre. Legyen a visszacsatolás = –5, vizsgálják
meg a rendszer válaszát ugyancsak egységugrás bemenetre.
c) Hogyan vizsgálhatnánk azt, hogy az autó gödörbe ment? Hogyan
adjuk meg a bemenetet, milyen válaszra számítunk? Szimulálják le,
ábrázolják az eredményt!
3. Legyen az elméleti részben ismertetett és a IV.6. ábrán levő
dinamikus rendszer rugós rendszer. Vezessék le a rendszer átviteli
: :
mátrixát, ha a kimenet a testek sebessége x1, x2, ! Szimulálják a rendszer
válaszát egységugrás bemenetre!
A dolgozat tartalma
A dolgozat tartalmazza a fenti feladatok eredményét, megoldását, és
válaszoljanak a következő kérdésekre:
1. Hogyan nevezzük az egységugrásra (step), illetve a Dirac-
impulzusra (impulse) adott válaszát egy rendszernek?
2. Magyarázzák el az inverz Laplace-transzformált kiszámításának
lépéseit!
3. Milyen kezdeti feltételekre értelmezett az átviteli függvény?
4. Hogyan értelmezzük egy elsőfokú rendszer időállandóját, számítsák
ki az 1-es megoldott feladatban megadott rendszer időállandóját!
V. GYAKORLAT
FREKVENCIAFÜGGVÉNY, NYQUIST-DIAGRAM,
BODE-DIAGRAM
A gyakorlat célja
A dolgozat célja az átviteli függvénnyel modellezett rendszer frek-
venciatartománybeli analízisének elsajátítása, lineáris idő-invariáns
(LTI) rendszerek válaszának tanulmányozása különböző frekvenciájú
harmonikus bemenőjelekre.
Elméleti bevezető
Egy lineáris rendszerre érvényes:

– ha a bemeneten harmonikus jel van, akkor állandósult állapotban a
kimeneten is harmonikus a jel (V.1. ábra).
u (t ) = Au ⋅ sin(ωt + ϕu )
y (t ) = ytranz (t ) + yall (t )
yall (t ) = Ay ⋅ sin(ωt + ϕ y )
Figyelem. Az LTI rendszerek alaptulajdonsága, hogy a bemenetnek

csak az amplitúdója és a fázisa változik meg, a ~ frekvenciája nem!
u (t ) = Au ⋅ sin(ωt + ϕ u ) y (t ) = Ay ⋅ sin(ωt + ϕ y ) + ytranz (t )

H
V.1. ábra.
Legyen
s=j~
j ⋅ϕ (ω )
=> H ( j ⋅ ω ) = M (ω ) ⋅ e
Ay (ω )
ahol: M (ω ) = H ( j ⋅ ω ) = – a rendszer erősítése,
Au (ω )
68 V. FREKVENCIAFÜGGVÉNY, NYQUIST-DIAGRAM, BODE-DIAGRAM
ϕ (ω ) = arg{H ( jω )} = ϕ y (ω ) − ϕu (ω ) – a rendszer által okozott fáziskü-

lönbség.
– Ha ábrázoljuk M^~h, {^~h-t a frekvencia függvényében, ha 0 < ω < ∞
=> Bode-diagramok.
– Ha ábrázoljuk a frekvenciafüggvényt,
graf (Re (H (j $ ~)), Im (H (j $ ~))) ha 0 1 ~ 1 3 => Nyquist-diagram.
Az amplitúdó-fázis jelleggörbe (Nyquist-diagram)
Ha a
H ( j ⋅ ω ) = M (ω ) ⋅ e j⋅ϕ (ω ) = Re( H ( j ⋅ ω ) + j ⋅ Im(H ( j ⋅ ω )
frekvenciafüggvényt a komplex síkban ábrázoljuk, a 0 < ω < ∞ frekven-
ciatartománynak megfelelően, akkor a rendszer amplitúdó-fázis jelleggör-
béjét kapjuk. Minden egyes frekvenciára, ha most poláris koordinátaként
tekintjük, a kimenő jelnek a bemenő jelhez viszonyított fáziseltolási szö-
ge és az amplitúdó a komplex sík egy pontját határozzák meg. A pontokat
összekötő görbe az amplitúdó-fázis jelleggörbe. Ez egy irányított görbe,
és a ferkvencia növekedésének irányát mutatja. A rendszer állandósult
állapotának a görbe egy pontja felel meg. Ezt mutatja az V.2. ábra.
V.2. ábra
A Bode-jelleggörbe
Az átviteli függvény felírható mint:

H ( j ⋅ ω ) = H ( j ⋅ ω ) ⋅ e j ⋅ϕ (ω ) = M (ω ) ⋅ e j ⋅ϕ (ω ) .
Kiszámítjuk a frekvenciafüggvény tízes alapú logaritmusát (lg).

Ha a H ( j ⋅ ω) amplitúdó decibelben kifejezett mértékét és a { fá-
ziseltolási szöget az ω körfrekvencia (logaritmálva) függvényében ábrá-
zoljuk, a Bode-diagramot kapjuk, amely az amplitúdó-jelleggörbéből és
fázis-jelleggörbéből áll (V.3. ábra).
A decibelben kifejezett érték egyenlő a mennyiség tízes alapú logarit-
musának 20-szal való szorzásával.
V.3. ábra.
Az ω körfrekvenciát nagy frekvenciatartomány esetében fontos lo-
garitmikus léptékben ábrázolni. Ekkor a körfrekvencia-változás mértéke-
ként a dekád egységet alkalmazzuk.
A frekvenciatartománybeli analízis megértéséhez vegyük a követke-

ző feladatot:
Legyen H^ s h = 2 10 .
s + 2s + 10
a) Legyen a bemenet u (t ) = 2 ⋅ sin(3 ⋅ t ) . Szimuláljuk a rendszer vála-
szát. Ábrázoljuk a bemenetet és a kimenetet az lsim(H,u,t) MATLAB
függvénnyel – V.4. ábra.
Erre a frekvenciára az erősítést és a fáziskülönbségeket a következő
paranccsal kapjuk meg: [gain,phase]=bode(H,3).
Azt látjuk, hogy a rendszer erősíti a bemenő jelet és késlelteti. A
[G,Ph]=bode(H,3) paranccsal az erősítés G =1.6440, illetve a fáziskésés
Ph =–80.5377 fok.
>> s=tf(‚s’);
>> H=10/(s^2+2*s+10)
Transfer function:
10
--------------
s^2 + 2 s + 10
>> t=0:0.001:8;
>> u=sin(3*t);
>> y=lsim(H,u,t);
V.4. ábra >> plot(t,u,’r’,t,y,’b’)
b) Vizsgáljátok meg különböző ω -ra: ~1 = 1, ~2 = 2, ~3 = 5, ~4 = 10

– ábrázoljuk ugyanabban a koordináta-rendszerben,
– számítsuk ki az erősítést és a fáziskülönbséget.
>> u=sin(t);
>> y=lsim(H,u,t);
>> plot(t,y);
>> u=sin(2*t);
>> y=lsim(H,u,t);
>> hold on;
>> plot(t,y,’r’);
>> u=sin(5*t);
>> y=lsim(H,u,t);
>> hold on;
>> plot(t,y,’g’);
V.5. ábra >> u=sin(10*t);
>> y=lsim(H,u,t);
>> hold on;
>> plot(t,y,’k’);
Az V.5. ábrán a rendszer válaszát láthatjuk a négy különböző frek-

venciájú bemenetre. Az látható, hogy az alacsony frekvenciájú jele-
ket erősíti a rendszer, a magasabb frekvenciákat csillapítja. Az ω 3 = 5
körfrekvencián a kimenő jel amplitúdója már felére csökken. A követ-
kező pontban csak az erősítést és a fáziskülönbséget ábrázoljuk a frek-
vencia függvényében.
c) Legyen ω = 1:0.1:10
– ábrázoljuk az erősítést és a fázist, külön grafikonon subplot függ-
vényt használva.
V.6. ábra.
Az V.6. ábrán látjuk azt, amit az előbbi pontokban kísérleti úton ta-
pasztaltunk, vagyis minden frekvencia függvényében a rendszer erősíté-
sét és a bevitt fáziskülönbséget (Bode-diagram).
Ugyanezeket az információkat olvashatjuk le a Nyquist-diagramról
is. Ehhez kiszámítjuk a frekvenciafüggvény valós és imaginárius részét:
>> G=[];
>> P=[];
>> w=1:0.1:10;
>> for i=1:length(w)
>> [gain, phase]=bode(H,w(i));
>> G=[G gain];
>> P=[P phase];
>> end;
>> re = real(G .* exp(j * P * pi / 180));
>> im = imag(G .* exp(j * P * pi / 180));
>> plot(re, im)
V.7. ábra.
Ugyanezt kapjuk, ha:

[re,im] = nyquist[num,den,ω]
plot(re,im)
d) MATLAB függvények a Bode-, illetve a Nyquist-diagram ábrázolá-

sára: – bode(H) – V.8. ábra
V.8. ábra.
– nyquist(H) – V.9. ábra
V.9. ábra.
e) A fenti feladatot megoldhatjuk úgy is, hogy az erősítést és a

fáziskülönbséget a MATLAB bode függvénye adja vissza, majd ábrázoljuk
logaritmikus skálán.
[g,f,ω] = bode(num,den)
loglog(ω,g);grid
– ábrázoljuk a fázist szemi-logaritmikus skálán
semilogx(ω,p)
Bode-diagram közelítő megrajzolása
Legyen egy nyílt rendszer átviteli függvénye standard alakban,

amelyben integrátorok, első- és másodrendű tagok szerepelnek:
m
k f ⋅ ∏ (1 + s ⋅ Ti )
H f (s) = i =1
n
,
s ⋅ ∏ (1 + s ⋅ T j )
α
j =1
−1
Ahol: zi = i = 1L m – a nyílt rendszer zérusai;
Ti
−1
pj = j = 1L n – a nyílt rendszer pólusai;
Tj
k f – az erősítési tényező;
α – az origóban levő pólusok száma, tehát az integrátorok száma.
A Bode-diagram megrajzolásához a következő lépéseket követjük:

1. kiszámítjuk az erősítést decibelben, 20 $ log ^k f h , felrajzoljuk ezt a
pontot;
2. a frekvenciatengelyt logaritmikus beosztásban felosztjuk, majd
-1
felrajzoljuk a vágási frekvenciákat. ~i = ;
T
3. minden vágási frekvenciának megfelelően berajzolunk egy
! 20dB/dek vagy ! 40dB/dek meredekségű egyenest. Emlékeztetőül:
a) H^ s h = 1 behoz egy - 20dB/dek meredekségű csillapítást;

1+s$T
b) H ( s ) = 1 + s ⋅ T behoz egy + 20dB/dek meredekségű erősítést;
1
c) H ( s ) = behoz egy - 40dB/dek meredekségű
T ⋅ s + 2 ⋅ξ ⋅T ⋅ s +1
2 2
csillapítást;
d) H ( s ) = T ⋅ s + 2 ⋅ ξ ⋅ T ⋅ s + 1 behoz egy + 40dB/dek meredekségű

2 2
erősítést.
4. A fent felrajzolt egyeneseket grafikusan összeadva, megkapjuk

a Bode-diagram közelített változatát az erősítés diagramon. A fázis-
jelleggörbéket hasonlóan összeadjuk.
Példa:
(1 + 0.2 ⋅ s ) ⋅ (1 + 8 ⋅ s )
Legyen H f ( s ) = . Rajzoljuk fel az erősítés
s ⋅ (1 + 0.5 ⋅ s ) ⋅ (1 + 0.1 ⋅ s )
jelleggörbét a frekvencia függvényében.
Megoldás:
– Kiszámítjuk a vágási frekvenciákat

−1 1
– ω1 = = = 5;
T1 0.2
−1 1
– ω2 = = = 0.125 ;
T2 8
−1 1
– ω3 = = = 2;
T3 0.5
−1 1
– ω4 = = =10
10 .
T4 0.1
– Az erősítés ebben az esetben 1, tehát 20 $ log ^k f h = 20 $ log (1) = 0
– Van egy integrátor a rendszerben, tehát meghúzunk egy - 20dB/dek
meredekségű egyenest az A(1,0) ponton keresztül.
Felrajzoljuk és összegezzüg az elsőfokú rendszerek válaszait.
Az eredmény az V.10. ábrán látható.
V.10. ábra.
Feladatok
1. Vizsgálják meg különböző frekvenciákra a következő rendszer

válaszát, majd ábrázolják a Bode- és Nyquist-diagramokat:
a. H ( s ) =
(1 + 2 ⋅ s ) ;
(0.1 + s ) ⋅ (1 + 0.1 ⋅ s )
b. H ( s ) =
100 .
(1 + s ) ⋅ (2 + s ) ⋅ (3 + s )
2. Rajzolják meg papíron a következő nyílt rendszer Bode-diagramját:
a. H f ^ s h =
103 $ (10 + s)
;
(0.1 + s) $ (s2 + 20s + 1000)
b. elenőrizzék MATLAB segítségével az eredményt.
A dolgozat tartalma
A dolgozat tartalmazza a fenti feladatok eredményét, megoldását. Vá-

laszoljanak a következő kérdésekre:
1. Az 1. feladatban megadott rendszer hogyan viszi át a vizsgált jele-

ket? Hogyan változik a jelek amplitúdója, illetve fázisa?
2. Miért használjuk a Bode- és a Nyquist-diagramot, ha mindkettő-
ről ugyanazt az információt olvashatjuk le?
3. Miért hasznos logaritmikus skálán ábrázolni a jeleket?
VI. GYAKORLAT
LINEÁRIS RENDSZEREK STABILITÁSA
A gyakorlat célja
A dolgozatban a lineáris rendszerek stabilitásának fogalmát vezetjük

be, majd ismertetjük a fontosabb stabilitásvizsgálati módszereket.
Elméleti bevezető
Egy LTI rendszer vagy stabil, vagy nem. Ezt a karakterisztikus egyenlet
pólusainak az s-síkban való elhelyezkedése határozza meg. Ha a rendszer egy
diszkrét rendszer, akkor a stabilitás a pólusoknak a z-síkban való elhelyez-
kedése határozza meg. A rendszer stabilitása nem függ a rendszer kezdeti
feltételeitől.
Jelöljük a rendszer karakterisztikus egyenletének gyökeit
s i , (i = 1,2, L , n ) -vel. Szükséges és elégséges stabilitási kritériumok:
– Az LTI rendszer aszimptotikusan stabil, ha ∀s i esetében igaz, hogy
Re{s i } < 0 (az s-sík bal félsíkja).
– Az LTI rendszer instabil, ha legalább egy pólus az s-sík jobb félsík-
jában helyezkedik el, vagy legalább egy komplex konjugált póluspár az
s-sík képzetes tengelyén van.
– Az LTI rendszer kritikus stabilitási állapotban van, ha egy pólus
van a képzetes tengelyen (origó), és nincsenek konjugált dupla pólusok
az s-sík képzetes tengelyén.
Egy rendszer BIBO (Bounded Input Bounded Output) stabil, ha a ki-
menő jele korlátos bármilyen korlátos bemenő jelre.
VI.1. ábra.
u (t ) ≤ N < ∞ ⇒ y (t ) ≤ M < ∞ .
78 VI. LINEÁRIS RENDSZEREK STABILITÁSA
A stabilitás és a pólusok viszonya látható a VI.2. ábrán az s-síkban:
VI.2. ábra.
Stabilitás vizsgálata
Ha felírjuk a rendszer teljes analitikus megoldását,

p t p t p t
y (t ) = c ⋅ e 1 + c ⋅ e 3 + K + c ⋅ e n ⇒ Re( p ) < 0 ,
1 2 n x
akkor innen látható, hogy a rendszer aszimptotikusan stabil, ha a karak-
terisztikus egyenlet gyökei az s-sík bal félsíkjában vannak, tehát y (mint
a nem gerjesztett rendszer, homogén rendszer) megoldás tart zéróhoz,
ha t tart végtelenhez, vagyis a rendszer minden pólusa (pi i=1..n) negatív
vagy a valós része negatív.
Nyquist stabilitási kritérium
A Nyquist stabilitási kritérium segítségével, a visszacsatolás felbon-

tásával létrehozott nyílt (felnyitott) rendszer Nyquist-görbéje segítségé-
vel következtetünk a zárt rendszer stabilitására. A gyakorlatban a legtöbb
esetben a felnyitott rendszer önmagában stabil. Ha a felnyitott rendszer
átviteli függvényének a jobb félsíkban nincs pólusa, a zárt rendszer ak-
kor és csakis akkor stabil, a felnyitott rendszer frekvenciafüggvénye a
(−1, j ⋅ 0) ponton nem megy át, vagy azt nem veszi körül, miközben ω
változik a (–∞, + ∞) intervallumban.
Legyen a VI.3. ábrán levő zárt rendszer:
VI.3. ábra.
H 1 (s)
és H ( s ) = → a zárt rendszer pólusai az 1+H1(s)H2(s) zérusai.
1 + H 1 (s) H 2 (s)
a) Egyszerűsített Nyquist-kritérium: felírjuk a felnyitott rendszer
átviteli függvényét:
Hf(s) = H1(s).H2(s)
VI.4. ábra.
Ha Hf(s)-nek nincsenek jobb oldali pólusai, és a Hf(s) Nyquist-diagramja

nem veszi körül a (–1,0) pontot, akkor a zárt rendszer stabil – VI.4.ábra bal
oldalán. Az ábra jobb oldalán egy labilis rendszer Nyquist-diagramja látható.
b) Ha a nyílt rendszer labilis =>, a zárt rendszer akkor stabil, ha a Hf

Nyquist-diagramja annyiszor veszi körül a (–1,0) pontot trigonometriai
irányban, amennyi a nyílt rendszer (Hf) instabil pólusainak száma.
Relatív stabilitás, fázistartalék, erősítéstartalék
A felnyitott rendszer Bode-diagramjáról leolvasható a rendszer fázis-

tartaléka, illetve az erősítési tartaléka. A fázistartalék a Nyquist-diagram
és az egységnyi sugarú kör metszéspontját az origóval összekötő sugár és
a negatív valós tengely által bezárt szög. Az egységsugarú körnek a Bode-
diagramon a 0 dB tengely felel meg.
Az egységsugarú kör és a Nyquist-diagram metszéspontjának a
0 dB tengely és a logaritmikus amplitúdó-diagram metszéspontja felel meg.
Ha ehhez a metszésponthoz a fázis-körfrekvencia jelleggörbén éppen a
–180˚ szög tartozik, a rendszer a stabilitás határán van. Ha a metszéspont-
hoz 180˚-nál kisebb szög tartozik, a fázistartalék negatív, a rendszer műkö-
dése instabil. A stabilitást az erősítési tartalék alapján is vizsgálhatjuk. Ha
a –180˚-os szöghöz tartozó amplitúdó éppen egységnyi, vagyis d[dB]=0,
akkor a rendszer a stabilitás határán van, ha d[dB]<0, akkor a rendszer
stabil, ha meg d[dB]>0, akkor a rendszer instabil. (Lásd a VI.5. ábrát.)
VI.5. ábra.
{ p = arg [H f (j~c)] + 180c – fázistartalék (VI.4 ábra).

Az erősítéstartalék (a VI.4. ábrán Ap): d = 20 $ lg c 1
m [dB],
tehát ha:
H f ^ j~Rh
– { p 2 0 – a rendszer stabil,
– { p = 0 – a rendszer a stabilitás határán van,
– { p 1 0 – a rendszer instabil.
Megoldott feladatok
1. Vizsgáljuk meg a H f ^ s h = s+5

^ s + 3h^ s + 2h
rendszer stabilitását:
a) a pólusok előjele segítségével,

b) csatoljuk vissza a rendszert egységnyi negatív visszacsatolással.
Vizsgáljuk meg az eredő zárt rendszer stabilitását Nyquist stabilitási
kritériummal.
Megoldás:
a) A pólusok p1 = −3 , p 2 = −2 , tehát a rendszer stabil.
b) Ahhoz, hogy Nyquist stabilitási kritériummal vizsgáljuk a zárt
rendszer stabilitását, felrajzoljuk a nyílt rendszer Nyquist-diagramját:
>> num=[1 5];
>> den=[1 5 6];
>> H=tf(num,den);
>> nyquist(H)
VI.6. ábra.
Mivel a nyílt rendszer stabil, az egyszerűsített Nyquist stabilitási kri-

tériumot használjuk, amely szerint a zárt rendszer stabil, mert a Nyquist-
diagram nem kerüli meg a (–1,0) pontot, ez látható a VI.6. ábrán.
Ellenőrizzük az eredményt, számítsuk ki a zárt rendszer átviteli függ-
vényét, és vizsgáljuk meg a zárt rendszer pólusainak előjelét.
>> Ho=feedback(H,1)
Transfer function:
s + 5
--------------
s^2 + 6 s + 11
>> pzmap(Ho)
VI.7. ábra.
A VI.7. ábrán látható, hogy komplex póluspárja van a zárt rendszer-
nek, amelyek valós részei negatívak, tehát a rendszer stabil.
2. Változtassuk meg a nyílt rendszert a következőképpen:
Hf ^sh = s+5
^ s - 3h^ s + 2h
. Vizsgáljuk meg a zárt rendszer stabilitását.
Megoldás:
Látható, hogy a nyílt rendszer labilis, mert van egy pozitív pólusa:
p1 = 3 . A zárt rendszer stabilitásához az általánosított Nyquist-kritériu-
mot használjuk:
>> den=[1 -1 -6];

>> H=tf(num,den);
>> nyquist(H)
Azt látjuk a VI.8. ábrán, hogy a Nyquist-diagram nem veszi körül a

(–1,0) pontot, tehát a zárt rendszer nem lesz stabil. (Ahhoz, hogy a zárt
rendszer stabil legyen, a diagram egyszer körbe kellene vegye a (–1,0)
pontot, mert van egy instabil pólusa a nyílt rendszernek.)
VI.8. ábra.
3. Legyen a következő nyílt rendszer:

Hf ^sh = K , K = 10 .
s 3 + 2s 2 + 2s + 3
Vizsgáljuk meg a zárt rendszer stabilitását a Bode stabilitási kritérium
segítségével. Vizsgáljuk meg, hogyan változik a zárt rendszer stabilitása a
K erősítés függvényében.
Megoldás:
>> num=[10] ;
>> den=[1,2,2,3];
>> H=tf(num,den)
>> margin(H)
>> [Gm,Pm]=margin(H) %Gm – gain margin, Pm – phase margin
Warning: The closed-loop system is unstable.
Gm =
0.1000
Pm =
-44.1516
VI.9. ábra.
Tehát a VI.9. ábráról is, meg a számításból is következik, hogy a zárt

rendszer labilis, mert az erősítéstartalék Gm = –20dB. Ebből következik,
hogy az erősítés legalább 10-szer kisebb kell legyen ahhoz, hogy a zárt
rendszer stabil legyen, tehát K ≤ 1 . Ellenőrzés K = 1 -re, az eredmény a
VI.10. ábrán látható, a rendszer a stabilitás–labilitás határán van.
VI.10. ábra.
Feladatok
1. Legyen H^ s h = s+5 .
s - 3s + 4s + 10s2 + 5s - 10
5 4 3
Vizsgálják meg a stabilitást a gyökök előjele segítségével.
2. Adott a következő nyílt rendszer: H f ^ s h = 10

^1 + 10sh^1 + sh
,
a) vizsgálják meg a zárt rendszer stabilitását egységnyi negatív

visszacsatolásra Nyquist-kritériummal;
b) ellenőrizzék az eredményt a pólusok vizsgálatával;
c) ha tízszeresére növelik az erősítést, stabil marad-e a rendszer?
3. Legyen H f ^ s h = -5
^1 - 10sh^1 + 0.1sh
,
a) vizsgálják meg a zárt rendszer stabilitását;

b) ellenőrizzék az eredményt a pólusok vizsgálatával.
k^1 - sh
4. Legyen H f ^ s h =
^1 + sh^1 + 0.5sh
,
a) milyen k értékre lesz a zárt rendszer stabil?

b) vizsgálják meg a k=1-re, illetve a k=2-re a zárt rendszer stabilitását!
5. Legyen H f ^ s h = 1
^0.5 + sh^ s2 + 2s + 1h
.
a) Számítsák ki a fázistartalékot, illetve az erősítéstartalékot.

([gm,ρm,ωg,ωc] = margin(Hd),-ábrázolás → margin(Hd)).
b) A Bode-diagramot használva vizsgálják meg a rendszer stabilitását.
A dolgozat tartalma

1. A lineáris rendszereknél a stabilitás globális vagy lokális jellemző?

2. Mi a különbség az aszimptotikus, illetve a BIBO-stabilitás között?
3. Mi a feltétele a lineáris diszkrét rendszerek stabilitásának?
4. Milyen más módszereket ismernek a stabilitás vizsgálatára?
VII. GYAKORLAT
LINEÁRIS RENDSZEREK STABILITÁSÁNAK

VIZSGÁLATA A GYÖKHELY-GÖRBE MÓDSZERREL
A gyakorlat célja
A lineáris – SISO zárt rendszerek stabilitásának vizsgálatára az
egyik legalkalmasabb módszer a gyökhely-görbe felrajzolása, ugyanis a
rendszer nyereségének változása függvényében látjuk a pólusok válto-
zását. A módszer a szabályozók tervezésében is fontos, mert a pólusok
megfelelő elhelyezésével megvalósíthatók az előírt minőségi jellemzők.
A dolgozatban a gyökhely-görbe módszer elméleti és gyakorlati értelme-
zését végezzük el.
Elméleti bevezető
Legyen adott a VII.1. ábrán levő szabályozó kör:
VII.1. ábra.
Ennek a zárt rendszernek az átviteli függvénye
H1 (s) ⋅ H 2 (s)
H(s) = ,
1 + H1 (s) ⋅ H 2 (s)
míg a felnyitott szakasz átviteli függvénye
H f (s) = H1 (s) ⋅ H 2 (s) .
Most legyen a VII.2. ábrán levő szabályozó kör:

88 VII. LINEÁRIS RENDSZEREK STABILITÁSÁNAK VIZSGÁLATA...
VII.2. ábra.
H1 (s)
H(s) = ,
1 + H1 (s) ⋅ H 2 (s)
míg a felnyitott szakasz átviteli függvénye
H f (s) = H1 (s) ⋅ H 2 (s) .
A stabilitásról az 1 + H f (s) = 0 karakterisztikus egyenlet gyökeinek

(pólusok) tanulmányozása során kaphatunk információt. A stabilitás léte
vagy nemléte néha nem elegendő, ismernünk kell a stabilitás fokát is. A
gyökhely módszer nemcsak a stabil–instabil kérdésre ad választ, hanem
stabil szabályozó kör esetében a stabilitás fokára is tudunk következtetni.
A gyökhely nem más, mint a zárt rendszer karakterisztikus egyenlete gyö-
keinek mértani helye az s síkban, a rendszer nyeresége (erősítési ténye-
zője), mint paraméter, függvényében. A gyökhely-görbe felrajzolásában a
felnyitott rendszer zérusainak és pólusainak eloszlásából indulunk ki. A
karakterisztikus egyenlet alapján kapott gyökhelyen, a választott paramé-
ter függvényében megkapjuk a zárt rendszer gyökeinek eloszlását. A gyök-
eloszlás segítségével meghatározzuk a rendszer működése szempontjá-
ból elvárt gyököket (pólusokat), és a választott pólusokból megkapjuk a
paraméter értékét (a rendszer erősítési tényezőjét), amelyet ha betartunk
(alkalmazunk a zárt szabályozó körben), akkor a kívánt dinamikájú sza-
bályozott rendszert kapjuk.
A gyökhely-görbe felrajzolása
A felnyitott rendszer átviteli függvényét általános esetben felírhatjuk

mint: 1+ b ⋅ s + b ⋅ s2 + L + b ⋅ sm
1 2 m
H f (s) = k f ⋅ ; m ≤ n;
1 + a1 ⋅ s + a 2 ⋅ s + L + a n ⋅ s n
2
Itt k f a felnyitott rendszer erősítési tényezője és nem függ a pólusoktól

és zérusoktól. Most s z i , i = 1 : m és s p j , j = 1 : n -nel jelöljük a felnyitott kör
zérusait és pólusait, és ezeket ismertnek tekintjük. Ekkor felírhatjuk, hogy:
m
∏ (s − s z i1
)
i1=1
H f (s) = k f ⋅ n −k
; s pi 2 ≠ 0 ;
∏ (s − s p i2
)
i 2=1
m m m
s s
∏ (−s zi1 ) ∏ (1 − s ) ∏ (1 − s )
i1=1 i1=1 zi1 i1=1 zi1
H f (s) = k f ⋅ n
⋅ n
= K⋅ n
; k f > 0; s pi 2 ≠ s zi1
s s
∏ (−s p i2
) ∏ (1 − s ) ∏ (1 − s )
i 2=1 i 2=1 pi 2 i 2=1 pi 2
m
∏ (−s z i1
)
i1=1
K = kf ⋅ n
.
∏ (−s p i2
)
i 2=1
A K a felnyitott rendszer kalibrált erősítési tényezője. Gyakorlatilag

a gyökhely arra az esetre vonatkozik, mikor 0 ≤ K < ∞ , tehát csak a nem
negatív erősítési tényezőket vesszük figyelembe.
Meghatározzuk a következő polinomokat:
m
s
P(s) = ∏ (1 − )
i1=1 s z i1
.
n
s
Q(s) = ∏ (1 − s )
i 2 =1 pi 2
A zárt rendszer karakterisztikus egyenletét felírhatjuk mint:
D(s) = Q(s) + K ⋅ P(s) = 0
Ennek alapján a felnyitott rendszer karakterisztikus egyenlete:
P(s)
H f (s) = K ⋅ = −1 .
Q(s)
Tudjuk, hogy s = σ + j ⋅ ω és így felírhatjuk:
m m
s s
P(s) = P(s) ⋅ e j⋅arg{P (s )} ; P(s) = ∏ (1 −
s zi1
); arg{P(s)} = ∑ arg{1 − s }.
i1=1 i1=1 zi1
Hasonló módon felírjuk, hogy

n n
s s
Q(s) = Q(s) ⋅ e j⋅arg{Q(s )} ; Q(s) = ∏ (1 −
s pi 2
); arg{Q(s)} = ∑ arg{1 − s }.
i 2=1 i 2=1 pi 2
P(s)
Ha az így felírt összefüggéseket behelyettesítjük a K ⋅ = −1
egyenletbe, akkor két alapvető kritériumot határozunk meg: Q(s)
– Fázisszög-kritérium: ahhoz, hogy egy s i pont a gyökhely ele-
me legyen, eleget kell hogy tegyen a következő összefüggésnek:
arg{P(s i )} − arg{Q(s i )} = (2 ⋅ k + 1) ⋅ π; k = 0, ± 1, ± 2, L Q(s )
i
– Amplitúdó-kritérium: a K erősítési tényezőt a K = össze-
függés alapján számítjuk ki. P(s i )
Gyökhely-görbe felépítése
Kiszámítjuk a felnyitott rendszer pólusait és zéruspontjait. Felhasz-

náljuk a gyökhely-görbe tulajdonságait, s ezek alapján lehetséges egy
megközelítő módszer kidolgozása, hogy felépíthessük ezt a görbét. Most
felsoroljuk a gyökhely-görbe tulajdonságait:
– T1 – a gyökhely-görbe elágazásainak száma egyenlő max{n , m} -mel
a H f (s) -ből, figyelembe véve a gyökök multiplicitását is;
– T2 – a gyökhely-görbe a felnyitott rendszer pólusaiból indul;
– T3 – a gyökhely-görbe a felnyitott rendszer zérusaiban végződik,
ide számítva a végtelenbe kitolt zérusokat;
– T4 – a gyökhely-görbe szimmetrikus az s sík valós tengelyére nézve;
– T5 – ha a felnyitott rendszer K erősítési tényezője végtelenhez
tart, akkor a gyökhely-görbe elágazásai olyan aszimptóta felé tartanak,
(2 ⋅ k + 1) ⋅ π
amelyek dőlésszögét a θ k = ; k = 0,1,2, L , n − m − 1 és az
n−m
aszimptóták az s sík valós tengelyét a
n m
∑spj − ∑szj
j=1 j=1 (véges pólusok összege) - (véges zérusok összege)
σ0 = =
n−m (véges pólusok száma) - (véges zérusok száma)
pontban metszik;
– T6 – a gyökhely-görbe és az s sík képzetes tengely metszéspontjai-
nak megfelelő K paraméter értékét Routh–Hurwitz-kritériummal határoz-
hatjuk meg;
– T7 – a gyökhely-görbe elágazási pontjai eleget kell tegyenek a
ds H f ^ s h m
c
d 1 = 0 összefüggésnek (szükséges feltétel);
– T8 – az s sík valós tengelyének valamelyik szakasza akkor és csakis
akkor része a gyökhely-görbének, ha a felnyitott rendszernek a szakasztól
jobbra levő pólusai és zérusai számának összege páratlan.
A fentebb felsorolt felépítési lépések alapján felrajzolhatjuk a gyök-
hely-görbét.
Megoldott feladatok
Legyen egy zárt rendszer egységnyi negatív visszacsatolással. Rajzol-

juk fel a rendszer gyökhely-görbéit, ha a felnyitott rendszer átviteli függ-
vénye:
K ⋅ ( s + 3)
H (s) = .
s ⋅ ( s 2 + 3 ⋅ s + 4)
Megoldás:
Pólusok: s = 0; s =- 1.5 + 1.32 $ j; s =- 1.5 - 1.32 $ j , tehát n=3.
Zérusok: három zérus, egy valós z = −3 , kettő pedig a végtelenben,
tehát m=1. A gyökhely-görbének három ága van, és a pólusokból indul-
nak ki, egyik a zérusba megy, a másik kettő a végtelenbe.
Az aszimptoták és a valós tengely által bezárt szögek kiszámítása:
(2 ⋅ k + 1) ⋅ π
θk = ; k = 0,1,2, L , n − m − 1 , tehát:
n−m
π
θ0 =
2
3⋅π
θ1 =
2
Az aszimptoták és a valós tengely metszéspontja:
n m
∑
j =1
s pj − ∑s
j =1
zj
(véges pólusok összege) - (véges zérusok összege)
σ0 = =
n−m (véges pólusok száma) - (véges zérusok száma)
^0 - 1.5 + 1.32 $ j - 1.5 + 1.32 $ jh - ^- 3h
= 0.
2
Tehát az aszimptoták megegyeznek az imaginárius tengellyel. Most
felrajzolhatjuk a gyökhely-görbét, amely a VII.3. ábrán látható.
VII.3. ábra.
MATLAB megoldás:
num=[1 3];
den=[1 3 4 0];
rlocus(num,den)
A gyökhely-görbe a VII.4. ábrán látható.
VII.4. ábra.
1. Rajzoljuk fel a következő nyílt átviteli függvénnyel leírt rendszer

gyökhely-görbéjét:
K
H f (s) = , T1 >T 2
s ⋅ (T1 s + 1) ⋅ (T2 s + 1)
Megoldás:
1 1
Pólusok: s = 0; s = − ; s = − ; tehát n=3.
T1 T2
Zérusok: három zérus, mindhárom a végtelenben, tehát m=0.
A gyökhely-görbének három ága van és a pólusokból indulnak ki, tarta-
nak a végtelenbe.
Az aszimptoták és a valós tengely által bezárt szögek kiszámítása:
(2 ⋅ k + 1) ⋅ π
θk = ; k = 0,1,2, L , n − m − 1 , tehát:
n−m
π
θ0 =
3
θ1 = π
5⋅π
θ2 =
3
Az aszimptoták és a valós tengely metszéspontja:
n m
−1 1
∑s
j =1
pj − ∑s
j =1
zj
(véges pólusok összege) - (véges zérusok összege)
−
T1 T2
σ0 = = =
n−m (véges pólusok száma) - (véges zérusok száma) 3
Az aszimptoták és a képzetes tengely metszéspontjának a kiszámítása:
A zárt rendszer karakterisztikus egyenletét felírhatjuk mint
D( s ) = T1 ⋅ T2 ⋅ s 3 + (T1 + T2 ) ⋅ s 2 + s + K = 0
Vegyük pl. T1=1, T2=2;
a Routh-táblázat szerint:
r3 2 1
3 K r2
3− 2⋅K
r1 0
3
r0 K 0
Tehát a stabilitás határának a feltétele:
3− 2⋅K 3
=0 ⇒K =
3 2
A képzetes tengellyel való metszéspontokat a Routh-táblázat máso-
dik sorából számíthatjuk ki, ezek a karakterisztikus egyenlet valós részét
3 1
adják meg, tehát: 3 ⋅ s 2 + = 0 ⇒ s = ± j . A gyökhely-görbe a VII.5.
ábrán látható: 2 2
VII.5. ábra.
Feladatok
1. Rajzolják fel a következő rendszerek gyökhely-görbéjét:

K ⋅ (T1 s + 1)
a) H ( s ) = , T1 > 0 ;
s2
K
b) H ( s ) = , T1 > 0 ;
s ⋅ (T1 s + 1)
K
c) H ( s ) = 2 ;
s
K ⋅ (T1 s + 1)
d) H ( s ) = , T1 , T2 > 0 ;
s ⋅ (T2 s + 1)
e) H ( s ) = K ⋅ (T1 s + 1)
, T1 > T2 > T3 > 0 .
s ⋅ (T2 s + 1) ⋅ (T3 s + 1)
2. A VII.6. ábrán levő szabályozórendszerben rajzolják fel a gyökök
változását.
VII.6. ábra.
A dolgozat tartalma

1. Mit mondhatnak el az 1-es megoldott feladatban vizsgált rendszer
stabilitásáról?
2. Milyen rendszerek esetében alkalmazható a gyökhely-görbe módszer?
VIII. GYAKORLAT
DISZKRÉT RENDSZEREK
A gyakorlat célja
A mintavételes jelek és rendszerek gyakorlati tanulmányozása és az

ehhez kapcsolódó MATLAB függvények megismerése. Bevezetjük a min-
tavételezett jel fogalmát, a diszkrét átviteli függvényt, a Z transzformáltat
valamint a diszkrét rendszerek stabilitását.
Elméleti bevezető
Folytonos jel mintavételezése felírható mint:

yd ^ t h = # y^n $ T h $ d^t - nT h = y^0h $ d^ t h + y^T h $ d^t - T h + y^2T h $ d^t - 2T h + ...
s s s s s s
Laplace-transzformáció után:
yd (s ) = y (0) + y (Ts ) ⋅ e − s ⋅TS + y (2Ts ) ⋅ e −2 s ⋅TS + K
z = e s $ T & yd ^ z h = y^0h + y^Tsh $ z- 1 + y^2Tsh $ z- 2 + ... = / y^kTsh $ z- k .
3
s
k=0
A VIII.1. ábra grafikusan szemlélteti a mintavételezést és a folytonos
jel visszaállítását a diszkrét jelekből:
VIII.1. ábra.
98 VIII. DISZKRÉT RENDSZEREK
Mintavételezés tétele
A mintavételezési tétel azt mondja, hogy egy jel megfelelően visz-

szaállítható a mintáiból, ha az eredeti jel a spektrumának a W legmaga-
sabb frekvenciakomponensénél legalább kétszer akkora frekvencián van
mintavételezve. Ezt az alsó mintavételezési határt Nyquist-frekvenciának
hívjuk (lásd Shannon tétele).
Diszkrét átviteli függvény
Legyen y[n ] egy diszkrét LTI rendszer kimenete, míg a bemenete

u[n ] . Ha h[n ] a diszkrét rendszer súlyfüggvénye (a rendszer Dirac be-
menő jelre adott válasza), akkor a rendszer válasza felírható:
y[n ] = h[n ] ∗ u[n ] .
Ha Z-transzformációt alkalmazunk, akkor
Y(z) = H(z) ⋅ U(z)
összefüggést kapjuk, ahonnan
Y(z)
H(z) = ,
U(z)
ezt diszkrét átviteli függvénynek nevezzük.
Folytonos rendszerek digitális számítógéppel való irányítása vagy ve-
zérlése megköveteli a diszkrét szabályozó kimeneti jel folytonossá alakítá-
sát, valamint az irányított rendszer kimenetének mintavételezését. A szá-
mítógépből nézve, egy folytonos átviteli függvény és egy zérórendű tartó
a bemeneten leírható a diszkrét átviteli függvénnyel a VIII.2. ábra szerint.
VIII.2. ábra.
HZOH ^ s h = 1 - e ,
- sT
s
⎧ H (s ) ⎫
( )
H (z ) = Z {H ZOH (s ) ⋅ H (s )} = 1 − z −1 Z ⎨ ⎬.
⎩ s ⎭
STABILITÁS 99
A legtöbb esetben a rendszerek válasza adott bemeneti jelre frekven-

ciatartományban analitikusan kiszámítható. Az időtartománybeli megfe-
lelőjének kiszámítását szolgálja a kezdeti, illetve a végső érték tétel.
Kezdeti érték tétel:
lim y (n ⋅ Ts ) = lim y ( z )
n →0 z →∞
Végső érték tétel:
lim y (n ⋅ Ts ) = lim(1 − z −1 ) ⋅ y ( z )
n →∞ z →1
Stabilitás
Diszkrét rendszerek leírását szolgálja a H (z) impulzus-átviteli függ-

vény. Ezek pólusainak elrendezése az egységsugarú kör környezetében
adja a diszkrét rendszer stabilitásának mértékét. Ha a diszkrét rendszer
pólusai mind az egységsugarú körön belül vannak, akkor a rendszer
aszimptotikusan stabil. Ennek összefoglalóját láthatjuk a következő ábrá-
kon a valós valamint a komplex pólusok esetében
VIII.3. ábra.
A VIII.3. ábrán látható a valós pólusok viszonya az egységsugarú

körhöz és a megfelelő kimenő jel egy diszkrét rendszer esetében.
A VIII.4. ábrán látható a komplex pólusok viszonya az egységsugarú
körhöz és a megfelelő kimenő jel egy diszkrét rendszer esetében.
VIII.4. ábra.
Egy kauzális LTI rendszert leíró egyenlet zéró értéket vesz fel, ha n < 0 .
Kiszámítjuk a rendszer átviteli függvényének megfelelő pólusokat. Ha egy
pólus az egységnyi sugarú körön belül helyezkedik el ( d k < 1 ), akkor ez a
pólus, mint egy exponenciális tag alapja, időben csökkenő tagokat szolgáltat
a rendszer megoldásában (stabilitás). Ha a pólus az egységnyi körön kívül
helyezkedik el ( d k > 1 ), akkor a megoldásban az ennek megfelelő expo-
nenciális tag időben növekvő tagot szolgáltat s ez instabilitást jelent. Ha a
pólus az egységnyi körön helyezkedik el, akkor az egy oszcilláló taggal járul
hozzá a homogén rendszer viselkedéséhez. Ha egy rendszer stabil és kau-
zális, akkor minden pólusa az egységnyi sugarú körön belül helyezkedik el.
Megoldott feladatok
1. Legyen a VIII.5. ábrán levő diszkrét rendszer:
VIII.5. ábra.
a) Visszacsatolás nélkül vizsgáljuk meg a rendszer stabilitását, majd

egységugrásra adott válaszát.
b) Legyen adva az ábrán feltüntetett visszacsatolás. Vizsgáljuk meg a
zárt rendszer stabilitását és az egységugrásra adott válaszát.
Megoldás:
a) Az átviteli függvény pólusai az egységsugarú körön belül vannak,

tehát a rendszer stabil.
Az egységugrásra adott válasz ábrázolása:
Ts=0.01;
z=tf(‚z’,Ts);
Ts=1
z=tf(‚z’,Ts);
Hz=(z+1)/((z-0.6)*(z+0.2))
step(Hz)
Az egységugrásra adott válasza a rendszernek a VIII.6. ábrán látható.
VIII.6. ábra.
b) A zárt rendszer átviteli függvénye: Hz0=feedback(Hz,1)

Transfer function:
z + 1
------------------
z^2 + 0.6 z + 0.88
pzmap(Hz0) – pólusok, zérusok ábrázolása.
VIII.7. ábra.
Azt látjuk a VIII.7. ábrán, hogy van két stabil pólus, de közel az egy-
ségsugarú körhöz, tehát a rendszer válasza (egységugrás bemenő jelre)
egy erősen lengő, de csillapodó válasz lesz (VIII.8. ábra).
VIII.8. ábra.
2. Legyen a következő átviteli függvénnyel leírt rendszer:

K^0.3679z + 0.2642h
Hf ^ zh =
^ z - 0.3679h^ z - 1h
; Ts = 1.
a) A K paraméter milyen értékeire lesz a zárt rendszer stabil (egységnyi
negatív visszacsatolás)?
b) Számítsuk ki K=1-re a zárt rendszer válaszát egységugrás
bemenetre.
Megoldás:
Felírjuk a zárt rendszer átviteli függvényét, majd megvizsgáljuk a pó-
lusok helyzetét a K paraméter függvényében.
Hf ^ zh
H0 ^ z h =
1 + Hf ^ zh
K^0.3679z + 0.2642h
^ z - 0.3679h^ z - 1h
H0 ^ z h =
K^0.3679z + 0.2642h
^ z - 0.3679h^ z - 1h
1+
K^0.3679z + 0.2642h
H0 ^ z h =
^ z - 0.3679h^ z - 1h + K^0.3679z + 0.2642h
K^0.3679z + 0.2642h
H0 ^ z h =
z + z^ K $ 0.3679 - 1.3679h + 0.3679 + K $ 0.2642
2
Jelöljük a nevező együtthatóit:

a = 1 , b = K ⋅ 0.3679 − 1.3679 , c = 0.3679 + K ⋅ 0.2642 .
A zárt rendszer pólusai egy másodfokú egyenlet gyökei, tehát felírhatjuk:
− b ± b 2 − 4acc b 4ac c − b 2
z1, 2 = =− ± j
2a 2a 2a
A pólusok modulusa:
c
z1,2 = Re(z1,2 ) 2 + Im(z1,2 ) 2 = = 0.3679 + K ⋅ 0.2642
a
A stabilitás feltétele:
z1, 2 < 1 ,
tehát:
0.6321
0.3679 + K ⋅ 0.2642 = 1 ⇒ K = = 2.3925 .
0.2642
Mivel a pólusok modulusa monoton növekvő függvény, a rendszer

stabil lesz, ha K < 2.3925 .
Ellenőrzésképpen kiszámítjuk a zárt rendszer pólusait két esetben,
K = 2.3925 -re és egy kisebb értékre.
K=1-re a zárt rendszer pólusai és zérusa:
MATLAB program:
>>Numd=[0.3679 0.2642]
>>Dend=[1 -1.3679 0.3679]
>>Hz=tf(Numd,Dend,1)
>>Hz0=feedback(Hz,1)
>>pzmap(Hz0)
VIII.9. ábra.
Hasonlóan K=2.3925-re:
>>Hz0=feedback(Hz,2.3925)
>>pzmap(Hz0)
VIII.10. ábra.
Azt tapasztaljuk, hogy pólusok az egységsugarú körön vannak, tehát

a rendszer a stabilitás határán van K = 2.3925 -re.
b) A zárt rendszer válasza egységugrás bemenetre, ha K = 1 látható a
VIII.11. ábrán:
VIII.11. ábra.
Feladatok
1. Adott a következő rendszer: Hd ^ z h = 2

2z2 - z ; Ts = 0.5;
z - z + 0.24
a) Számítsák ki az inverz Z transzformáltját, tehát a súlyfüggvényt
N=10 mintavételre (impulse).
b) Használják a z = tf (' z ' , Ts ) függvényt, és ezzel írják fel az
átviteli függvényt. Használják az impulse függvényt a súlyfüggvény
kiszámítására.
c) A részlettörtre bontás módszerével számítsák ki az átviteli függvény
inverz Z transzformáltját, felhasználva a következő összefüggéseket:
y^ t h = e- a $ t; yd ^nTsh = $ e- a $ nT z
z
s
;
z - e- a $ T
s
⎛ r1 r2 ⎞ .
y d (z ) = z ⎜⎜ k 0 + + ⎟
⎝ z − p1 z − p 2 ⎟⎠
A részlettörtre bontáshoz használják a residue függvényt! Az ered-
mény a következő formájú: yd ^nTsh = $ e a $ n $ T + e b $ n $ T . Ábrázolják az ered-
s s
ményt és hasonlítsák össze az a) pontban kapott eredménnyel.

2. Adott a következő folytonos rendszer:
H^ s h = 1 + 5s
^1 + 10sh^1 + 8sh^1 + 4sh^1 + 2sh
;
a) H ( z ) = ? ha Ts = 1s. Használják a c2d függvényt!

b) Hozzák zpk alakra a kapott diszkrét rendszert!
c) Számítsák ki a kezdeti, illetve a végső értékét a H ( z ) rendszer
z
válaszának, ha a bemenet egységugrás ( z{1(t )} = ). Ellenőrzés: dcgain
MATLAB függvénnyel. z − 1
z 2 − 0,3 ⋅ z − 0,1
3. Adott H d ( z ) = ; Ts = 1;
z 3 + 3 ⋅ z 2 + 2,5 ⋅ z + 1
a) Számítsák ki a pólusokat ( [z , P, k ] = zpkdata (H d , ' v') ), stabil a
felnyitott rendszer?
b) Használják a pzmap függvényt a stabilitás vizsgálatára.
c) Ábrázoljátok a súlyfüggvényt és az átmeneti függvényt!
4. Adott a következő súlyfüggvénnyel rendelkező rendszer:
VIII.12. ábra.
Ahol:
h=[0.0279 0.0288 -0.0037 -0.0368 -0.0161 0.0371 0.0313 -0.0543
-0.0916 0.0522 0.3079 0.4378 0.3079 0.0522 -0.0916 -0.0543
0.0313 0.0371 -0.0161 -0.0368 -0.0037 0.0288 0.0279];
Számítsák ki a rendszer válaszát egy f1, majd f2 frekvenciájú szi-
nuszos bemeneti jelre, ha a mintavételezési periódus Ts (Ts=1000Hz,
f1=20Hz, f2=100Hz).
A dolgozat tartalma

1. Miért nem identikus az 1-es feladat a) és b) pontjában a válasz?
2. Mit eredményez az átviteli függvény inverz Z-transzformáltja?
3. Miért hasznos a zpk alakja az átviteli függvénynek?
4. Mit mondhatunk el a 4-es feladatban leírt rendszerről? Minek a
súlyfüggvénye lehet a megadott halmaz?
IX. GYAKORLAT
RENDSZER-SZIMULÁCIÓ – SIMULINK
A gyakorlat célja
Folytonos lineáris, nem lineáris, időben állandó vagy időben változó

rendszereket leírhatunk szimulációs diagramokkal. A különböző diagra-
mok különböző állapotteres felírást eredményeznek. Így a rendszer ta-
nulmányozása (szabályozás, különböző stabilitási módszerek, megfigyel-
hetőség stb.) különböző állapotteres felírást kér. Az állapotteres felírás
alapja a rendszer-szimulációs diagram, ezért részletesen tanulmányoz-
zuk a szimulációs diagramokat, és MATLAB Simulink környezetben szi-
muláljuk a rendszerek válaszát.
Elméleti bevezető
Blokkdiagramok
A szimulációs diagramoknál használt matematikai függvények és

operátorok blokkdiagramja látható a IX.1. ábrán:
IX.1. ábra.
110 IX. RENDSZER-SZIMULÁCIÓ – SIMULINK
Példa: Egy rendszer differenciálegyenlete:

&y& + a ⋅ y& + b ⋅ y = u ⇒ &y& = − a ⋅ y& − b ⋅ y + u
Az ennek az egyenletnek megfelelő rendszerszimulációs diagramot
ábrázoljuk a IX.2. ábrán
IX.2. ábra.
A MATLAB Simulink megvalósítás és a szimuláció eredménye

(IX.3. ábra):
IX.3. ábra.
NEM LINEÁRIS RENDSZEREK 111
Nem lineáris rendszerek
Nem lineáris rendszerek blokkdiagramjához be kell vezetni speciális

funkciójú blokkokat. Így például legyen (IX.4. ábra):
IX.4. ábra.
ahol M egy nem lineáris operátor, míg f( ) egy nem lineáris függvény.
Példának vegyük: xMy = x ⋅ y , tehát egy multiplikációt jelentő operátor,
míg f ( y) = y nem linearitást jelent, és legyen a nem lineáris rendsze-
3
rünk modellje:
&y& + a ⋅ y ⋅ y& + b ⋅ y 3 = u
Ennek megfelelő tömbvázlat látható a IX.5. ábrán.
IX.5. ábra.
Megoldott feladat
Legyen a IX.6. ábrán szemléltetett lengéscsillapító rendszer:

r r r
Fm + Fv + Fe = 0
m ⋅ a + kv ⋅ ( y& + x& ) + ke ⋅ ( y − x) = 0
ha u (t ) = x(t ) a bemenet és
y (t ) = y (t ) a kimenet, tehát:
m ⋅ &y& + k v ⋅ y& + k e ⋅ y = k v ⋅ x& + k e ⋅ x
kv k k k
&y& + y& + e ⋅ y = v ⋅ x& + e ⋅ x
m m m m
IX.6. ábra.
Rajzoljuk fel a rendszer-szimulációs diagramot, majd szimuláljuk

MATLAB Simulink környezetben.
Megoldás: egy másodrendű differenciálegyenlettel leírt lineáris rend-
szer szimulációs diagramja általánosan felrajzolható a következőképpen
(IX.7. ábra):
IX.7.ábra.
Ez a diagram a
qp =- a $ qo - b $ q + ^b0 - a $ b1 - b $ b2h $ u - b $ b1 $ # u $ dt
differenciálegyenlet szimulációja, és ha az y kimenetet is figyelembe
vesszük, akkor felírhatjuk:
MEGOLDOTT FELADAT 113
q = y - b1 $ # u $ dt - b2 $ u &
qo = yo - b1 $ u - b2 $ uo &
qp = yp - b1 $ uo - b2 $ up
Az előbbi egyenlőségeket használva következik, hogy
&y& − b 2 ⋅ &u& − (b1 + b 2 ⋅ a ) ⋅ u& = b 0 ⋅ u − a ⋅ y& − b ⋅ y
Átírva:
&y& + a ⋅ y& + b ⋅ y = b2 ⋅ u&& + (b1 + b2 ⋅ a ) ⋅ u& + b0 ⋅ u
Ha a fenti egyenletet összehasonlítjuk a lengéscsillapító egyenletével:
kv k k k
&y& + y& + e ⋅ y = v ⋅ x& + e ⋅ x
m m m m
a paraméterek a következők lesznek:
kv
a=
m
k
b= e
m
k
b0 = e
m
k
b1 = v
m
b2 = 0
Az eredő szimulációs diagram MATLAB Simulink környezetben a
IX.8. ábrán látható:
IX.8. ábra.
A rendszer válasza egységugrás bementre a IX.9. ábrán látható (m=1,

ke=0.1.kv=0.1):
IX.9. ábra.
Feladatok
1. Adott a IX.10. ábrán levő rendszer, melynek matematikai modellje

felírható mint: M ⋅ &x& + c ⋅ x& + k ⋅ x = u (t ) .
IX.10. ábra.
FELADATOK 115
a) Rajzoljátok fel a rendszer-szimulációs diagramot.

b) MATLAB Simulink környezetben szimulálják le a rendszer válaszát
egységugrás bemenetre.
c) Írják fel a rendszer átviteli függvényét és szimulálják a rendszer
válaszát egységugrás bemenetre.
d) Szimulálják egységimpulzus bemenetre a választ (használjanak
két step bemenetet az impulzus létrehozására).
2. Adott a következő időben változó rendszer:

( )
&y& + k ⋅ y& + ω 2 + ε ⋅ cos(t ) ⋅ y = u . Szimulálják a rendszer válaszát valamilyen
bemenetre Simulink környezetben.
3. Adott a következő nem lineáris rendszer: &y& + (y 2 − 1)⋅ y& + y = 0 . Rajzolják
fel a szimulációs diagramját és szimulálják egységugrás bementre.
Adjanak a bemenetre egy szinusz jelet. Milyen lesz a válasz?
4. Adott a következő egyenáramú motor (IX.11. ábra):
IX.11. ábra.
A motor matematikai modellje felírható a következő gondolatmene-
tet követve:
Tudjuk, hogy: T = Kt $ i
e = Ke $ di
dt
Mechanikai egyenlet (Newton):
J d i2 = T - b di & d i2 = 1 c Kt $ i - b di m .
2 2
dt dt dt J dt
Villamos egyenlet:
L di = V - R $ i - e & di = 1 c- R $ i + V - Ke di m .
dt dt L dt
a) Modellezzék a rendszert MATLAB Simulink környezetben, a
bemenet a feszültség (V), a kimenet a tengely pozíciója.
b) Szimulálják Simulink környezetben a rendszer válaszát

egységugrás, illetve egységimpulzus bemenetre.
A rendszerállandók:
2
J = 0.01 kg m2
s
b = 0.1 Nms
K = Ke = Kt = 0.01 Nm/A
R = 1 X, L = 0.5 H
5. Adott a IX.12. ábrán szemléltetett rendszer:
IX.12. ábra.
a) Írják fel a rendszer matematikai modelljét. (Legyen m=1000kg,

b=50Nsec/m, u=500N).
b) Szimulálják Simulink környezetben a rendszer válaszát
egységugrás, illetve egységimpulzus bemenetre.
A dolgozat tartalma

1. Miért nem használunk deriváló tagot a rendszerek szimulációjához?
2. Milyen numerikus módszert használhatunk Simulink környezetben
az integrál kiszámítására?
3. Mit mondhatunk az egyenáramú motor stabilitásáról? Melyik
állandó befolyásolja a stabilitását?
X. GYAKORLAT
ÁLLAPOTTERES LEÍRÁS
A gyakorlat célja
A rendszerek állapotteres leírásának bevetése jelentette a modern

rendszerelmélet kezdetét. A gyakorlat célja bevezetni az állapotegyen-
letek fogalmát, megvizsgálni a különböző rendszerleírások közötti ösz-
szefüggéseket, elemi koordináta-transzformációk ismertetése, valamint
a szimulációs diagramok és az állapotteres leírás közötti összefüggések
tanulmányozása. A feladatok valós rendszerek modellezése alapján is-
mertetik az állapotegyenletek módszerét.
Állapotteres leírás, elméleti bevezető
Számos tudományos és mérnöki terület használja dinamikus rend-

szerek leírására az úgynevezett állapotegyenleteket. Az állapotteres le-
írás szükségességét többféle módon származtatják. Talán a legegyszerűbb
annak a felismerése, hogy bonyolult dinamikus rendszerek igen széles
osztályának működését viszonylag nagy pontossággal modellezhetjük el-
sőrendű vektordifferenciál egyenlettel, amely ebben az esetben, egysze-
rűbb formában felírva
dx (t)
= xo (t) = f (x, u) ⎧x& = A ⋅ x + B ⋅ u
dt vagy LTI alakban ⎨
y = g (x, u) ⎩y = C ⋅ x + D ⋅ u
Az állapotváltozónak nevezett x vektor a skalár x i komponenseket
(állapotokat) rendezi vektorba. Az u a rendszer bemenő, az y pedig a
kimenő jele (SISO rendszer).
Állapotegyenlet – átviteli függvénytranszformáció:
⎧ x& = A ⋅ x + B ⋅ u ⎧s ⋅ X (s ) = A ⋅ X (s ) + B ⋅ U (s )
⎨ ⇒ ⎨ ,
⎩y = C ⋅ x + D ⋅ u ⎩ Y (s ) = C ⋅ X (s ) + D ⋅ U (s )
118 X. ÁLLAPOTTERES LEÍRÁS
(s ⋅ I − A) ⋅ X (s ) = B ⋅ U (s ) ⇒ X (s ) = (s ⋅ I − A)−1 ⋅ B ⋅ U (s ) ,
Y (s ) = [C ⋅ (s ⋅ I − A) ⋅ B + D ]⋅ U (s ) ,
−1
Y (s )
Átviteli függvény: H (s ) = = C ⋅ (s ⋅ I − A) ⋅ B + D .
−1
U (s )
Differenciálegyenlet – állapotegyenlet-transzformáció (fázistér):
y ( n ) (t ) + a n −1 ⋅ y ( n −1) (t ) + a n − 2 ⋅ y ( n − 2) (t ) + K + a 0 ⋅ y (t ) = u (t ) .
Bevezetjük a következő állapotváltozókat:
x1 (t ) = y (t )
x2 (t ) = x&1 (t ) = y& (t )
x3 (t ) = x& 2 (t ) = &y&(t )
KKKKK
xn (t ) = y (n ) (t )
x& n (t ) = y ( n − ) (t ) = u (t ) − a n −1 ⋅ y ( n −1) (t ) − a n − 2 ⋅ y ( n − 2 ) (t ) − K − a 0 ⋅ y (t )
x& n (t ) = u (t ) − a n −1 ⋅ x n (t ) − a n − 2 ⋅ x n −1 (t ) − K − a1 ⋅ x 2 (t ) − a 0 ⋅ x1 (t )
⎧⎛ x&1 (t ) ⎞ ⎛ 0 1 0 K 0 ⎞ ⎛ x1 (t ) ⎞ ⎛ 0 ⎞
⎪⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟
⎪⎜ x& 2 (t )⎟ = ⎜ 0 0 1 K 0 ⎟ ⎜ x 2 (t ) ⎟ ⎜ 0 ⎟
+ ⋅ u (t )
⎪⎜ K ⎟ ⎜ K K K K K ⎟ ⎜ K ⎟ ⎜ K⎟
⎜
⎪⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎪⎝ x& n (t )⎟⎠ ⎜⎝ − a 0 − a1 − a 2 K − a n −1 ⎟⎠ ⎜⎝ x n (t ) ⎟⎠ ⎜⎝ 1 ⎟⎠ ⎧ x& = A ⋅ x + B ⋅ u
⎨ ⇒⎨
⎪ ⎛ x (t ) ⎞ ⎩ y =C⋅x
.
⎜ 1 ⎟
⎪ ⎜ x 2 (t ) ⎟
⎪ y (t ) = (1 0 0 K 0 )⎜
⎪ K ⎟
⎜ ⎟
⎪ ⎜ x (t ) ⎟
⎩ ⎝ n ⎠
Példa
Legyen a következő átviteli függvénnyel leírt rendszer:
1
H (s ) =
s + s +1
2
MATLAB függvények az ismertetett transzformációkra:

num=1;
den=[1 1 1];
[A,B,C,D]=tf2ss(num,den); – átviteli függvényből álla-

potteres model;
[num1, den1]=ss2tf(A,B,C,D); – állapotteres modelből
átviteli függvény;
Próba: step(num,den); step(A,B,C,D);
Koordináta-transzformációk
Az állapotteres leírás nem egyedi, elemi transzformációkkal külön-

böző rendszermátrixokat kapunk, sok esetben előnyös átírni például át-
lós alakra az A rendszermátrixot (ha ez lehetséges).
Koordináta-transzformáció általánosan:
⎧ x& = A ⋅ x + B ⋅ u
⎨
⎩y = C ⋅ x + D ⋅u
Legyen x = P ⋅ x ⇒ x = P −1 ⋅ x . Behelyettesítve a fenti egyenletbe,
az állapotegyenletek egy új koordináta-rendszerbe transzformálódnak, a
következőképpen: ⎧ A = P ⋅ A ⋅ P −1
⎪
⎧ P −1 ⋅ x& = A ⋅ P −1 ⋅ x + B ⋅ u ⎧ x& = P ⋅ A ⋅ P −1 ⋅ x + P ⋅ B ⋅ u ⎪ B = P ⋅ B
⎨ −1
⇒ ⎨ −1
⇒⎨ −1
.
⎩ y = C ⋅ P ⋅ x + D ⋅u ⎩ y = C ⋅ P ⋅ x + D ⋅u ⎪C = C ⋅P
⎪D = D
⎩
Megfelelően megválasztott transzformációs mátrix segítségével a
rendszermátrix átlós alakra hozható (modális transzformáció).
Megoldott feladat
1. A következő transzformáció átlós alakot eredményez:
⎛ − 1 − 0.5 0.5 ⎞ ⎛ 2⎞
⎜ ⎟ ⎜ ⎟
A=⎜ 2 −3 0 ⎟; B = ⎜ 3 ⎟; C = (0 0 1); D = 0;
⎜2 − 1 − 2 ⎟⎠ ⎜1⎟
⎝ ⎝ ⎠
H = s ( A, B, C , D )
[V,ev]=eig(A), ahol V – sajátvektorok mátrixa és ev- sajátértékek mátrixa

Pinv = V ⇒ P = inv(V ); Pinv = P −1;
⎧ Ap = P ⋅ A ⋅ P −1
⎪
⎪ Bp = P ⋅ B
⎨ −1
⇒ átlós alak
⎪ Cp = C ⋅ P
⎪Dp = D
⎩
>> [V,ev]=eig(A)
V =
0.5774 0.0000 -0.4472
0.5774 -0.7071 -0.8944
0.5774 -0.7071 -0.0000
ev =
-1.0000 0 0
0 -3.0000 0
0 0 -2.0000
>> Ap1=inv(V)*A*V
Ap1 =
-1.0000 0.0000 -0.0000
0.0000 -3.0000 -0.0000
-0.0000 0.0000 -2.0000
>> Bp1=inv(V)*B
Bp1 =
1.7321
0.0000
-2.2361
>> Cp1=C*V
Cp1 =
0.5774 -0.7071 -0.0000
>> Dp1=Dp
Dp1 =
0
A kapott rendszer szimulációs diagramja látható a X.1. ábrán:
X.1. ábra.
MATLAB környezetben ugyanez a feladat megoldható a következő függ-

vényekkel:
[Ap,Bp,Cp,Dp] = ss2ss(A,B,C,D,inv(V))
vagy
[Ap,Bp,Cp,Dp] = canon(A,B,C,D,’modal’).
Az X.1. ábra alapján figyeljük meg a következő fogalmakat:
x3 állapotváltozó nem megfigyelhető y kimenő változón keresztül
(x3 és y között nincs kapcsolat),
x 2 állapotváltozó – nem vezérelhető u bemeneten keresztül.
2. Írjuk fel a X.2. ábrán levő rendszer állapotegyenleteit, majd

vizsgáljuk meg a rendszert a következőképpen:
a) a válaszát egységugrás valamint impulzus bemenetre;
b) erősítés-fázis jelleggörbéjét;
c) írjuk fel a rendszer átviteli függvényét.
X.2. ábra.
Megoldás:
A rendszerre ható erők összege:

f (t ) − k ⋅ x − b ⋅ x& = m ⋅ &x&
Tudjuk, hogy a sebesség és elmozdulás közötti összefüggés: v = x& , ezt
behelyettesítve a fenti differenciálegyenletbe:
b k f (t )
v& = − ⋅v − ⋅ x +
m m m
Ha bevezetjük állapotváltozónak a sebességet (v), az elmozdulást (x) és
kimenetnek az elmozdulást, a következő differenciálegyenlet-rendszert
kapjuk: x& = v
b k f (t )
v& = − ⋅v − ⋅ x +
m m m
y=x
Ezt könnyen átírhatjuk a jól ismert állapotegyenlet formára:
⎛ x& ⎞ ⎛⎜ 0 1 ⎞ ⎛ x⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎟ = k b ⎟ ⋅ ⎜ ⎟ + ⎜ 1 ⎟ ⋅ f (t )
⎝ v& ⎠ ⎜⎝ − m − ⎟ ⎜⎝ v ⎟⎠ ⎜ ⎟
m⎠ ⎝m⎠
y=x
Tehát az állapotegyenletekben szereplő mátrixok:
⎛ 0 1 ⎞
A=⎜ k b⎟
⎜− − ⎟
⎝ m m⎠
⎛0⎞
B=⎜1⎟
⎜ ⎟
⎝m⎠
C = (1 0 )
D = (0 )
A rendszert MATLAB környezetben a következőképpen írjuk le:
m = 2;
b = 5;
k = 3;
A = [ 0 1 ; -k/m -b/m ];
B = [ 0 ; 1/m ];
C = [ 1 0 ];
D = 0;
rendszer=ss(A,B,C,D)
a =
x1 x2
x1 0 1
x2 -1.5 -2.5
b =
u1
x1 0
x2 0.5
c =
x1 x2
y1 1 0
d =
u1
y1 0
Egységugrásra adott válasz (X.3. ábra):
>> step(rendszer)
X.3. ábra.
Impulzusválasz (X.4. ábra):

>> impulse(rendszer)
X.4. ábra.
Erősítés-fázis jelleggörbe (X.5. ábra):

>> bode(rendszer)
X.5. ábra.
FELADATOK 125
A rendszer átviteli függvénye:

>> H=tf(rendszer)
Transfer function:
0.5
-----------------
s^2 + 2.5 s + 1.5
Feladatok
1. Adott a X.6. ábrán levő áramkör:
X.6. ábra.
a) írják fel a rendszer állapotteres egyenletét, ha x1 = i (t ) x 2 = u c (t )

az állapotváltozók;
b) szimulálják különböző bemenetre a rendszer válaszát;
c) írják fel a rendszer szimulációs diagramját.
2. Legyen a következő mágneses lebegtető rendszer (X.7. ábra):
X.7. ábra.
A rendszer matematikai modellje felírható a következőképpen:

2 2
M d h = Mg - K $ i
dt h
V = L di + R $ i
dt
i2
A rendszer nem lineáris, az a nem lineáris összetevő.
A rendszerállandók: h
M = 0.05 kg
K = 0.0001
L = 0.01 H
R = 1X
g = 9.81 m/s2
Linearizáljátok az egyenleteket a h=0.01m körül és írjátok fel a rendszer
állapotteres modelljét. (Ebben a pontban az áramerősség 7A.) Vizsgáljátok
meg a rendszer válaszát egységugrás, illetve egységimpulzus bemenetre
.
( X = 6 Dh Dh Di @; u = DV; y = h ).
Útmutató:
A linearizáláshoz használják a következő összefüggést:
∂f ( x, y ) ∂f ( x, y )
f ( x, y ) = f ( x 0 , y 0 ) + Δx + Δy .
∂x ( x 0, y 0 ) ∂y ( x 0, y 0 )
Linearizálandó függvény: i2
f (i, h) = ,
h
az egyensúlyi pontban: 2 2
M d h20 = 0 = Mg - K i0 .
dt h0
Az eredmény:
R0 1 0 VWx1 R0 V
x1
> H
S 2 S W
d x2 = S K i0 0 - 2K i0 Wx2 + S0 Wu.
dt S M h02 M h0 W
x3 S0 R W x3 SS 1 WW
S 0 - W L
L T X
T X
A dolgozat tartalma

1. Miért hasznos az állapotegyenletek bevezetése? Mi a hátránya és

előnye az átviteli függvényekkel való leírással szemben?
2. Mi az összefüggés az átviteli függvények pólusa és a rendszermátrix
sajátértékei között?
3. Mit jelent az irányíthatóság és megfigyelhetőség fogalma egy
állapot esetében?
XI. GYAKORLAT
AZ ÁLLAPOTEGYENLETEK MEGOLDÁSA
A gyakorlat célja
Az állapotegyenletek megoldása azt jelenti, hogy adott t időpilla-

natban kiszámítjuk a rendszer állapotainak az értékét, bizonyos kezdeti
feltételek esetében. A gyakorlat célja megvizsgálni az állapotegyenletek
megoldásának módszereit, és MATLAB környezetben feladatokon keresz-
tül elsajátítani ezeket. Fontos ismerni mindezt folytonos és diszkrét rend-
szer esetében is.
Elméleti bevezető
Egy lineáris időben az invariáns rendszer állapotegyenletei:

x& (t ) = A ⋅ x(t ) + B ⋅ u (t )
.
y (t ) = C ⋅ x(t ) + D ⋅ u (t )
Feladat: határozzuk meg az „x” állapotok értékét adott t időpillanatban.
Homogén egyenlet
Homogén egyenlet a gerjesztés (bemenet) nélküli rendszert jelenti.

dx^ t h
= A $ x^ t h, x^0+h , kezdeti állapot.
Legyen:
dt
A megoldást a következő alakban keressük:
x^ t h = U^ t h $ x^0+h
dU^ t h
= A $ U^ t h
dt
Megoldások:
[
Φ (t ) = L−1 (s ⋅ I − A)
−1
]
Φ (t ) = e A⋅t
130 X. AZ ÁLLAPOTEGYENLETEK MEGOLDÁSA
Állapotegyenlet teljes megoldása:
Ha van bemenete a rendszernek, az állapotegyenlet:

dx^ t h
= A $ x^ t h + B $ u^ t h ,
dt
a megoldás pedig: t
x(t ) = Φ (t − t 0 ) ⋅ x(t 0 ) + Φ (t − τ ) ⋅ B ⋅ u (t ) ⋅ dτ
∫
t0
Az állapot-átmeneti mátrix tulajdonságai:
1. Φ (t 0 , t 0 ) = I n , ha a rendszer n-edrendű.
2. Φ (t 2 , t 0 ) = Φ (t 2 , t1 ) ⋅ Φ (t1 , t 0 )
x(t 2 ) = Φ (t 2 , t1 ) ⋅ x(t1 ) = Φ (t 2 , t 0 ) ⋅ x(t 0 )
legyen
x(t1 ) = Φ (t1 , t 0 ) ⋅ x(t 0 )
és ekkor x(t 2 ) = Φ (t 2 , t1 ) ⋅ Φ (t1 , t 0 ) ⋅ x(t 0 ) ⇒ Φ (t 2 , t 0 ) = Φ (t 2 , t1 ) ⋅ Φ (t1 , t 0 ) .
3. Φ (t1 , t 2 ) = Φ −1 (t 2 , t1 )
Φ −1 (t 2 , t1 ) ⋅ Φ (t 2 , t1 ) = I n = Φ (t1 , t1 )
de Φ (t1 , t 2 ) ⋅ Φ (t 2 , t1 ) = Φ (t1 , t1 ) ⇒ Φ (t1 , t 2 ) ⋅ Φ (t 2 , t1 ) = Φ −1 (t 2 , t1 ) ⋅ Φ (t 2 , t1 )
majd jobbról szorozva Φ −1 (t 2 , t1 ) mátrixszal, kapjuk a 3. tulajdonságot.
4. Ha a megoldhatósági feltétel igaz, akkor
Φ (t + t 0 ) = Φ (t ) ⋅ Φ (t 0 ) . Ez egyből következik a felírható fundamentális
mátrixból, vagyis Φ (t ) = e A⋅t ⇒ Φ (t + t 0 ) = e A⋅(t +t0 ) = Φ (t ) ⋅ Φ (t 0 ) .
5. Φ −1 (t ) = Φ (−t ) .
Ez a 4. pontnál leírt esetben igaz, és ugyancsak az ott felírt összefüggésből
következik, ha t 0 = 0 .
Megoldott feladat
⎛− 3 0 ⎞ ⎛ 2⎞ ⎛1⎞
1. Legyen: x& = ⎜⎜ ⎟⎟ ⋅ x + ⎜⎜ ⎟⎟ ⋅ u és x (0) = ⎜⎜ ⎟⎟ a kezdeti feltétel,
⎝ 0 − 5⎠ ⎝ 3⎠ ⎝ 2⎠
1 ='
1 ha t $ 0
és ha u = (egységugrás jel, azaz 1 ), akkor keressük meg
0 ha t 1 0
⎛ x1 ( t ) ⎞
az x ( t ) = ⎜⎜ ⎟⎟ megoldást.
⎝ x 2 (t) ⎠
Felhasználjuk, hogy átlós mátrix esetében:

⎛ λ ⋅t ⎞
⎜e 1 0 0 ⎟
⎜ λ ⋅t ⎟
e A ⋅ t = ⎜⎜ 0 e 2 0 ⎟
⎜ 0
λ ⋅ t ⎟⎟
⎜ 0 e 3 ⎟
⎝ ⎠
A differenciálegyenlet általános megoldása alapján:
⎛t t ⎞
⎜ e 3⋅τ ⋅ dτ 0 ⋅ dτ ⎟
⎛ e −3⋅t 0 ⎞⎟ ⎛ 1 ⎞ ⎛⎜ e −3⋅t 0 ⎞⎟ ⎜⎜ 0
∫ ∫ ⎟ ⎛ 2⎞
x ( t ) = ⎜⎜ ⋅ ⎜ ⎟ +
−5⋅t ⎟ ⎜ 2 ⎟ ⎜ −5⋅t ⎟
⋅ t t
0 ⎟ ⋅ ⎜⎜ ⎟⎟ ⋅ 1 ⋅ dτ
⎝ 0 e ⎠ ⎝ ⎠ ⎝ 0 e ⎠ ⎜ ⎟ ⎝ 3⎠
⎜ 0 ⋅ dτ
⎜ ∫ ∫
e 5⋅τ ⋅ dτ ⎟
⎟
⎝ 0 0 ⎠
⇒
⎛ t ⎞
⎜ e −3⋅t ⋅ 2 ⋅ e 3⋅τ ⋅ dτ ⎟
⎛ x 1 ( t ) ⎞ ⎛ e −3⋅t ⎞ ⎜
∫ ⎟
⎜⎜ ⎟⎟ = ⎜ ⎟+⎜ 0 ⎟ ha t ≥ 0
x ( t ) ⎜ 2 ⋅ e −5⋅t ⎟ ⎜ t
⎟
⎝ 2 ⎠ ⎝ ⎠
∫
−5⋅t
⎜e ⋅ 3 ⋅ e 5⋅τ ⋅ dτ ⎟
⎜ ⎟
⇒ ⎝ 0 ⎠
⎛ e −3⋅t 2 ⎞
⎜ ⎟
⎛ x1 ( t ) ⎞ ⎜ 3 + 3 ⎟
⎜
x(t) = ⎜ ⎟
⎟= .
⎝ x 2 (t) ⎠ ⎜ 7 ⋅ e 3⎟
−5⋅t
⎜ + ⎟
⎝ 5 5⎠
Vegyük észre, hogy ez a megoldás azonos két elsőrendű lineáris dif-
ferenciálegyenlet megoldásával, ahol a két egyenlet:
⎧ x& 1 = −3 ⋅ x 1 + 2 ⋅ u ⎧ x 1 (0) = 1
⎨ és ⎨ és 1
u(t) = (t) t ≥ 0 .
⎩x& 2 = −5 ⋅ x 2 + 3 ⋅ u ⎩x 2 (0) = 2
2. Adott a következő lineáris rendszer:
⎛ − 3 −1⎞ ⎛1⎞
x& = ⎜⎜ ⎟⎟ ⋅ x + ⎜⎜ ⎟⎟ ⋅ u
⎝ − 4 − 2⎠ ⎝0⎠
y = (4 − 1) ⋅ x
Írjuk fel a rendszer átviteli függvényét, majd számítsuk ki a rendszer
válaszát egységugrás bemenetre.
Megoldás:
−1
Az átviteli függvény felírható mint: H ( s ) = C ⋅ ( s ⋅ I − A) ⋅ B .
Kiszámítjuk az
−1
−1 ⎛s + 3 1 ⎞ ⎛ s + 2 −1 ⎞ 1
( s ⋅ I − A) = ⎜⎜ ⎟ = ⎜⎜ ⎟⎟ ⋅ 2
⎝ 4 s + 2 ⎟⎠ ⎝ − 4 s + 3⎠ s + 5 ⋅ s + 2
Tehát
⎛ s + 2 −1 ⎞ 1 ⎛1⎞
H ( s ) = C ⋅ ( s ⋅ I − A) −1 ⋅ B = (4 − 1) ⋅ ⎜⎜ ⎟⎟ ⋅ 2 ⋅ ⎜⎜ ⎟⎟ =
⎝ − 4 s + 3⎠ s + 5 ⋅ s + 2 ⎝ 0 ⎠
s + 2⎞
(4 − 1) ⋅ ⎛⎜⎜ ⎟⎟ ⋅ 2
1
= 2
4 ⋅ s + 1212
⎝ − 4 ⎠ s + 5⋅ s + 2 s + 5⋅ s + 2
A rendszer egységugrásra adott válaszának kiszámításához felírjuk
az átviteli függvényből:
Y^ s h = H^ s h $ U^ s h = 4 $ s + 12 $ 1
s2 + 5 $ s + 2 s
MATLAB segítségével részlettörtre bontjuk a fenti kifejezést:

>> num=[4 12];
>> den=[1 5 2 0];
>> [r,p,k]=residue(num,den)
r =
-0.3321
-5.6679
6.0000
p =
-4.5616
-0.4384
0
k =
[]
Tehát Y^ s h = 6 - 0.33 - 5.66 . Használva az inverz-

s s + 4.56 s + 0.43
Laplace transzformált képleteket, a rendszer válasza időtartományban:
y^ t h = 6 - 0.33 $ e- 4.56 $ t - 5.66 $ e- 0.43 $ t
Grafikusan ábrázoljuk a rendszer válaszát az egységugrás bemenő jel-
re – XI.1. ábra
FELADATOK 133
XI.1. ábra.
Az állapotok változását egységugrás bemenet esetében a következő-

képpen számoljuk ki:
⎛ s + 2⎞ 1 1
X ( s ) = ( s ⋅ I − A) −1 ⋅ B ⋅ U ( s ) = ⎜⎜ ⎟⎟ ⋅ 2 ⋅
⎝ − 4 ⎠ s + 5⋅ s + 2 s
J s+2 N J1 0.136 0.864 N
K ^ s2 + 5 $ s + 2h s O K s - s + 4.56 - s + 0.438 O
X^ s h = K O= K -2 O
K 2 -4 - 0.213 + 2.21 O
L ^ s + 5 $ s + 2h s P L s
O K
s + 4.56 s + 0.438 P
Ebből:
x^ t h = e o.
1 - 0, 136 $ e- 4.56 $ t - 0.864 $ e- 4.38 $ t
. - 2 - 0.213 $ e- 4.56 $ t + 2.21 $ e- 4.38 $ t
Feladatok
1. Állapotteres leírással adott rendszer A mátrixa:

⎛ − 1 − 2⎞ ⎛ 0⎞ ⎛ 3⎞
A = ⎜⎜ ⎟⎟; B = ⎜⎜ ⎟⎟; u (t ) = 0; x(0) = ⎜⎜ ⎟⎟ .
⎝1 0 ⎠ ⎝1⎠ ⎝ 5⎠
a) x(t ) = ? , a t = 4 sec időpillanatban. Használják az expm függvényt

a fundamentális mátrix kiszámítására.
b) Legyen u (t ) = sign( x 2 (t )) , x(t ) = ? t = 4 sec időpillanatban.
Használják az ode45 függvényt az állapotegyenletek kiintegrálására.
2. Adott a következő lineáris rendszer (XI.2. ábra.):
XI.2. ábra.
a) Írják fel az ábrán feltüntetett állapotokkal az állapotegyenleteket.

b) Szimulálják a rendszert egységugrás bemenetre és véletlenszerű
zajra, ábrázolják a t = 0.2 sec -ban a rendszer állapotait.
3. Adott a következő áramkör (XI.3. ábra):
XI.3. ábra
a) Legyen u C1 = x1 ; u C 2 = x 2 ; i L = x3 ; írják fel a rendszer

állapotegyenleteit!
b) Rajzolják fel a szimulációs diagramot!
c) A t = 0.8 sec -ban mekkora feszültség lesz a két kondenzátoron?
HÁZI FELADAT 135
A dolgozat tartalma

1. Mit jelent egy homogén rendszer megoldása? Mondjanak példát

arra, hogy valós rendszer esetén mit jelent a homogén rendszer megoldása?
2. Mi a különbség az exp, illetve az expm MATLAB függvények
között?
3. Vizsgálják meg, hogyan lehetne más állapotváltozókat választani a
3. feladatnál?
Házi feladat
1. Adott H^ s h = s2 + 7 $ s + 2
s + 9 $ s2 + 26 $ s + 24
3
a) Írják fel az állapotteres matematikai modellt ( A, B, C , D = ? ).

b) Rajzolják fel a rendszer szimulációs diagramját.
2. Legyen a következő állapotteres modell:
⎛ x&1 ⎞ ⎛ 0 1 ⎞⎛ x1 ⎞ ⎛ 0 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ ⋅ u (t )
⎝ x& 2 ⎠ ⎝ − 6 − 5 ⎠⎝ x 2 ⎠ ⎝ 1 ⎠
⎛x ⎞
y = (8 1)⎜⎜ 1 ⎟⎟
⎝ x2 ⎠
Írják fel a rendszer átviteli függvényét ( H (s ) = ? ).
XII. GYAKORLAT
SAJÁTÉRTÉK, SAJÁTVEKTOR, MODÁLIS

TRANSZFORMÁCIÓ, JORDAN ALAK,
CAYLEY–HAMILTON-TÉTEL ALKALMAZÁSA
A gyakorlat célja
Az állapotteres leírásban hasznos, ha kapunk olyan transzformációt,

amely segítségével az átmeneti (fundamentális) mátrixot egyszerűen ki-
számíthatjuk. Ezért bevezetjük a modális transzformációt és a Jordan ala-
kot. A gyakorlatban ismertetjük a sajátértékek-sajátvektorok kiszámítását
egyszeres sajátértékek esetében, a modális transzformációt és a Cayley–
Hamilton-tétel alkalmazását az állapot-átmeneti mátrix kiszámítására.
Elméleti bevezető
Legyen egy rendszer átviteli függvénye:
bm s m + bm −1 s m −1 + K + b1 s + b0 ,
H (s ) = n
s + a n −1 s n −1 + K + a1 s + a 0
a karakterisztikus egyenlet:
s n + a n −1 s n −1 + K + a1 s + a 0 = 0 .
Ha az átviteli függvényt az állapotegyenletekből írjuk fel, a karakte-
risztikus egyenletet a következőképpen írjuk fel:
adj (s ⋅ I − A)
H (s ) = C ⋅ (s ⋅ I − A) ⋅ B + D = C ⋅
−1
⋅B+ D ⇒ s ⋅ I − A = 0;.
s⋅I − A
Sajátértékek a karakterisztikus egyenlet gyökei: λ ⋅ I − A = 0 . Meg-
egyezik az átviteli függvény pólusaival.
Sajátvektor: (s ⋅ I − A) ⋅ vi = 0 , ahol vi a λi -hez tartozó sajátvektor.
138 XII. SAJÁTÉRTÉK, SAJÁTVEKTOR, MODÁLIS TRANSZFORMÁCIÓ...
Koordináta-transzformáció (Szimilaritás-transzformáció)
Legyen x = P ⋅ x; x = P −1 ⋅ x egy transzformáció.

⎧ x& = A ⋅ x + B ⋅ u ⎧ x& = A ⋅ x + B ⋅ u
⎨ x(0 ) = x 0 ; ⇒ ⎨
⎩y = C ⋅ x + D ⋅ u ⎩y = C ⋅ x + D ⋅ u
⎧ A = P ⋅ A ⋅ P −1
⎪
⎪ B = P⋅B
⎨ −1
⎪ C =C⋅P
⎪⎩ D = D
A rendszer, amit az új leírás szerint kapunk, identikus az eredeti
rendszerrel (sajátértékek invariancia).
Modális transzformáció
−1
Ha a transzformációs mátrixnak a P = V -t választjuk (V a saját-
vektorok mátrixa), a transzformáció eredményeként diagonális mátrixot
kapunk ⇒ A = diag (λ1 , λ 2 , K λ n ) .
A modális transzformáció csak akkor lehetséges, ha az „A” mátrix
különböző valós sajátértékekkel rendelkezik vagy szimmetrikus. Több-
szörös sajátérték esetén Jordan alakot használunk.
−1
A Jordan alakot a következő összefüggéssel kapjuk: J = V ⋅ A ⋅ V ,
ahol V lineárisan független általánosított sajátvektor. A J Jordan alak, az
úgynevezett Jordan tömbökből tevődik össze, minden különböző sajátér-
tékhez tartozik egy Jordan tömb:
⎡λ i 1 0 0⎤
⎢0 λi 1 0 ⎥⎥
J i (λi ) = ⎢
⎢0 0 λi 1 ⎥ (más formákat is használnak)
⎢ ⎥
⎣0 0 0 λi ⎦
Ji Jordan tömb.
Az állapotegyenlet megoldása
Az új koordináta-rendszerben az állapotegyenlet a következőképpen
írható fel:
CAYLEY–HAMILTON-TÉTEL ALKALMAZÁSA 139
( ) ( )
x& = Λ ⋅ x + V −1 ⋅ B ⋅ u = Λ ⋅ x + W T ⋅ B ⋅ u; Jelölés : W T = V −1
A homogén egyenlet megoldása:
x& = Λ ⋅ x ; x (0 ) = V −1 ⋅ x(0 )
x& i = λi ⋅ xi ; x (t ) = e Λ⋅t ⋅ V −1 ⋅ x 0 = e Λ⋅t ⋅ W T ⋅ x 0
Tehát:
( )
x& i (t ) = x i (0 ) ⋅ e λi ⋅t = Wi ⋅ x 0 ⋅ e λi ⋅t ;
T
x(t ) = V ⋅ x (t ) = V ⋅ e Λ⋅t ⋅ V −1 ⋅ x 0 = V ⋅ e Λ⋅t ⋅ W T ⋅ x 0 =

( ) ( ) (
= W1 ⋅ x 0 ⋅ e λ1 ⋅t ⋅ v1 + W2 ⋅ x 0 ⋅ e λ2 ⋅t ⋅ v 2 + K + Wn ⋅ x 0 ⋅ e λn ⋅t ⋅ v n
T T T
)
Az x(t ) felbontható az egyéni válaszok összegeként Wi ⋅ x 0 . Tehát a ( T
)
válasz egyszerűen kiszámítható!
A fenti egyenletből az állapot-átmeneti mátrix felírható mint:
Φ (t ) = V ⋅ e Λ⋅t ⋅ V −1
Cayley–Hamilton-tétel alkalmazása
A Cayley–Hamilton-tételt használhatjuk az állapotegyenlet megoldására.

C-H tétel: (∀) A∈ M n mátrix kielégíti a sajátérték karakterisztikus
egyenletét, tehát Δ( A) = 0 .
Mátrixfüggvény kiszámítása:
P(x ) = C (x ) ⋅ P1 (x ) + R(x ), P(x ) − polinom; P ( Anxn ) = ?
P1 ( x ) = Δ( x ) ⇒ P ( A) = R( A) R(x) – fokszáma = n-1.
Tehát ha elosztjuk a tetszőleges P(x) polinomot az A mátrix karak-
terisztikus egyenletével, a polinom mátrixértéke megegyezik az osztási
maradék mátrixértékével.
Legyen a következő formájú függvény:
∞ ∞
f (x ) = ∑ α k ⋅ x k ; f (x ) = Δ(x ) ⋅ ∑ β k ⋅ x k + R(x ) ⇒ f ( A) = R ( A) ⇒
k =0 k =0
R( x ) = α 0 + α 1 ⋅ x + α 2 ⋅ x 2 + K + α n −1 ⋅ x n −1 ; xi = λ i → α i
Tehát egy függvény mátrix helyértékét kiszámíthatjuk egy n-1 fokszá-
mú polinomból. Az R(x) polinom együtthatóit a sajátértékek behelyette-
sítésével kapjuk.
Megoldott feladat
1. Számítsuk ki a következő A mátrix által meghatározott rendszer

fundamentális mátrixát Cayley–Hamilton tételének alkalmazásával.
⎛ 0 1 ⎞ λ1 = −1;
A = ⎜⎜ ⎟⎟; , tehát R(x) fokszáma = 1.
⎝ − 2 − 3 ⎠ λ2 = −2;
x⋅t
Az e függvény Taylor sorba fejtéséből írhatjuk, hogy:
e A⋅t = α 0 ⋅ I + α1 ⋅ A; e λ ⋅t = α 0 + α1 ⋅ λ ;
λ = −1 ⇒ e −t = α 0 + α1 ⋅ (− 1) ⎫ A⋅t
⎬ ⇒ α1 ,α 2 ⇒ e
λ = −2 ⇒ e = α 0 + α1 ⋅ (− 2)⎭
− 2t
Kiszámítva:
α 1 = e −t − e −2⋅t , α 0 = 2 ⋅ e −t − e −2⋅t
⎛ 2 ⋅ e −t − e −2⋅t e −t − e −2⋅t ⎞
e A⋅t = α 0 ⋅ I + α 1 ⋅ A = ⎜⎜ −t − 2⋅t −t
⎟.
− 2⋅t ⎟
⎝ − 2 ⋅ e + 2 ⋅ e − e + 2 ⋅ e ⎠
A módszer előnye az, hogy pontos eredményt kapunk, nem közelítő a
megoldás.
2. Adott a következő lineáris rendszer:

2s 2 + 6s + 5 .
H (s ) =
s 3 + 4 s 2 + 5s + 2
Írjuk fel a rendszer állapotteres modelljét, majd hozzuk átlós formá-
ra az A rendszermátrixot, és írjuk fel az átlós formának megfelelő álla-
potegyenleteket.
Az átviteli függvény felírható mint:
H^ s h = 2s + 6s + 5 2 = 1 + 1 +
2
1
^ + h^ + h ^ + 1h2
.
s 2 s 2 s + 2 s + 1 s
A rendszer szimulációs diagramja a XII.1. ábrán látható.
XII.1. ábra.
MATLAB megoldás:
>> H = tf([2 6 5],[1 4 5 2])
Transfer function:
2 s^2 + 6 s + 5
---------------------
s^3 + 4 s^2 + 5 s + 2
>> SYS=ss(H) % áttérés állapottérbe
a =
x1 x2 x3
x1 -4 -2.5 -1
x2 2 0 0
x3 0 1 0
b =
u1
x1 2
x2 0
x3 0
c =
x1 x2 x3
y1 1 1.5 1.25
d =
u1
y1 0
Continuous-time model.
>> [A,B,C,D]=ssdata(SYS) % az állapotteres modell mátrixai
A =
-4.0000 -2.5000 -1.0000

2.0000 0 0
0 1.0000 0
B =
2
0
0
C =
1.0000 1.5000 1.2500
D =
0
>> [V,J]=jordan(A) % Jordan alak
V = % Sajátvektor mátrix
4 1 -3
-4 -2 4
2 2 -2
J = % Jordan alak
FELADAT 143
-2 0 0
0 -1 1
0 0 -1
>> Aj=V\A*V % Ellenőrzés
Aj =
-2.0000 -0.0000 0.0000
0 -1.0000 1.0000
-0.0000 -0.0000 -1.0000
>> Bj=V\B
Bj =
2
0
2
>> Cj=C*V
Cj =
0.5000 0.5000 0.5000
Feladat
⎛ 0 1 − 1⎞
⎜ ⎟
1. Adott a következő rendszermátrix: A = ⎜ − 6 − 1 6⎟
⎜− 6 −1 5 ⎟⎠
⎝
a) Hozzák átlós alakra (sajátérték, sajátvektor kiszámítására használják
az eig függvényt).
b) Számítsák ki x0 = [1 1 1] -re a rendszer állapotait a t = 10 sec-ban
T
modális transzformációval ( u = 0 , határozzák meg a Φ (t ) -t modális

transzformációval).
c) Határozzuk meg a Φ (t ) -t Cayley–Hamilton módszerrel!
⎛ 0 6 − 5⎞
⎜ ⎟
2. Adott a következő rendszermátrix: A = ⎜ 1 0 2 ⎟;
⎜3 2 4 ⎟
⎝ ⎠
a) Használják a jordan MATLAB függvényt az A mátrix Jordan
formájának kiszámítására. Számítsák ki a modális mátrixot.
b) Ha meghatározták az L mátrixot, számítsuk ki az állapot-átmeneti

mátrixot a J segítségével.
F ( A) = L ⋅ F ( J ) ⋅ L−1 ;
⎜ F (λi ) F I (λi ) F (λi )

⎛ I
F (n −1) (λi ) ⎞⎟
K
⎜ 2 (n − 1)! ⎟
⎜ F (n − 2 ) (λi ) ⎟
F (λi ) F I (λi )
() ⎜ 0
F Jˆ = ⎜
K
(n − 2)! ⎟;
⎟
⎜ 0 0 F (λi ) K K ⎟
⎜ ⎟
⎜ K K K K K ⎟
⎜ 0
⎝ 0 0 K F (λi ) ⎟⎠
Ĵ egy Jordan tömb.
A dolgozat tartalma

1. Hasonlítsák össze az ismertetett módszereket. Mikor melyik mód-
szer használata előnyös?
2. Milyen más módszert ismernek az állapot-átmeneti mátrix kiszá-
mítására?
3. Hogyan függ össze a mátrix rangja és a Jordán tömbök száma?
4. Miért kell ismerni ezeket a módszereket, ha MATLAB segítségével
egyszerűen megoldhatjuk az állapotegyenleteket?
XIII. GYAKORLAT
LINEÁRIS RENDSZEREK IRÁNYÍTHATÓSÁGA,

MEGFIGYELHETŐSÉGE, KANONIKUS ALAKOK
A gyakorlat célja
Az állapot-visszacsatolt szabályozó rendszerek tervezéséhez elen-
gedhetetlen fogalmak az állapotok irányíthatósága, megfigyelhetősége. A
gyakorlat célja bevezetni ezeket a fogalmakat, valamint megismerni az ál-
lapotegyenletekkel leírt lineáris rendszerek irányítható és megfigyelhető
kanonikus alakját.
Elméleti bevezető
Legyen a következő lineáris rendszer:

⎧ x& (t ) = A ⋅ x(t ) + B ⋅ u (t )
⎨ (1)
⎩ y (t ) = C ⋅ x(t ) + D ⋅ u (t )
Irányíthatóság
Azt mondjuk, hogy a fenti egyenletrendszerrel leírt rendszer tel-

jesen irányítható, ha (∀) x(t 0 ) = x 0 kezdeti állapotra létezik egy u (t )
úgy, hogy (∀) x(t1 ) = x 1 állapotba elviszi a rendszert [t 0 ,t1 ] időinterval-
lumon. Ha egy adott x1 állapotba irányítható a rendszer (∀) x 0 kez-
dőállapotból, azt mondjuk, hogy az adott állapot elérhető megfelelően
megválasztott u (t ) -vel.
[ ]
Legyen QC = B A ⋅ B A 2 ⋅ B K A n −1 ⋅ B irányíthatósági mátrix.
Az (1) egyenlettel leírt rendszer teljesen irányítható, ha
rang(Q C ) = n ,
tudva, hogy [A]nxn .

Megfigyelhetőség
Az (1) egyenlettel leírt rendszer teljesen megfigyelhető, ha az A mát-

rix, a C mátrix, illetve az y kimenet a [t 0 ,t1 ] intervallumon biztosítják az
x0 = x(t 0 ) egyértelmű meghatározását.
[ T
Legyen QO = C C ⋅ A C ⋅ A 2 K C ⋅ A n −1 megfigyelhetőségi mát- ]
rix. Az (1) egyenlettel leírt rendszer teljesen megfigyelhető, ha
rang (QO ) = n ha [A]nxn .
Kanonikus alakok
Irányíthatósági kanonikus alak
Jellemzője az, hogy minden állapotváltozó vissza van csatolva a be-

menetre:
b(s ) b1 s n −1 + b2 s n − 2 + K + bn
H (s ) = =
a(s ) s n + a1 s n −1 + a 2 s n − 2 + K + a n
⎛ 0 1 K K 0 ⎞
⎜ ⎟ ⎛0⎞
⎜ 0 0 1 K 0 ⎟ ⎜ ⎟
⎜0⎟
AC = ⎜ 0 0 K K 0 ⎟ BC = ⎜ ⎟ C C = (bn bn −1 K b1 ) DC = 0
⎜ ⎟ M
⎜ K K K 0 1 ⎟ ⎜ ⎟
⎜1⎟
⎜ ⎟ ⎝ ⎠
⎝ − an − a n −1 K K − a1 ⎠
A rendszer szimulációs diagramja a XIII.1. ábrán látható.
XIII.1. ábra.
KANONIKUS ALAKOK 147
Megfigyelhető kanonikus alak
A folyamatábrán a kimenet vissza van csatolva az állapotokhoz:

⎛ 0 0 0 K − an ⎞
⎜ ⎟ ⎛ bn ⎞
⎜ 1 0 0 K − a n −1 ⎟ ⎜ ⎟
⎜b ⎟
AO = ⎜K 1 K K K ⎟ BO = ⎜ n −1 ⎟ C O = (0 0 K 1) DO = 0
⎜ ⎟ M
⎜K K K K L ⎟ ⎜ ⎟
⎜ b ⎟
⎜ ⎟ ⎝ 1 ⎠
⎝0 0 0 1 − a1 ⎠
A rendszer szimulációs diagramja a XIII.2. ábrán látható.
XIII.2. ábra.
Átalakítás irányítható kanonikus alakká
[
QC = B A⋅ B A 2 ⋅ B K A n −1 ⋅ B . ]
⎛M⎞
⎜ ⎟
Vegyük a QC −1 = ⎜ M ⎟ utolsó sorát, amely segítségével létrehozzuk a
⎜ w⎟
⎝ ⎠
T mátrixot, majd egyszerű koordináta-transzformációval megkapjuk az
irányítható kanonikus alakot:
⎛ w ⎞
⎜ ⎟ ⎧ AC = T −1 ⋅ A ⋅ T
⎜ w ⋅ A ⎟ ⎪ −1
⎪B = T ⋅ B
T −1 = ⎜ w ⋅ A2 ⎟ ⇒ ⎨ C .
⎜ ⎟ C = C ⋅ T
⎜ K ⎟ ⎪ C
⎜ n −1 ⎟
⎪D =D
⎩ C
⎝w⋅ A ⎠
Átalakítás megfigyelhető kanonikus alakká
[
QO = C C ⋅ A C ⋅ A 2 K C ⋅ A n −1 . ]
⎛M M ⎞
−1
⎜ ⎟
Vegyük a QO = ⎜M M q ⎟ utolsó oszlopát, létrehozzuk a transzformá-
⎜M M ⎟
⎝ ⎠
ciós mátrixot, majd elvégezzük a koordináta-transzformációt:
⎧ AO = T −1 ⋅ A ⋅ T
⎪ −1
⎪ BO = T ⋅ B
T= q( A⋅ q A 2 ⋅ q K A n −1 ⋅ q ) ⇒ ⎨
⎪ CO = C ⋅T
⎪⎩ DO = D
MATLAB függvények: obsv, ctrb, rank, canon, tf2ss.
Megoldott feladatok
1. Vizsgáljuk meg a következő lineáris rendszer irányíthatóságát és

megfigyelhetőségét:
⎛ x&1 (t ) ⎞ ⎛ − 0 1 ⎞⎛ x1 (t ) ⎞ ⎛ 1 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ ⋅ u (t )
⎝ x& 2 (t )⎠ ⎝ 2 − 2 ⎠⎝ x 2 (t )⎠ ⎝ − 1⎠
⎛ x (t ) ⎞
y (t ) = (4 1)⎜⎜ 1 ⎟⎟
⎝ x 2 (t ) ⎠
Megoldás MATLAB környezetben:
>> a=[0 1;2 -2];
>> b=[1;-1];
>> c=[4 1];
>> Qc=ctrb(a,b)
Qc =
1 -1
-1 4
>> rank(Qc)
ans =
2
>> Q0=obsv(a,c)
Q0 =
4 1
2 2
>> rank(Q0)
ans =
2
Mivel mindkét esetben, tehát az irányíthatósági valamint a megfigyel-

hetőségi mátrix rangja 2, ezért a rendszer irányítható és megfigyelhető.
2. Rajzoljuk fel a következő rendszer irányítható kanonikus formáját:
H^ s h = 3 2
24
s + 9 $ s + 26 $ s + 24
Átírjuk állapotegyenletekre a rendszer modelljét:
Y^ s h 24
U^ s h
= 3 2 & yq + 9 $ yp + 26 $ yo + 24 $ y = 24 $ u
s + 9 $ s + 26 $ s + 24
Az átviteli függvényből felírhatjuk az állapotegyenleteket a számláló
és a nevező együtthatói alapján:
xo 1 0 1 0 x1 0
xo 2 = f0 0 1 p $ f x2 p + f0 p $ u
xo 3 - 24 - 26 - 9 x3 1
x1
y = ^24 0 0h $ f x2 p.
x3
A kapott állapotteres forma az irányítható kanonikus forma, amely-
nek megfelel a XIII.3. ábrán látható rendszer szimulációs diagramja:
XIII. 3. ábra.
Feladatok
⎛ x&1 (t ) ⎞ ⎛ − 2 1 ⎞⎛ x1 (t ) ⎞ ⎛ 1 ⎞
1. Adott a következő rendszer: ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ ⋅ u (t )
y = (1 0 ) ⋅ x x
& (
⎝ 2 ⎠ ⎝t ) 0 − 1 x (t )
⎠⎝ 2 ⎠ ⎝ 0 ⎠
a) Irányítható a rendszer?
b) Megfigyelhető a rendszer? ⎛0 0 1 ⎞ ⎛0⎞
⎜ ⎟ ⎜ ⎟
2. Adott x& (t ) = A ⋅ x(t ) + B ⋅ u (t ) : A = ⎜ 1 0 − 1⎟ B = ⎜ 0 ⎟
⎜2 1 0 ⎟ ⎜1⎟
⎝ ⎠ ⎝ ⎠
Írják fel az irányíthatósági kanonikus alakot, T = ? .
3. Adott a következő rendszer: H^ s h = s+2 .

s2 + 7 $ s + 12
a) Írják fel az irányítható kanonikus alakot.
b) Rajzolják fel az irnyítható kanonikus alaknak megfelelő szimulációs
diagramot.
4. Adott a következő rendszer: * xo = e184 - 78 o $ x + c2 m $ u
73 - 31
y = ^- 9 4h $ x
5
a) Írják fel az irányíthatósági alakot, T = ? .

b) Írják fel a rendszer átviteli függvényét az irányíthatósági alakból.
5. Adott a következő diszkrét rendszer: x[k + 1] = Ad ⋅ x[k ] + Bd ⋅ u[k ]

⎛ 1 1⎞ ⎛ 1 ⎞
Ad = ⎜⎜ ⎟⎟ Bd = ⎜⎜ ⎟⎟ .
⎝ − 0.25
25 0 ⎠ ⎝ − 0.5 ⎠ ⎛ 0⎞
x[0] = ⎜⎜ ⎟⎟
⎛ − 0.5 ⎞
Van olyan u, amelyre x[2] = ⎜⎜ ⎟⎟ , ha a kezdeti állapot ⎝ 0⎠ ?
1
⎝ ⎠ u[0] = ?
Számítsák ki a megfelelő bemeneteket, ha léteznek -
u[1] = ?
A dolgozat tartalma

1. Hogyan változtatható meg az 1-es feladat ahhoz, hogy a rendszer
irányítható legyen?
2. Használva a MATLAB canon függvényét, ellenőrizzék a megfi-
gyelhető kanonikus alakot minden feladatnál, ahol lehetséges.
XIV. GYAKORLAT
DISZKRÉT ÁLLAPOTTERES LEÍRÁS
A gyakorlat célja
Az állapotteres rendszerek tanulmányozását folytonos rendszerek

esetében végeztük, a gyakorlat célja az eddig ismertetett módszerek alkal-
mazása diszkrét rendszerekre.
Elméleti bevezető
Diszkrét állapotteres rendszer általános alakja:

x[k + 1] = Ad ⋅ x[k ] + Bd ⋅ u[k ]
.
y[k ] = C d ⋅ x[k ] + Dd ⋅ u[k ]
Ismételjük át a fontosabb diszkretizálási módszereket, valamint az
átalakításokat az ismert rendszerleírási módszerek között.
Folytonos rendszer mintavételezése:
⎧ x& (t ) = A ⋅ x(t ) + B ⋅ u (t ) ⎧ x[k + 1] = Ad ⋅ x[k ] + Bd ⋅ u[k ]
⎨ ⇒ ⎨
⎩ y (t ) = C ⋅ x(t ) + D ⋅ u (t ) ⎩ y[k ] = C d ⋅ x[k ] + Dd ⋅ u[k ]
A⋅TS
Ad = e , ahol TS a mintavételezési periódus,
Ts
Bd = #e A$d
B $ dd .
0
Differenciaegyenlet ⇒ állapotábra:
y[k ] + a ⋅ y[k − 1] + b ⋅ y[k − 2] = u[k ]
x1 [k ] = y[k − 2]
Legyen ⇒ x1 [k + 1] = x 2 [k ] ;
x 2 [k ] = y[k − 1]
x1 [k + 1] = −b ⋅ x1 [k ] − a ⋅ x1 [k ] + u[k ]
y[k ] = −b ⋅ x1 [k ] − a ⋅ x1 [k ] + u[k ]
152 XIV. DISZKRÉT ÁLLAPOTTERES LEÍRÁS
⎧ ⎛ 0 1 ⎞ ⎛ 0⎞
⎪ x[k + 1] = ⎜⎜ ⎟⎟ ⋅ x[k ] + ⎜⎜ ⎟⎟ ⋅ u[k ]
⎨ ⎝− b − a⎠ ⎝1⎠ .
⎪ y[k ] = (− b − a ) ⋅ x[k ] + (1) ⋅ u[k ]
⎩
Átviteli függvény ⇒ állapotegyenlet:
z2 − 4
H (z ) = 2
Módszerek: z + 5⋅ z + 6
a) Felírjuk a differenciaegyenletet ⇒ állapotegyenlet.
b) Felrajzoljuk a rendszer szimulációs diagramját ⇒ állapotegyenlet.
Differenciaegyenlet:
y[k + 2] + 5 ⋅ y[k + 1] + 6 ⋅ y[k ] = u[k + 2] − 4 ⋅ u[k ]
vagy
y[k ] + 5 ⋅ y[k − 1] + 6 ⋅ y[k − 2] = u[k ] − 4 ⋅ u[k − 2]
Szimulációs diagram (XIV.1. ábra) ⇒ állapotábra
XIV.1. ábra.
x1 [k + 1] = −6 ⋅ (x 2 [k ] + u[k ]) − 4 ⋅ u[k ] = −6 ⋅ x 2 [k ] − 10 10 ⋅ u[k ]

x 2 [k + 1] = x1 [k ] − 5 ⋅ (x 2 [k ] + u[k ]) = x1 [k ] − 5 ⋅ x 2 [k ] − 5 ⋅ u[k ]
y[k ] = x 2 [k ] + u[k ]
⎧⎛ x1 [k + 1] ⎞ ⎛ 0 − 6 ⎞ ⎛ x1 [k ] ⎞ ⎛ −10 10 ⎞
⎪⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ⋅ ⎜⎜ ⎟⎟ + ⎜⎜ ⎟ ⋅ u[k ]
⎪⎝ x 2 [k + 1]⎠ ⎝ 1 − 5 ⎠ ⎝ x 2 [k ]⎠ ⎝ − 5 ⎟⎠
Tehát: ⎨
⎪ y[k ] = (0 1) ⋅ ⎛⎜ x1 [k ] ⎞⎟ + u[k ]
⎪⎩ ⎜ x [k ]⎟
⎝ 2 ⎠
Állapotegyenlet ⇒ átviteli függvény
⎧ x[k + 1] = Ad ⋅ x[k ] + Bd ⋅ u[k ] Y (z )

H (z ) = = C ⋅ ( z ⋅ I − A) ⋅ B + D .
−1
⎨
⎩ y[k ] = C d ⋅ x[k ] + Dd ⋅ u[k ] U (z )
Állapotegyenlet megoldása:
k −1
x[k ] = Adk ⋅ x[0] + ∑A k −1−i
⋅ B ⋅ u[k ] .
i =0
Az irányíthatóság és megfigyelhetőség hasonlóan értelmezett, mint a

folytonos rendszereknél.
Egy diszkrét rendszer stabil, ha karakterisztikus egyenletgyökei az
egységsugarú körön belül vannak.
Megoldott feladat
Legyen a következő diszkrétidejű lineáris rendszer (XIV.2. ábra):
XIV.2. ábra.
Vizsgáljuk meg a rendszer:

1. stabilitását,
2. irányíthatóságát,
3. megfigyelhetőségét.
Megoldás:
A rendszer eredő átviteli függvényét a H1 és H2 rendszerek párhuza-
mos kapcsolása adja.
>> z=tf(‚z’,1)
>> H1=(z-0.6)/((z-1)*(z-0.8))
>> H2=(z-0.4)/(z-1)
>> H=parallel(H1,H2)
Transfer function:
z^3 - 1.2 z^2 - 0.08 z + 0.28

-----------------------------
z^3 - 2.8 z^2 + 2.6 z - 0.8
Tehát a rendszernek van két pólusa az 1-ben és egy pólusa a 0.8-ban,

a rendszer a stabilitás határán van.
Grafikusan ábrázoljuk a pólusokat és a zérusokat a pzmap függvény-
nyel (XIV.3. ábra):
>> pzmap(H)
XIV.3. ábra.
Az irányíthatóság és megfigyelhetőség vizsgálatához felírjuk a rend-

szer állapotteres modelljét. Az átviteli függvényből felírható:
z − 0.6 z − 0.4
Y (z ) = H ( z ) ⋅ U (z ) = H 1 ( z ) ⋅ U (z ) + H 2 ( z ) ⋅ U (z ) = ⋅ U (z ) + ⋅ U (z ) =
2
z − 1.8 ⋅ z + 0.8 z −1
z − 0.6 z − 0.4 ⎛ 2 1 0.6 ⎞
⋅ U (z ) + ⋅ U (z ) = ⎜ − + + 1⎟ ⋅ U ( z )
( z − 1) ⋅ ( z − 0.8) z −1 ⎝ z − 1 z − 0 . 8 z − 1 ⎠
XIV.4. ábra.
A XIV.4. ábrán megjelölt állapotváltozókat bevezetve, felírjuk az álla-

potegyenleteket:
X1 2
= , tehát x1 [k + 1] = x1 [k ] + 2 ⋅ u[k ]
U z −1
Hasonlóan a többi egyenlet:
X2 −1
= , tehát x 2 [k + 1] = 0.8 ⋅ x 2 [k ] − u[k ]
U z − 0.8
X3 0.6
= , tehát x3 [k + 1] = x3 [k ] + 0.6 ⋅ u[k ]
U z −1
Az állapotegyenletek mátrixos formában:
⎛ x1 [k + 1] ⎞ ⎛ 1 0 0 ⎞ ⎛ x1 [k ] ⎞ ⎛ 2 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ x 2 [k + 1] ⎟ = ⎜ 0 0.8 0 ⎟ ⋅ ⎜ x 2 [k ] ⎟ + ⎜ − 1 ⎟ ⋅ u[k ]
⎜ x [k + 1] ⎟ ⎜ 0 0 1 ⎟ ⎜ x [k ] ⎟ ⎜ 0.6 ⎟
⎝ 3 ⎠ ⎝ ⎠ ⎝ 3 ⎠ ⎝ ⎠
⎛ x1 [k ] ⎞
⎜ ⎟
y[k ] = (1 1 1) ⋅ ⎜ x 2 [k ] ⎟ + (1) ⋅ u[k ]
⎜ x [k ] ⎟
⎝ 3 ⎠
A megfigyelhetőség és irányíthatóság tanulmányozása MATLAB
programmal:
>> A=[1 0 0;0 0.8 0;0 0 1];

>> B=[2;-1;0.6];
>> C=[1 1 1];
>> D=1;
>> Q0=obsv(A,C)
Q0 =
1.0000 1.0000 1.0000
1.0000 0.8000 1.0000
1.0000 0.6400 1.0000
>> rank(Q0)
ans =
2 % következik, hogy a rendszer nem megfigyelhető
>> Qc=ctrb(A,B)
Qc =
2.0000 2.0000 2.0000
-1.0000 -0.8000 -0.6400
0.6000 0.6000 0.6000
>> rank(Qc)
ans =
2 % következik, hogy a rendszer nem irányítható
Feladatok
1. Adott a következő rendszer:

y[k + 3] + 5 ⋅ y[k + 2] + 3 ⋅ y[k + 1] + 2 ⋅ y[k ] = u[k + 1] + u[k ]
a) Írják fel a rendszer állapotteres egyenleteit.
b) Rajzolják fel a rendszer szimulációs diagramját.
c) Számítsák ki a rendszer válaszát a k=10 mintavételben, ha
u[k ] = 1; k ≥ 0 .
2. Adott a következő folytonos rendszer:

⎛ x&1 (t ) ⎞ ⎛ 0 1 ⎞⎛ x1 (t ) ⎞ ⎛ 1 ⎞
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ + ⎜⎜ ⎟⎟ ⋅ u (t ) , a kimenet legyen x1 (t ) .
⎝ x& 2 (t )⎠ ⎝ − 2 − 3 ⎠⎝ x 2 (t )⎠ ⎝ 0 ⎠
a) Mintavételezzük a rendszert: TS = 0.5s . Írják fel a diszkrét rendszer
állapotegyenleteit.
b) Rajzolják fel a folytonos és diszkrét rendszer szimulációs diagramját.
c) Stabilitásvizsgálat a folytonos, illetve diszkrét rendszer esetén.

d) Irányíthatóság, megfigyelhetőség ellenőrzése mindkét esetben.
3. Adott átviteli függvény: H ( z ) =

(
10 ⋅ z 2 + z + 1
10 )
z 2 ( z − 0.5)( z − 0.8)
a) Bontsák fel párhuzamos rendszerekre a fenti átviteli függvénnyel
leírt rendszert.
b) Rajzolják fel a szimulációs diagramot a párhuzamos felbontásnak
megfelelően.
c) Írják fel az állapotegyenleteket.
4. Adott a következő rendszer (XIV.5. ábra):
XIV.5. ábra.
a) Írják fel az eredő diszkrét rendszer átviteli függvényét, valamint

állapotegyenleteit.
b) Vizsgálják meg a rendszer stabilitását.
c) Vizsgálják meg az eredő diszkrét rendszer u → y irányíthatóságát.
A dolgozat tartalma

1. Egy stabil folytonos rendszert mintavételezve az eredő diszkrét
rendszer is stabil lesz? Indokolják meg a választ.
2. Mi az összefüggés a diszkrét rendszermátrix sajátértékei és az
átviteli függvény pólusai között?
I. FÜGGELÉK
ÖSSZEFOGLALÓ FELADAT
Vizsgáljuk meg rendszertechnikai szempontból a következő lineáris

rendszert (soros RLC áramkör):
F1.1.ábra.
1) Írjuk fel a rendszer differenciálegyenletét.

a) Oldjuk meg a differenciálegyenletet, a bemenet a Vin, a kimenet
az áram i(t).
i) Időtartományban.
ii) Laplace-transzformált módszerrel.
b) Írjuk fel a rendszer átviteli függvényét.
i) Ha a bemenet a Vin, a kimenet az áram i(t).
ii) Ha a bemenet a Vin, a kimenet a kondenzátor feszültsége, Vc(t).
2) Vizsgáljuk meg a rendszer időtartománybeli jellemzőit (felfutási
idő, maximális túllendülés, állandósult válasz).
3) Vizsgáljuk meg a rendszer frekvenciatartománybeli jellemzőit.
4) Vizsgáljuk meg a rendszer stabilitását.
i)A pólusok előjele segítségével.
ii) Rajzoljuk fel a rendszer gyökhelyeit.
5) Rajzoljuk fel a rendszer szimulációs diagramját.
6) Írjuk fel a rendszer állapotteres modelljét legalább két módszerrel.
7) Oldjuk meg az állapotegyenleteket.
8) Vizsgáljuk meg a rendszer irányíthatóságát és megfigyelhetőségét.
9) Írjuk fel a rendszer diszkrét állapotteres matematikai modelljét.
160 ÖSSZEFOGLALÓ FELADAT
Megoldás
1) a) A differenciálegyenlet megoldása.
i) Megoldás időtartományban.
A rendszert leíró lineáris differenciálegyenlet:
di^ t h 1
Vin = R $ i^ t h + L $ # i^ t hdt
t
+
dt C0
di^ t h
vagy:
0 = R$ + L $ + 1 $ i^ t h
dt C
d2 i^ t h R di^ t h
+ $ + 1 $ i^ t h = 0
dt2 L dt L$C
Bevezetjük a csillapítási tényezőt(ξ) és a sajátrezgést(ω0):
R R C
2 ⋅ ξ ⋅ ω0 = ⇒ ξ= ⋅
L 2 L
1 1
ω02 = ⇒ ω0 =
L ⋅C L ⋅C
A differenciálegyenlet karakterisztikus egyenlete:
r 2 + 2 ⋅ ξ ⋅ ω0 ⋅ r + ω02 = 0
r1, 2 = −ξ ⋅ ω0 ± ξ 2 ⋅ ω02 − ω02 = −ξ ⋅ ω0 ± ω0 ⋅ ξ 2 − 1

Bevezetjük a következő jelöléseket:
σ = −ξ ⋅ ω0
Δ = ω0 ⋅ ξ 2 − 1
Tárgyalás:
L
I. ξ − 1 > 0 ⇒ ξ > 1, R > 2
2
– figyelembe véve a fizikai rendszer
C
jellegzetességét, vagyis a csillapítási tényező csak pozitív lehet. Tehát:
r1 = σ + Δ
A megoldás felírható mint: i (t ) = c1 ⋅ e r1 ⋅t + c2 ⋅ e r2 ⋅t
r2 = σ − Δ i (0) = 0
A megoldáshoz válasszuk a következő kezdeti értékeket: ,
VC (0) = 0
tehát a kezdeti időpillanatban az áramerősség és a kondenzátor feszültsé-
ge nulla. Behelyettesítve a kezdeti értékeket, a következő összefüggéseket
kapjuk: i (0) = 0 ⇒ c1 + c2 = 0, c1 = −c2
ÖSSZEFOGLALÓ FELADAT 161
di^ t h
Vc ^0h = 0 & L = Vin t=0
dt
(
L ⋅ c1 ⋅ r1 ⋅ e r1 ⋅t + c2 ⋅ r2 ⋅ e r2 ⋅t = Vin ) t =0
L ⋅ (c ⋅ r ⋅ e
1 1
r1 ⋅t
− c1 ⋅ r2 ⋅ e r2 ⋅t )= V
in t = 0
tehát: V 1
c1 = in ⋅
L r1 − r2
Vin 1
⋅ c2 = −
L r1 − r2
Ezekkel az állandókkal a megoldás:
V
i (t ) = in ⋅
1
L r1 − r2
V
⋅ e r1⋅t − in ⋅
1
L r1 − r2
V
⋅ c2 ⋅ e r2 ⋅t = in ⋅
1
L r1 − r2
e r1⋅t − e r2 ⋅t = ( )
=
Vin
⋅
L 2⋅Δ
1 σ ⋅t Δ⋅t
( V
e ⋅ e − eσ ⋅t ⋅ e −Δ⋅t = in ⋅
L 2⋅Δ
1
)
⋅ eσ ⋅t e Δ⋅t − e −Δ⋅t = ( )
V e Δ⋅t − e −Δ⋅t
= in ⋅ eσ ⋅t ⋅
L 2⋅Δ
L
II. ξ 2 − 1 = 0 ⇒ ξ = 1, R = 2
C
Vin σ ⋅t e Δ ⋅t − e − Δ ⋅t Vin σ ⋅t t ⋅ e Δ ⋅t + t ⋅ e − Δ ⋅t
i (t ) = lim ⋅e ⋅ = ⋅ e ⋅ lim =
Δ →0 L 2⋅Δ L Δ →0 2
Vin
= ⋅ t ⋅ eσ ⋅t
L
L
III. ξ 2 − 1 < 0 ⇒ ξ < 1, R < 2
C
⇒ r1, 2 = −ξ ⋅ ω0 ± jω0 ⋅ 1 − ξ 2 = σ ± jω p
i (t ) = c1 ⋅ e r1 ⋅t + c2 ⋅ e r2 ⋅t =
Vin
⋅
1
L r1 − r2
( V
)
e r1 ⋅t − e r2 ⋅t = in ⋅
1
L 2 ⋅ j ⋅ω p
(
j ⋅ω ⋅t − j ⋅ω ⋅t
⋅ eσ ⋅t ⋅ e p − eσ ⋅t ⋅ e p = )
=
Vin
⋅
1
L 2 ⋅ j ⋅ω p
(
⋅ eσ ⋅t ⋅ cos(ω p ⋅ t ) + j ⋅ sin(ω p ⋅ t ) − cos(ω p ⋅ t ) + j ⋅ sin(ω p ⋅ t ) = )
Vin 1 V
= ⋅ ⋅ eσ ⋅t ⋅ 2 ⋅ j ⋅ sin(ω p ⋅ t ) = in ⋅ eσ ⋅t ⋅ sin(ω p ⋅ t )
L 2 ⋅ j ⋅ω p L ⋅ω p
ii) Megoldás Laplace-transzformált segítségével.

A differenciálegyenletből kiindulva:
di^ t h 1
Vin = R $ i^ t h + L $ # i^ t hdt
t
+
dt C0
elvégezzük a Laplace-transzformáltat:
1
Vin ( s ) = R ⋅ I ( s ) + L ⋅ s ⋅ I ( s ) + I ( s)
C⋅s
tehát az áram Laplace-transzformáltja:
s
I (s) = V (s)
1 in
L ⋅ s2 + R ⋅ s +
C
Legyen a bemenet egységugrás, amelynek a Laplace-transzformáltja
U
Vin ( s ) = 0 .
s
s U0 U0
I (s) = ⋅ =
L ⋅ s2 + R ⋅ s +
1 s (
L ⋅ s + 2 ⋅ ξ ⋅ ω0 ⋅ s + ω02
2
)
C
Az áram időtartománybeli kifejezésének kiszámításához az inverz-
Laplace transzformált ismert összefüggéseit alkalmazzuk, tehát részlet-
törtre bontjuk az áram kifejezését:
K K
I ( s ) = s1 + s 2 , s1, 2 = σ ± jω p
s − s1 s − s2
U0 1 U0 1 U 1
K s1 = I ( s ) ⋅ ( s − s1 ) s =s = ⋅ = ⋅ = 0⋅
1 L s − s2 s = s1
L σ + jω p − σ + jω p L 2 ⋅ j ⋅ωp
U0 1 U0 1 U 1
K s 2 = I ( s ) ⋅ ( s − s2 ) s = s = ⋅ = ⋅ =− 0 ⋅
2 L s − s1 s = s2
L σ − jω p − σ − jω p L 2 ⋅ j ⋅ωp
Felhasználjuk a következő inverz-Laplace transzformált képletet:
r −1
⎯α⎯→ r ⋅ e − p⋅t Így az áram időtartománybeli egyenlete a követ-
s+ p
kező lesz:
i (t ) =
U0
⋅
1
L 2 ⋅ j ⋅ωp
( U
)
⋅ e s1⋅t − e s2 ⋅t = 0 ⋅
1
L 2 ⋅ j ⋅ωp
⋅e
(σ + j⋅ω p )⋅t
(
−e
(σ − j⋅ω p )⋅t
= )
U0 1 j⋅ω ⋅t − j⋅ω ⋅t
= ⋅ ⋅ eσ ⋅t ⋅ (e p − e p ) =
L 2 ⋅ j ⋅ωp
=
U0
⋅
1
L 2 ⋅ j ⋅ωp
( ) ( ) ( )
⋅ eσ ⋅t ⋅ (cos ω p ⋅ t + j ⋅ sin ω p ⋅ t − cos ω p ⋅ t + j ⋅ sin ω p ⋅ t ) = ( )
=
U0
⋅
1
L 2 ⋅ j ⋅ωp
⋅ eσ ⋅t ⋅ 2 ⋅ j ⋅ sin ω p ⋅ t = ( )
U 0 1 σ ⋅t
⋅
L ωp
⋅ e ⋅ sin ω p ⋅ t
= ( )
Látható, hogy az eredmény megegyezik az időtartományban végzett
számítással.
b) A rendszer átviteli függvénye felírható az előbbi pontban ismertetett

Laplace-transzformált eljárással, tehát:
i) Ha a bemenet a Vin, a kimenet az áram i(t).
I ( s) s
H ( s) = =
Vin ( s ) L ⋅ s 2 + R ⋅ s + 1
C
ii) Ha a bemenet a Vin, a kimenet a kondenzátor feszültsége Vc(t).
A kimenet Laplace-transzformáltja:
1
Y ( s ) = Vc ( s ) = I ( s ) , tehát I ( s ) = C ⋅ s ⋅ Y ( s ) .
Behelyettesítve: C⋅s
1
Vin ( s ) = R ⋅ I ( s ) + L ⋅ s ⋅ I ( s ) + I ( s ) ⇒ Vin ( s ) = R ⋅ Y ( s ) ⋅ C ⋅ s + L ⋅ s ⋅ Y ( s ) ⋅ C ⋅ s + Y ( s )
C⋅s
1
Y (s) 1 L ⋅C ω02
H (s) = = = =
Vin ( s ) L ⋅ C ⋅ s 2 + R ⋅ C ⋅ s + 1 s 2 + R ⋅ s + 1 s 2 + 2 ⋅ ξ ⋅ ω0 ⋅ s + ω02
L L ⋅C
Ez a forma megegyezik a másodfokú rendszerek átviteli függvényé-
nek általános alakjával.
2) A rendszer időtartománybeli analízise.

Az időtartománybeli analízis során a következő jellemzőket számít-
juk ki:
i) Maximális túllendülés
ii) Csúcsidő
iii) A felfutási idő (tN – 10%-tól 90%-ig)
iv) Szabályozási idő (ts)
v) Állandósult hiba
F1.2. ábra. Időtartománybeli jellemzők
A jellemzők kiszámításához induljunk ki a rendszer átviteli függvé-

nyéből, ahol a bemenet a Vin, a kimenet a kondenzátor feszültsége, Vc(t):
ω02
H (s) =
s 2 + 2 ⋅ ξ ⋅ ω0 ⋅ s + ω02
Egységugrásra adott válasza a rendszernek (a számítás azonos az
1.a.ii pontnál ismertetett eljárással):
ω0 σ ⋅t
y (t ) = 1 + ⋅ e ⋅ sin (ω p ⋅ t − θ )
ωp
σ = −ξ ⋅ ω0
ω p = ω0 ⋅ 1 − ξ 2
⎛ ωp ⎞
θ = arctg ⎜⎜ ⎟⎟
⎝σ ⎠
Behelyettesítve:
1 ⎛ 1 − ξ 2 ⎞⎟
y (t ) = 1 + ⋅ e −ξ ⋅ω0 ⋅t ⋅ sin ⎜ ω0 ⋅ 1 − ξ 2 ⋅ t − arctg
1−ξ 2 ⎜ −ξ ⎟
⎝ ⎠
Számítsuk ki előbb a csúcsidőt, tehát keressük meg azt az időpillana-
tot, amelynél az első csúcs található:
dy^ t h - p $ ~0 $ e- p $ ~ $ t $ sin c~ $ 1 p2 $ t arctg 1 - p2 m
= 0
0 - - +
dt 1 - p2 -p
1 ⎛ 1− ξ 2 ⎞
+ ⋅ e −ξ ⋅ω 0 ⋅t ⋅ ω0 ⋅ 1 − ξ 2 ⋅ cos⎜ ω0 ⋅ 1 − ξ 2 ⋅ t − arctg ⎟
1− ξ 2 ⎜ −ξ ⎟
⎝ ⎠
⎡ ⎛ 1− ξ 2 ⎞ ⎤
⎢− ξ ⋅ sin ⎜ ω0 ⋅ 1 − ξ 2 ⋅ t − arctg ⎟+ ⎥
dy^ t h ⎢ ⎜ −ξ ⎟ ⎥
ω0 − ξ ⋅ω 0 ⋅t
⎢ ⎝ ⎠ ⎥
= ⋅e ⋅
dt 1− ξ 2 ⎢ ⎛ 2 ⎞⎥
1− ξ ⎟
⎢+ 1 − ξ 2 ⋅ cos⎜ ω0 ⋅ 1 − ξ 2 ⋅ t − arctg ⎥
⎢ ⎜ − ξ ⎟⎥
⎣ ⎝ ⎠⎦
Elvégezve a trigonometriai számításokat, egyszerűsítéseket, a követ-
kező eredményt kapjuk:
dy^ t h ω0
= ⋅ e −ξ ⋅ω 0 ⋅t ⋅ sin ⎛⎜ ω0 ⋅ 1 − ξ 2 ⋅ t ⎞⎟
dt 1− ξ 2 ⎝ ⎠
A maximális túllendülés a függvény első maximumánál van, tehát:
dy^ t h
= 0 ⇒ ω0 ⋅ 1 − ξ 2 ⋅ t = n ⋅ π
dt
n ⋅π
t=
ω0 ⋅ 1 − ξ 2
Az első maximumnál n=1, tehát a csúcsidő:
π
tc =
ω0 ⋅ 1 − ξ 2
A maximális túllendülés kiszámításához behelyettesítjük a csúcsidőt:
π
1
− ξ ⋅ω 0 ⋅ ⎛ π 1− ξ 2 ⎞
ymax (t ) = 1 + ⋅e ω 0 ⋅ 1− ξ 2
⋅ sin ⎜ ω0 ⋅ 1 − ξ 2 ⋅ − arctg ⎟
1− ξ 2 ⎜ ω0 ⋅ 1 − ξ 2 −ξ ⎟
⎝ ⎠
π
1
− ξ ⋅ω 0 ⋅ ⎛ 1 − ξ 2 ⎞⎟
ymax (t ) = 1 + ⋅e ω 0 ⋅ 1− ξ 2
⋅ sin ⎜ π − arctg
1− ξ 2 ⎜ −ξ ⎟
⎝ ⎠
π
− ξ ⋅ω 0 ⋅
1 ω 0 ⋅ 1− ξ 2
ymax (t ) = 1 + ⋅e ⋅ 1− ξ 2
1− ξ 2
π π
− ξ ⋅ω 0 ⋅ −ξ ⋅
ω 0 ⋅ 1− ξ 2 1− ξ 2
ymax (t ) = 1 + e =1+ e
A maximális túllendülés:
π
−ξ ⋅
1− ξ 2
Γ = ymax (t ) − 1 = e
A szabályozási idő kiszámításánál úgy járunk el, hogy vesszük az

első csúcsot, amelyre a kimenet megközelíti az 1.05-öt:
1
y (t ) = 1 + e −ξ ⋅ω 0 ⋅t s ⋅ = 1.05
1.05
1− ξ 2
e −ξ ⋅ω0 ⋅t s = 00.05
.05 ⋅ 1 − ξ 2
ξ ⋅ ω0 ⋅ t s = –ln− ln ⎛⎜0.05
0.05 ⋅ 1 − ξ 2 ⎞⎟
⎝ ⎠
−
–ln ln ⎛⎜0.05
0.05 ⋅ 1 − ξ 2 ⎞⎟
ts = ⎝ ⎠
ξ ⋅ ω0
Az állandósult hiba kiszámítása:
⎡ 1 ⎛ 1 − ξ 2 ⎞⎟⎤
lim (1 − y (t ) = lim ⎢ ⋅ e −ξ ⋅ω 0 ⋅t ⋅ sin ⎜ ω0 ⋅ 1 − ξ 2 ⋅ t − arctg ⎥=0
t →∞ t →∞ ⎢
1 − ξ 2 ⎜ − ξ ⎟⎥
⎣ ⎝ ⎠⎦
A kiszámított jellemzők szemléltetésére szimuláljuk a rendszer vála-
szát MATLAB programmal.
a) Vegyük előbb azt az esetet, amikor a válasz egy csillapodó lengő
válasz, tehát
L
ξ 2 − 1 < 0 ⇒ ξ < 1, R < 2 .
R=10; C
L=0.001;
C=10e-6;
Kszi=R/(2)*sqrt(C/L);
Omega0=sqrt(1/(L*C));
H=tf([Omega0^2],[1 2*Kszi*Omega0 Omega0^2])
step(H)
Ymax=1+exp(-Kszi*(pi/(sqrt(1-Kszi^2))))
Ymax =1.1630
A maximális túllendülés számított értéke megegyezik az ábrán fel-

tüntetett értékkel!
F1.3. ábra. A rendszer válasza egységugrás bemenetre,

ha a csillapítási tényező kisebb, mint 1
A csúcsidő kiszámítása:
tc=pi/(Omega0*sqrt(1-Kszi^2))
tc =3.6276e-004
A szabályozási idő:
ts=-log(0.05*sqrt(1-Kszi^2))/(Kszi*Omega0)
ts =6.2791e-004
F1.4. ábra. A rendszer pólusai, ha a csillapítási tényező kisebb, mint 1

L
b) Legyen a csillapítási tényező 1, tehát ξ − 1 = 0 ⇒ ξ = 1, R = 2
2
.
C
A rendszer válasza egységugrás bemenetre:

ha a csillapítási tényező ξ = 1
c) Vizsgáljuk meg a rendszer válaszát ξ = 0 csillapítási tényezőre.

ha a csillapítási tényező ξ = 0
Ha a csillapítási tényező nulla, a rendszer a sajátfrekvenciáján rezeg,

amelynek az értéke f0 = 1 $ 1 = 1591.5 Hz .
2$r L$C
3) A rendszer frekvenciatartománybeli analízise.
a) Legyen a csillapítási tényező ξ > 1 , tehát a rendszernek két valós
pólusa van.
F1.7. ábra. A rendszer amplitudó-fázisjelleggörbéje, ha p = 25
A BODE diagrammon jól elkülöníthető két elsőfokú rendszer válasza,

amelyeknek az összege adja az eredő jelleggörbét. Az erősítésgörbén lát-
ható a -20db/dek és a -40db/dek csillapítás, míg a fázisjelleggörbén a -90
fok és a -180 fokos jellegörbék.
b) Legyen a csillapítási tényező ξ < 1 , tehát a rendszernek két képzetes
pólusa van.
F1.8. ábra. A rendszer amplitúdó-fázisjelleggörbéje, ha p = 25
A rendszer aluláteresztő szűrő jellegű, a csillapítása -40db/dek.

c) Legyen a csillapítási tényező ξ = 0 . A rendszernek két pólusa van az
imaginárius tengelyen. A diagramról jól kivehető a rendszer rezonancia-
frekvenciája.
F1.9. ábra. A rendszer amplitúdó-fázisjelleggörbéje, ha ξ = 0

Ugyanezeket a jellemzőket olvashatjuk le a Nyquist-diagramról is.
4) A rendszer stabilitásának a vizsgálata.

a) A rendszer pólusai mindig negatívak lesznek, ugyanis a valós R,L,C
értékekkel nem lehetséges a pozitív pólus. Tehát a rendszerünk stabil,
a választott R,L,C értékektől függ a rendszer stabilitásának a mértéke,
vagyis a pólusok viszonya az imaginárius tengelyhez.
b) A rendszer gyökhelygörbéje a negatív visszacsatolás erősítés
függvényében ábrázolja a zárt rendszer pólusait. Az ábráról leolvashatjuk,
hogy negatív visszacsatolás esetén a zárt rendszer is stabil marad,
bármilyen erősítésre.
F1.10. ábra. A zárt rendszer gyökhelyei, ha a visszacsa-

toló ágban az erősítés változik nullától végtelenig.
5) A szimulációs diagram felrajzolásához induljunk ki az átviteli

függvényből, majd írjuk át időtartományba a rendszer matematikai mo-
delljét.
ω02
H (s) = ,
s 2 + 2 ⋅ ξ ⋅ ω0 ⋅ s + ω02
innen:
&y&(t ) + 2 ⋅ ξ ⋅ ω0 ⋅ y& (t ) + ω02 ⋅ y (t ) = ω02 ⋅ u (t )
F1.11. ábra. A rendszer szimulációs diagramja
6) A rendszer állapotteres modellje.

a) A differenciálegyenletből felírt állapotteres modell, ha az
állapotváltozók x1 = i (t ) és x2 = 1 $ i^ t h dt , a kimenet a kondenzátor

#
feszültsége.
C
A rendszer differenciálegyenletéből kiindulva:
di^ t h 1
u^ t h = R $ i^ t h + L $ + $ # i^ t h dt
dt C
di^ t h
=- R $ i^ t h - 1 $ # i^ t h dt + 1 $ u^ t h
dt L L$C L
Tehát: dx1 ^ t h
=- R $ x1 ^ t h - 1 $ x2 ^ t h + 1 $ u^ t h
dt L L L
dx2 ^ t h
=- 1 $ x1 ^ t h
dt C
Mátrixos formában: y^ t h = x2 ^ t h
⎛ R 1⎞
⎛ x&1 ⎞ ⎜ − L − ⎟ ⎛1⎞
L ⎟ ⋅ ⎛⎜ x1 ⎞⎟ + ⎜ ⎟ ⋅ u (t )
⎜⎜ ⎟⎟ = ⎜ ⎜ ⎟ ⎜L⎟
⎝ x&2 ⎠ ⎜⎜ 1 0 ⎟⎟ ⎝ x2 ⎠ ⎝ 0 ⎠
⎝ C ⎠
⎛x ⎞
y (t ) = (0 1) ⋅ ⎜⎜ 1 ⎟⎟
⎝ x2 ⎠
b) Összekapcsolt integrálás módszere.
Ha a rendszer kimenete a kondenzátor feszültsége, a rendszer diffe-
renciálegyenlete:
&y&(t ) + 2 ⋅ ξ ⋅ ω0 ⋅ y& (t ) + ω02 ⋅ y (t ) = ω02 ⋅ u (t )
y& (t ) = −2 ⋅ ξ ⋅ ω0 ⋅ y (t ) + ω02 ⋅ (u (t ) − y (t ) )dtdt
∫
y^ t h = # `- 2 $ p $ ~ 0 $ y^ t h + #~ 2
0 $ ^u^ t h - y^ t hh dt j dt
Ábrázolva:
F1.12. ábra. A rendszer szimulációs diagramja az

összekapcsolt integrálás módszere szerint
dx1 ^ t h = −ω 2 ⋅ x (t ) + ω 2 ⋅ u (t )
0 2 0
dt
dx2 ^ t h
= x1 (t ) − 2 ⋅ ξ ⋅ ω0 ⋅ x2 (t )
dt
y (t ) = x2 (t )
Mátrixos formában:
⎛ x&1 ⎞ ⎛ 0 − ω02 ⎞ ⎛ x1 ⎞ ⎛ ω02 ⎞
⎜⎜ ⎟⎟ = ⎜ ⎟ ⋅ ⎜ ⎟ + ⎜ ⎟ ⋅ u (t )
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ x&2 ⎠ ⎝ 1 − 2 ⋅ ξ ⋅ ω0 ⎠ ⎝ x2 ⎠ ⎝ 0 ⎠
⎛x ⎞
y (t ) = (0 1) ⋅ ⎜⎜ 1 ⎟⎟
⎝ x2 ⎠
7) Az állapotegyenletek megoldása
Az állapotegyenlet megoldásánál követhetjük az analitikus eljárást,

tehát kiszámítjuk az állapot-átmeneti mátrixot a XI. gyakorlatban leírt el-
járással, majd az állapotokat a következő összefüggéssel:
t
x(t ) = Φ (t − t 0 ) ⋅ x(t 0 ) + Φ (t − τ ) ⋅ B ⋅ u (t ) ⋅ dτ
∫
t0
Egy másik módszer a differenciál egyenletrendszer kiintegrálása

ode45 MATLAB függvény használatával, a következőkben ezt a módszert
ismertetem.
Legyenek a következő paraméterek:
R=101;
L=0.001;
C=10e-6;
A=[-R/L -1/L; 1/C 0]

B=[1/L;0];
Cr=[0 1];
D=0;
A rendszert leíró differenciálegyenleteket megadjuk a következő

MATLAB állományban, a bemenet egységugrás:
function dx=RLCsys(t,x);
u=1;
dx(1)=-1.01e5*x(1)-0.01e5*x(2)+0.01e5*u;
dx(2)=1.0e5*x(1);
dx=dx’;
A differenciál egyenletrendszer megoldása és az eredmény ábrázolása:
[t,x]=ode45(@RLCsys,[0 0.007],[0 0]’);

plot(t,x)
Az eredmény az F1.13. ábrán látható, mindkét állapot változása meg-

figyelhető a megadott időtartományra.
F1.13. ábra. A rendszer állapotai egységugrás bemenetre

8) Az irányíthatóság és megfigyelhetőség vizsgálata.
>> Wo=obsv(A,Cr)
Wo =
1.0e+005 *
0 0.000010000000000
1.000000000000000 0
>> rank(Wo)
ans =
2
>> Wc=ctrb(A,B)
Wc =
1.0e+008 *
0.000010000000000 -1.010000000000000
0 1.000000000000000
>> rank(Wc)
ans =
2
Mivel mind a két mátrix rangja megegyezik a rendszer fokszámával,
a rendszer irányítható és megfigyelhető.
9) A rendszer diszkrét állapotteres matematikai modellje.

Legyen
A=[-R/L -1/L; 1/C 0];
B=[1/L;0];
Cr=[0 1];
D=0;
sys=ss(A,B,Cr,D)
A feladatot MATLAB programmal oldjuk meg, összehasonlítjuk a
diszkrét rendszer válaszát a folytonos rendszer válaszával.
Ts=1e-4;
sysd=c2d(sys,Ts,’zoh’)
a =
x1 x2
x1 0.1262 -0.05335
x2 5.335 0.6597
b =
u1
x1 0.05335
x2 0.3403
c =
x1 x2
y1 0 1
d =
u1
y1 0
Sampling time: 0.0001
Discrete-time model.
>> step(sys)
>> step(sysd)
>> hold on
>> step(sys,’r’)
F1.14. ábra. A folytonos és a mintavételezett rend-

szer válasza egységugrás bemenetre
10) Összefoglaló.
Vizsgáljuk meg a rendszer jellemzőit különböző csillapítási ténye-

zőkre, a rendszer paraméterei L=0.001H, C=10-6F, R változik a csillapítá-
si tényező függvényében.
a) Legyen ξ > 1 .
F1.15. ábra. A rendszer válasza és fontosabb jellemzői, ha ξ = 5

b) Legyen ξ < 1
F1.16. ábra. A rendszer válasza és fontosabb jellemzői, ha ξ = 0.5
c) Legyen ξ = 0
F1.17. ábra. A rendszer válasza és fontosabb jellemzői, ha ξ = 0

II. FÜGGELÉK
ELMÉLETI ÖSSZEFOGLALÓ. ROMÁN ÉS ANGOL

NYELVŰ TERMINOLÓGIA
1. Differenciál egyenlet modell

(k-adrendű rendszer)
{Ecuaţie diferenţială; Differential equation}
(
y ( k ) + a k −1 ⋅ y ( k −1) + a k − 2 ⋅ y ( k − 2) + K + a1 ⋅ y& + a 0 ⋅ y = k F ⋅ u ( m ) + bm −1 ⋅ u ( m −1) + K b1 ⋅ u& + b0 ⋅ u )
y (t ) : ℜ → ℜ – kimenő jel, u (t ) : ℜ → ℜ – bemenő jel, k ≥ m , k F – erősítési
tényező {factor de amplificare; gain; y(t) – semnal de intrare; input signal
u(t) – semnal de ieşire; output signal}
Sajátos esetek:
Másodrendű rendszer {Sistem de ordinul doi ; Second order system}
&y& + a ⋅ y& + b ⋅ y = u
a = 2 ⋅ ϑ ⋅ ω 0 , b = ω 02 , ϑ – csillapítási tényező, ω0 – sajátrezgés
Elsőrendű rendszer {Sistem de ordinul unu; First order system}
y& + a ⋅ y = u
Differencia egyenlet modell
(k-adrendű; Ts – mintavételezési periódus: t = n ⋅ Ts )
{Ecuaţie cu diferenţe; Discret differential equation; Ts – Perioadă de
eşantionare; Sampling rate}
y[n] + a1 ⋅ y[n − 1] + K + a k −1 ⋅ y[n − k + 1] + a k ⋅ y[n − k ] =
= k F ⋅ (u[n ] + b1 ⋅ u[ n − 1] + K + bm ⋅ u[ n − m])
y[n] : ℜ → ℜ – kimenő jel, u[n] : ℜ → ℜ – bemenő jel, k F – erősítési tényező
Sajátos esetek:
Másodrendű rendszer
{Sistem discret de ordinul doi; Second order discrete system}
y[n] + a1 ⋅ y[n − 1] + a 2 ⋅ y[n − 2] = k F ⋅ (u[n] + b1 ⋅ u[n − 1] + b2 ⋅ u[n − 2])
Elsőrendű rendszer {Sistem de ordinul unu discret; First order discrete
system}
180 ELMÉLETI ÖSSZEFOGLALÓ...
y[n] + a1 ⋅ y[n − 1] = u[n]

Bemenő jel = input signal, semnal de intrare
Kimenő jel = semnal de ieşire, output signal
Erősítési tényező = factor de amplificare, (system) gain
2. Laplace-transzformáció
{Transformata Laplace; Laplace transform}

L " ,: t " s = v + j $ ~
L " y^nh, = L ' n 1 = s n $ Y^ s h - s n - 1 $ y^0h - s n - 2 $ yo ^0h - ... - y n - 1 ^0h
n
d y
dt
ha L " y^ t h, = Y^ s h
Gyakorlati képletek: (kezdeti (t=0) értékeket nullának vesszük)
L {y&} = s ⋅ Y ( s ) − y (0) = s ⋅ Y ( s )
{ }
L y = s 2 ⋅ Y ( s ) − s ⋅ y (0) − y& (0) = s 2 ⋅ Y ( s )
&&
Ezek alapján: H(s)=átviteli függvény {Funcţia de transfer; Transfer
function}
a) L {&y& + a ⋅ y& + b ⋅ y = u (t )} → s 2 ⋅ Y ( s ) + a ⋅ s ⋅ Y ( s ) + b ⋅ Y ( s ) = U ( s )
Y (s) 1
H (s) = = 2
U (s) s + a ⋅ s + b
b) L {y& + a ⋅ y = u (t )} → ⋅s ⋅ Y ( s ) + a ⋅ Y ( s ) = U ( s )
Y (s) 1
H (s) = =
U (s) s + a
3. Z-transzformáció
Z " ,: n " z = v + j $ ~ {Transformata Z; Z transform}

k −1
Z{y[n ± k ]} = z ± k ⋅ Y ( z ) − ∑z
i =0
± k −i
⋅ y[i ]
ha Z{y[n]} = Y ( z )
Gyakorlati képletek: (kezdeti (i = 0 ) értékeket nullának vesszük)
Z{y[n + 1]} = z ⋅ Y ( z ) − z ⋅ y[0]
Z{y[n + 1]} = z 2 ⋅ Y ( z ) − z 2 ⋅ y[0] − z ⋅ y[1]
ELMÉLETI ÖSSZEFOGLALÓ... 181
Ezek alapján: H(z)=diszkrét átviteli függvény {Funcţia de transfer

discret; Discrete transfer function}
a) Z{y[n] + a1 ⋅ y[n − 1] + a 2 ⋅ y[n − 2] = k F ⋅ (u[n] + b1 ⋅ u[n − 1] + b2 ⋅ u[n − 2]} →

Y ( z ) + a1 ⋅ z −1 ⋅ Y ( z ) + a 2 ⋅ z −2 ⋅ Y ( z ) = k F ⋅ (U ( z ) + b1 ⋅ z −1 ⋅ U ( z ) + b2 ⋅ z −2 ⋅ U ( z ) →
U ( z) 1 + b1 ⋅ z −1 + b2 ⋅ z −2
H ( z) = = kF ⋅
Y ( z) 1 + a1 ⋅ z −1 + a 2 ⋅ z − 2
b) Z{y[n] + a1 ⋅ y[n − 1] = u[n]} = Y ( z ) + a1 ⋅ z −1 ⋅ Y ( z ) = U ( z ) →
U ( z) 1
H ( z) = = kF ⋅
Y ( z) 1 + a1 ⋅ z −1
4a.) Állapotteres modell felírása, diagrammódszertan

{Ecuaţii în spaţiul stărilor, Metoda diagramelor de simulare; State
Space Model, Simulation diagram methods}
– Fázisteres modell módszere
{Metoda spaţiului fazelor; Faze space method}
– Szekvenciális differenciálás módszertana
{Metoda Integrării Secvenţiale; Succesive Differentiation Method}
– Összekapcsolt integrálási módszer
{Metoda Integrării Cuplate; Nested Integral method}
– Állapotegyenletek résztörtek alapján
{Ecuaţii de stare pe baza calcului reziduurilor; Partial Fractions
Expantion method}
– Faktorizált átviteli függvény módszere
{Metoda funcţiilor de transfer pe fracţii; Factored Transfer Function
method}
4b.) Állapotteres leírás

{Modelul în Spaţiul Stărilor; State Space Method}
⎛ x1 (t ) ⎞ ⎛ x1 [n] ⎞
⎜ ⎟ ⎜ ⎟
⎜ x 2 (t ) ⎟ ⎜ x 2 [ n] ⎟
x(t ) = ⎜ x[n] = ⎜
L ⎟ – folytonos állapotvektor L ⎟ – diszkrét állapotvektor
⎜ ⎟ ⎜ ⎟
⎜ x (t ) ⎟ ⎜ x [ n] ⎟
⎝ n ⎠ ⎝ n ⎠
Folytonos = continuu, continous Diszkrét = discret, discrete
Állapotteres egyenletrendszerek { Sisteme de ecuaţii de stare; State

Space system equations}
F2.1. ábra
Folytonos Diszkrét
⎧ x& (t ) = A ⋅ x(t ) + B ⋅ u (t ) ⎧ x[n + 1] = A ⋅ x[n] + B ⋅ u[n]
⎨ y (t ) = C ⋅ x(t ) + D ⋅ u (t ) ⎨ y[n] = C ⋅ x[n] + D ⋅ u[n]
⎩ ⎩
5. Diszkretizálási eljárások átviteli függvények alapján
{metode de discretizare, sampling methods}
Elméleti összefüggések z = e s⋅Ts vagy s = 1 $ ln z

Ts
Bilineáris módszer 2 z −1
(Tustin módszer) s= ⋅
Ts z + 1
Impulzus átviteli invariancia L -1
ha H ( s ) ⇒ h(t ) súlyfüggvény
H ( z ) = Ts ⋅ Z {h(n ⋅ Ts )}
Egységugrás invariancia
módszer (ZOH) ( )
⎧ ⎧ H ( s ) ⎫⎫
H ( z ) = 1 − z −1 ⋅ Z ⎨L−1 ⎨ ⎬⎬
⎩ ⎩ s ⎭⎭
Lineáris invariancia
( )
2
⎛ 1 − z −1 2 ⎞
módszer (LOH) H ( z) = ⎜ ⎟ ⋅ Z ⎧⎨L−1 ⎧⎨ H ( s ) ⎫⎬⎫⎬
⎜ Ts ⋅ z −1 ⎟ ⎩ ⎩ s ⎭⎭
2
⎝ ⎠
Előrecsatolt differencia módszer z −1

s=
Ts
Visszacsatolt differencia módszer z −1
s=
Ts ⋅ z
Megközelítő deriválási eljárás,
véges elem módszerek
6. Karakterisztikus egyenlet. Stabilitás

{ecuaţia caracteristică, characteristic equation}
D(s)=0 a folytonos rendszer karakterisztikus egyenlete
Legyen az átviteli függvény:
N (s)
H (s) = .
D( s)
D(s) = 0 gyökei a rendszer pólusai ( p i ) {poli, pole}
N(s) = 0 gyökei a rendszer zérusai ( z i ) {zerouri,zero}
STABILITÁSHOZ: a pólusok helyzete az s-síkban
F2.2. ábra
D(z)=0 a diszkrét rendszer karakterisztikus egyenlete

{ecuaţia caracteristică; caracteristic equation}
Legyen az átviteli függvény:
N ( z)
H ( z) =
D( z )
D(z) = 0 gyökei a rendszer pólusai ( p i )

N(z) = 0 gyökei a rendszer zérusai ( z i )
STABILITÁSHOZ: a pólusok helyzete a z-síkban
F2.3. ábra
7. Megfigyelhetőség
{Observabilitate; Observability}
⎛ C ⎞
⎜ ⎟
⎜ C⋅A ⎟
Q0 = ⎜
L ⎟
⎜ ⎟
⎜ C ⋅ A n −1 ⎟
⎝ ⎠
Megfigyelhetőségi mátrix {Matricea observabilităţii; Observability matrix}
A rendszer teljesen megfigyelhető, ha rang( Q0 ) = n
Rang = rangul, rank
F2.4. ábra
8. Szabályozhatóság
{Controlabilitate; Controlability}
(
Qc = B A ⋅ B L A ⋅ B
n −1
)
Szabályozhatósági mátrix {Matricea controlabilităţii; Controlability
matrix} A rendszer teljesen megfigyelhető, ha rang( Qc ) = n
F2.5. ábra
9. Mintavételek közötti állandó átmenet
(diszkretizálási eljárás) {Valoare constantă între eşantioane, Zero

Order Hold method}
A d = e A⋅Ts = Ψ
Ts
Bd = ∫ 0
e A⋅λ ⋅ B ⋅ dλ = Γ
10. Állapot egyenletrendszer megoldása
{Rezolvarea ecuaţiilor de stare, Solution of State Spece equation

system}
Megjegyzés: az állapotátmeneti mátrixok számítására a Cayley–Ha-
milton eljárást alkalmazhatjuk.
– Folytonos rendszer esetében:
t
x(t ) = e A⋅(t −t0 ) ⋅ x(t 0 ) + ∫e
A⋅(t −τ )
⋅ B ⋅ u (τ ) ⋅ dτ ; t > t0
t0
y (t ) = C ⋅ x(t ) + D ⋅ u (t )
Φ (t ) = e A⋅t Állapotátmeneti mátrix (Fundamentális mátrix, Matricea

Fundamentală, State transition matrix)
– Diszkrét rendszer esetében:
n −1
n
x[n + 1] = A ⋅ x[0] + ∑A
k =0
n −1− k
⋅ B ⋅ u[k ]
y[n] = C ⋅ x[n] + D ⋅ u[n]

n
Φ[n] = A Diszkrét állapotátmeneti mátrix (Diszkrét fundamentális
mátrix, Matricea Fundamentală discretă, Discrete state transition matrix)
F2.6. ábra. Rendszerek vizsgálatának grafikus összefoglalója

III. FÜGGELÉK
LAPLACE- ÉS Z-TRANSZFORMÁLT TÁBLÁZATOK
F3.1. táblázat. Fontosabb függvények Laplace-transzformáltja

Nr. f(t); és f(t)=0 t<0 F(s)
1. δ( t ) − Dirac jel 1
2. 1(t) – egységugrás 1
s
3. t 1
s2
4. tn 1
n! s n +1
5.
e − a ⋅t
1
s+a
6.
t ⋅ e − a ⋅t 1
(s + a ) 2
7.
t n ⋅ e − a ⋅t n!
(s + a ) n +1
8. sin( ω0 t ) ω0
s + ω02
2
9. cos( ω0 t ) s
s 2 + ω02
10. − a ⋅t a
1- e s⋅(s + a )
11.
⋅ ( e − a ⋅t − 1 + a ⋅ t )
1 1
a2 s 2 ⋅(s + a )
190 LAPLACE- ÉS Z-TRANSZFORMÁLT TÁBLÁZATOK
F3.2. táblázat. Fontosabb függvények Z-transzformáltja

Nr. Jel Z-transzformáció ROC
1 δ[n ] 1 z-sík
2 1 [n ] 1 z >1
1− z −1
3 -1 [− n − 1] 1 z <1
1− z −1
δ[n − m] z-sík {/0m>0;}
4 z −m vagy {/∞m<0}
1 z >α
5 α n 1 [n ] 1−α⋅z −1
1
- α 1 [− n − 1] z<α
n
6 1−α⋅z −1
n ⋅ α n 1 [n ] α⋅z −1 z >α
7
(1−α⋅z −1 ) 2
- n ⋅ α n 1 [− n − 1] α⋅z −1 z<α
8
(1−α⋅z −1 ) 2
sin[ω0 ⋅ n ] ⋅ 1 [n ] sin( ω0 )⋅z −1 z >1

9
1− 2⋅sin( ω0 )⋅z −1 + z − 2
cos[ω0 ⋅ n ] ⋅ 1 [n ] 1−cos(ω0 )⋅z −1 z >1

10
1− 2⋅sin( ω0 )⋅z −1 + z − 2
r n ⋅ sin[ω0 ⋅ n ] ⋅ 1 [n ] r⋅sin( ω0 )⋅z −1 z >r

11
1− 2⋅r⋅sin( ω0 )⋅z −1 + r 2 ⋅z − 2
r n ⋅ cos[ω0 ⋅ n ] ⋅ 1 [n ] 1− r⋅cos(ω0 )⋅z −1 z >r

12
1− 2⋅r⋅sin( ω0 )⋅z −1 + r 2 ⋅z − 2
SZAKIRODALOM
ASTROM, K.J.–WITTENMARK, B.
1994 Adaptive Control. Addison Wesly Publishing Company, Second
edition.
BISHOP, Robert H.
1997 Modern Control Systems Analysis & Design Using MATLAB &
Simulink. Addison Wesley.
CSÁKI F.
1976 Lineáris szabályzási rendszerek analízise. Műszaki Kiadó.
FIREŢEANU, V.–GHINEA, M.
2001 MATLAB, Editura Teora.
FODOR György
1996 Jelek és rendszerek. Budapesti Műszaki Egyetem,
Villamosmérnöki és Informatikai Kar.
HUJTER Mihály
Betekintés a MATLAB programrendszerbe –
http://people.inf.elte.hu/urbankri/Numanal/matlab.pdf.
LARMINAT, Philippe de
2007 Analysis and Control of Linear Systems. ISTE Ltd.
MÁRTON László Ferenc
2007 Jelek és rendszerek. Scientia Kiadó, Kolozsvár.
THE MATHWORKS, INC.
2000 Control system toolbox: for use with MATLAB: getting started.
version 5.
2005 Learning MATLAB – http://www.mathworks.com/academia/
student_version/learnmatlab_sp3.pdf.
WILSON, J. Rugh
1996 Linear system theory. Prentice Hall – Upper Saddle River, N.J.
ABSTRACT
This work is for students and specialists interested in expressions

related to signals and systems theory. This book is a collection of 14
exercises strongly related to the chapters dealing with general systems
theory. The introduction of each work class is about the theoretical
background of the notions to be treated. Solved problems in connection
with the basic subject of the exercises are presented. The main subjects
discussed are: elementary study of signals and basic operations with
them, signal convolution, linear models of systems, system’s study in
frequency domain, stability of linear, time invariant systems. This book
considers the state space representation of systems, the way of getting the
state space equations, solution of state space systems and the observability
and controllability of them. It is an important fact, that the continuous
and discrete way of considering a system is present in this processing.
This book has three appendages, one for synthesis type of exercises,
one for Romanian terminology and English terminology the third about
the tables of Laplace and Z transforms.
REZUMAT
Lucrarea de faţă este destinată studenţilor şi specialiştilor interesaţi

de noţiunile fundamentale din domeniul semnalelor şi al sistemelor. Car-
tea prezintă, prin 14 lucrări practice, bazele teoriei sistemelor, lucrările
având introducerea teoretică şi probleme rezolvate pentru fiecare subiect
tratat. Principalele subiecte tratate sunt: studiul semnalelor, convoluţia
semnalelor, modelarea matematică a sistemelor lineare, analiza în dome-
niul timp, analiza în domeniul frecvenţă, stabilitatea sistemelor lineare.
Cartea abordează în detaliu metoda modelării în spaţiul stărilor, rezol-
varea ecuaţiilor de stare, observabilitatea şi controlabilitatea sistemelor
liniare. Subiectele tratate sunt prezentate pentru sisteme continue şi sis-
teme eşantionate.
Cartea conţine trei anexe, acestea prezintă o problemă de sinteză,
terminologia în limba română şi limba engleză, tabele cu transformări
Laplace şi Z.
A SZERZŐKRŐL
Kutasi Dénes Nimród 1975-ben született Marosvásárhelyen. Egyetemi

tanulmányait a marosvásárhelyi Petru Maior Egyetemen végezte automa-
tika és ipari informatika szakon. Doktori fokozatot a Kolozsvári Műszaki
Egyetemen szerzett. Kutatási területe a digitális jelfeldolgozás, mikrove-
zérlős rendszerek és modell alapú prediktív szabályozások.
Jelenleg a Sapientia Erdélyi Magyar Tudományegyetem Műszaki és
Humántudományok Kara Villamosmérnöki Tanszékének adjunktusa.
Márton László Ferenc 1951-ben született Csíkszeredában. Egyetemi

tanulmányait a Temesvári Műszaki Egyetemen és a kolozsvári Babeş–Bo-
lyai Tudományegyetemen végezte, számítástechnika, valamint matema-
tika szakon. Doktori fokozatot a Temesvári Műszaki Egyetemen szerzett.
Jelenleg a Sapientia Erdélyi Magyar Tudományegyetem Műszaki és
Humántudományok Kara Villamosmérnöki Tanszékének docense.
A fő kutatási területe a mesterséges intelligencia és az általános rend-
szerelmélet.
JEGYZETEK
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
...........................................................
A SAPIENTIA
ERDÉLYI MAGYAR TUDOMÁNYEGYETEM JEGYZETEI
Megjelent:
BEGE ANTAL
Számelméleti feladatgyûjtemény. Marosvásárhely, Mûszaki és Hu-
mán Tudományok Kar, Matematika–Informatika Tanszék. 2002.
BEGE ANTAL
Számelmélet. Bevezetés a számelméletbe. Marosvásárhely, Mûszaki
és Humán Tudományok Kar, Matematika–Informatika Tanszék. 2002.
VOFKORI LÁSZLÓ
Gazdasági földrajz. Csíkszereda, Csíkszeredai Kar, Gazdaságtan Tan-
szék. 2002.
TÕKÉS BÉLA–DÓNÁTH-NAGY GABRIELLA
Kémiai elõadások és laboratóriumi gyakorlatok. Marosvásárhely,
Mûszaki és Humán Tudományok Kar, Gépészmérnöki Tanszék. 2002.
IRIMIAŞ, GEORGE
Noþiuni de foneticã ºi fonologie. Csíkszereda, Csíkszeredai Kar, Hu-
mán Tudományok Tanszék. 2002.
SZILÁGYI JÓZSEF
Mezõgazdasági termékek áruismerete. Csíkszereda, Csíkszeredai
Kar, Gazdaságtan Tanszék. 2002.
NAGY IMOLA KATALIN
A Practical Course in English. Marosvásárhely, Mûszaki és Humán
Tudományok Kar, Humán Tudományok Tanszék. 2002.
BALÁZS LAJOS
Folclor. Noþiuni generale de folclor ºi poeticã popularã. Csíkszereda,
Csíkszeredai Kar, Humán Tudományok Tanszék. 2003.
POPA-MÜLLER IZOLDA
Mûszaki rajz. Marosvásárhely, Mûszaki és Humán Tudományok Kar,
Gépészmérnöki Tanszék. 2004.
FODORPATAKI LÁSZLÓ–SZIGYÁRTÓ LÍDIA–BARTHA CSABA
Növénytani ismeretek. Kolozsvár, Természettudományi és
Művészeti Kar, Környezettudományi Tanszék. 2004.
MARCUŞ, ANDREI–SZÁNTÓ CSABA–TÓTH LÁSZLÓ
Logika és halmazelmélet. Marosvásárhely, Műszaki és Humán
Tudományok Kar, Matematika–Informatika Tanszék. 2004.
KAKUCS ANDRÁS
Műszaki hőtan. Marosvásárhely, Műszaki és Humán Tudományok
Kar, Gépészmérnöki Tanszék. 2004.
BIRÓ BÉLA
Drámaelmélet. Csíkszereda, Gazdasági és Humántudományok Kar,
Humántudományi Tanszék. 2004.
BIRÓ BÉLA
Narratológia. Csíkszereda, Gazdasági és Humántudományok Kar,
Humántudományi Tanszék. 2004.
MÁRKOS ZOLTÁN
Anyagtechnológia. Marosvásárhely. Műszaki és Humán Tudomá-
nyok Kar, Gépészmérnöki Tanszék. 2004.
GRECU, VICTOR
Istoria limbii române. Csíkszereda, Gazdasági és Humántudomá-
nyok Kar, Humántudományi Tanszék. 2004.
VARGA IBOLYA
Adatbázis-kezelő rendszerek elméleti alapjai. Marosvásárhely, Műszaki
és Humántudományok Kar, Matematika–Informatika Tanszék. 2004.
CSAPÓ JÁNOS
Biokémia. Csíkszereda, Műszaki és Társadalomtudományi Kar,
Műszaki és Természettudományi Tanszék. 2004.
CSAPÓ JÁNOS–CSAPÓNÉ KISS ZSUZSANNA
Élelmiszerkémia. Csíkszereda, Műszaki és Társadalomtudományi
Kar, Műszaki és Természettudományi Tanszék. 2004.
KÁTAI ZOLTÁN
Programozás C nyelven. Marosvásárhely, Műszaki és Humántudo-
mányok Kar, Matematika–Informatika Tanszék. 2004.
WESZELY TIBOR
Analitikus geometria és differenciálgeometria. Marosvásárhely, Műsza-
ki és Humántudományok Kar, Matematika–Informatika Tanszék. 2005.
GYÖRFI JENŐ
A matematikai analízis elemei. Csíkszereda, Gazdaság- és Humántu-
dományok Kar, Matematika–Informatika Tanszék. 2005.
FINTA BÉLA–KISS ELEMÉR–BARTHA ZSOLT
Algebrai struktúrák – feladatgyűjtemény. Marosvásárhely, Műszaki
és Humántudományok Kar, Matematika–Informatika Tanszék. 2006.
ANTAL MARGIT
Fejlett programozási technikák. Marosvásárhely, Műszaki és Hu-
mántudományok Kar, Matematika–Informatika Tanszék. 2006.
CSAPÓ JÁNOS–SALAMON ROZÁLIA
Tejipari technológia és minőségellenőrzés. Csíkszereda, Műszaki és
Társadalomtudományok Kar, Élelmiszertudományi Tanszék. 2006.
OLÁH-GÁL RÓBERT
Az informatika alapjai közgazdász- és mérnökhallgatóknak. Csíksze-
reda, Gazdaság- és Humántudományok Kar, Matematika–Informati-
ka Tanszék. 2006.
JÓZON MÓNIKA
Általános jogelméleti és polgári jogi ismeretek. Csíkszereda, Gazda-
ság- és Humántudományok Kar, Üzleti Tudományok Tanszék. 2007.
KÁTAI ZOLTÁN
Algoritmusok felülnézetből. Marosvásárhely, Műszaki és Humántu-
CSAPÓ JÁNOS–CSAPÓNÉ KISS ZSUZSANNA–ALBERT CSILLA
Élelmiszer-fehérjék minősítése. Csíkszereda, Műszaki és Társada-
lomtudományi Kar, Élelmiszertudományi Tanszék. 2007.
ÁGOSTON KATALIN–DOMOKOS JÓZSEF–MÁRTON LŐRINC
Érzékelők és jelátalakítók. Laboratóriumi útmutató. Marosvásárhely,
Műszaki és Humántudományok Kar, Villamosmérnöki Tanszék. 2007.
SZÁSZ RÓBERT
Komplex függvénytan. Marosvásárhely, Műszaki és Humántudomá-
nyok Kar, Matematika–Informatika Tanszék. 2007.
KAKUCS ANDRÁS
A végeselem-módszer alapjai. Marosvásárhely, Műszaki és Humán-
tudományok Kar, Gépészmérnöki Tanszék. 2007.
ANTAL MARGIT
Objektumorientált programozás. Marosvásárhely, Műszaki és Hu-
mántudományok Kar, Matematika–Informatika Tanszék. 2007.
MAJDIK KORNÉLIA–TONK SZENDE-ÁGNES
Biokémiai alkalmazások. Kémiai laboratóriumi jegyzet. Kolozsvár,
Természettudományi és Művészeti Kar, Környezettudományi
Tanszék. 2007.
GYÖRFI JENŐ–ANDRÁS SZILÁRD
Valószínűségszámítás és lineáris programozás. A játékelmélet alap-
jai. Csíkszereda, Gazdaság- és Humántudományok Kar, Matematika
és Informatika Tanszék. 2007.
DIMÉNY GÁBOR
Minőségirányítási rendszerek. Marosvásárhely, Műszaki és Humán-
tudományok Kar, Kertészmérnöki Tanszék. 2008.
ZSIGMOND ANDREA
Minőségi és mennyiségi analitikai kémia laborkönyv. Kolozsvár,
Természettudományi és Művészeti Kar, Környezettudományi
Tanszék. 2008.
KÁTAI ZOLTÁN
Gráfelméleti algoritmusok. Marosvásárhely, Műszaki és Humántu-
CSAPÓ JÁNOS–ALBERT CSILLA–CSAPÓNÉ KISS ZSUZSANNA
Élelmiszer-analitika. Válogatott fejezetek. Csíkszereda, Műszaki és
Társadalomtudományi Kar, Élelmiszertudományi Tanszék. 2008.
MÁRTON GYÖNGYVÉR
Kriptográfiai alapismeretek. Marosvásárhely, Műszaki és Humántu-
NAGY IMOLA KATALIN
A guidebook to Language Exams. English for Human Sciences. Ma-
rosvásárhely, Műszaki és Humántudományok Kar, Humántudomá-
nyok Tanszék. 2008.
GAGYI JÓZSEF
Örökség és közkapcsolatok (PR). Marosvásárhely, Műszaki és Hu-
mántudományok Kar, Humántudományok Tanszék. 2008.
FODOR LÁSZLÓ
Szociálpedagógia. Marosvásárhely, Műszaki és Humántudományok
Kar, Humántudományok Tanszék. 2008.
FODORPATAKI LÁSZLÓ–SZIGYÁRTÓ LÍDIA–BARTHA CSABA
Növénytani ismeretek. Kolozsvár, Természettudományi és Művésze-
ti Kar, Környezettudományi Tanszék. 2009.
MURÁDIN JÁNOS KRISTÓF
Nemzetközi kapcsolatok elmélete. Kolozsvár, Természettudományi
és Művészeti Kar, Európai Tanulmányok Tanszék. 2009.
BIRÓ GÉZA–SALAMON ROZÁLIA VERONIKA
Élelmiszer-biztonság. Csíkszereda, Műszaki és Társadalomtudomá-
nyi Kar, Élelmiszertudományi Tanszék. 2009.
ANTAL MARGIT
Java alapú webtechnológiák. Marosvásárhely, Műszaki és Humántu-
PÁL LÁSZLÓ–MÁTÉ SZILÁRD
Alkalmazásfejlesztés Delphiben. Csíkszereda, Gazdaság- és Humán-
tudományok Kar, Gazdaságtudományi Tanszék. 2009.
AMBRUS ZOLTÁN–GERGELY ORSOLYA
Családszociológia. Csíkszereda, Műszaki és Társadalomtudományi
Kar, Társadalomtudományi Tanszék. 2009.
LÁZÁR EDE
Kutatásmódszertan a gyakorlatban az SPSS program használatával.
Csíkszereda, Gazdaság- és Humántudományok Kar, Üzleti Tudomá-
nyok Tanszék. 2009.
Bálint Gyöngyvér
Statisztika. Csíkszereda, Műszaki és Társadalomtudományi Kar,
Társadalomtudományi Tanszék. 2009.
Gagyi József
Fogyasztói magatartás. Marosvásárhely, Műszaki és Humántudomá-
nyok Kar, Humántudományok Tanszék. 2009.
KOVÁCS D. LEHEL ISTVÁN
Számítógépes grafika. Marosvásárhely, Műszaki és Humántudomá-
nyok Kar, Matematika–Informatika Tanszék. 2009.
TÓDOR ERIKA MÁRIA
Predarea-învăţarea limbii române ca ne-maternă. O alternativă a
lingvisticii aplicate. Csíkszereda, Gazdaság- és Humántudományok
Kar, Humántudományok Tanszék. 2009.
GYÖRGY ÉVA
Általános mikrobiológia. Csíkszereda, Műszaki és Társadalomtudo-
mányi Kar, Élelmiszertudományi Tanszék. 2009.
PAPP ISTVÁN
Mechanizmusok elmélete. Marosvásárhely, Műszaki és Humántudo-
mányok Kar, Gépészmérnöki Tanszék. 2010.
Gászpor Réka
Bevezetés a kommunikációelméletbe. A kommunikáció jelensége.
Marosvásárhely, Műszaki és Humántudományok Kar, Humántudo-
mányok Tanszék. 2010.
A PARTIUMI KERESZTÉNY EGYETEM JEGYZETEI
Megjelent:
KOVÁCS ADALBERT
Alkalmazott matematika a közgazdaságtanban. Lineáris algebra. Nagy-
várad, Alkalmazott Tudományok Kar, Közgazdaságtan Tanszék. 2002.
HORVÁTH GIZELLA
A vitatechnika alapjai. Nagyvárad, Bölcsészettudományi Kar, Filozó-
fia Tanszék. 2002.
ANGI ISTVÁN
Zeneesztétikai elõadások. Nagyvárad, Alkalmazott Tudományok Kar,
Zenepedagógiai Tanszék. 2003.
PÉTER GYÖRGY–KINTER TÜNDE–PAJZOS CSABA
Makroökonómia. Feladatok. Nagyvárad, Alkalmazott Tudományok
és Mûvészetek Kar, Közgazdaságtan Tanszék. 2003.
ANGI ISTVÁN
Zeneesztétikai előadások. II. Nagyvárad, Alkalmazott Tudományok
Kar, Zenepedagógiai Tanszék. 2005.
TONK MÁRTON
Bevezetés a középkori filozófia történetébe. Nagyvárad, Bölcsészet-
tudományi Kar, Filozófia Tanszék. 2005.
Scientia Kiadó
400112 Kolozsvár (Cluj-Napoca)
Mátyás király (Matei Corvin) u. 4. sz.
Tel./fax: +40-264-593694
E-mail: scientia@kpi.sapientia.ro
www.scientiakiado.ro
Korrektúra:
Jancsik Pál
Mûszaki szerkesztés:
Dobos Piroska
Tipográfia:
Könczey Elemér
Készült a Gloria nyomdában

200 példányban
Igazgató: Nagy Péter

Rendszerelmélet II

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Rendszerelmélet II

Uploaded by

Copyright:

Available Formats

KUTASI DÉNES NIMRÓD

MÁRTON LÁSZLÓ FERENC

Első magyar nyelvű kiadás: 2010

I. Márton László, Ferenc

A Rendszerelmélet – laboratóriumi gyakorlatok útmutató a műsza-

A MATLAB (a név a MATrix LABoratory = mátrix–laboratórium) egy

Programindítás. MATLAB környezet

A MATLAB program indítása után három ablakot jelenít meg (I.1.

Az Aktuális Könyvtár ablak egy fájlkezelő rendszer, az állományok

Változók. Adattípusok. Mátrixok

A MATLAB programrendszerben egyetlen típusú változó van: valós

Itt a ; (pontosvessző) szerepe, hogy az, ami következik, az új sorba kerül a

Itt a ’:’ (kettőspont) egy intervallumot határoz meg. Az 1:4 ugyanaz,

Tehát egy mátrixban levő elemek elválasztása a mátrix meghatározásakor:

Mátrixok és vektorok elemeire a szokásos módon, kerek zárójelek kö-

Itt a zeros(n,m) egy n sorú és m oszlopú, csak nullát tartalmazó mátrixot

Gyakran használt állandók

pi – racionális megközelítése a π értékének (15 tizedessel),

Aritmetikai műveletek (skalárokra és mátrixokra)

Az összes művelet alkalmazható mátrixokra mint skaláris mennyi-

Utasítások, kifejezések, változók

A MATLAB kétféle üzemmódban dolgozhat. Az egyik az ‘interpre-

Fontos megjegyezni, hogy ha egy utasítás ; (pontosvessző) jellel vég-

[zeros(3,2); ones(3,2); eye(2)]’

Az eredmény: (figyelem, a létrehozott mátrix transzponáltját írtuk fel

A for, while és if utasítások

Mindezek az utasítások a C-ben megszokott szintakszishoz hasonló-

A for egy ismert lépésszámú, ismétlődő (ciklikus) utasítások végre-

for <logikai reláció>

A while-ciklus egy elöltesztelő, nem ismert lépésszámú utasítássor

while <logikai reláció>

Az utasításokat a gép addig ismételi, amíg a logikai reláció igaz értéket

A döntéshozó utasítások általános alakja:

Az elseif-től az else feletti sorig terjedő rész kimaradhat, ha a

Bizonyos MATLAB-függvények alapvetően valós változójú valós

Ha a vektorértékű függvényeket m x n (m-szer n-es) mátrixokra al-

mean (= átlag) az elemek számtani középértéke

A rendszerek tanulmányozásához nélkülözhetetlen függvények.

Vektorok és részmátrixok használatával összetett adatkezelési eljárásokat

Itt csak egy pár, mátrixokra alkalmazott eljárás került bemutatásra, de

A MATLAB végre tudja hajtani a szövegállományban tárolt utasítá-

Amint már említettük, bármely program esetében szerepelnie kell ki/

A kiadott formátumutasítás érvényben marad, amíg egy újabbat ki

Grafikus megjelenítés elemei

Kétdimenziós (síkbeli) grafikonok és háromdimenziós hatású felüle-

Egy grafikonon több görbét is ábrázolhatunk, a rajzra és a tengelyekre

- hold on/offgrid on/off

Mindenik esetben használd a help parancsot, hogy tisztázd ezen

Az I.4. ábrát a következő parancssor rajzolja:

x=-4:0.01:4; y=sin(x); z=cos(x); plot(x,y,’r’,x,z,’g’)

Diszkrét jelek esetében hasznosabb a stem függvényt használni az

A háromdimenziós ábrázolás egyik függvénye a mesh(= háló). Ez-

Ezen kívül még használhatjuk a surf, meshc, meshz, waterfall

A MATLAB súgó gyors út a függvények használatának a megértésé-

Utasítások, függvények összefoglalója

demo – bemutató jellegű programok help – a „súgó” meghívása

Relációs és logikai műveletek

< – kisebb > – nagyobb

sin – szinusz asin – arkuszszinusz

det – (négyzetes) mátrix determinánsa rank – mátrix rangja

Adatanalízis utasítások és Fourier-transzformációk

max – legnagyobb érték min – legkisebb érték

Polinomiális, interpolációs és egyéb függvények

conv – konvolúció, deconv – dekonvolúció,