Initialisation Matlab

V.2.2/- Analyse de fonctionnement ............................................................................................................................ 35 VI/-Implé mentation du système sous Matlab/Simulink ...................................................... 38 VI.1/- Modèle sous Matlab/Simulink.................................................................................... 38 VI.2/-Résultats de simulation ..........................................................................

SCIENCES SUP Exercices & Problèmes Licence • Écoles d’ingénieurs ANALYSE NUMÉRIQUE AVEC MATLAB
Rappels de cours
Méthodes
Exercices et problèmes avec corrigés détaillés Jean-Louis Merrien Table des matières Introduction Chapitre 1 Petits rappels sur les commandes Matlab . . . . . . . . . . . . . . . . . . . . . . . . 3 1.1 Premières commandes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

HPP et le NHPP. Dans la première partie, on introduira le processus de poisson ainsi que son rôle dans la réparation des systèmes et logiciels. Ensuite, on s’intéressera à donner des algorithmes de simulation de ce processus en utilisant le logiciel matlab. Enfin, l’objet de la dernière partie sera la représentation de quelques applications de ce processus dans la vie quotidienne. 2. Les processus de poisson : 2.1 Processus de dénombrement : Soit un processus stochastique {N(t) , t ≥0} Un processus

. . . . . . . 141 141 142 142 143 144 144 145 146 146 147 147 148 149 149 150 B Exercices MATLAB B.1 Introduction . . . . . . . . . . . . . . . . . . . . . B.2 Résolution de systèmes linéaires . . . . . . . . . . . B.3 Résolution d’équations non linéaires . . . . . . . . B.3.1 Méthode de la sécante . . . . . . . . . . . . B.4 Manipulation de fonctions en MATLAB . . . . . . B.5 Interpolation . . . . . . . . . . . . . . . . . . . . . B.5.1 Interpolation de Lagrange en 3

5 w8 4 w8 3 w8 2 w8 w8                               x0 x1 x2 x3 x4 x5 x6 x7                       =       (17) LA TRANSFORMATION EN ONDELETTES – p. 28/6 Cooley et Tukey Initialisation x(0) Etape 3 Etape 2 Etape 1 z(0) x(4) w4 w1 z(1) x(2) w4 w2 z(2) x(6) w4 w6 w3 z(3) x(1) w4 z(4) x(5) w4 w5 z(5) x(3) w4 w6 z(6) x(7) w4 w6 w7 z(7) Figure 10: Algorithme

e e e initiale d’un probl`me par exemple). e Les exercices se feront avec l’outil Matlab. Dans certains exercices, la mention ’pour aller plus loin’ correspond ` des parties facultatives (r´serv´es aux ´l`ves ayant le plus de a e e ee facilit´ avec Matlab). e 6.1 La distribution uniforme entre 0 et 1 La distribution de base qu’il faut savoir simuler num´riquement est la loi uniforme sur e [0, 1]. En Matlab, la commande rand(n) renvoie une matrice de taille n dont les ´l´ments ee sont des

d'où On obtient ainsi un encadrement de . 3) Nous pouvons désormais tracer la réponse de ce système à une entrée en échelons. Pour cela, on se fixe =0,6. Ceci implique tr=0,03. (matlab) 4) Le ressort est maintenant remplacé par un moteur électrique fournissant un couple résistant proportionnel à l'angle. Ce coefficientvaudra 10 Nous assignons à présent une valeur de à I. Nous notons i le courant qui peut être mesuré à l'intérieur

parole . . . . . . . . . . . . . . . . . 4 L’apprentissage des paramètres du modèle 4.1 Résolution par maximum de vraissemblance . . . . . . . . . . . . . . . . 4.2 Algorithme EM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4.3 Une initialisation possible pour un potentiel de synchronisation quadratique 5 La phase de reconnaissance 5.1 Déroulement de la phase de reconnaissance . . . . . . . . . . . . . . . . 5.2 Un calcul exact de fonction de partition . . . . . . . . . . . . . . . .

deuxième plage de vitesse. r Une fois la sauvegarde des points terminée, les points se trouvent dans un fichier DSN convertible en format .MAT grâce à la logiciel destomat. Ceci nous permet de visualiser les différentes courbes sous DSN ou sur Matlab. r Remarque : les points sauvegardés sont mémorisé dans la mémoire interne du microcontrôleur. Ce n’est qu’à la fin qu’on peut transférer tous les points sur l’ordinateur. L’acquisition est faite par le logiciel Cible68K2PC qui transfert les données

ces e e e deux bords. Nous avons donc ´t´ oblig´s de d´finir deux classes, l’une appel´e interne ee e e e et l’autre appel´e externe. Cette possibilit´ constitue vraiment un atout de python qui e e rassemble ` la fois les points forts de Matlab (dans le domaine du calcul num´rique) et a e les points forts de C++, surtout au niveau de la cr´ation de nouvelles classes (programe mation orient´e objet). e Apr`s la d´finition de ces deux classes, nous pouvons maintenant donner une r´f´rence