CAPITOLUL 1 Introducere Un sistem poate fi definit ca o colectie de unul sau mai multe obiecte interconectate.

Un obiect este o entitate fizica cu caracteristici sau atribute specifice. Obiectele pot fi izolate sau n interactiune n anumit sens, acestea din urma fiind frecvent ntlnite n lumea reala. Atributele unui obiect sunt descrise prin intermediul "parametrilor" si "variabilelor". Parametrii sunt atribute intrinseci ale obiectelor n timp ce variabilele sunt atribute necesare pentru a descrie interactiunea ntre obiecte. Altfel spus, parametrii si variabilele sunt elemente utilizate n diverse teorii, daca acestea exista, necesare pentru a explica starea si evolutia unui sistem. Cnd nu exista o astfel de teorie, variabilele si parametrii sunt cuvinte din limbajul natural, cu semnificatiile uzuale, prin intermediul carora putem descrie sistemul. Tot ce nu apartine sistemului face parte din mediul ambiant al acestuia. Mediul ambiant este aproape ntotdeauna n interactiune cu sistemul cercetat si doar n putine cazuri sistemul este "izolat" de mediul sau. n cazurile reale, orice sistem face parte dintr-un supersistem care include observatorul si universul cunoscut lui. n acest caz se pot pune urmatoarele ntrebari: cnd un obiect apartine sistemului si cnd mediului sau ambiant? Daca un obiect interactioneaza cu sistemul trebuie sau nu sa fie considerat ca parte componenta a acestuia? Raspunsul la aceste ntrebari este simplu. Ceea ce constituie un sistem depinde de punctul de vedere al observatorului. Sistemul poate fi, de exemplu, un amplificator, o bucla de reglare care contine mai multe amplificatoare pe lnga alte elemente, o unitate de prelucrare chimica care contine mai multe bucle de reglare etc. mpartirea n sistem si mediu nconjurator este deci subiectiva, stabilirea frontierei sistemului depinznd att de scopul urmarit de observator ct si de aspectele matematice ale modelarii. Interactiunile ntre obiectele unui sistem sunt descrise prin relatiile care leaga variabilele asociate obiectelor, o importanta deosebita avnd relatiile cauzale. Variabilele prin care mediul actioneaza asupra sistemului sunt marimi de intrare pentru sistem, iar cele prin care sistemul actioneaza asupra mediului sunt marimile de iesire ale sistemului. Sistemele pot fi clasificate din multe puncte de vedere. Sistemele n care variabilele si relatiile ntre variabile sunt independente de timp sunt sisteme statice. n opozitie, sistemele dinamice sunt cele pentru care timpul joaca un rol deosebit n descrierea variabilelor si/sau a relatiilor dintre acestea. Fie x si y doua variabile ale unui sistem dinamic n care variatiile n timp ale lui x reprezinta cauza variatiilor n timp ale lui y (x este cauza si y este efect). Principiul cauzalitatii, valabil pentru sistemele fizice, afirma ca "numai trecutul poate influenta prezentul si viitorul", astfel nct y(t) este afectata numai de x( ), cu <t si nu de x( ) cu >t. O problema care se pune este daca variabilele implicate n descrierea sistemului dinamic si modifica valorile la orice moment de timp sau numai n anumite momente discrete de timp. 1

Desigur, exista, din acest punct de vedere, sisteme continue n timp si sisteme cu timp discret. Experimental nsa nu este posibil de stabilit daca variatiile sunt continue sau discrete n timp deoarece observatiile asupra variabilelor (masuratorile) au nevoie de un timp propriu pentru rezolutie. Din aceasta cauza trebuie sa luam o decizie apriorica daca vom trata un sistem ca fiind continuu sau discret. Daca sistemul (obiectul) este tratat ca fiind continuu, atunci variabilele sale trebuie descrise la toate momentele de timp din intervalul de observare. n caz contrar, sunt suficiente numai valorile variabilelor la momentele de timp relevante. n multe cazuri descrierea continua a unui sistem dinamic este excesiv detaliata. n astfel de situatii este posibila o echivalare cu un sistem discret retinnd numai valorile variabilelor la momente de timp discretizate cu un anumit pas. Desigur, cu ct acest pas este mai mic cu att echivalenta ntre cele doua sisteme este mai puternica. Decizia n tratarea unui sistem ca fiind continuu sau discret este deci subiectiva; totusi, deoarece datele observate (disponibile) prin masuratori sunt n majoritatea cazurilor discretizate n timp, decizia de a trata un sistem ca fiind discret este rezonabila. Un sistem este determinist daca valorile variabilelor (n cazul unui sistem static) sau variatiile v ariabilelor (n cazul unui sistem dinamic) sunt predictibile. n caz contrar, sistemul este probabilistic sau stohastic. n viata reala nu exista nsa certitudini. Daca incertitudinea este nesemnificativa, ea poate fi ignorata si sistemul poate fi tratat ca fiind determinist, desi aceasta tratare constituie o idealizare a realitatii. Daca incertitudinile sunt mari, semnificative, ele nu pot fi ignorate si sistemul trebuie considerat ca atare, adica stohastic, si caracterizat corespunzator. Pe baza celor de mai sus pot formula urmatoarele caracterizari relative la notiunea de sistem [1]: 1 - Partile componente ale unui sistem ocupa pozitii bine determinate, ntre ele existnd relatii, ceea ce permite sa se afirme ca sistemul are o anumita structura. Datorita structurii un sistem dobndeste calitati noi, diferite de cele ale elementelor componente. 2 - ntre marimile fizice ale sistemului (variabile) exista legaturi de cauzalitate. 3 - Actiunea comuna a partilor sistemului asigura realizarea unui anumit scop. Realizarea scopului propus se poate face prin interventia operatorului uman (care face parte din mediu) asupra unor variabile ale sistemului. Notiunea de sistem este relativa deoarece una si aceeasi realitate poate cuprinde diverse sisteme, corelate sau nu ntre ele. Din punct de vedere practic, sistemele din natura si n special cele tehnice, prezinta utilitate practica daca poseda urmatoarele proprietati: 1 - Stabilitate - Un sistem este stabil daca, dupa orice perturbare de scurta durata care scoate sistemul dintr-un regim de echilibru, acesta are capacitatea de a reveni, n timp, la echilibrul care a precedat perturbatia. 2 - Controlabilitate - Fenomenele care au loc n sistem sunt determinate prin marimi-cauze si pot fi observate prin marimi-efecte. 2

Proprietatea conform careia pentru orice evolutie dorita a marimilor-efecte exista o evolutie a marimilor-cauze sub actiunea carora sistemul realizeaza respectiva evolutie a marimilor-efecte se numeste controlabilitate. 3 - Observabilitate - Un sistem are proprietatea de observabilitate daca pentru o anumita evolutie a marimilor-efecte este posibila determinarea evolutiei marimilor-cauze care au provocat aceasta evolutie. 4 - Identificabilitate - este proprietatea care permite, pe baza cunoasterii evolutiei marimilor-cauze si a marimilor-efecte, determinarea structurii si parametrilor sistemului. 5 - Robustete - este proprietatea unui sistem de a-si conserva, n limite precizate, o anumita calitate atunci cnd parametrii si/sau structura lui se modifica n limite admisibile. 6 - Adaptabilitate - este proprietatea unui sistem de a dobndi proprietati noi prin modificari ale structurii si parametrilor. Analiza unui sistem poate fi realizata cu ajutorul modelelor deduse si verificate prin ncercari experimentale succesive. Pornind de la observatiile asupra sistemului analizat se creeaza un model al acestuia pe baza caruia se pot proiecta noi experimente care pot confirma sau infirma modelul. Din acest punct de vedere observatiile si ncercarile experimentale sunt fundamentale n domeniul stiintelor naturale si tehnice. Prin model se ntelege o reprezentare a aspectelor esentiale ale unui sistem, care prezinta cunostintele asupra acelui sistem ntr-o forma utilizabila, adecvata scopului pentru care este necesar modelul. Nu este necesar ca modelul sa descrie amanuntit mecanismul real al sistemului. El poate doar sa simuleze comportarea sistemului. Cunostintele despre sistem concretizate n model trebuie prezentate ntr-o forma utilizabila. Acesta este un aspect esential deoarece modelul trebuie sa ofere o baza pentru decizii. Daca modelul este prea complicat, utilitatea lui devine discutabila. O caracteristica dominanta a construirii modelelor este relativa simplitate, n acest sens modelul fiind o reprezentare cu complexitate redusa a realitatii. Totusi, n multe cazuri, complexitatea modelului trebuie sa aiba o anumita corespondenta cu complexitatea realitatii. Modelele pot fi clasificate n doua categorii principale: 1 - modele materiale (sau fizice) 2 - modele abstracte (sau formale). Modelele fizice, dupa cum sugereaza si denumirea, reprezinta replici, la scara redusa de regula, ale sistemelor originale, atunci cnd acestea pot fi construite. Ele sunt utilizate n multe domenii ale tehnicii (constructii, navigatie, hidrotehnica etc.) n special acolo unde ncercarile experimentale asupra sistemului original sunt costisitoare sau imposibile. Studiile asupra modelelor fizice sunt aplicabile numai daca se cunosc relatiile de similitudine ntre sistemul or iginal si replica sa la scara redusa. Din categoria modelelor abstracte fac parte evident modelele matematice. Un model matematic al unui sistem este o reprezentare simbolica ntr-o formulare matematica abstracta. 3

Simbolurile au sensuri matematice precise, iar manipularea lor este conforma cu regulile logicii si matematicii. O formula matematica este un model n sine numai daca sunt precizate corespondentele dintre variabilele si parametrii sistemului si variabilele si parametrii care intervin n formula matematica. Astfel, ecuatia diferentiala ordinara: dn (t ) = a (L n ( t )) cu n (t 0 ) = n 0 dt nu are sens n afara matematicii. Daca nsa asociem variabilelor t, n(t) si parametrilor a si L semnificatiile: t - timpul; n(t) - volumul populatiei la momentul t; a - rata de natalitate; L - limita superioara a volumului populatiei, formula devine un model matematic al evolutiei unei populatii. Doua sisteme sunt analoage daca modelele lor matematice sunt identice ca forma. Aceasta implica existenta unei corespondente biunivoce ntre variabilele celor doua sisteme. n acest sens este binecunoscut exemplul analogiei dintre un oscilator electric si unul mecanic, ambele descrise de o ecuatie diferentiala ordinara de ordinul doi. n acest caz exista corespondente ntre variabile. Sistemul mecanic Sistemul electric Forta Deplasare Masa Frecare Rigiditatea Tensiune Sarcina Inductanta Rezistenta Capacitate

O categorie aparte de modele o constituie modelele de simulare. Acestea "imita" ntr-un anumit sens numai unele aspecte ale sistemului dat. Astfel, o lampa de cuart cu vapori de mercur simuleaza soarele n sensul ca aspectele celor doua sisteme sunt asemanatoare ntr-o anumita zona. Modelul planetar al lui Ptolemeu (modelul geocentric) este un model de simulare a miscarii astrilor pe bolta cereasca, modelul heliocentric al lui Copernic este un model fizic, iar modelul lui Kepler este un model matematic. Nu se poate spune ca un model de simulare nu este utilizabil, daca ne gndim ca de la Ptolemeu la Copernic orientarea n navigatie s-a facut dupa un astfel de model, nsa el are numeroase inconveniente. Trebuie facuta o distinctie ntre conceptul de model de simulare si termenul de simulare utilizat n aplicatiile pe calculator. n acest context

simularea se refera la relatia ntre un model matematic si implementarea lui pe calculator n functie de disponibilitatile hardware si software ale acestuia. Desigur, n studiul sistemelor tehnice predomina conceptul de model matematic, necesar n toate etapele (cercetare, proiectare) dar mai ales n exercitarea functiunii de conducere a sistemului. Clasificarea modelelor matematice este similara cu cea a sistemelor pe care le descriu. Astfel, avem modele liniare sau neliniare, modele statice sau dinamice, modele deterministe sau stohastice, modele discrete sau continue. Cum poate fi dedus un model matematic pentru un sistem real? O strategie simplificata este prezentata n organigrama din fig.1.1.
Sistem real Sistem aproximat

Sistem/scop

Caracterizarea sistemului

Model matematic Efectueaza schimbari NU Verificare adecvanta DA Model matematic final

Analiza modelului

Fig. 1.1 Dupa cum se observa, deducerea unui model matematic presupune parcurgerea unor etape plecnd de la cunostintele asupra sistemului real. Transpunerea directa a acestuia ntr-un model matematic este n general imposibila si chiar daca ar fi posibila ar rezulta n cele mai multe cazuri modele mult prea complicate pentru a putea fi utilizate. De aceea este necesar sa simplificam problema prin introducerea unor ipoteze bine justificate sau prin "idealizarea" unor situatii. n aceasta idealizare ncercam sa retinem numai ceea ce este esential pentru sistemul investigat, ntr-un anumit scop. 5

Uneori aceste ipoteze simplificatoare sunt drastice. Astfel, pentru modelarea miscarii planetelor n jurul soarelui, consideram att planetele ct si soarele drept puncte materiale n care se concentreaza ntreaga lor masa. Similar, n modelarea miscarii unui fluid, l consideram un mediu continuu si neglijam natura discreta a structurii sale moleculare. Justificarea acestor simplificari este posibila odata cu validarea adecvantei modelului. Precizarea scopului sistemului este de asemenea importanta, ntruct de la un scop la altul pretentiile asupra modelului sunt diferite. Ca urmare a acestor investigatii prealabile rezulta o anumita caracterizare care permite alegerea (deducerea) unui model matematic care poate fi analizat prin metode matematice specifice fiecarei categorii de model. Verificarea adecvantei consta n compararea unui set de performante ale modelului cu performantele prestabilite n conformitate cu un anumit criteriu. Daca modelul nu este adecvat trebuie sa reconsideram fie modelul dedus, fie ipotezele simplificatoare, fie ambele. Este interesanta evidentierea unor caracteristici pe care trebuie sa le ndeplineasca modelele matematice ale unor sisteme, facuta de I.N.Kapur [2], si anume: 1- Realismul modelului. Dorim un model matematic care sa reprezinte sistemul ct mai realist posibil. Totusi, daca un model este foarte realist, el poate fi netratabil matematic. Un model matematic trebuie sa fie un compromis ntre realitate si tratabilitate. 2 - Robustetea mo delului. Un model este robust daca este putin sensibil la variatiile parametrilor sai. 3 - Simplitatea sau complexitatea excesiva. Un model poate sa nu reprezinte realitatea pentru ca este prea simplu. n general, cu ct modelul este mai complex cu att reprezinta mai bine realitatea. O complexitate excesiva nseamna un model capabil sa furnizeze solutii cu precizie ridicata (de exemplu cu 10 zecimale exacte) n timp ce observatiile asupra sistemului pot fi facute numai cu o precizie de 2 zecimale. 4 - Adecvanta depinde de scopul modelarii. 5 - Imperfectiunea modelului si costul modelarii. Nici un model nu este perfect si orice model este perfectibil. Orice perfectionare poate costa timp si bani, de aceea trebuie bine justificata. 6 - Estimarea parametrilor. Orice model poate contine parametri care trebuie estimati. Estimarea necesita experimente sau observatii precum si metode de calcul al estimatorilor. Fara explicitarea acestor parametri modelul este incomplet. Revenind la sistemele tehnice n care se executa functiuni de conducere (de reglare), necesitatea unui model matematic realist si adecvat scopului propus este evidenta. Majoritatea proceselor tehnologice sunt supuse unor influente neprevizibile ale mediului ambiant sau ale unor factori interni cum ar fi uzura, mbatrnirea etc., ceea ce face ca functiunea de conducere a acestor procese sa 6

fie afectata de o anumita incertitudine. Reactia negativa dupa marimea de iesire poate micsora aceasta incertitudine sau poate deplasa efectul ei ntr-un domeniu de valori nesemnificative. Totusi, n cazuri n care se produc variatii foarte mari ale parametrilor, care conduc la folosirea reglarii adaptive, sau cnd sunt impuse cerinte foarte stricte pentru optimizare, care conduc la reglare optimala, sunt necesare cunostinte mult mai precise asupra procesului care se regleaza, cunostinte care trebuie permanent actualizate. Principiul reglarii duale al lui Feldbaum implica doua functiuni, realizate simultan, si anume: - studiul sau nvatarea caracteristicilor procesului; - dirijarea procesului spre starea ceruta. Tratarea simultana a celor doua functiuni conduce la o teorie care implica probleme de calcul deosebite chiar pentru sisteme simple. n 1970 K.I.Astrm sugereaza ipoteza separatiei, fireasca de altfel, a problemei de proiectare n doua parti: determinarea unui model matematic pentru procesul reglat (identificare); calculul regulatorului (control). Aplicarea ipotezei de separare face posibila aplicarea imediata a numeroase tehnici de proiectare a regulatoarelor pentru diferite clase de sisteme ntlnite n practica. Este adevarat ca n acest fel nu se pot obtine dect rareori solutii optimale, deoarece n calculul regulatorului se admite presupunerea ca att procesul ct si mediul sau ambiant se cunosc precis din prima etapa, prin identificare. n unele cazuri este necesara modificarea strategiei de reglare pentru a tine seama de faptul ca identificarea nu este precisa. Sistemul de conducere proiectat pe baza ipotezei de separare poate fi mai simplu sau mai complex. Cu ct legea de reglare este mai sofisticata cu att se cer informatii mai amanuntite despre proces si despre perturbatiile acestuia. n schimb acordarea empirica a unui regulator PID necesita numai valoarea factorului de amplificare si constantele principale de timp. Din acest punct de vedere, scopul identificarii poate fi determinarea unor caracteristici dinamice pentru acordarea empirica a unui regulator PID, proiectarea analitica a unui regulator stabil, proiectarea unei strategii optimale de tranzitie ntre doua stari ale procesului sau proiectarea unui regulator optimal stohastic care sa minimizeze variatiile iesirii datorate zgomotelor. De la un scop la altul, att modelul procesului ct si precizia ceruta lui sunt altele. n functie de scopul identificarii se ridica o serie de probleme legate de clasa de modele pe care trebuie s -o adoptam ntr-o situatie concreta, de criteriile de apreciere a calitatii modelului, de modul n care putem utiliza cunostintele apriorice despre proces, de strategia pe care o folosim pentru a dobndi cunostintele care lipsesc despre proces, de modul n care pot fi tratate neliniaritatile s.a. Indiferent de problemele ridicate, modelul pentru un proces poate fi obtinut fie pe cale analitica, fie pe cale experimentala, fiecare abordare avnd avantajele si dezavantajele sale. n cadrul identificarii analitice modelele sunt 7

obtinute pe baza unor legitati fizico-chimice, legea conservarii masei, energiei etc. Aceste modele au un domeniu larg de valabilitate, coeficientii ecuatiilor care intervin avnd semnificatii fizice directe. Deducerea lor presupune nsa cunostinte complete despre sistem si mediul sau ambiant, ceea ce necesita timp ndelungat. Modelele obtinute pe aceasta cale sunt n general complicate, conducnd l a sisteme de reglare complexe. Daca tinem seama ca exista nca numeroase procese care au la baza legitati insuficient cunoscute, este justificata cea de a doua abordare a problemei de identificare. Identificarea experimentala consta n determinarea unui model pentru proces cunoscnd date de intrare si iesire din proces. Desi majoritatea metodelor conduc la modele simple, acestea sunt presupuse liniare, ceea ce restrnge aplicabilitatea lor la variatii mici, n jurul unui punct de functionare. De cele mai multe ori este avantajoasa cuplarea identificarii analitice cu cea experimentala, prin modelare analitica ajungnd la o clasa de modele ai caror parametri vor fi estimati utiliznd date experimentale. Principalele etape de identificare sunt reprezentate n fig.1.2. Informatiile apriorice sunt de o importanta deosebita n identificare. Cunostintele dobndite de experimentator prin ntelegerea fizica a procesului examinat pot conduce la o anumita structura a modelului, uneori pot contine chiar informatii asupra valorilor aproximative ale unor parametrii, ceea ce simplifica algoritmul de identificare. De asemenea, informatiile apriorice constituie baza proiectarii experimentului de identificare. Putem cunoaste astfel n ce masura variabilele de intrare influenteaza iesirile, daca este posibila aplicarea unui semnal de proba si ce caracteristici trebuie sa aiba acesta pentru a obtine o informatie ct mai bogata despre proces, daca este necesara observarea n functionarea normala, n bucla nchisa sau deschisa, care este intervalul de esantionare cel mai potrivit pentru culegerea si prelucrarea datelor s.a.m.d. Cu ct informatiile apriorice sunt mai putine cu att riscul esecului n obtinerea unui model utilizabil este mai mare. n majoritatea situatiilor tehnice abordarea procesului ca celebra "cutie neagra" nu este realista. n general, informatiile apriorice, completate cu cele dobndite pe baza unor experimente, permit adoptarea unei anumite structuri pentru model. Exista avantaje si dezavantaje inerente fiecarui tip de model. Modelele neparametrice sunt, teoretic, modele infinit dimensionale, mai dificil de utilizat direct pentru proiectarea regulatorului dect cele parametrice, n schimb sunt mai usor de obtinut daca utilizam semnalele de proba sau chiar cele din functionarea normala. Obtinerea modelelor parametrice necesita precizarea structurii, ceea ce nu este totdeauna posibil. Modelele continue sunt mult mai putin manevrabile din punct de vedere numeric dect cele discrete, desi acestea din urma sunt mai rar ntlnite n practica, marea majoritate a proceselor industriale fiind continue. n consecinta un sistem discret poate fi considerat ca o aproximare a unuia continuu, aproximatie utila atunci cnd echipamentul de masura este numeric, cnd se utilizeaza canale de comunicatie cu timp divizat sau cnd datele sunt prelucrate de un calculator numeric. n aceasta situatie 8

experimentatorul poate opta pentru un model care se preteaza cel mai bine experimentului de identificare, pe care sa-l transforme apoi (sa-i schimbe reprezentarea) ntr-unul care se preteaza cel mai bine la rezolvarea problemei controlului. Apare astfel necesitatea schimbarilor de reprezentare a modelelor, fiecare schimbare introducnd erori care trebuie luate n consideratie pentru a fi ameliorate.
Analiza experimentala Informatii apriorice Analiza teoretica

experimentala
Obiective si sarcini

teoretica
Legi fizice

Proiectare experiment Pregatire Date I/E

Model teoretic

Alegerea clasei de modele Estimarea structurii Estimare Estimarea parametrilor Verificarea reziduurilor Validarea modelului Validare Verificarea modelului

NU

NU

NU

Fig. 1.2 Pentru un model cu structura data este necesara operatiunea de estimare a parametrilor. Aceasta este definita drept determinarea experimentala a valorilor parametrilor ecuatiilor care guverneaza comportarea dinamica sau stationara, presupunnd ca structura modelului este cunoscuta. n estimarea parametrilor trebuie sa se tina seama de nivelul zgomotelor care afecteaza datele intrare-iesire, de posibilitatile hardware si software. 9

Verificarea modelului consta n determinarea preciziei lui astfel nct sa fie valabila ipoteza separarii, precum si verificarea adecvantei modelului la proces. n cazurile n care modelul nu corespunde dintr-un anumit punct de vedere este necesara reconsiderarea fie a structurii pentru o clasa precizata fie a clasei de modele (de exemplu considerarea unor modele neliniare n locul celor liniare). Daca n urma acestor interventii modelul nu corespunde este posibil ca experimentul sa nu fie corespunzator planificat datorita informatiilor apriorice neconsistente si n acest caz experimentul trebuie reproiectat. Semnalele de intrare conditioneaza n mod esential rezultatele oricarui experiment de identificare, proiectarea si analiza lor dezvoltndu-se n paralel cu studiul algoritmilor de identificare. Primele proceduri de identificare se bazau pe o aparatura de calcul modesta. n consecinta s -a cautat ca prin aplicarea unor semnale de intrare speciale sa se obtina informatii despre proces, direct utilizabile. Folosirea acestor semnale de proba conduce exclusiv la determinarea unor modele neparametrice. Dezvoltarea tehnicii de calcul a facut posibila aplicarea unor metode de identificare a caror utilizare nu este conditionata de un tip special de semnal, singura conditie impusa semnalului de intrare fiind cea de persistenta, notiune care exprima capacitatea unui semnal de a pune n evidenta caracteristicile dinamice ale procesului. Acest lucru implica prelucrarea datelor experimentale cu algoritmi relativ complicati, dar care ofera avantaje considerabile. Din cele expuse mai sus rezulta problematica identificarii n functie de scopul propus. De asemenea, apare justificata definitia identificarii data de Zadeh: "Identificarea este determinarea, pe baza intrarii si iesirii, a unui model dintr-o clasa determinata de modele, echivalent ntr-un anume sens cu sistemul testat". Bibliografie: [1] Murthy D. N. P., Rodin E. Y. - Mathematical Modelling, Pergamon Press, 1990 [2] Kapur I. N. - Mathematical Modelling, John Wiley & Sons - 1988 [3] Voicu M. - Tehnici d e analiza a stabilitatii sistemelor automate - Ed. tehnica Bucuresti 1986.

10