T07.1
Навіщо лінеаризувати нелінійну модель
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
Topic W07 · 24.03.2026
Частотний аналіз
Лінеаризація, передатна функція, Bode, Nyquist, root locus, gain/phase margin.
Навчальний фокус
Що студент має зрозуміти
T07.2
Time-domain vs frequency-domain
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
T07.3
Запас стійкості як критерій довіри до регулятора
Пояснити власними словами, показати у моделі, підтвердити графіком або чисельним експериментом.
Практика
Практична робота
Частотні характеристики для кожної команди, пояснення запасів стійкості як інженерного ризику.
- Підготувати 3 контрольні питання до теми і відповісти на них без LLM-підказок.
- Додати до Git короткий commit note: що змінилось і чому.
- Додати один графік, який показує не лише результат, а й проблему або обмеження моделі.
- Описати один ризик неправильного застосування методу в реальній інженерній задачі.
- Зробити мінімум один ручний розрахунок або sanity check для перевірки чисельної моделі.
Лабораторна
ЛР-07: bode/margin у MATLAB або python-control.
Очікуваний артефакт: Bode/Nyquist/root locus plots, margin values, interpretation.
Додаткові матеріали
Frequency-domain thinking: онлайн-база для поглиблення
Ключові ресурси теми
Розгорнути
- MIT OCW · Dynamic Systems and ControlСильний академічний курс зі state-space, stability, feedback.
- MIT OCW · Feedback Control SystemsКласична теорія feedback control.
- MathWorks · Control System Design with MATLAB and SimulinkПовніший трек для control design.
- Python Control Systems LibraryState-space, transfer functions, frequency response, root locus.
- Coursera · Control Systems coursesКаталог курсів з control systems.
- Coursera · MATLAB / Simulink coursesКаталог MATLAB/Simulink курсів.
- edX · Dynamics and ControlPlant, signals, control configuration, validation.
- MathWorks · Control Design Onramp with SimulinkPID, feedback, closed-loop behavior у Simulink.
Практичне застосування
Розгорнути
- Знайти в одному з ресурсів приклад, близький до командного проєкту, і додати коротке посилання в README.
- Порівняти матеріал з власною моделлю: що збігається, а що відрізняється через фізичні припущення.
- Додати один sanity check або один графік, який підтверджує правильність обраного підходу.
- Зафіксувати у weekly status: що було використано, чому саме це джерело, який результат отримано.
Контроль якості та автентичності
Розгорнути
- Git DocumentationКоміти, branches, diff, історія рішень.
- Jupyter DocumentationNotebook як журнал експерименту.
- Matplotlib documentationГрафіки з підписаними осями та легендами.
- Не копіювати готові рішення без пояснення. Кожне посилання має завершитись власним висновком.
- У звіті окремо відмітити: source → застосований фрагмент → власна модифікація → результат.