Informazioni Utili

Nota importante: l'accesso ai laboratori e aule didattiche sarà consentito solo con "green pass"!

Obiettivi Formativi

Il corso rappresenta il un insegnamento avanzato di Sistemi di Supervisione Adattativi e di Controllo non Lineare ed esamina tecniche avanzate di sistemi di supervisione e di controllo lineare e non lineare, a tempo continuo e tempo discreto, dal punto della modellistica, dell’analisi, della sintesi, e della simulazione, trattando l'informazione come flusso ingresso-stato-uscita e ingresso-uscita.

L'obiettivo principale del corso consiste nel fornire agli studenti le basi per affrontare lo studio dei sistemi di controllo complessi e delle loro interconnessioni, elementi avanzati di progetto per la sintesi, con i vincoli imposti dalle prestazioni richieste in termini di costo, velocità, immunità ai disturbi, costo computazionale e consumo energetico.

Gli argomenti trattati nel corso tengono conto delle problematiche richieste ed attese dalle aziende del settore, e possono rappresentare aspetti di ricerca avanzata industriale ad elevato contenuto tecnologico e tecnico.

Le principali conoscenze acquisite saranno:

• elementi avanzati dei sistemi di controllo dal punto di vista funzionale, trattando l’informazione come flusso ingresso-stato-uscita e ingresso-uscita;
• conoscenze relative all’analisi e la sintesi di sistemi di controllo non lineare, in condizioni statiche e dinamiche;
• caratteristiche fondamentali degli elementi cositutivi di un sistema di controllo lineare e non lineare;
• conoscenze avanzate di strumenti della matematica non lineare e dell’intelligenza artificiale per affrontare lo studio, l’analisi, la sintesi e la simulazione dei sistemi complessi e delle loro interconnessioni con i vincoli imposti dalle prestazioni richieste in termini di costo, velocità, costo computazionale, immunità ai disturbi e consumo di potenza;
• fondamenti di reti neurali, sistemi fuzzy, diagnosi dei processi dinamici, metodi matematici non lineari, controllo e filtraggio ottimo;
• fondamenti degli strumenti di simulazione per sistemi dinamici non lineari.

Le principali abilità (ossia la capacità di applicare le conoscenze acquisite) saranno:

• analizzare il comportamento di un sistema dinamico non lineare in condizioni statiche e dinamiche;
• identificare i vincoli di progetto che determinano la scelta della legge di controllo non lineare e del regolatore non lineare all’interno di un sistema digitale;
• valutare la tecnica di controllo non lineare più appropriata in riferimento al processo sotto osservazione, considerando reti neurali, sistemi fuzzy, controllo ottimo, e metodologie puramente non lineari;
• utilizzare programmi di simulazione per l’analisi e la sintesi dei sistemi dinamici non lineari.

Prerequisiti

È necessario avere acquisito e assimilato le seguenti conoscenze fornite dai corsi di “Fondamenti di Controlli Automatici” o “Controlli Automatici” e “Sistemi di Controllo Digitale”:

• concetti elementari di Analisi Matematica e del Calcolo Integrale e Differenziale;
• conoscenze dei concetti fondamentali di Fisica, in particolari quelli relativi alla modellistica dei sistemi dinamici;
• conoscenze della teoria dei sistemi dinamici e loro applicazione pratica; metodi per trattare i sistemi dinamici in regime continuo e transitorio;
• conoscenze di base dei sistemi statici e dinamici fornite nei corsi di base degli insegnamenti di Analisi Matematica e Fisica;
• capacità di analizzare e progettare sistemi di controllo a tempo continuo con complessità ridotta;
• fondamenti di sistemi dinamici non lineari.

Contenuti del Corso

Il corso prevede 60 ore di didattica tra lezioni ed esercitazioni. In particolare sono previste 45 ore di lezione in aula e 15 ore di esercitazioni guidate in Laboratorio.

• Introduzione (2.5 ore in aula). Sistemi adattativi, sistemi intelligenti, sistemi autonomi, sistemi distributiti, sistemi embedded, sistemi ciberfisici. Gli strumenti chiave e le tecniche multidisciplinari per la comprensione, l’analisi, la rappresentazione e la sintesi di fenomeni fisici complessi. Introduzione ai sistemi adattativi, teoria dell’adattamento.

• Cenni di Tecniche di Ottimizzazione (5 ore in aula). Ottimizzazione non vincolata. Metodo del gradiente. Ottimizzazione vincolata. Metodo di Lagrange. Metodi stocastici. Algoritmi genetici.

• Identificazione di Sistemi Dinamici (7.5 ore in aula). Identificazione parametrica e non parametrica. Metodi ed algoritmi ricorsivi per l’identificazione di sistemi lineari. Modelli ed algoritmi on-line per l’identificazione di sistemi non lineari. Metodi di identificazione e controllo adattativi. PID adattativi.

• Logica e Controllo Fuzzy (10 ore in aula). Definizioni  e proprietà; identificazione di modelli fuzzy finalizzata al controllo fuzzy. Controllo fuzzy: auto-apprendimento e controllo fuzzy adattativo. Il sistema ANFIS – Adaptive Neuro Fuzzy Inference System.

• Reti Neurali (10 ore in aula). Fondamenti e proprietà. Algoritmi per apprendimento supervisionato e non, con applicazioni all’identificazione ed al controllo. Algoritmi di ricerca stocastica: classificazione ed illustrazione delle principali tecniche. Reti neurali ricorrenti. Reti neurali adattative. Reti neurali convoluzionali e cenni di deep learning per l’identificazione ed il controllo. Progetto del regolatore adattativo neurale mediante controllore di riferimento (MRAC).

• Supervisione, Diagnosi dei Guasti e Controllo “Sostenibile” (10 ore in aula). Il principio della ridondanza fisica. Il progetto di un generatore di residuo. La valutazione del residuo. Schemi di diagnosi dei guasti. Isolamento ed identificazione di un guasto. Condition monitoring. La compensazione passiva ed attiva dei disturbi e dei guasti nella supervisione adattativa. Controllo sostenibile e tollerante ai guasti. Diagnosi preventiva e predittiva.

• Esercitazioni numeriche con l’ausilio del calcolatore (15 ore in Laboratorio di Informatica). Esercizi di Identificazione di sistemi non lineari. Applicazioni della Logica Fuzzy e delle Reti Neurali. Algoritmi Stocastici. Esempi di progetto di sistemi di supervisione e di sistemi adattativi per l’identificazione ed il controllo di processi non lineari.

Metodi Didattici

Il corso è organizzato nel seguente modo:

• 18 lezioni di 2.5 ore in aula su tutti gli argomenti del corso;
• 6 esercitazioni di 2.5 ore presso il Laboratorio di Informatica per la simulazione e il progetto di circuiti digitali a media ed elevata complessità. Gli studenti seguiranno le esercitazioni guidate, precedute da una lezione di presentazione in aula. Al termine delle esercitazioni guidate gli studenti avranno libero accesso al Laboratorio di Informatica per eventuali ed ulteriori esercitazioni individuali.

Modalità di Verifica dell’Apprendimento

L’obiettivo della prova d’esame consiste nel verificare il livello di raggiungimento degli obiettivi formativi precedentemente indicati.

L’esame è diviso in 2 parti che hanno luogo nello stesso giorno.

• Il progetto e la simulazione di uno schema avanzato di controllo mediante il programma Matlab e Simulink, con l’obiettivo di valutare se lo studente ha la capacità di sviluppare e comprendere il progetto di uno schema di supervisione e di controllo adattativo non lineare per arrivare soddisfare le prestazioni richieste. La prova ha lo scopo di valutare lo studio della materia e la comprensione degli argomenti teorici ha carattere di selezione (lo studente che non mostri una sufficiente conoscenza degli argomenti non è ammesso alla prove successiva). Per superare la prova è necessario acquisire almeno 18 punti su 21. Il tempo previsto per la prova al calcolatore è di 3 ore massimo;
• Una prova a quiz (domande aperte e a risposta multipla) su tutti gli argomenti trattati nel corso e sui concetti fondamentali del corso di “Sistemi di Supervisione Adattativi”. La prova ha lo scopo di valutare lo studio della materia e la comprensione degli argomenti di base del controllo digitale, e consente di ottenere un punteggio da 0 a 10 punti su 10. Il tempo previsto per la prova è di 1 ora massimo.

Il voto finale è dato dalla somma dei 2 punteggi. Per superare l’esame è necessario acquisire un punteggio minimo di 18 su 31 punti massimo. Qualora la prima prova risulti insufficiente o qualora il punteggio totale sia inferiore a 18 è necessario ripetere tutte e due le prove.

Si segnala che è possibile sostenere le prove d'esame in lingua Inglese.

Testi di riferimento

Solo gli appunti e i lucidi delle lezioni forniti dal docente sono sufficienti per seguire le lezioni e preparare l'esame. Sono disponibili alla pagina personale del sito del docente: http://www.silviosimani.it/lessons.html

Gli argomenti specifici trattati nel corso possono essere approfonditi sui seguenti testi, che però non risultano essenziali ai fini della preparazione dell'esame, né per seguire le lezioni:

• Controllo Ottimo e Stima Ottima: "Progetto di sistemi di controllo", M. Tibaldi. - 2. ed. - Pitagora, 1995.

• Controllo Non Lineare: "Applied nonlinear control", J.J. Slotine, W. Li. - Prentice Hall, 1991.

• Logica e Controllo Fuzzy: "A course in fuzzy systems and control", L.-X. Wang - Prentice Hall, 1997.

• Reti Neurali: "Neural Networks for Identification, Prediction, and Control", D.T. Pham and X. Liu - Springer Verlag, 1995.

• Diagnosi Automatica dei Guasti: "Model-based Fault Diagnosis in Dynamic Systems Using Identification Techniques", S. Simani, C. Fantuzzi, R. J. Patton - Springer, 2003.

Si segnala infine che è possibile avere materiale o supporto didattico dell’insegnamento in lingua Inglese.