SISTEMI DI SUPERVISIONE ADATTATIVI

Anno accademico e docente
Non hai trovato la Scheda dell'insegnamento riferita a un anno accademico precedente? Ecco come fare >>
English course description
Anno accademico
2021/2022
Docente
SILVIO SIMANI
Crediti formativi
6
Periodo didattico
Primo Semestre
SSD
ING-INF/04

Obiettivi formativi

Il corso rappresenta un insegnamento di controllo avanzato e presenta tecniche di progetto di controllo non lineare e schemi di diagnosi dei guasti per sistemi dinamici a tempo continuo e tempo discreto, dal punto della modellistica, dell’analisi, della sintesi, e della simulazione, trattando l’informazione come flusso ingresso-uscita.

Il corso presenta quindi quelle metodologie complesse di controllo e diagnosi per processi dinamici normalmente richieste ed attese dalla moderna realtà industriale.

L’obiettivo principale del corso consiste nel fornire agli studenti le basi per affrontare il progetto di sistemi di supervisione e di controllo non lineare, e delle loro interconnessioni, gli elementi principali per la loro analisi e sintesi, con i vincoli imposti dalle prestazioni richieste in termini di costo, velocità, immunità ai disturbi, costo computazionale, sostenibilità, e consumo energetico.


Le principali conoscenze acquisite riguarderanno:

- il funzionamento e l'utilizzo dei principali moduli dei sistemi di controllo non lineare dal punto di vista funzionale, trattando l’informazione come flusso ingresso-uscita;

- le metodologie di analisi e sintesi di sistemi di supervisione e di controllo non lineare, in condizioni statiche e dinamiche;

- le caratteristiche fondamentali degli elementi costitutivi di un sistema di controllo lineare e non lineare;

- conoscenze di strumenti matematici non lineari e dell’Intelligenza Artificiale per affrontare lo studio, l’analisi, la sintesi e la simulazione dei processi dinamici 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 di ottimizzazione, supervisione e diagnosi dei guasti, controllo adattativo, elementi di predizione e filtraggio non lineare;

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

- saper analizzare il comportamento di un sistema dinamico non lineare in condizioni statiche e dinamiche;

- riuscire ad 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;

- essere in grado di valutare la tecnica di supervisione e controllo non lineare più appropriata in riferimento al processo sotto osservazione, considerando reti neurali, sistemi fuzzy, controllo adattativo, 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”:

- 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 e discreto con complessità ridotta; fondamenti di sistemi dinamici lineari.

Contenuti del corso

Il corso è costituito da 60 ore di didattica tra lezioni a distanza ed esercitazioni in presenza. In particolare, sono previste 45 ore circa di lezioni teoriche, e 15 ore circa di esercitazioni guidate al calcolatore.

Più nel dettaglio, il corso esaminerà i seguenti argomenti:

- Introduzione. Sistemi adattativi, sistemi intelligenti, sistemi autonomi, sistemi distribuiti, 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. Ottimizzazione non vincolata. Metodo del gradiente. Ottimizzazione vincolata. Metodo di Lagrange. Metodi stocastici. Algoritmi genetici.

- Identificazione di Sistemi Dinamici. 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.

- Logica e Controllo Fuzzy. 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. 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 dinamiche per l’identificazione ed il controllo. Progetto del regolatore adattativo neurale mediante controllore di riferimento (MRAC).

- Supervisione, Diagnosi dei Guasti e Controllo “Sostenibile”. 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. 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 in modalità mista (lezioni online e in presenza) nel seguente modo:

- 45 ore circa di didattica su tutti gli argomenti teorici del corso, erogate in modalità mista (lezioni on-line e discussione in Laboratorio di Informatica);

- 15 ore circa di esercitazioni presso il Laboratorio di Informatica per la discussione degli argomenti teorici del corso, e simulazione con il progetto di schemi di supervisione adattativi a media ed elevata complessità.

La parte teorica del corso sarà presentata sia sulla home page personale del corso del docente:

http://www.silviosimani.it/lessons45.html

sia su Classroom di Google:

- Codice corso: wcdv4wk

- Link di Meet: https://meet.google.com/lookup/bvqszkuzyf

Gli studenti seguiranno quindi le esercitazioni guidate in Laboratorio di Informatica, precedute dalle lezioni teoriche presentate in precedenza, come da calendario delle lezioni. 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.

In particolare, l’esame è diviso in 2 parti che hanno luogo nello stesso giorno.

- Il progetto e la simulazione al calcolatore (con Matlab e Simulink) di schemi di supervisione per un processo non lineare 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 diagnosi dei guasti per un sistema dinamico lineare o non lineare, per arrivare soddisfare le prestazioni richieste. La prova ha inoltre lo scopo di valutare lo la comprensione degli argomenti teorici e ha carattere di selezione (lo studente che non mostri una sufficiente conoscenza degli argomenti non è ammesso alla prova successiva). Per superare la prova è necessario acquisire almeno 18 punti su 22. Il tempo previsto per la prova è di massimo 1 ora e 30 minuti;

- Una prova di 8 domande scritte 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 8 punti su 8. Il tempo previsto per la prova è di 30 minuti circa.


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.

Il superamento dell’esame è prova di aver acquisito le conoscenze e le abilità specificate negli obiettivi formativi dell'insegnamento.

Nel caso in cui si scelga di rifare la prova d'esame, verrà considerato valido il risultato dell'ultima verifica sostenuta e valutata (anche se inferiore al risultato precedente).

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

Testi di riferimento

Verranno forniti appunti, lucidi schematici delle lezioni e altro materiale integrativo preparato preliminarmente dal docente, che risulteranno comunque sufficienti per seguire le lezioni e preparare l'esame.

Il materiale sarà disponibile alla pagina personale del sito dell'insegnamento del docente:

http://www.silviosimani.it/lessons45.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 il materiale o supporto didattico dell’insegnamento viene fornito in lingua Inglese.