TECNICHE DI CONTROLLO
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
- 2011/2012
- Docente
- SILVIO SIMANI
- Crediti formativi
- 6
- Percorso
- INDUSTRIALE
- Periodo didattico
- Primo Semestre
- SSD
- ING-INF/04
Obiettivi formativi
- Il Corso vuole fornire, attraverso cicli di lezioni, svolte a livello seminariale, ed esperienze di laboratorio, le conoscenze di base su alcuni aspetti sia metodologici che tecnologici di più diffusa utilizzazione nelle applicazioni dell'Automatica nel settore industriale. Lo studente imparerà a conoscere ed utilizzare i tools di progettazione assistita che potranno risultargli utili sia nello svolgimento della tesi di laurea che nell'esercizio della professione.
Prerequisiti
- Il corso presuppone che lo studente abbia seguito i corsi di Controlli Automatici di base e di Controllo Digitale.
Contenuti del corso
- Reti neurali Introduzione alle reti neurali. Modello di reti neurali. La funzione di attivazione. Reti neurali semplici, Perceptrone Adaline. Reti neurali a strato singolo e multistrato (MLP). Algoritmi di apprendimento. Reti neurali a base radiale (RBF). Algoritmi genetici per l'ottimizzazione. Esempi di utilizzo e di progetto di reti neurali. Identificazione di un modello dinamico non lineare e controllore neurale. Stima e controllo ottimo per sistemi multivariabili Stima di variabili. Stima dello stato di sistemi dinamici lineari in ambiente deterministico e stocastico. Regolazione ed inseguimento. Controllo ottimo di sistemi lineari su intervallo temporale finito ed infinito. Sistemi di controllo nonlineari Richiami di teoria dei sistemi dinamici: modelli nonlineari e stabilità secondo Lyapounov. Panoramica delle tecniche di controllo per sistemi nonlineari. Linearizzazione tramite feedback. Controllo robusto a struttura variabile: Sliding Mode. Teoria di base della logica fuzzy Nascita e storia della logica fuzzy. Confronto logica fuzzy e logica classica. Proposizioni e inferenza deduttiva. Componenti principali di un sistema fuzzy: fuzzificatore, motore d'inferenza, defuzzificatore. Applicazioni di logica fuzzy nell'automazione.
Metodi didattici
- Ciclo di lezioni ed esercitazioni in laboratorio.
Modalità di verifica dell'apprendimento
- Preparazione di una relazione inerente ad un progetto sviluppato al calcolatore ed esame orale relativo agli aspetti teorici del corso.
Testi di riferimento
- Appunti forniti dal docente
