Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
Valentina ORSINI
Lingua di erogazione: ITALIANOLessons taught in: ITALIAN
Laurea Magistrale - [IM12] INGEGNERIA INFORMATICA E DELL'AUTOMAZIONE Master Degree (2 years) - [IM12] COMPUTER AND AUTOMATION ENGINEERING
Dipartimento: [040040] Dipartimento Ingegneria dell'InformazioneDepartment: [040040] Dipartimento Ingegneria dell'Informazione
Anno di corsoDegree programme year : 1 - Secondo Semestre
Anno offertaAcademic year: 2021-2022
Anno regolamentoAnno regolamento: 2021-2022
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/04 - AUTOMATICA
ITALIANO
Italian
Prerequisiti del corso sono una conoscenza della teoria dei sistemi e del controllo classico in controreazione
Course prerequisites are a knowledge of systems theory and classical feedback control
72 Ore:
• Lezioni di Teoria, 50 ore
• Esercitazioni, 22 ore
72 Hours:
• Theoretical lessons, 52 Hours
• Exercises, 22 Hours
Il corso ha come scopo quello di approfondire le
conoscenze teoriche, apprese nei corsi
base, sui sistemi automatici di controllo. Saranno
illustrate tecniche di filtraggio e controllo
ottimi e successivamente schemi di controllo non
stazionari.
Capacità di applicare conoscenze e comprensione.
Lo studente sarà in grado di applicare le conoscenze
acquisite per affrontare l’analisi e la
sintesi di sistemi di controllo per problemi complessi
che fanno riferimento a situazioni
pratiche più generali rispetto a quelle viste in un
corso base di Controlli Automatici.
Competenze trasversali.
L’attento studio della teoria e le esercitazioni guidate
per la soluzione di problemi di controllo
di tipo generale forniranno allo studente la capacità di
affrontare, nello stesso contesto
metodologico, problemi d’interesse applicativo non
esclusivamente riferentesi a un ambito
strettamente tecnologico. Questo approccio didattico
svilupperà la capacità di analisi critica
dello studente che, anche in un problema non
prettamente controllistico, saprà evidenziarne
gli aspetti essenziali e ricondurli, ove possibile,
all’inquadramento teorico generale
sviluppato nel corso.
Knowledge and Understanding.
The course aims to deepen the theoretical
knowledge, learned in the basic courses, on
automatic control systems. Classical techniques of
optimal filtering and control will be
illustrated and subsequently non-stationary control
schemes.
Capacity to apply Knowledge and Understanding.
The student will be able to apply the knowledge
acquired to address the analysis and
synthesis of control systems for complex problems
that refer to more general practical
situations than those seen in a basic course of
automatic control systems.
Transversal Skills.
A deep study of theoretical preliminaries and guided
exercitations of laboratory, will provide
the student with the necessary tools to face
apparently different problems, in the same
general framework. This didactic approach will
increase the capability of critical analysis of
the student, allowing him to evidence the main
features of a class of problems which do not
strictly belong to the classical control area.
Lezioni teoriche
-Richiami e complementi di teoria dei processi stocastici.
-Stima ottima a minima varianza e Lemma delle proiezioni ortogonali.
-Filtro di Kalman.
-Predittore ottimo
-Interpolatore ottimo a punto fisso, a ritardo fisso, a intervallo fisso.
-Equazioni di Belman, problema di controllo lineare quadratico (LQ) e lineare quadratico gaussiano (LQG)
-schemi di controllo avanzati non stazionari: controllo di sistemi a parametri varianti.
Esercitazioni
Tutti gli argomenti teorici saranno oggetto di esercitazioni numeriche svolte in simulazione utilizzando il software Matlab
Theoretical lessons:
- Elements of theory of stochastic processes.
- Minimum variance estimate. Orthogonal projection Lemma.
- Kalman filter.
- Optimal smoothers and predictors
- Dynamic programming equations. LQ and LQG control problems.
- Gain scheduling control of linear parameter varying systems
Exercises:
Numerical simulations concerning the theoretical topics will be performed using the Matlab software.
L'esame si svolge attraverso una prova orale strutturata in due parti
riguardanti, rispettivamente, l’apprendimento delle nozioni teoriche e l’eventuale approfondimento di un argomento tramite la presentazione di simulazioni numeriche inerenti ad uno specifico esempio pratico
Criteri di valutazione dell'apprendimento.
Il criterio utilizzato per la valutazione dell'apprendimento è la
conoscenza degli argomenti teorici.
La valutazione della prova orale è effettuata sulla base dei seguenti
indicatori: correttezza, completezza, esposizione, pertinenza.
Criteri di misurazione dell'apprendimento.
Viene attribuito un voto in trentesimi. Il voto massimo e' 30/30. Nel caso di approfondimento di un argomento, il voto massimo è
ripartito nel seguente modo: 20/30 (discussione su 2 argomenti teorici) e 10/30 (tesina). Il voto minimo è 18/30.
Criteri di attribuzione del voto finale.
L'esito complessivo della valutazione è positivo se lo studente raggiunge
almeno 12/20 nella discussione dei 2 argomenti teorici e e almeno 6/10 nella presentazione della tesina. Il voto
finale è dato dalla somma dei voti ottenuti.
Learning Evaluation Methods.
The final exam takes place through an oral test structured in two parts
concerning, respectively, the learning of theoretical notions and the possible deepening of a topic through the presentation of numerical simulations on a case study
Learning Evaluation Criteria.
The criteria used to evaluate the learning is the
knowledge of theoretical topics.
The
evaluation of the oral discussion is carried out on the basis of the
following indicators: correctness, completeness, exposition, pertinence.
Learning Measurement Criteria.
The final score is expressed in thirtieths.
The maximum score is 30/30 and it is partitioned as follows : 20/30
(oral discussion on two theoretical topics), 10/30 (presentation of a case study).
The minimum mark is 18/30.
Final Mark Allocation Criteria.
The overall outcome of the evaluation is positive if the student reaches
at least 12 out of 20
in the oral discussion of the 2 theoretical topics and at least 6 out of 10 in the presentation of the case study.
- Dispense: https://learn.univpm.it/
- B.D.O.Anderson, J.B. Moore,”Optimal Control, Linear Quadratic Methods”, Prentice-Hall, Englewood Cliffs, 1989
- A. Jazwinski, “Stochastic Processes and Filtering Theory”, Academic Press, N.Y., 1970.
- H. Kwakernaak, R.Sivan,”Linear Optimal Control Systems”, Wiley-Interscience, N.Y., 1995.
- Lecture notes: https://learn.univpm.it/
- B.D.O.Anderson, J.B. Moore,”Optimal Control, Linear Quadratic Methods”, Prentice-Hall, Englewood Cliffs, 1989
- A. Jazwinski, “Stochastic Processes and Filtering Theory”, Academic Press, N.Y., 1970.
- H. Kwakernaak, R.Sivan,”Linear Optimal Control Systems”, Wiley-Interscience, N.Y., 1995.
NO
NO
Le informazioni contenute nella presente scheda assumono carattere definitivo solo a partire dall'A.A. di effettiva erogazione dell'insegnamento. Academic year 2021-2022
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427