Guida degli insegnamenti
Syllabus
Partially translatedTradotto parzialmente
David SCARADOZZI
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: 2019-2020
Anno regolamentoAnno regolamento: 2019-2020
Crediti: 9
Ore di lezioneTeaching hours: 72
TipologiaType: B - Caratterizzante
Settore disciplinareAcademic discipline: ING-INF/04 - AUTOMATICA
ITALIANO
Italian
Lo scopo del corso e’ quello di presentare una serie di problemi avanzati di analisi e controllo automatico in riferimento a situazioni operative piu’ generali di quelle considerate nei corsi base di Automazione. Si considerano prerequisiti le conoscenze di Algebra Lineare e Geometria, Analisi e Fisica, Identificazione dei modelli di sistemi dinamici, Fondamenti di Automatica e Sistemi di Controllo.
The student is required to be familiar with the basic elements of Systems Theory, Control Theory, Probability theory, Linear Algebra; Math Analysis; Physics.
72 Ore:
• Lezioni di Teoria, 51 ore
• Esercizi in Laboratoiro, 21 ore
Standard
Il corso ha come scopo quello di aumentare le conoscenze, apprese nei corsi base, relative alle problematiche del controllo automatico di interesse
ingegneristico in riferimento a situazioni operative piu’ generali. Nel corso si apprendono gli elementi teorici per la progettazione e l'ottimizzazione di
sistemi di controllo avanzati che siano maggiormante performanti in caso di complesse situazioni operative reali.
Capacità di applicare conoscenze e comprensione.
Il corso, anche se più mirato ad ampliare le conoscenze teoriche, fornirà esperienze nell'applicare gli elementi appresi nell'analisi e progettazione di sistemi di controllo automatico complessi. I casi studio considerati forniranno bagaglio culturale per introdurre indici di misura ed ottimizzazione in situazioni reali con forte presenza di rumore. Al termine del corso gli studenti saranno in grado di modellare e progettare autonomamente i sistemi dinamici.
Competenze trasversali.
Nel corso vengono rafforzate le competenze che portano a meglio identificare e risolvere problemi complessi di natura ingegneristica. Viene ampliata la
capacità di intervento per risolvere ed ottimizzare mediante analisi oggettiva per indici il funzionamento di sistemi dinamici.
Knowledge and Understanding.
The course has the aim to increase the knowledge learnt in the base courses, related to the problems of automatic control of engineering interest, referred to more general operative situations. Students will learn theorical elements for the planning and optimization of advanced control systems with high performance in case of complex real operative situations.
Capacity to apply Knowledge and Understanding.
The course, even it is more aimed at increasing theorical knowledge, will provide experiences in applying the elements learnt in analysis and planning
of complex automatic control systems. The considered case studies will provide experience to introduce measure indexes and optimization in real
situations with high presence of noise. At the end of the course, students will be able to autonomously model and design dynamical systems.
Transversal Skills.
In the course are strengthened the competences that leads to identifying and solve in a better way, complex problems of engineering nature. Besides, it
is increased the problem solving capacity and the identification of suitable optimization indexes for dynamical systems automation.
Lezioni teoriche.
Richiami e complementi di calcolo delle probabilità e teoria dei processi stocastici.
Stima ottima a minima varianza. Lemma delle proiezioni ortogonali.
Filtro di Kalman.
Predittore ottimo, interpolatori ottimi a punto fisso, a ritardo fisso, a intervallo fisso.
Filtro di Kalman linearizzato.
Equazioni di Bellman per la programmazione dinamica.
Problema di controllo ottimo LQG con reazione dallo stato e dall’uscita per sistemi MIMO.
Predittore ottimo per processi SISO autoregressivi.
Controllo a minima varianza dei processi industriali SISO.
Controllo adattativo.
Controllo a commutazione.
Esercitazioni di laboratorio.
Filtro di Kalman.
controllo ottimo LQG con reazione dallo stato e dall’uscita per sistemi MIMO.
Predittore ottimo per processi SISO autoregressivi.
Controllo a minima varianza dei processi industriali SISO.
Theoretical lessons.
- Elements of probability theory and stochastic processes.
- Minimum variance estimate. Orthogonal projection Lemma.
- Kalman filter. Optimal smoothers and predictors.
- Dynamic programming equations. LQ and LQG control problems.
- Optimal stabilization and tracking over finite and infinite time intervals.
- Minimum variance control of industrial processes.
- Adaptive control.
Laboratory experiences.
- Kalman filter.
- LQ and LQG control problems.
- Optimal stabilization and tracking over finite and infinite time intervals.
- Minimum variance control of industrial processes.
L'esame si svolge attraverso una prova orale strutturata in due parti riguardanti, rispettivamente, l’apprendimento della teoria e l’ eventuale discussione di un elaborato. L'elaborato, che ogni candidato puo’ presentare, deve riguardare l’approfondimento di problematiche discusse a lezione.
Criteri di valutazione dell'apprendimento.
Valutazione della completezza nella presentazione di alcuni argomenti del corso.
Criteri di misurazione dell'apprendimento.
Viene attribuito un voto in trentesimi, con eventuale lode.
Criteri di attribuzione del voto finale.
Media tra quanto misurato sui due argomenti richiesti e discussi.
Learning Evaluation Methods.
The final examination consists of an oral test. Usually, a question concerns the discussion of a case study
Learning Evaluation Criteria.
Knowledge assessment of a number of topics of the course.
Learning Measurement Criteria.
The credit system of UnivPM is based on the European Credit Transfer Systems (ECTS). Credits are assigned to each learning unit according to the expected student workload. One Credit Point requires an average workload of 25 hours’ of student work (8 with teacher in the classroom).
The grading scale goes from 0 to 30. The pass grade is 18, the maximum grade is 30. In such a “grading-on-the-curve" system, a student’s
grading is determined in comparison with the whole group’s performance. The students show an extra preparation out of the regular program is awarded with full marks and honour (Lode).
Final Mark Allocation Criteria.
Measurement of the mastery of at least two of the course topics. Avarage between the two discussed arguments.
- Dispense: https://learn.univpm.it/
- B.D.O.Anderson, J.B. Moore,”Optimal Control, Linear Quadratic Methods”, Prentice-Hall, Englewood Cliffs, 1989
- R. Isermann: “Digital Control Systems”, Vol 1 e 2, Springer Verlag, Berlino,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
- R. Isermann: “Digital Control Systems”, Vol 1 e 2, Springer Verlag, Berlino,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 2019-2020
Università Politecnica delle Marche
P.zza Roma 22, 60121 Ancona
Tel (+39) 071.220.1, Fax (+39) 071.220.2324
P.I. 00382520427