Corso di laurea

CONTROL SYSTEMS AND AUTOMATION ENGINEERING

Università degli Studi di L'Aquila · 108 materie · 0 file condivisi

Ecco tutti i dettagli sul corso di laurea selezionato. Sul UniDocs troverai gli appunti condivisi dagli altri studenti del tuo corso di laurea, ordinati per materia. Ricordati che per poter visualizzare il materiale devi essere registrato al sito e possedere un numero di crediti sufficiente.

Sfoglia il materiale didattico

Con UniDocs hai l'opportunità di studiare insieme a tutto il tuo corso di laurea. Guadagna subito dei crediti, carica il materiale del tuo ultimo esame!
Più condividi, più tempo avrai per studiare con tutta la community!

Materie del corso

ADVANCED AND SOFTWARE DEFINED NETWORKS 1° anno · 2° semestre · 9 CFU · IINF-03/A · 0 file

Scopo del corso è fornire agli studenti conoscenze avanzate sul funzionamento delle reti di telecomunicazione e sulla loro evoluzione verso paradigmi programmabili, virtualizzati e automatizzati. Il corso è organizzato…

Scheda dell'insegnamento

Obiettivi formativi

Scopo del corso è fornire agli studenti conoscenze avanzate sul funzionamento delle reti di telecomunicazione e sulla loro evoluzione verso paradigmi programmabili, virtualizzati e automatizzati. Il corso è organizzato in tre principali aree tematiche. La prima riguarda i meccanismi fondamentali di switching e routing nelle reti tradizionali, con particolare attenzione alle architetture Ethernet, alle VLAN, ai protocolli di spanning tree, ai protocolli di routing e ai principi di MPLS. La seconda area affronta l'evoluzione verso reti controllate e gestite tramite software, introducendo i paradigmi di Software Defined Networking (SDN), Network Function Virtualization (NFV), Service Function Chaining e Network Slicing. Particolare attenzione è dedicata ai protocolli e ai modelli per il controllo, la configurazione e l'automazione della rete, quali OpenFlow, NETCONF, YANG e OpenConfig, nonché alle tecnologie di containerizzazione, orchestrazione e automazione tipiche degli ambienti cloud-native e NetDevOps, quali Docker, Kubernetes e pipeline CI/CD. La terza area è dedicata ai sistemi radiomobili e alla loro evoluzione, dai sistemi cellulari di seconda generazione fino alle moderne reti 5G. Vengono approfonditi i principi architetturali del 5G Core e le tecniche di disaggregazione, virtualizzazione e programmabilità delle reti di accesso radio secondo il paradigma O-RAN. L'obiettivo complessivo del corso è fornire allo studente una visione integrata delle reti moderne, combinando gli aspetti protocollari e architetturali con gli strumenti software utilizzati per la loro configurazione, automazione, sperimentazione e gestione.

Programma

Architettura gerarchica delle reti switched. Principi di funzionamento degli switch Ethernet. Virtual LAN (VLAN), trunking e inter-VLAN routing. Spanning Tree Protocol e principali varianti. Ridondanza e prevenzione dei loop nelle reti Ethernet. Principi di instradamento nelle reti IP. Routing statico e dinamico. Concetti fondamentali dei protocolli Interior Gateway Protocol. Routing IPv4 e IPv6. Introduzione a Multiprotocol Label Switching (MPLS), principi di label switching e principali scenari di utilizzo. Introduzione alle Software Defined Networks (SDN). Separazione tra control plane e data plane. Architetture SDN centralizzate e distribuite. Controllo software della rete tramite il protocollo OpenFlow. Interfacce e protocolli per la configurazione e la gestione programmabile della rete. NETCONF, YANG e OpenConfig. Principi di network programmability e network automation. Network Function Virtualization (NFV). Virtual Network Functions e Cloud-native Network Functions. Service Function Chaining. Principi di Network Slicing. Tecnologie per la virtualizzazione, il deployment e l'orchestrazione delle funzioni di rete. Introduzione a Docker e Kubernetes. Concetti di containerizzazione, deployment, scaling e gestione del ciclo di vita dei servizi. Principi di NetDevOps. Automazione delle operazioni di rete e utilizzo di pipeline Continuous Integration/Continuous Deployment in contesti di networking. Strumenti e metodologie per la simulazione, l'emulazione e la virtualizzazione delle reti software-defined e delle infrastrutture di telecomunicazione. Principi fondamentali dei sistemi radiomobili e loro evoluzione dalle reti 2G alle reti 5G. Evoluzione delle architetture di rete mobile e principali funzionalità introdotte dalle diverse generazioni. Architettura 5G Core. Principi della Service-Based Architecture, separazione delle funzioni di rete e supporto alla virtualizzazione e al network slicing. Introduzione alle architetture Open Radio Access Network (O-RAN). Disaggregazione della Radio Access Network, virtualizzazione delle funzioni di accesso radio, principi di controllo programmabile della RAN e introduzione ai concetti di RAN Intelligent Controller. Applicazioni delle reti mobili, software-defined e virtualizzate in scenari sperimentali e nei sistemi di trasporto intelligente.

Sono richieste conoscenze di base del modello protocollare ISO/OSI e dell'architettura TCP/IP, nonché dei principali concetti relativi allo switching e al routing nelle reti di calcolatori. Per una migliore comprensione degli argomenti relativi alle reti radiomobili, sono inoltre utili conoscenze di base sui principi di trasmissione e ricezione dei segnali nei sistemi di telecomunicazione.

Il corso prevede lezioni frontali dedicate alla presentazione degli aspetti teorici, protocollari e architetturali, affiancate da esercitazioni e attività di laboratorio finalizzate all'applicazione pratica dei concetti trattati. Le attività di laboratorio prevedono l'utilizzo di strumenti software per la configurazione, l'emulazione, la virtualizzazione, l'automazione e l'orchestrazione delle reti. Gli studenti svolgeranno inoltre una tesina o un progetto, individualmente o in gruppo, finalizzato all'approfondimento e all'applicazione sperimentale di uno o più argomenti trattati durante il corso.

Modalità d'esame

L'esame è composto da due parti: la discussione di una tesina o di un progetto e una prova orale. Nella presentazione della tesina o del progetto, lo studente dovrà dimostrare la capacità di progettare e realizzare una soluzione relativa al controllo, alla gestione o all'orchestrazione di una rete in un contesto sperimentale, simulato o emulato. La valutazione terrà conto della correttezza metodologica del lavoro svolto, della capacità di individuare metriche significative per valutare la soluzione proposta, della qualità dell'analisi sperimentale e della capacità di interpretare criticamente i risultati ottenuti. La prova orale consiste generalmente in due o tre domande sui principali argomenti affrontati durante il corso. Essa è finalizzata a verificare la conoscenza degli aspetti teorici e architetturali, la comprensione dei principali problemi di progettazione e gestione delle reti e la capacità dello studente di individuare soluzioni protocollari e architetturali appropriate nei contesti di switching e routing, reti mobili, Software Defined Networking, virtualizzazione e orchestrazione delle funzioni di rete. La valutazione complessiva tiene conto sia della padronanza dei contenuti teorici sia della capacità di applicarli a problemi progettuali e sperimentali.

Testi di riferimento

Il materiale didattico utilizzato durante il corso, incluse slide, documentazione tecnica e materiale per le attività di laboratorio, sarà reso disponibile attraverso il sito web o la piattaforma didattica del corso. Testi di riferimento: A. S. Tanenbaum, D. J. Wetherall, Computer Networks. M. S. Iacobucci, Reconfigurable Radio Systems: Network Architectures and Standards. A. Al-Dulaimi et al., 5G Networks: Fundamental Requirements, Enabling Technologies, and Operations Management. P. Göransson, C. Black, T. Culver, Software Defined Networks: A Comprehensive Approach. Y. Zhang, Network Function Virtualization: Concepts and Applicability in 5G Networks. R. Chayapathi, S. F. Hassan, P. Shah, Network Functions Virtualization (NFV) with a Touch of SDN. Ulteriore documentazione tecnica, articoli scientifici, standard e specifiche tecniche potranno essere indicati durante il corso per l'approfondimento di argomenti specifici.

Codice insegnamento 37597

ADVANCED METHODS IN NONLINEAR CONTROL 1° anno · 5 CFU · IINF-04/A · 0 file
ALTRE ATTIVITÀ 1° anno · 6 CFU · 0 file
ANALYSIS AND CONTROL OF ENERGY SYSTEMS (INTEGRATED COURSE) 1° anno · 1° semestre · 12 CFU · IINF-04/A · 0 file

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ Lo scopo del corso è fornire allo studente la conoscenza…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per alcune classi rilevanti di tali sistemi. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori per la stabilizzazione di sistemi non lineari e per l’inseguimento di traiettorie desiderate. ------------------------------------------------------------ Modulo: DT0692 - Control of Energy Systems ------------------------------------------------------------ Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sul controllo, lineare e/o non lineare, di alcuni sistemi energetici. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori semplici sistemi appartenenti a tale classe di sistemi energetici.

Programma

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ Introduzione ai sistemi non lineari ed esempi. Proprietà fondamentali: esistenza e unicità, dipendenza continua da condizioni iniziali e parametri. Derivabilità delle soluzioni ed equazioni di sensibilità. Principio di confronto. Stabilità di Lyapunov di sistemi autonomi e non autonomi. Il principio di invarianza. Sistemi lineari e linearizzazione. Teorema della varietà centrale. Teoremi inversi. Sistemi perturbati e ultima limitatezza. Stabilità ingresso-stato. Alcune tecniche di progettazione: teoria della regolazione (introduzione), stabilizzazione tramite linearizzazione, backstepping, controllo sliding-mode. ------------------------------------------------------------ Modulo: DT0692 - Control of Energy Systems ------------------------------------------------------------ Introduzione ai sistemi energetici. Alcuni esempi semplici. Esempi di produzione energetica: impianti di potenza, turbine eoliche, celle a combustibile, batterie. Progetto di controllori e loro verifica mediante simulazione, schemi di sistemi di controllo per il controllo dell'energia.

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato). ------------------------------------------------------------ Modulo: DT0692 - Control of Energy Systems ------------------------------------------------------------ Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato).

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative. È possibile il coinvolgimento in attività di ricerca e di tesi all’estero. ------------------------------------------------------------ Modulo: DT0692 - Control of Energy Systems ------------------------------------------------------------ Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative.

Modalità d'esame

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%). ------------------------------------------------------------ Modulo: DT0692 - Control of Energy Systems ------------------------------------------------------------ Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%).

Testi di riferimento

------------------------------------------------------------ Modulo: DT0429 - NONLINEAR SYSTEMS ------------------------------------------------------------ 1. H.K. Khalil, Nonlinear Systems, Third Edition 2002, Prentice Hall, Upper Saddle River, New Jersey, USA. 2. A. Isidori, Nonlinear Control Systems, Springer-Verlag, London, UK, 1995. 3. Note fornite dal docente. ------------------------------------------------------------ Modulo: DT0692 - Control of Energy Systems ------------------------------------------------------------ Note fornite dal docente.

Codice insegnamento 38953

APPLIED NONLINEAR DYNAMICS 1° anno · 5 CFU · IINF-04/A · 0 file
AUTOMAZIONE INDUSTRIALE A FLUIDO 1° anno · 6 CFU · IIND-02/A · 0 file

Scopo del corso è di fornire le nozioni di base indispensabili per una corretta progettazione e per un uso razionale di sistemi a fluido in dispositivi, macchine e linee automatiche per l’industria. Vengono quindi…

Scheda dell'insegnamento

Obiettivi formativi

Scopo del corso è di fornire le nozioni di base indispensabili per una corretta progettazione e per un uso razionale di sistemi a fluido in dispositivi, macchine e linee automatiche per l’industria. Vengono quindi analizzati componenti ed elementi dei principali sistemi pneumatici. Vengono inoltre fornite nozioni di analisi dei sistemi, di tecniche di automazione digitale, di sistemi a PLC. Il corso comprende lezioni ed esercitazioni di laboratorio per conoscere ed utilizzare ‘praticamente’ i sistemi a fluido.

Programma

L’automazione dei processi continui e discontinui. L’automazione nell’industria manifatturiera. Proprietà dei sistemi pneumatici. Proprietà dei fluidi. Unità di misura, strumenti di misura e trasduttori per la misura della pressione. Attuatori pneumatici: cilindri e relative regolazioni. Apparecchiature e valvole di controllo. Elaborazione di schemi pneumatici. Caratteristiche di funzionamento di valvole pneumatiche. Elementi pneumatici logici. Tecniche digitali dei circuiti pneumatici. Architettura di una macchina automatica. Diagrammi funzionali. Controllo con logica cablata e con logica programmabile. Tecniche di controllo digitali per dispositivi e sistemi pneumatici basate su PLC e su Personal Computer. Alimentazione degli impianti, trattamento dell’aria. Affidabilità, aspetti energetici, ecologici e di sicurezza.

Lo studente deve avere una conoscenza di base della Meccanica Applicata alle Macchine.

Il corso viene prevede lezione frontali ed esercitazioni di laboratorio. Gli studenti sono suddivisi in gruppi e ciascun gruppo dovrà condurre 6 esercitazioni in laboratorio sotto la supervisione del docente.

Modalità d'esame

L'esame finale si svolge in 2 fasi: la prima prevede la presentazione della tesina sull'attività di laboratorio e la sua discussione con ciascuno studente del gruppo di lavoro; la seconda prevede una prova scritta/orale sugli argomenti del corso somministrata a ciascuno studente. Nella prima fase, sulla base di domande orali, lo studente deve essere in grado di descrivere i test di laboratorio, analizzare i dati sperimentali e provvedere alla modellazione di un sistema pneumatico o elettropneumatico inclusa la scrittura del software per PLC. Nella seconda fase, sulla base di domande scritte, lo studente deve essere in grado di descrivere e/o definire i sistemi pneumatici, i circuiti pneumatici, il software del PLC sulla base delle specifiche tecniche fornite dal docente. Il punteggio finale è determinato in base al 70% orale/scritto/presentazione/discussione, al 25% di coinvolgimento durante le attività di laboratorio e al 5% di relazione finale.

Testi di riferimento

G. Belforte, A. Manuello Bertetto, L. Mazza, Pneumatica: corso completo, Tecniche Nuove, Milano, 1998. G.Belforte, Manuale di Pneumatica, III Edizione, Tecniche Nuove, Milano, 2019. A. Barber, Pneumatic Handbook, Elsevier Advanced Technology, UK, 1997.

Codice insegnamento 27804

CONTROL OF ENERGY SYSTEMS 1° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sul controllo, lineare e/o non lineare, di alcuni sistemi energetici. Dopo aver superato l’esame lo studente sarà in grado di…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sul controllo, lineare e/o non lineare, di alcuni sistemi energetici. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori semplici sistemi appartenenti a tale classe di sistemi energetici.

Programma

Introduzione ai sistemi energetici. Alcuni esempi semplici. Esempi di produzione energetica: impianti di potenza, turbine eoliche, celle a combustibile, batterie. Progetto di controllori e loro verifica mediante simulazione, schemi di sistemi di controllo per il controllo dell'energia.

Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato).

Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative.

Modalità d'esame

Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%).

Testi di riferimento

Note fornite dal docente.

Codice insegnamento 37872

CONTROL SYSTEMS 1° anno · 4 CFU · IINF-04/A · 0 file

Il corso fornisce metodologie di base e avanzate per la modellazione, l'analisi e la progettazione di controllori per sistemi a ciclo chiuso.

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce metodologie di base e avanzate per la modellazione, l'analisi e la progettazione di controllori per sistemi a ciclo chiuso.

Programma

Modelli nel dominio della frequenza di sistemi lineari: Trasformata di Laplace, Funzione di trasferimento, Diagrammi a blocchi. Modelli nel dominio del tempo di sistemi lineari: rappresentazione dello spazio di stato. Stabilità BIBO. Specifiche di controllo per le risposte transitorie e stazionarie. Reiezione di disturbi polinomiali e sinusoidali. Controllo digitale: Trasformata Z, discretizzazione nel tempo delle funzioni di trasferimento, risposta a tempo finito, risposta piatta. Analisi e progettazione del controllore mediante l'assegnazione degli autovalori: controllabilità, osservabilità, principio di separazione. Ingressi di riferimento nelle rappresentazioni dello spazio di stato. Controllo LQR. Identificazione di modelli ARX. Progettazione del controllo tramite MATLAB

Analisi Matematica

Lezioni di teoria ed esercitazioni

Modalità d'esame

Test scritti e orali. La prova scritta consiste in due esercizi applicativi e una domanda teorica e durerà 2 ore. La prova orale si terrà lo stesso giorno della prova scritta. Non sono consentiti computer, libri o note.

Testi di riferimento

[1] R. C. Dorf, R. H. Bishop. "Modern Control Systems". Prentice Hall, 12th Edition, 2008 (Main textbook) [2] G. F. Franklin, J. D. Powell, A. Emami-Naeini. "Feedback control of dynamic systems". Prentice Hall, 4th Edition, 2002 [3] G. F. Franklin, J. D. Powell, M. L. Workman. "Digital Control of Dynamic Systems". Addison-Wesley, 3rd Edition, 1998 [4] K. Ogata. "Discrete-Time Control Systems". Prentice Hall, 2nd Edition, 1995 [5] A. Isidori. "Sistemi di controllo". Siderea, 1996 [6] Slides delle lezioni

Codice insegnamento 39611

CONTROL SYSTEMS LABORATORY 1° anno · 2° semestre · 3 CFU · IINF-04/A · 0 file

Il corso ha l'obiettivo di fornire allo studente le competenze relative all'implementazione in ambito simulativo e/o su piattaforme robotiche reali di tecniche di controllo ed identificazione sia avanzate che apprese nei…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha l'obiettivo di fornire allo studente le competenze relative all'implementazione in ambito simulativo e/o su piattaforme robotiche reali di tecniche di controllo ed identificazione sia avanzate che apprese nei corsi di base. Il corso intende inoltre fornire allo studente competenze relative all'utilizzo di sensori ed attuatori comunemente utilizzati su piattaforme robotiche. Al completamento con successo di questo modulo lo studente dovrebbe essere in grado di implementare algoritmi avanzati di controllo ed identificazione.

Programma

Dipendentemente dalle conoscenze degli studenti che scelgono il corso, esso fornisce sia contenuti teorici riguardo il funzionamento e l'utilizzo di sensori (accelerometri, giroscopi, IMU ed encoder), di attuatori (motori in corrente continua), e di microcontrollori (Arduino, ESP32, etc.), sia pratici riguardo l'implementazione di tecniche di controllo sia di base che avanzate (MPC, minimi quadrati, Machine Learning). In dettaglio i contenuti sono i seguenti da adattare in base alle competenze degli studenti presenti in aula: - teoria: funzionamento di sensori inerziali MEMS, giroscopi MEMS, accelerometri MEMS, IMU, encoders, motori elettrici, Arduino; introduzione al Model Predictive Control come tecnica di controllo avanzata, introduzione al Machine Learning e richiami sui minimi quadrati - pratica: introduzione all'utilizzo del microcontrollore Arduino, controllo di velocità e posizione di servomotori, derivazione di misure accelerometriche e giroscopiche, stima dell'orientamento tramite IMU, implementazione di tecniche di controllo in ciclo chiuso, implementazione del Model Predictive Control per sistemi lineari, implementazione di algoritmi di Machine Learning e minimi quadrati su dataset reali, utilizzo di piattaforme robotica reali quali mini-droni, ball&plate, ball&beam, modellino di macchina, etc.

Teoria dei sistemi, controlli automatici, tecnologie dei sistemi di controllo e Matlab/Python

Circa 12 ore di lezioni teoriche e circa 18 ore di esercitazioni

Modalità d'esame

La verifica dell’apprendimento è costituita da una prova orale e dalla discussione di una tesina preparata dallo studente relativamente ad un progetto concordato con il docente. Il voto finale dipenderà per il 50% dalla prova orale e per il 50% dalla discussione della tesina.

Testi di riferimento

Pubblicazioni scientifiche e riferimenti web

Codice insegnamento 38962

DATA ANALYTICS 1° anno · 2° semestre · 6 CFU · MATH-06/A · 0 file

​​​​​​​Il corso presenta le metodologie fondamentali per raccogliere ed analizzare dati (descriptive analytics), realizzare modelli predittivi (predictive analytics) e modelli di ottimizzazione (prescriptive analytics)…

Scheda dell'insegnamento

Obiettivi formativi

​​​​​​​Il corso presenta le metodologie fondamentali per raccogliere ed analizzare dati (descriptive analytics), realizzare modelli predittivi (predictive analytics) e modelli di ottimizzazione (prescriptive analytics) per prendere decisioni basate sui dati (data driven). Si introducono gli strumenti software più diffusi per l'analisi dei dati e per l'ottimizzazione.

Programma

1. Descriptive and Predictive Analytics (48 ore) Introduzione agli analytics.Statistica fondazionale per l'analisi dei dati e il machine learning. Modelli di ottimizzazione per l'analisi dei dati e per il machine learning: modelli di regressione. Preprocessamento dei dati, validazione dei modelli, selezione ed estrazione delle caratteristiche di un dataset. Clustering e analisi delle componenti principali (PCA). Rilevamento degli outlier Metriche per la valutazione dei modelli di learning. Panoramica di modelli per il learning supervisionato e non supervisionato:Regressione Logistica, Alberi di Decisione Support Vector Machine, Reti Neurali Apprendimento su dataset non bilanciati Introduzione all'analisi delle serie temporali​​​​​​​ 2. Prescriptive analytics: Ottimizzazione per le decisioni (48 ore) Introduzione alla programmazione matematica: programmazione lineare, non lineare e lineare intera.Modelli di programmazione lineare intera per problemi fondamentali di ottimizzazione combinatoria. Problema dell'Assegnamento, problemi di Set Packing, Covering e Partitioning. Problema del Minimo Albero Ricoprente. Problema del Commesso Viaggiatore. Formulazione di condizioni logiche e di costo fisso. Problema di Localizzazione di Impianti; problema di Lot-Sizing; problemi con insiemi finiti di alternative; problemi disgiuntivi. Geometria della programmazione lineare intera. Ottimalità, rilassamenti e bound. Poliedri: dimensione, rappresentazioni, disuguaglianze valide, facce, vertici e facce massimali. Gerarchia di formulazioni e formulazione ideale. Algoritmo di branch-and-bound basato sul rilassamento lineare: Preprocessamento, euristiche primali e strategie di branching. Algoritmo del piano di taglio: tagli di Chvatal-Gomory: definizione e procedura di separazione. Disuguaglianze valide forti: disuguaglianze cover e clique. Algoritmo di branch-and- cut. Applicazioni. Minimo albero ricoprente con vincoli aggiuntivi, problemi di cammino minimo vincolato, problemi di clustering, problemi flusso multicommodity; Problema del Commesso viaggiatore (simmetrico e asimmetrico), problema di vehicle routing, problema dell'albero di Steiner. Esempi di integrazione di tecniche di data analytics predittive e prescrittive in applicazioni industriali.

Nozioni di base di Statistica, Matematica Discreta, Programmazione Lineare e Algoritmi e Strutture Dati. Capacità elementare di programmazione in Python

Lezioni ed esercitazioni al computer. Diverse soluzioni software in Python verranno presentate durante il corso a supporto del processo di apprendimento.

Modalità d'esame

Accertamento del processo di apprendimentoL’apprendimento attivo viene stimolato e supportato attraverso sessioni di sviluppo modellistico e di implementazione supervisionate dal docente. Si presentano e si discutono con gli studenti esempi di analisi di dataset e di modellizzazione e risoluzione di problemi di ottimizzazione.Accertamento dei risultati di apprendimento1. Descriptive and predictive analytics (50% del voto finale)Prove scritte: tecniche di Data Analysis (fino a 30 punti): test a risposta multipla (15 domande), domande a risposta aperta.Progetto di gruppo: implementazione e presentazione di una Exploratory Data Analysis su un dataset assegnato dal docente (fino a 1 punto).2. Prescriptive analytics (50% del voto finale)Prova scritta: modellizzazione matematica e capacità di risolvere problemi (fino a 30 punti): esercizi di formulazione di modelli matematici e relativa implementazioneProgetto individuale: implementazione, esperimenti computazionali e presentazione di un modello di ottimizzazione assegnato dal docente (fino a 1 punto).L’attribuzione del voto rifletterà i seguenti livelli di preparazione.Sufficiente: conoscenza basilare dei metodi e delle soluzioni di data analytics, conoscenza basilare dei paradigmi di machine learning e dei modelli di ottimizzazione.Adeguata: buona conoscenza dei metodi e delle soluzioni di data analytics e dei modelli di ottimizzazione, capacità di esplorare semplici dataset per estrarre informazioni dai dati.Buona: conoscenza approfondita degli argomenti del corso, capacità di risolvere problemi decisionali a partire dai dati integrando efficacemente i metodi predittivi e prescrittivi.Approfondita: comprensione profonda degli aspetti teorici del processo decisionale basato sui dati, utilizzo competente dei metodi e degli strumenti di analisi dei dati, capacità di progettare soluzioni basate sui dati.

Testi di riferimento

Gareth James, Daniela Witten, Trevor Hastie, Robert Tibshirani, An Introduction to Statistical Learning with applications in Python, Springer Texts in Statistics 2023. Marc Peter Deisenroth, A. Aldo Faisal, and Cheng Soon Ong Mathematics for Machine Learning, Cambridge University Press 2020. L.A. Wolsey, Integer Programming (Second Edition), Wiley. 2021.

Codice insegnamento 36486

DESIGN OF POWER ELECTRONICS CONVERTERS 1° anno · 5 CFU · IIND-08/A · 0 file
DIGITAL ELECTRONIC SYSTEMS 1° anno · 1° semestre · 9 CFU · IINF-01/A · 0 file

L’obiettivo di questo corso è quello di concentrarsi sui fondamenti della logica booleana e sulle sue implicazioni pratiche necessarie per costruire la fattibilità dei moderni sistemi elettronici digitali sia per le…

Scheda dell'insegnamento

Obiettivi formativi

L’obiettivo di questo corso è quello di concentrarsi sui fondamenti della logica booleana e sulle sue implicazioni pratiche necessarie per costruire la fattibilità dei moderni sistemi elettronici digitali sia per le ICT che per le applicazioni industriali. Particolare attenzione è rivolta ai metodi e alle metodologie per la modellizzazione, la descrizione, la formalizzazione e lo sviluppo di importanti progetti chiave, nonché ai loro risultati pratici come raccolta di automi a stati finiti.Per completare con successo questo corso, lo studente dovrebbe:- avere una profonda conoscenza dell’algebra booleana applicata, metodi di sintesi applicati a sistemi sia combinatori che sequenziali (automi a stati finiti);- essere in grado di sviluppare un progetto semplice ma significativo di un sistema elettronico digitale;- comprendere e spiegare la logica e lo schema a blocchi elettronici per un sistema digitale semplice ma significativo;- dimostrare abilità nel partizionamento modulare top-down di un sistema digitale;- essere in grado di leggere e comprendere altri testi su argomenti correlati;- dimostrare la capacità di comunicare i risultati delle opere tecniche in modo chiaro e coerente, con la generazione di documentazione sistematica e significativa per qualsiasi sistema digitale progettato e assemblato;- avere conoscenza e comprensione dei concetti fondamentali adottati per una progettazione modulare dall’alto verso il basso di sistemi digitali, utilizzando una serie di modelli di automi a stati finiti;- dimostrare la capacità di definire e selezionare strategie appropriate per risolvere i problemi relativi alla loro attuazione fisica.

Programma

Gli argomenti del corso includono: Introduzione al sistema digitale: sistemi digitali, logica combinatoria e sequenziale, macchina a stati finiti (FSM) e suoi modelli (Mealy e Moore), sistema sincrono e asincrono, reale implementazione del sistema digitale (circuiti SSI e MSI; sistemi PLD e FPGA; sistemi a microprocessore). Sistemi combinatori: algebra booleana, funzioni di commutazione e porte, tabelle di verità e progettazione combinatoria, implicanti e implicati, somma di prodotti e prodotti di somme, mappe e metodi per minimizzare le funzioni booleane (mappe di Karnaugh, algoritmo Quine-McCluskey), progettazioni minimali e robuste. Blocchi MSI: encoder, decodificatori, multiplexer, demultiplexer, comparatori. Sistemi e codici di numerazione binari. Sistemi di numerazione binaria, ottale ed esadecimale. Codici. Numeri negativi con segno e modulo, complemento a 1, complemento a 2. Applicazione all’aritmetica binaria. Sistemi sequenziali: Flip-Flop, tipi Flip-Flop: FF SR, FF SRE, FF JK, FF Master-Slave, FF T, FF D. Semplici sistemi sequenziali: contatori asincroni; sequenziatore sincrono, registri a scorrimento (PIPO, PISO, SIPO e SISO); set di registro; analisi di reti sequenziali. Diagrammi di temporizzazione. Macchina a stati finiti e sua descrizione: diagramma di transizione di stato, tabella PS/NS; Diagramma di flusso (Algorithmic State Machine, ASM) e sua applicazione a contatori, sequenziatori e controllo di registri. Hardware aritmetico: sommatori di base (half e full), ripple adder, CLA, Carry skip adder, subtractor, ALU; Moltiplicatori: algoritmico (sum loop), seriale e parallelo; Moltiplicatore di Wallace, algoritmo di Booth. Register Transfer Model: esempi di analisi, progettazione e sintesi di unità di controllo (basate su FSM con descrizione ASM) per blocco aritmetico e hardware per smart register. Introduzione alla logica programmabile (HW + SW): Approccio algoritmico per la progettazione di blocchi HW; dal set di macchine Moore all’architettura a microprocessore; sistemi selezionabili e programmabili; Architettura VN, architettura Harvard, architetture ad hoc. Cenni sull'architettura di microprocessori, microcontrollori, processore di segnali digitali (DSPor), computer a scheda singola (SBC), passi e strumenti per lo sviluppo di una progettazione a logica programmata, integrazione HW e SW.

Lo studente deve sapere: i fondamenti dell’algebra e dell’algebra booleana, i fondamenti della rappresentazione dell’informazione e della transcodifica tra diverse rappresentazioni.

Lezioni teoriche, esercitazioni ed esercitazioni/progetti di laboratorio. Possibilità di erogazione, di lezioni in modalità remota (fino ad un massimo del 15% delle ore complessive).

Modalità d'esame

L’esame consisterà in una prova scritta relativa a un progetto di elettronica digitale e in una discussione orale su almeno due argomenti del corso. In alternativa, si possono sostenere 2 esami scritti parziali durante il corso, riservati agli studenti che seguono il corso, seguiti da una discussione orale finale.

Testi di riferimento

  • J. D. Daniels: Digital Design from Zero to One, J. Wiley. - M.M. Mano - C.K. Kime: Fondamenti di progettazione logica e computer - Prentice Hall. - G. Donzellini, L. Oneto, D. Ponta, D. Anguita, “Introduction to digital systems design”, Springer. - Presentazioni (slides) e appunti in classe organizzati/preparati/scritti dal docente.

Codice insegnamento 37604

DIGITAL ELECTRONIC SYSTEMS 1° anno · 1° semestre · 6 CFU · IINF-01/A · 0 file

L’obiettivo di questo corso è quello di concentrarsi sui fondamenti della logica booleana e sulle sue implicazioni pratiche necessarie per costruire la fattibilità dei moderni sistemi elettronici digitali sia per le…

Scheda dell'insegnamento

Obiettivi formativi

L’obiettivo di questo corso è quello di concentrarsi sui fondamenti della logica booleana e sulle sue implicazioni pratiche necessarie per costruire la fattibilità dei moderni sistemi elettronici digitali sia per le ICT che per le applicazioni industriali. Particolare attenzione è rivolta ai metodi e alle metodologie per la modellizzazione, la descrizione, la formalizzazione e lo sviluppo di importanti progetti chiave, nonché ai loro risultati pratici come raccolta di automi a stati finiti.Per completare con successo questo corso, lo studente dovrebbe:- avere una profonda conoscenza dell’algebra booleana applicata, metodi di sintesi applicati a sistemi sia combinatori che sequenziali (automi a stati finiti);- essere in grado di sviluppare un progetto semplice ma significativo di un sistema elettronico digitale;- comprendere e spiegare la logica e lo schema a blocchi elettronici per un sistema digitale semplice ma significativo;- dimostrare abilità nel partizionamento modulare top-down di un sistema digitale;- essere in grado di leggere e comprendere altri testi su argomenti correlati;- dimostrare la capacità di comunicare i risultati delle opere tecniche in modo chiaro e coerente, con la generazione di documentazione sistematica e significativa per qualsiasi sistema digitale progettato e assemblato;- avere conoscenza e comprensione dei concetti fondamentali adottati per una progettazione modulare dall’alto verso il basso di sistemi digitali, utilizzando una serie di modelli di automi a stati finiti;- dimostrare la capacità di definire e selezionare strategie appropriate per risolvere i problemi relativi alla loro attuazione fisica.

Programma

Gli argomenti del corso includono: Introduzione al sistema digitale: sistemi digitali, logica combinatoria e sequenziale, macchina a stati finiti (FSM) e suoi modelli (Mealy e Moore), sistema sincrono e asincrono, reale implementazione del sistema digitale (circuiti SSI e MSI; sistemi PLD e FPGA; sistemi a microprocessore). Sistemi combinatori: algebra booleana, funzioni di commutazione e porte, tabelle di verità e progettazione combinatoria, implicanti e implicati, somma di prodotti e prodotti di somme, mappe e metodi per minimizzare le funzioni booleane (mappe di Karnaugh, algoritmo Quine-McCluskey), progettazioni minimali e robuste. Blocchi MSI: encoder, decodificatori, multiplexer, demultiplexer, comparatori. Sistemi e codici di numerazione binari. Sistemi di numerazione binaria, ottale ed esadecimale. Codici. Numeri negativi con segno e modulo, complemento a 1, complemento a 2. Applicazione all’aritmetica binaria. Sistemi sequenziali: Flip-Flop, tipi Flip-Flop: FF SR, FF SRE, FF JK, FF Master-Slave, FF T, FF D. Semplici sistemi sequenziali: contatori asincroni; sequenziatore sincrono, registri a scorrimento (PIPO, PISO, SIPO e SISO); set di registro; analisi di reti sequenziali. Diagrammi di temporizzazione. Macchina a stati finiti e sua descrizione: diagramma di transizione di stato, tabella PS/NS; Diagramma di flusso (Algorithmic State Machine, ASM) e sua applicazione a contatori, sequenziatori e controllo di registri. Hardware aritmetico: sommatori di base (half e full), ripple adder, CLA, Carry skip adder, subtractor, ALU; Moltiplicatori: algoritmico (sum loop), seriale e parallelo; Moltiplicatore di Wallace, algoritmo di Booth. Register Transfer Model: esempi di analisi, progettazione e sintesi di unità di controllo (basate su FSM con descrizione ASM) per blocco aritmetico e hardware per smart register. Introduzione alla logica programmabile (HW + SW): Approccio algoritmico per la progettazione di blocchi HW; dal set di macchine Moore all’architettura a microprocessore; sistemi selezionabili e programmabili; Architettura VN, architettura Harvard, architetture ad hoc. Cenni sull'architettura di microprocessori, microcontrollori, processore di segnali digitali (DSPor), computer a scheda singola (SBC), passi e strumenti per lo sviluppo di una progettazione a logica programmata, integrazione HW e SW.

Lo studente deve sapere: i fondamenti dell’algebra e dell’algebra booleana, i fondamenti della rappresentazione dell’informazione e della transcodifica tra diverse rappresentazioni.

Lezioni teoriche, esercitazioni ed esercitazioni/progetti di laboratorio. Possibilità di erogazione, di lezioni in modalità remota (fino ad un massimo del 15% delle ore complessive).

Modalità d'esame

L’esame consisterà in una prova scritta relativa a un progetto di elettronica digitale e in una discussione orale su almeno due argomenti del corso. In alternativa, si possono sostenere 2 esami scritti parziali durante il corso, riservati agli studenti che seguono il corso, seguiti da una discussione orale finale.

Testi di riferimento

  • J. D. Daniels: Digital Design from Zero to One, J. Wiley. - M.M. Mano - C.K. Kime: Fondamenti di progettazione logica e computer - Prentice Hall. - G. Donzellini, L. Oneto, D. Ponta, D. Anguita, “Introduction to digital systems design”, Springer. - Presentazioni (slides) e appunti in classe organizzati/preparati/scritti dal docente.

Codice insegnamento 38955

DINAMICA DEL VEICOLO 1° anno · 1° semestre · 6 CFU · IIND-02/A · 0 file

L’insegnamento si propone di fornire agli studenti le conoscenze teoriche e gli strumenti metodologici necessari per analizzare i principali fenomeni che caratterizzano la dinamica del veicolo.Il corso introduce i…

Scheda dell'insegnamento

Obiettivi formativi

L’insegnamento si propone di fornire agli studenti le conoscenze teoriche e gli strumenti metodologici necessari per analizzare i principali fenomeni che caratterizzano la dinamica del veicolo.Il corso introduce i modelli matematici utilizzati per descrivere l’interazione tra pneumatico e strada, la frenatura, il comportamento direzionale e la stabilità di marcia del veicolo, gli effetti delle sospensioni, il comfort di marcia e la tenuta di strada. Particolare attenzione è rivolta alle ipotesi alla base dei modelli, ai relativi limiti di applicabilità e all’interpretazione fisica dei risultati.L’insegnamento si propone inoltre di sviluppare la capacità di tradurre i modelli teorici in modelli numerici implementati in ambiente MATLAB/Simulink e di utilizzarli per condurre simulazioni, analizzare l’influenza dei principali parametri e interpretare criticamente il comportamento dinamico del veicolo.

Programma

L’insegnamento, per un totale di 9 CFU, comprende 60 ore di lezione frontale e 30 ore di esercitazione.Cinematica e modellazione dello pneumatico: cinematica della ruota rigida e della ruota dotata di pneumatico; rotolamento e scorrimento; forze e momenti scambiati tra pneumatico e strada; modello a spazzola; rigidezza di deriva; modelli empirici e Magic Formula.Frenatura: dinamica longitudinale del veicolo, trasferimento di carico, decelerazione massima, ripartizione delle forze frenanti, bloccaggio delle ruote e criteri di proporzionamento dell’impianto frenante.Handling e stabilità direzionale: formulazione delle equazioni cinematiche, di equilibrio e costitutive; modelli monotraccia lineari e non lineari; comportamento a regime e transitorio; stabilità di marcia; veicoli sottosterzanti e sovrasterzanti; manovre tipiche e diagrammi di handling.Sospensioni: principali architetture delle sospensioni; massa sospesa e non sospesa; rollio, beccheggio e imbardata; centri di rollio, trasferimenti di carico e comportamento direzionale del veicolo con sospensioni.Comfort e tenuta di strada: profili stradali, oscillazioni del veicolo, modello quarter-car, risposta in frequenza, criteri di progetto delle rigidezze e degli ammortizzatori, comfort della massa sospesa e variazione della forza di contatto pneumatico-strada.Esercitazioni: implementazione in MATLAB/Simulink dei modelli di pneumatico e di handling; esecuzione di simulazioni, analisi parametrica e interpretazione dei risultati.

Lo studente deve soddisfare i requisiti previsti per l’accesso al Corso di Laurea Magistrale in Ingegneria Meccanica.In particolare, per affrontare adeguatamente i contenuti dell’insegnamento sono necessarie conoscenze di base di meccanica applicata, di analisi matematica e di algebra lineare. Lo studente deve inoltre conoscere i fondamenti delle equazioni differenziali ordinarie e delle equazioni alle derivate parziali.

L’insegnamento prevede 60 ore di lezioni frontali e 30 ore di esercitazioni.Le lezioni frontali sono dedicate alla presentazione e alla discussione dei principali modelli matematici impiegati nello studio della dinamica del veicolo, con particolare riferimento all’interazione pneumatico-strada, alla frenatura, al comportamento direzionale del veicolo, alla stabilità di marcia, alle sospensioni, al comfort e alla tenuta di strada.Durante le esercitazioni, i modelli relativi allo pneumatico e all’handling del veicolo vengono implementati in ambiente MATLAB/Simulink. Gli studenti utilizzano tali modelli per condurre simulazioni numeriche, analizzare l’influenza dei principali parametri e interpretare i fenomeni dinamici osservati.Le attività esercitative sono finalizzate a sviluppare la capacità di tradurre i modelli teorici in strumenti di simulazione, verificare criticamente i risultati numerici e collegare il comportamento simulato ai fenomeni fisici studiati durante le lezioni.

Modalità d'esame

La verifica dell’apprendimento consiste in una prova orale individuale.Durante la prova, lo studente è chiamato a discutere gli argomenti trattati nel corso e a dimostrare di conoscere e comprendere i principali modelli utilizzati per l’analisi della dinamica del veicolo. La prova verifica, in particolare, la capacità di illustrare le ipotesi alla base dei modelli, di descriverne la formulazione matematica, di individuarne i limiti di applicabilità e di interpretarne il significato fisico.Allo studente è inoltre richiesto di presentare e discutere uno o più dei modelli sviluppati in ambiente MATLAB/Simulink durante le esercitazioni. La discussione è finalizzata a verificare la capacità di utilizzare correttamente il modello, impostare una simulazione, analizzare i risultati ottenuti e spiegare i fenomeni dinamici osservati.La valutazione tiene conto:-della conoscenza e della comprensione degli argomenti del corso;-della padronanza dei modelli matematici e delle relative ipotesi;-della capacità di applicare i modelli mediante simulazioni numeriche;-della capacità di interpretare criticamente i risultati;-della chiarezza, correttezza e proprietà di linguaggio nell’esposizione.Il superamento dell’esame richiede una conoscenza almeno sufficiente dei principali modelli trattati e la capacità di interpretare correttamente i risultati essenziali delle simulazioni. Una valutazione più elevata è attribuita in presenza di una conoscenza approfondita, della capacità di collegare tra loro i diversi argomenti del corso, di discutere criticamente le ipotesi e i limiti dei modelli e di interpretare autonomamente i risultati relativi a condizioni di funzionamento differenti.

Testi di riferimento

Testo di riferimentoMassimo Guiggiani, The Science of Vehicle Dynamics, Springer, 2014.

Codice insegnamento 38960

DISPOSITIVI E SISTEMI MECCANICI PER L’AUTOMAZIONE 1° anno · 1° semestre · 6 CFU · IIND-02/A · 0 file

Lo scopo dell'insegnamento è fornire le conoscenze fondamentali necessarie per la progettazione, l'analisi e l'impiego razionale dei sistemi a fluido in dispositivi, macchine e linee automatiche per l'industria. Il corso…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo dell'insegnamento è fornire le conoscenze fondamentali necessarie per la progettazione, l'analisi e l'impiego razionale dei sistemi a fluido in dispositivi, macchine e linee automatiche per l'industria. Il corso affronta il funzionamento e le caratteristiche dei principali componenti di sistemi pneumatici, fluidici, digitali e proporzionali, introducendo metodologie per l'analisi, la modellazione e il controllo dei sistemi a fluido. Vengono inoltre fornite conoscenze relative alle tecniche di automazione digitale, ai sistemi basati su PLC e reti field bus, nonché ai principi di funzionamento dei sistemi di visione, dei sistemi di controllo a logica Fuzzy e della robotica collaborativa nell'ambito dell'automazione industriale. Attraverso lezioni teoriche ed esercitazioni di laboratorio, lo studente acquisisce competenze nell'analisi, nella progettazione, nell'implementazione e nella validazione sperimentale di sistemi a fluido per applicazioni industriali avanzate.

Programma

1. Fondamenti dell'automazione industrialeAutomazione dei processi continui e discontinui.Automazione nell'industria manifatturiera.2. Fondamenti dei sistemi pneumatici e fluidiciProprietà dei sistemi pneumatici e fluidici.Proprietà dei fluidi.Unità di misura, strumenti di misura e trasduttori per la misura della pressione.3. Componenti dei sistemi pneumaticiAttuatori pneumatici: cilindri e relative regolazioni.Apparecchiature e valvole di controllo.Caratteristiche di funzionamento delle valvole pneumatiche.Sensori e trasduttori impiegati nell'automazione a fluido.Elementi periferici e complementari.Alimentazione degli impianti e trattamento dell'aria.4. Progettazione e analisi dei circuiti pneumaticiElaborazione e interpretazione di schemi pneumatici.Interfacciamento dei sistemi a fluido.Elementi pneumatici logici.Tecniche digitali dei circuiti pneumatici.Esercizio e analisi dei circuiti pneumatici.5. Automazione e controllo dei sistemi pneumaticiArchitettura di una macchina automatica.Diagrammi funzionali.Controllo con logica cablata e con logica programmabile.Tecniche di controllo digitale per dispositivi e sistemi pneumatici basate su PLC e Personal Computer.6. Prestazioni, affidabilità e sicurezza dei sistemi pneumaticiComportamento dinamico dei sistemi pneumatici.Affidabilità dei sistemi pneumatici.Aspetti energetici, ecologici e di sicurezza.

Lo studente deve possedere conoscenze di base di Meccanica Applicata alle Macchine, con particolare riferimento ai principi fondamentali della cinematica, della dinamica e del funzionamento dei sistemi meccanici.

L'insegnamento prevede lezioni frontali ed esercitazioni di laboratorio finalizzate al raggiungimento degli obiettivi formativi e dei risultati di apprendimento attesi. Le lezioni frontali sono dedicate alla presentazione dei principi teorici, delle metodologie di analisi, modellazione e controllo dei sistemi a fluido per applicazioni di automazione industriale. Le esercitazioni di laboratorio consentono agli studenti di applicare le conoscenze acquisite attraverso attività pratiche su componenti, circuiti e sistemi pneumatici ed elettropneumatici. Gli studenti, organizzati in gruppi di lavoro, svolgono undici esercitazioni di laboratorio sotto la supervisione del docente, sviluppando competenze nell'analisi, progettazione, implementazione e validazione sperimentale di sistemi a fluido, oltre a capacità di collaborazione e problem solving.

Modalità d'esame

La verifica dell'apprendimento è finalizzata ad accertare il raggiungimento dei risultati di apprendimento attesi e si articola in tre componenti: attività di laboratorio, prova individuale scritta e/o orale e relazione tecnica finale. La prima fase consiste nella presentazione e discussione della relazione relativa alle attività di laboratorio svolte dagli studenti organizzati in gruppi di lavoro. Attraverso domande orali, lo studente dovrà dimostrare la capacità di descrivere le prove sperimentali effettuate, analizzare e interpretare i dati acquisiti, nonché modellare semplici sistemi pneumatici o elettropneumatici, includendo, ove previsto, lo sviluppo del software per PLC o per sistemi di controllo. Questa fase consente di valutare la capacità di applicare conoscenza e comprensione, l'autonomia di giudizio e le capacità comunicative. La seconda fase prevede una prova individuale scritta e/o orale sugli argomenti trattati durante il corso. Lo studente dovrà dimostrare di conoscere e comprendere i principi di funzionamento dei sistemi pneumatici, dei circuiti pneumatici e delle tecniche di automazione e controllo basate su PLC e sistemi programmabili, nonché di saper analizzare e definire soluzioni progettuali sulla base delle specifiche tecniche fornite dal docente.La valutazione finale è espressa in trentesimi ed è determinata considerando:la prova individuale scritta e/o orale, comprensiva della presentazione e discussione delle attività di laboratorio: 70% del voto finale;il coinvolgimento e la partecipazione durante le attività di laboratorio: 25% del voto finale;la qualità della relazione tecnica finale: 5% del voto finale.Il superamento dell'esame richiede il raggiungimento di una preparazione adeguata sia sugli aspetti teorici sia sulla capacità di applicare le conoscenze acquisite alla progettazione, analisi e controllo di sistemi pneumatici ed elettropneumatici.

Testi di riferimento

G. Belforte, A. Manuello Bertetto, L. Mazza, Pneumatica: corso completo, Tecniche Nuove, Milano, 1998. G.Belforte, Manuale di Pneumatica, III Edizione, Tecniche Nuove, Milano, 2019.

Codice insegnamento 38961

ELECTRIC DRIVES FOR EVS 1° anno · 5 CFU · IIND-08/A · 0 file
ELECTRICAL MACHINES 1° anno · 4 CFU · IIND-08/A · 0 file
ELECTRICAL MACHINES AND DRIVES 1° anno · 2° semestre · 5 CFU · IIND-08/A · 0 file

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina…

Scheda dell'insegnamento

Obiettivi formativi

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina elettrica e il convertitore di potenza.Modulo B. Il modulo introduce i principali dispositivi a semiconduttore di potenza, i circuiti di misura e condizionamento dei segnali e i dispositivi digitali utilizzati per il controllo dei convertitori, quali microcontrollori, DSP, CPLD e FPGA. Successivamente, vengono presentate e analizzate le principali topologie di convertitori DC/DC, AC/DC e DC/AC, con riferimento alle loro applicazioni nei sistemi industriali, negli azionamenti elettrici, nei sistemi energetici e nei trasporti.

Programma

  • Macchine a induzione e macchine sincrone a magneti permanenti • Modelli statici e dinamici delle macchine in corrente alternata • Principi di controllo degli azionamenti elettrici • Principali dispositivi a semiconduttore di potenza: diodi, MOSFET e IGBT in tecnologia al silicio e wide-bandgap • Circuiti di misura e condizionamento dei segnali • Microcontrollori, DSP, CPLD e FPGA; porte di I/O, conversione A/D e tecniche di modulazione PWM • Convertitori DC/DC, AC/DC e DC/AC • Modellazione e simulazione di convertitori, macchine elettriche e azionamenti​​​​​​​

Sono richieste conoscenze di elettrotecnica, macchine elettriche, elettronica analogica e digitale e di programmazione

Lezioni in aula e/o online, esercitazioni e svolgimento di un progetto.​​​​​​​

Modalità d'esame

La verifica dell’apprendimento consiste in un esame scritto, nello svolgimento di un progetto e nella relativa discussione. L’esame scritto verifica la comprensione dei principi teorici e la capacità di analizzare macchine elettriche e convertitori. Il progetto e la sua discussione valutano la capacità di modellare e simulare i sistemi studiati, interpretare i risultati e presentare le scelte effettuate con linguaggio tecnico appropriato.​​​​​​​

Testi di riferimento

N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Robert W. Erickson, Dragan Maksimovic, Fundamentals of Power Electronics, Springer Verlag, 2012.Muhammad H. Rashid: Power Electronics: Circuits,Devices & Applications, Pearson, 2013.Krause, Wasynczuk, Sudhoff, Perarek: Analysis of electric machinery and drive systems, Wiley IEEE Press, 2013.Chee-Mun Ong, Dynamic Simulation of Electric Machinery: Using MATLAB/SIMULINK, Prentice Hall PTR, 1998.A. E. Fitzgerald, Charles Kingsley, Jr., Stephen D. Umans, Electric Machinery, 6th ed. McGraw-Hill, 2003.R. Krishnan, Permanent Magnet Synchronous and Brushless DC Drives, Taylor and Francis Group, LLC, 2010.

Codice insegnamento 38959

ELECTRICAL VEHICLE MODELLING AND SIMULATION 1° anno · 4 CFU · IINF-04/A · 0 file
ELECTRONIC SYSTEMS FOR MECHATRONICS 1° anno · 2° semestre · 6 CFU · IINF-01/A · 0 file

L'obiettivo del corso è quello di introdurre lo studente alle basi di elettronica per fornire gli strumenti volti alla comprensione di circuiti di controllo e processamento in sistemi meccatronici.

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo del corso è quello di introdurre lo studente alle basi di elettronica per fornire gli strumenti volti alla comprensione di circuiti di controllo e processamento in sistemi meccatronici.

Programma

Il corso è suddiviso in tre moduli, focalizzati rispettivamente su elettronica e circuiti di base, sistemi digitali, e programmazione di sistemi a microcontrollore, volti alla piena comprensione dei sistemi meccatronici industriali. Gli argomenti affrontati nel corso comprendono: - concetti di base sui sistemi elettronici; impedenza, guadagno, banda, potenza, controreazione; - funzionamento di semplici dispositivi elettronici: diodi, transistor, tiristori, amplificatori operazionali; - principali circuiti analogici di processamento e interfacce di base; - circuiti regolatori di tensione e driver di potenza, modulazione PWM; - sistemi in retroazione e controllori PID; - differenza tra segnali analogici e digitali, metodi di conversione A/D e D/A; - principi e operatori dell’algebra Booleana e sistemi sequenziali: porte logiche, reti combinatorie, latch, flip-flop, registri; - architettura interna di un microcontrollore; - protocolli di comunicazione digitale UART, SPI, I2C; - fondamenti di programmazione in C++: tipi di variabili, costrutti logici, cicli, librerie, timer; - esercitazioni con microcontrollore in laboratorio.

È richiesta la conoscenza dell'elettrotecnica di base e dei principi di fisica ed elettromagnetismo.

Lezioni frontali ed esercitazioni in laboratorio.

Modalità d'esame

L’esame sarà considerato superato se lo studente/la studentessa avrà dimostrato di aver compreso ed assimilato gli argomenti del corso. L’esame consiste in una prova orale con domande sulla teoria e sulle esercitazioni svolte.

Testi di riferimento

  • J. Millman, A. Grabel, “Microelectronics”, 2nd ed., McGraw-Hill, 2001 - R.J. Tocci, N.S. Widmer, G. Moss, “Digital Systems: Principles and Applications”, XII Edition, Pearson, 2016 - C. M. Kormanyos, “Real-Time C++: Efficient Object-Oriented and Template Micro-Controller Programming”, 2nd ed., Springer, 2013

Codice insegnamento 36805

EMBEDDED COMPUTING 1° anno · 4 CFU · IINF-05/A · 0 file
EMBEDDED SYSTEMS 1° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file

L'obiettivo di questo corso è quello di fornire l'insieme fondamentale di concetti e tecniche relativi all' "Ingegneria dei sistemi dedicati HW/SW". Di fatto, presenta le principali problematiche legate alla…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo di questo corso è quello di fornire l'insieme fondamentale di concetti e tecniche relativi all' "Ingegneria dei sistemi dedicati HW/SW". Di fatto, presenta le principali problematiche legate alla progettazione di dispositivi elettronici HW/SW dedicati (cioè, specifici per l'applicazione) che sono anche tipicamente "embedded" (ovvero integrati in un sistema eterogeneo più complesso) e/o con vincoli in tempo reale. In tale contesto, il corso richiama le principali tecnologie HW/SW, fornendo anche una visione unificata (tipicamente basata su modelli) di tutti i concetti coinvolti.Tali obiettivi formativi sono parte delle finalità formative del corso di studi, in quanto la coerenza del corso di laurea in Ingegneria Informatica è stata verificata e armonizzata in fase di progettazione dello stesso. In particolare, l’insegnamento concorre alle competenze caratterizzanti il curriculum Computer Engineering, specificatamente per quanto riguarda le tecnologie HW/SW.

Programma

Introduzione: obiettivi e struttura del corso, caratteristiche generali dei sistemi integrati, principali problemi di progettazione. Tecnologie: visione unificata delle tecnologie HW di base (ASIC, FPGA), componenti HW (processori, memorie, timer, interfacciamento, comunicazione), concetti avanzati del sistema operativo e interazione HW/SW. Architettura: sistemi su board, sistemi su chip, sistemi di rete/distribuiti. Casi studio.

Conoscenze di base di informatica, elettronica digitale, sistemi operativi, architetture dei calcolatori e sviluppo di software.

Lezioni frontali, casi di studio, homelab, tutorial, seminari.

Modalità d'esame

L’esame è articolato in tre parti. La prima riguarda lo svolgimento dei cosiddetti Homelab, di fatto dei tutorial da seguire prendendo eventualmente in prestito dei kit di sviluppo, che hanno l'obiettivo di mettere in pratica i principali concetti teorici visti durante il corso. Questa parte vale fino a 9 punti. La seconda riguarda una prova scritta teorica che vale fino a 12 punti. La terza riguarda una prova pratica (programmazione in C per microcontrollori) che vale fino a 12 punti. La somma dei punteggi parziali rappresenta il voto finale che, per essere sufficiente, deve essere maggiore o uguale 18. Se tale somma è maggiore di 30 il voto finale è "30 e lode". L’attribuzione del voto rifletterà i seguenti quattro livelli di preparazione: - sufficiente: conoscenza base delle tecnologie, delle metodologie e dei relativi strumenti di sviluppo - adeguata: acquisizione di una basilare abilità di progettazione di sistemi dedicati HW/SW - buona: acquisizione di una buona abilità di progettazione di sistemi dedicati HW/SW raggiungimento e della capacità di valutazione di scelte progettuali alternative - approfondita: acquisizione di una buona abilità di progettazione di sistemi dedicati HW/SW raggiungimento, della capacità di valutazione di scelte progettuali alternative e della capacità di lavorare attivamente e collaborare in un team.NOTA: per l'esame da 9 CFU è previsto, come integrazione rispetto a quanto sopra, lo svoglimento di un progetto su tematiche da concordare e, una volta completato, da discutere con il docente. Il progetto non assegna ulteriori punti am è funzionale all'ottenimento dei 3 CFU extra.

Testi di riferimento

Embedded System Design: A Unified HW/SW Introduction. F. Vahid, T. Givargis.

Codice insegnamento 35823

EMBEDDED SYSTEMS 1° anno · 1° semestre · 6 CFU · IINF-05/A · 0 file

L'obiettivo di questo corso è quello di fornire l'insieme fondamentale di concetti e tecniche relativi all' "Ingegneria dei sistemi dedicati HW/SW". Di fatto, presenta le principali problematiche legate alla…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo di questo corso è quello di fornire l'insieme fondamentale di concetti e tecniche relativi all' "Ingegneria dei sistemi dedicati HW/SW". Di fatto, presenta le principali problematiche legate alla progettazione di dispositivi elettronici HW/SW dedicati (cioè, specifici per l'applicazione) che sono anche tipicamente "embedded" (ovvero integrati in un sistema eterogeneo più complesso) e/o con vincoli in tempo reale. In tale contesto, il corso richiama le principali tecnologie HW/SW, fornendo anche una visione unificata (tipicamente basata su modelli) di tutti i concetti coinvolti.Tali obiettivi formativi sono parte delle finalità formative del corso di studi, in quanto la coerenza del corso di laurea in Ingegneria Informatica è stata verificata e armonizzata in fase di progettazione dello stesso. In particolare, l’insegnamento concorre alle competenze caratterizzanti il curriculum Computer Engineering, specificatamente per quanto riguarda le tecnologie HW/SW.

Programma

Introduzione: obiettivi e struttura del corso, caratteristiche generali dei sistemi integrati, principali problemi di progettazione. Tecnologie: visione unificata delle tecnologie HW di base (ASIC, FPGA), componenti HW (processori, memorie, timer, interfacciamento, comunicazione), concetti avanzati del sistema operativo e interazione HW/SW. Architettura: sistemi su board, sistemi su chip, sistemi di rete/distribuiti. Casi studio.

Conoscenze di base di informatica, elettronica digitale, sistemi operativi, architetture dei calcolatori e sviluppo di software.

Lezioni frontali, casi di studio, homelab, tutorial, seminari.

Modalità d'esame

L’esame è articolato in tre parti. La prima riguarda lo svolgimento dei cosiddetti Homelab, di fatto dei tutorial da seguire prendendo eventualmente in prestito dei kit di sviluppo, che hanno l'obiettivo di mettere in pratica i principali concetti teorici visti durante il corso. Questa parte vale fino a 9 punti. La seconda riguarda una prova scritta teorica che vale fino a 12 punti. La terza riguarda una prova pratica (programmazione in C per microcontrollori) che vale fino a 12 punti. La somma dei punteggi parziali rappresenta il voto finale che, per essere sufficiente, deve essere maggiore o uguale 18. Se tale somma è maggiore di 30 il voto finale è "30 e lode". L’attribuzione del voto rifletterà i seguenti quattro livelli di preparazione: - sufficiente: conoscenza base delle tecnologie, delle metodologie e dei relativi strumenti di sviluppo - adeguata: acquisizione di una basilare abilità di progettazione di sistemi dedicati HW/SW - buona: acquisizione di una buona abilità di progettazione di sistemi dedicati HW/SW raggiungimento e della capacità di valutazione di scelte progettuali alternative - approfondita: acquisizione di una buona abilità di progettazione di sistemi dedicati HW/SW raggiungimento, della capacità di valutazione di scelte progettuali alternative e della capacità di lavorare attivamente e collaborare in un team.NOTA: per l'esame da 9 CFU è previsto, come integrazione rispetto a quanto sopra, lo svoglimento di un progetto su tematiche da concordare e, una volta completato, da discutere con il docente. Il progetto non assegna ulteriori punti am è funzionale all'ottenimento dei 3 CFU extra.

Testi di riferimento

Embedded System Design: A Unified HW/SW Introduction. F. Vahid, T. Givargis.

Codice insegnamento 37876

FRENCH LANGUAGE 1° anno · 2 CFU · 0 file
FUNDAMENTALS OF ELECTRICAL VEHICLE SYSTEM 1° anno · 4 CFU · IIND-08/A · 0 file
FUNDAMENTALS OF ENERGY SYSTEMS 1° anno · 1° semestre · 6 CFU · IIND-08/A · 0 file

Obiettivi Formativi Lo studente dovrà conoscere i principi di generazione e conversione dell'energia in elettrica; saper analizzare le reti elettriche ed in particolare quelle di nuova generazione, che comprendono…

Scheda dell'insegnamento

Obiettivi formativi

Obiettivi Formativi Lo studente dovrà conoscere i principi di generazione e conversione dell'energia in elettrica; saper analizzare le reti elettriche ed in particolare quelle di nuova generazione, che comprendono sistemi di generazione distribuiti, linee di trasmissione, sistemi elettronici di conversione e di utilizzazione della energia e dovrà saperne costruirne i modelli matematici.

Programma

Generazione dell'energia elettrica da fonti convenzionali e rinnovabili. Generalità sulle reti elettriche. Regime periodico sinusoidale e non sinusoidale. Sistemi trifase simmetrici ed equilibrati. Sistemi squilibrati. Trasformatore ideale e reale. Trasformatori trifase. Parallelo di due o più trasformatori monofase e trifase. Gruppi. Espansione in serie di Fourier. Convertitori elettronici di potenza per l'integrazione delle fonti energetiche rinnovabili nella rete elettrica e per il suo controllo e stabilizzazione. Sviluppo di modelli matematici delle configurazioni studiate. Modelli ed analisi delle linee di potenza. Analisi del Power Flow nelle reti elettriche. Affidabilità dei sistemi.

Conoscenza di base dell'elettrotecnica, dell'elettronica e dei fondamenti di controlli automatici.

Lezioni teoriche e lezioni di laboratorio informatico per lo sviluppo dei modelli matematici (es. utilizzando Simulink). Attraverso la presentazione ed il confronto di diverse soluzioni ad un determinato problema, gli studenti saranno guidati ad apprendere ed identificare la soluzione più efficiente. Sono previste: discussioni di classe, semplici esercizi, collegamenti tra teoria e pratica, presentazione di problemi.

Modalità d'esame

Esame scritto con tre domande. La valutazione è: 1) sufficiente: conoscenza e comprensione dei contenuti principali; 2) adeguata: saper riprodurre e spiegare i concetti 3) buona: capacità di applicare le conoscenze acquisite; 4) approfondita: capacità di argomentare e comunicare le conoscenze acquisite. 5) ottima: ottima capacità di argomentare, estrapolare concetti e comunicare le conoscenze acquisite.

Testi di riferimento

Materiale didattico e libri messi a disposizione dal docente.

Codice insegnamento 37871

FUNDAMENTALS OF PARTIAL DIFFERENTIAL EQUATIONS AND NUMERICAL METHODS 1° anno · 1° semestre · 6 CFU · MATH-05/A · 0 file

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS MATHEMATICAL MODELLING - I4YR) ------------------------------------------------------------ -- ------------------------------------------------------------ Modulo: DT1289 - Fundamentals of Numerical Analysis (mutua dall'attività formativa Advanced Numerical Analysis mod. II - DT0946 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Il corso si propone di introdurre la teoria e i metodi moderni relativi alla risoluzione numerica di equazioni alle derivate parziali (PDE), all'ottimizzazione e all'approssimazione. Vengono formulati i problemi, presentati i metodi principali e analizzati aspetti quali precisione, convergenza e stabilità; vengono inoltre prese in esame diverse applicazioni.

Programma

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS MATHEMATICAL MODELLING - I4YR) ------------------------------------------------------------ -- ------------------------------------------------------------ Modulo: DT1289 - Fundamentals of Numerical Analysis (mutua dall'attività formativa Advanced Numerical Analysis mod. II - DT0946 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ 1. Soluzioni numeriche di equazioni non lineari. Principio di contrazione e metodo di Newton. 2. Ottimizzazione non regolare. Applicazioni nella modellistica, nella dinamica di popolazioni a matrice e nel ranking di pagine web. 3. La "maledizione della dimensionalità" nei problemi numerici e come superarla. 4. Il concetto di "black-box" e l'ottimizzazione strutturale. 5. Ottimizzazione unidimensionale: metodi di bisezione, della sezione aurea e di Fibonacci. 6. Metodi randomizzati. Algoritmo Hit-and-run. 7. Rilassamento del gradiente. 8. Metodi numerici per ODE e PDE. Schemi alle differenze finite. Problemi di convergenza e stabilità. 9. Metodo degli elementi finiti. Metodi di Galerkin e wavelet-Galerkin. 10. Metodo di Fourier. Trasformata Veloce di Fourier (FFT). 11. Formulazione del problema di approssimazione numerica. Approssimazione uniforme di Chebyshev. Alternanza. Sistemi di Haar. Algoritmo di Remez. 12. Approssimazione in L2. Polinomi ortogonali. 13. Approssimazione polinomiale su nodi uniformi e di Chebyshev. Approssimazione razionale. 14. Approssimazione mediante spline. Spline di Hermite e B-spline.

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS MATHEMATICAL MODELLING - I4YR) ------------------------------------------------------------ -- ------------------------------------------------------------ Modulo: DT1289 - Fundamentals of Numerical Analysis (mutua dall'attività formativa Advanced Numerical Analysis mod. II - DT0946 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ I contenuti dei corsi di analisi di base (calcolo differenziale ed integrale per funzioni di più variabili). Equazioni differenziali ordinarie e con derivate parziali. Algebra lineare.

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS MATHEMATICAL MODELLING - I4YR) ------------------------------------------------------------ -- ------------------------------------------------------------ Modulo: DT1289 - Fundamentals of Numerical Analysis (mutua dall'attività formativa Advanced Numerical Analysis mod. II - DT0946 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Lezioni frontali, immagini illustrative e grafici nel proiettore, compiti a casa inviati via email. Analisi delle soluzioni del compito a casa in classe, discussioni interattive.

Modalità d'esame

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS MATHEMATICAL MODELLING - I4YR) ------------------------------------------------------------ -- ------------------------------------------------------------ Modulo: DT1289 - Fundamentals of Numerical Analysis (mutua dall'attività formativa Advanced Numerical Analysis mod. II - DT0946 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ Esame scritto

Testi di riferimento

------------------------------------------------------------ Modulo: DT1288 - Fundamentals of Partial Differential Equations (mutua dall'attività formativa Applied partial differential equations - I0183 del CdS MATHEMATICAL MODELLING - I4YR) ------------------------------------------------------------ -- ------------------------------------------------------------ Modulo: DT1289 - Fundamentals of Numerical Analysis (mutua dall'attività formativa Advanced Numerical Analysis mod. II - DT0946 del CdS MATEMATICA - F4MR) ------------------------------------------------------------ 1. J.R.Chasnov, Numerical Methods and Optimization, 2012 2. S.Boyd, L.Vandenberghe, Convex Optimization. 3. A.Quarteroni, Numerical Models for Differential Problems, 2014 4. L.N.Trefethen, Approximation theory and approximation practice, 2019

Codice insegnamento 41872

GERMAN LANGUAGE COURSE 1° anno · 5 CFU · 0 file
HYBRID SYSTEMS CONTROL AND SIMULATION 1° anno · 2° semestre · 5 CFU · IINF-04/A · 0 file

L’obiettivo del corso è di fornire agli studenti gli strumenti per la modellistica, il controllo e la simulazione di sistemi comprendenti l’integrazione di componenti continue (descritte da equazioni differenziali) e…

Scheda dell'insegnamento

Obiettivi formativi

L’obiettivo del corso è di fornire agli studenti gli strumenti per la modellistica, il controllo e la simulazione di sistemi comprendenti l’integrazione di componenti continue (descritte da equazioni differenziali) e discrete (descritte da automi a stati finiti). Tali sistemi si incontrano in applicazioni avanzate quali il controllo automotive, le smart grids, il controllo del traffico autonomo, i sistemi ​​​​​​​bioogici.

Programma

Uso dei sistemi ibridi per la progettazione di sistemi di controllo, con particolare enfasi su sistemi di “cyber-physical” e distribuiti.-Modellistica: Automi a stati finiti deterministici e non deterministici. Transition systems. Timed Automata. Automi ibridi. Sistemi a commutazione. Sistemi ibridi. Proprietà di sicurezza, liveness, deadlocks.-Stabilità di sistemi a commutazione.-Analisi e Controllo: Raggiungibilità e controllo con vincoli di sicurezza, simulazioni e bisimulazioni.Astrazioni e verifica per astrazione.Osservabilità e osservatori ibridi.Problemi di security e proprietà di resilienza ad attacchi malevoli.Modelli simbolici e metodi formali per il controllo e la verifica di specifiche.Metodi di simulazione di sistemi ibridi.-Applicazioni: controllo autonomo di veicoli, controllo di veicoli elettrici, micro-grids, sistemi biologici.

Nessuno

Lezioni frontali sulla modellistica e controllo di sistemi ibridi, accompagnate da esercitazioni.È possibile svolgere tesi di laurea magistrale anche in ambito industriale o all’estero.

Modalità d'esame

La verifica finale è costituita da un esame scritto della durata di due ore sugli argomenti del corso, e da una prova orale sugli argomenti del corso per accertare il livello di comprensione e di giudizio raggiunto.

Testi di riferimento

-J. Lygeros, Lecture Notes on Hybrid Systems, Notes for an ENSIETA short course, Feb 2004.http://robotics.eecs.berkeley.edu/~sastry/ee291e/lygeros.pdf-S. Sastry, C. Tomlin “Hybrid Systems: Computation and Control”, EECS291e and ME290qhttp://inst.eecs.berkeley.edu/~ee291e/sp09/handouts/book.pdf-D. Liberzon, Switching in systems and control. Birkhauser, 2003.-E. De Santis, M.D. Di Benedetto, Observability of Hybrid Dynamical Systems, Foundations and Trends in Systems and Control, Vol. 3, No. 4 (2016) 363–540, 2016.-E. De Santis, M.D. Di Benedetto, H-Systems: Observability, Diagnosability, and Predictability of Hybrid Dynamical Systems, Springer, 2023, https://doi.org/10.1007/978-3-031-20447-0.-M.D. Di Benedetto, G. Pola, A. Borri, P. Pepe, Lecture Notes from SIDRA – Bertinoro, July 2017

Codice insegnamento 36995

IDENTIFICATION AND MACHINE LEARNING FOR CONTROL SYSTEMS 1° anno · 1° semestre · 12 CFU · IINF-04/A · 0 file

Modulo di “Identificazione dei sistemi e analisi dei dati” L’obiettivo di questo modulo è di avviare gli studenti allo studio delle tecniche di analisi dei dati e di stima stocastica, e in particolar modo di…

Scheda dell'insegnamento

Obiettivi formativi

Modulo di “Identificazione dei sistemi e analisi dei dati” L’obiettivo di questo modulo è di avviare gli studenti allo studio delle tecniche di analisi dei dati e di stima stocastica, e in particolar modo di identificazione dei modelli di sistemi dinamici e della stima dello stato mediante tecniche di filtraggio. Al completamento del corso lo studente sarà in grado di formulare e analizzare problemi di stima e di identificazione di modelli dinamici sulla base di misure affette da rumore stocastico, e di proporre diversi tipi di soluzioni. Inoltre, sarà in grado di proporre soluzioni a problemi di analisi e compressione dei dati, e di riconoscimento di pattern. Le conoscenze acquisite in questo insegnamento andranno ad aumentare le competenze e le abilità dello studente nelle attività di modellistica, simulazione e progetto di sistemi di controllo, nonché nell’analisi dei dati. Modulo di “Machine Learning”: L'obiettivo di questo modulo è fornire le motivazioni, le definizioni e le tecniche per l'acquisizione e la manipolazione dei dati provenienti da sistemi di automazione in rete, al fine di derivare, mediante tecniche di Machine Learning, modelli predittivi, ed utilizzare tali modelli per gestire risorse in modo dinamico ed ottimo.

Programma

Modulo di “Identificazione dei sistemi e analisi dei dati” - Richiami di algebra lineare: vettori, matrici, sottospazi. Quattro sottospazi fondamentali associati a una matrice, pseudo-inversa, proiezioni. Richiami di Calcolo delle Probabilità: eventi, variabili aleatorie, distribuzioni di probabilità, momenti di variabili aleatorie; la distribuzione Gaussiana multivariabile; probabilità condizionata e condizionamento, indipendenza tra eventi e tra variabili aleatorie. Calcolo del valore atteso condizionato nel caso gaussiano. Lo spazio di Hilbert delle variabili aleatorie con varianza finita; valore atteso condizionato e proiezione. - La decomposizione ai valori singolari di una matrice e la sua relazione con pseudo-inversa e quattro sottospazi fondamentali associati alla matrice. Fattorizzazione QR. Prime applicazioni all'analisi dei dati e alla compressione dei dati: approssimazione a basso rango di una matrice, teorema di Eckart–Young–Mirsky. - Soluzioni approssimate e a norma minima per sistemi lineari sovradeterminati e sottodeterminati tramite il metodo dei minimi quadrati ordinari. Interpretazione geometrica dei minimi quadrati. Applicazioni al fitting dei dati: stima di funzioni lineari e non lineari dai dati mediante regressione. - Teoria della stima: concetti base sulla stima, fenomeni reali e i loro modelli, raccolta dei dati, set di dati per l'addestramento e il test, validazione del modello. Stima di minima varianza dell’errore e valore atteso condizionato nel caso generale e nel caso Gaussiano; stima ottima e subottima mediante proiezioni. Stima di massima probabilità a posteriori e stima di massima verosimiglianza. Stima dei parametri di una distribuzione; esempi gaussiani. Stima di Markov. - Richiami sui sistemi dinamici lineari: modelli tempo-invarianti; risposta impulsiva e matrice di trasferimento. Proprietà strutturali (osservabilità, controllabilità), stabilità. - Sistemi dinamici stocastici e filtro di Kalman: rumore bianco e modello di generazione del segnale; sistemi stocastici lineari a tempo discreto; processi di innovazione dello stato e dell’uscita; le equazioni ricorsive dello stimatore ottimo (filtro di Kalman); calcolo ricorsivo della covarianza dell'errore di stima e del guadagno del filtro (equazioni di Riccati). Predittore ottimo; interpolatore ottimo mediante lo stato esteso. Cenno sui sistemi stocastici a tempo continuo con osservazioni discrete. Cenni alla soluzione stazionaria delle equazioni e al filtro di Kalman stazionario. Stima dello stato nei sistemi non lineari: il filtro di Kalman esteso. Note sulla stima parametrica dei sistemi stocastici con la massima verosimiglianza. - Risultati classici nell'identificazione dei sistemi: panoramica dei metodi basati sull’errore di predizione (PEM) per modelli in forma ingresso-uscita (Box-Jenkins, ARMAX, ARX). Soluzione ai minimi quadrati per modelli ARX. - Identificazione ai sottospazi: il metodo Ho-Kalman per la realizzazione deterministica di risposte impulsive. Ho-Kalman rivisitato (ingressi generali, rumore di misura). Metodi ai sottospazi: l'algoritmo MOESP per sistemi con uscita corrotta da rumore bianco. Riduzione dell'ordine di un modello mediante realizzazione troncata. Modulo Machine Learning: Questo modulo copre i fondamenti di tecniche di analisi dei dati, di Machine Learning e di Model Predictive Control per il monitoraggio e la gestione di sistemi di automazione in rete. Si forniranno innanzitutto le nozioni di base di tecniche, basate su Machine Learning, sfruttate per estrarre un modello predittivo di un sistema. Quindi, si forniranno le nozioni di base della teoria del controllo ottimo, quali la definizione e interpretazione di un problema di ottimizzazione con funzione di costo quadratica e vincoli affini e quadratici, la conoscenza delle tecniche e tools esistenti per la soluzione e la loro complessità computazionale, e l’integrazione dei modelli predittivi su descritti come vincoli di tali problemi di ottimizzazione. Infine, si mostrerà con esempi simulativi in Matlab come applicare le tecniche introdotte nel corso ai problemi di modellazione e controllo di sistemi di automazione in rete. Nel dettaglio, il modulo è organizzato come segue: Introduzione su raccolta e pre-processamento dati, su classi di modelli, funzioni di costo, esercitazioni su Matlab. Elementi di ottimizzazione convessa, richiami di controllo ottimo, (approfondimenti di) Model Predictive Control, esercitazioni su Matlab. Introduzione al Machine Learning, percettrone, Support Vectors Machines. Modelli e tecniche di regressione: AutoRegressive eXogenous (ARX) models, Regression trees, Random forests, esercitazioni su Matlab. Elementi di Artificial Neural Networks, esercitazioni su Matlab. Algoritmi di identificazione e MPC basati su modelli ottenuti da tecniche di Machine Learning, esercitazioni Matlab. Esercitazioni su Matlab con applicazione su data-set reali: costruzione di modelli predittivi e loop di controllo.

Matematica: teoria della probabilità, analisi matriciale, calcolo integro-differenziale. Informatica: fondamenti di programmazione. Automatica: conoscenze delle tecniche di analisi e controllo di sistemi lineari e non lineari. Modulo machine learning: Teoria dei Sistemi, Analisi ed Elaborazione dei segnali

Modulo di “Identificazione dei sistemi e analisi dei dati” - Lezioni frontali di teoria; - Attività relative all’applicazione della teoria a situazioni pratiche: proposizione di esercizi e problemi da svolgere in classe. Modulo Machine Learning: Lezioni teoriche, esercitazioni Matlab

Modalità d'esame

Modulo di “Identificazione dei sistemi e analisi dei dati” All’inizio del corso: verifica informale dei prerequisiti mediante discussione e domande in classe. In itinere: proposta di esercizi e problemi da svolgere e risolvere in classe, nel corso delle lezioni. Esame finale:colloquio orale composto da: (A) domande volte a verificare la comprensione dei contenuti del corso; (B) proposte di problemi e situazioni pratiche atti a valutare la capacità degli studenti di applicare le metodologie apprese. Le parti (A) e (B) concorrono, rispettivamente, per circa il 70% e il 30% alla formazione del voto finale. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente (18-23): lo studente conosce le tematiche svolte nel corso, ma non in modo approfondito (non è pronto nei collegamenti e nell’applicazione delle metodologie, ha una conoscenza superficiale dei passaggi matematici); adeguata/buona (24-27): buona conoscenza delle tematiche svolte nel corso, sa fare collegamenti e sa motivare, del tutto o in parte, le metodologie apprese. Sa applicare le metodologie apprese se indirizzato; approfondita (28-30 L): conoscenza approfondita delle tematiche svolte nel corso, sa fare collegamenti, sa motivare efficacemente le metodologie e le sa applicare in modo autonomo a problemi specifici. Modulo Machine Learning: La verifica dell’apprendimento è costituita da una prova orale e dalla discussione di una tesina preparata dallo studente e i cui argomenti saranno preventivamente concordati con il docente. Il voto finale dipenderà per l'80% dalla prova orale e per il 20% dalla discussione della tesina. L’attribuzione del voto rifletterà i seguenti tre livelli di preparazione: - sufficiente: conoscenza base delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; - buona: conoscenza avanzata delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; capacità di impostare formalmente un problema di controllo relativo ad una rete di telecomunicazioni; - eccellente: conoscenza avanzata, con approfondimenti tecnici, delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; capacità di impostare formalmente un problema di controllo relativo ad una rete di telecomunicazioni, e di confrontare e scegliere in modo adeguato le varie tecniche in modo coerente al problema specifico.

Testi di riferimento

Modulo di “Identificazione dei sistemi e analisi dei dati” - M. Dalla Mora, A. Germani, C. Manes: Introduzione alla Teoria dell'Identificazione dei Sistemi; EUROMA-La Goliardica (1997). - M. Verhaegen, V. Verdult: Filtering and System Identification; Cambridge University Press (2012). - Balakrishnan, A.V. Kalman Filtering Theory. Optimization Software, Inc .(1984). Modulo Machine Learning: - Slides del corso. - Book 1: Christopher M. Bishop. Pattern Recognition And Machine Learning - Springer-Verlag New York 2006 - Book 2: Trevor Hastie, Robert Tibshirani and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series In Statistics, 2009 - Book 3: Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, Cambridge, MA, 2018

Codice insegnamento 40627

INDUSTRIAL COMMUNICATIONS 1° anno · 2° semestre · 9 CFU · IINF-03/A · 0 file

L'obiettivo di questo modulo è fornire l'insieme fondamentale di concetti e tecniche che riguardano le comunicazioni negli scenari industriali.​​​​​​​

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo di questo modulo è fornire l'insieme fondamentale di concetti e tecniche che riguardano le comunicazioni negli scenari industriali.​​​​​​​

Programma

Concetti di base sulle reti di telecomunicazioni. Il modello ISO/OSI e il networking basato su TCP/IP. Protocolli di accesso multipli, programmati vs. accesso basato sulla contesa. Principali aspetti dei sistemi radiomobili e loro evoluzioni. Controller area networks (CAN bus). Standard cablati per l'automazione industriale (inclusi HART e Fieldbus). Standard wireless per l'automazione industriale (inclusi WirelessHART e 802.15.4). Comunicazioni veicolari e V2X. 5G industriale e comunicazioni ultra affidabili a bassa latenza (URLLC). Progettazione cross-layer di comunicazione e controllo. Laboratorio di comunicazioni industriali

Sebbene i prerequisiti formali non siano definiti, il corso richiede la conoscenza dei concetti di base della teoria dei segnali e dell'elaborazione dei segnali e dei fondamenti dei sistemi di comunicazione e dell'internetworking.

Lezioni frontali e sessioni pratiche al computer e in laboratorio.

Modalità d'esame

Esame orale con domande su tutto il programma del corso. Preparazione di una relazione su uno degli esperimenti di laboratorio svolti a lezione. Il voto finale conseguito è calcolato considerando un peso pari al 60% alla prova orale e 40% alla relazione.L’attribuzione del voto rifletterà i seguenti livelli di preparazione: < 18 insufficiente: Conoscenze frammentarie e superficiali dei contenuti, errori nell’applicare i concetti, esposizione carente. 18 – 20: Conoscenze dei contenuti sufficienti ma generali, esposizione semplice, incertezze nell’applicazione di concetti teorici. 21 – 23: Conoscenze dei contenuti appropriate ma non approfondite, capacità di applicare i concetti teorici, capacità di presentare i contenuti in modo semplice. 24 – 25: Conoscenze dei contenuti appropriate ed ampie, discreta capacità di applicazione delle conoscenze, capacità di presentare i contenuti in modo articolato. 26 – 27: Conoscenze dei contenuti precise e complete, buona capacità di applicare le conoscenze, capacità di analisi, esposizione chiara e corretta. 28 – 29: Conoscenze dei contenuti ampie, complete ed approfondite, buona applicazione dei contenuti, buona capacità di analisi e di sintesi, esposizione sicura e corretta.​​​​​​​ 30 - 30 e lode: Conoscenze dei contenuti molto ampie, complete ed approfondite, capacità ben consolidata di applicare i contenuti, ottima capacità di analisi, di sintesi e di collegamenti interdisciplinari, padronanza di esposizione

Testi di riferimento

Testo raccomandato: Bogdan M. Wilamowski & J. David Irwin. Industrial Communication Systems (The Industrial Electronics Handbook). 2nd edition. CRC Press, 2011. Altri testi: Henning Trsek. Isochronous wireless network for real-time communication in industrial automation. Springer, 2016. Nurul Huda Mahmood, Nikolaj Marchenko, Mikael Gidlund, & Petar Popovski. Wireless Networks and Industrial IoT. Springer, 2021. Dispense prodotte dai docenti saranno disponibili per gli studenti

Codice insegnamento 38957

INSTRUMENTATION FOR CONTROL OF ENERGY SYSTEMS 1° anno · 2° semestre · 6 CFU · IINF-04/A · 0 file

L’intervento formativo è finalizzato all'acquisizione di conoscenze e competenze necessarie per l'utilizzo di sistemi avanzati per l’acquisizione dati e i sistemi di automazione e controllo in impianti industriali…

Scheda dell'insegnamento

Obiettivi formativi

L’intervento formativo è finalizzato all'acquisizione di conoscenze e competenze necessarie per l'utilizzo di sistemi avanzati per l’acquisizione dati e i sistemi di automazione e controllo in impianti industriali complessi del settore energetico (differenze tra componenti analogici e digitali, approccio al progetto, normative di riferimento, stato dell’arte della ricerca in particolari settori).

Programma

1. Introduzione ai sistemi di controllo industriale per impianti e infrastrutture complesse Perché un impianto deve essere monitorato? Perché deve essere controllato? La risposta a queste domande ci porta a introdurre i concetti di sensori e attuatori, di controllo a ciclo chiuso e di sicurezza. I sistemi I&C saranno introdotti sulla base delle loro caratteristiche fisiche, funzionali e prestazionali nell’intero loro ciclo di vita (dal progetto alla manutenzione e sostituzione). Saranno anche introdotte le sfide che dovranno essere affrontate dal mondo della ricerca e da quello industriale per valutare quali tecnologie impiegare nei prossimi anni. 2. Sistemi I&C analogici Saranno illustrati i concetti di base, insieme a qualche esempio applicativo, dei principali componenti e sistemi analogici: segnali analogici, acquisizione tramite sensori, controllo tramite attuatori. Circuiti elettronici analogici attivi e passivi. Condizionamento del segnale e controllo della potenza. Cablaggio e problematiche di cable aging. Regolatori PID. Limiti dei sistemi analogici. 3. Sistemi I&C digitali Approccio critico a componenti e sistemi digitali: perché e quando è necessario rimpiazzare i componenti analogici con quelli digitali? Sensori e attuatori digitali. Conversione dei segnali da analogici a digitali e da digitali ad analogici. Concetti di base del digital signal processing e del real time computing. 4. Sistemi di interfaccia uomo-macchina Passaggio analogico-digitale delle interfacce uomo-macchina negli impianti industriali. Nuovi concetti introdotti grazie alle tecnologie analogiche. Nuove consolle per operatori che implementano caratteristiche innovative. Problemi di guasto di modo comune. Affidabilità del software. Sistemi di monitoraggio on line. 5. Strumentazione principale Introduzione ai principali tipi di sensori/trasduttori e attuatori: Movimento/velocità (potenziometri, estensimetri, capacitivi, induttivi, ottici, encoder, accelerometri); Temperatura (termometri, termocoppie, termistori, termoresistenze, pirometri); Pressione (manometri, diaframma, soffietto, Bourdon, estensimetri); Portata (Venturi, Pitot, orifizio tarato, boccaglio, turbina, ultrasonici, a vortice, coriolis); Livello (galleggiamento e spostamento, differenza di pressione, ottici, sonde conduttive e capacitive, ultrasuoni, EM). Accanto alla teoria verranno forniti esempi e applicazioni operative nel campo industriale e della ricerca. 6. Tecnologie di strumentazione e controllo Saranno introdotte le tecnologie per la strumentazione e il controllo, dai classici PLC alle più nuove piattaforme basate su FPGA. Descrizione della tecnologia FPGA e delle sue applicazioni in particolari contesti. Confronto con tecnologia CPU e tecnologie ibride. Vantaggi e limiti delle FPGA. Esempi applicativi. Approccio hardware-in-the-loop per il progetto di sistemi di controllo: importanza della simulazione a supporto del progetto. Misura della velocità di propagazione dei segnali in cavi elettrici e tecniche di valutazione dell’invecchiamento dei cavi. L’argomento sarà supportato da esempi applicativi ed esercitazioni con la strumentazione.

Il corso ha carattere trasversale in quanto si situa all’interfaccia tra varie discipline come la fisica, l’elettronica, l’automatica e l’energetica. Si assumono note le basi di tali discipline, che saranno comunque richiamate laddove necessario.

  • Lezioni frontali di teoria; - Applicazioni della teoria a problemi pratici: proposizione di esercizi e problemi da svolgere in classe; - Esercitazioni e dimostrazioni in laboratorio.

Modalità d'esame

  • Verifica informale dei prerequisiti mediante discussione e domande in classe; - Assegnazione di esercizi da svolgere e problemi da risolvere in classe, nel corso delle lezioni; - Assegnazione di lavori a casa (tesine) sugli argomenti trattati durante il corso con l’obiettivo di realizzare lavori a carattere applicativo in modo autonomo; - Esame finale orale, composto di domande di teoria volte a verificare l’acquisizione dei contenuti del corso, e da esercizi atti a valutare la capacità degli studenti di applicare le metodologie apprese nella soluzione di problemi pratici, eventualmente presentate nella modalità “tesina di approfondimento”.

Testi di riferimento

Testi di riferimento 1. Mauro Cappelli (ed.), Instrumentation and Control Systems for Nuclear Power Plants, Elsevier, 2022 2. William Bolton, Instrumentation and Control Systems, 3rd Edition, Elsevier, 2021. 3. Note fornite dal docente. Testi di approfondimento 1. K Padma Raju, Y J Reddy, “Instrumentation and Control Systems”, McGraw Hill Education1st Edition, 2016. 2. K Singh, “Industrial Instrumentation and Control”, McGraw Hill Education, 3rd Edition, 2015. 3. C. Bonivento, L. Gentili, A. Paoli, Sistemi di automazione industriale”, McGraw‐Hill, 2011. 4. B. A. Forouzan, F. Mosharraf. Reti di calcolatori. McGraw Hill, II ed. 2022.

Codice insegnamento 37873

ITALIAN LANGUAGE COURSE 1° anno · 2° semestre · 5 CFU · 0 file

Il corso ha lo scopo di fornire allo studente la conoscenza della lingua italiana a livello A1 (principiante). Il corso si concentrerà sui quattro aspetti della comunicazione: saper ascoltare, parlare, leggere,…

Scheda dell'insegnamento

Obiettivi formativi

Il corso ha lo scopo di fornire allo studente la conoscenza della lingua italiana a livello A1 (principiante). Il corso si concentrerà sui quattro aspetti della comunicazione: saper ascoltare, parlare, leggere, scrivere ad un livello base. Una particolare attenzione sarà dedicata alla corretta pronuncia dell’italiano. Lo scopo dell’insegnamento è, inoltre, rendere in grado gli studenti di: - sviluppare la competenza linguistica richiesta per comunicare in italiano ad un livello A1; - sviluppare la consapevolezza della natura della lingua e dell’apprendimento linguistico; - sviluppare competenze trasferibili; - costruire una solida base delle competenze, della lingua e delle attitudini necessarie per l'avanzamento al lavoro o per ulteriori studi, sia in italiano che in un'altra area disciplinare.

Programma

Gli studenti dovranno dimostrare di conoscere e capire le aree tematiche di seguito elencate che forniscono contesti di acquisizione del vocabolario e lo studio della grammatica e delle sue strutture. AMBITI LESSICALI - Abbigliamento e accessori; - colori; - paesi, nazionalità e lingue; - cultura, tradizioni e festività; - istruzione; - famiglia e amici; - sentimenti ed emozioni; - cibi e bevande; - interessi, sport e attività; - lavoro; - misure per esempio taglia, forma, peso; - numeri (cardinali, ordinali) and soldi; - stanze e arredamento; - negozi e luoghi; - indicazioni stradali; - il corpo umano e la salute e.g. parti del corpo, salute e malattia; - espressioni di tempo e.g. dire l’ora, data, giorni della settimana, mesi, stagioni; - viaggi e trasporti; - il tempo. SILLABO FUNZIONALE - Accettare/ ringraziare; - fare domanda per lavoro; - chiedere informazioni personali; - chiedere permesso; - fare acquisti, chiedere il prezzo; - descrivere persone e oggetti; - esprimere opinioni; - dare istruzioni; - salutare e presentarsi; - invitare; rifiutare un invito; - dare consigli; - fare una richiesta, un’offerta; - parlare di gusti, preferenze; - parlare della routine; - dire l’ora. SILLABO DELLE STRUTTURE MORFOSINTATTICHE - Suoni and spelling; - nomi: genere e numero; - nomi con plurale irregolare; - articolo determinativo; - articolo indeterminativo; - aggettivi, primo e secondo gruppo, posizione degli aggettivi; - il Lei di cortesia; - pronomi soggetto, diretti e indiretti; - aggettivi possessivi; -preposizioni semplici e articolate; - interrogativi; - avverbi; - Presente indicative dei verbi regolari e ir prossimo e qualche verbo con il participio passato irregolare. regolari; - verbi modali e il verbo sapere; - passato prossimo e principali participi passati irregolari.

Nessun prerequisito richiesto

Lezioni frontali. Il metodo di insegnamento è basato sull’approccio comunicativo che si avvale di situazioni di vita reale per comunicare. Quando gli apprendenti sono coinvolti in una comunicazione reale, verranno utilizzate le loro strategie naturali di acquisizione linguistica e ciò gli permetterà di apprendere l’uso della lingua. Consolidamento ed estensione di forme e strutture grammaticali. Estensione del vocabolario, lettura di testi autentici tratti da libri di testo, giornali e Internet. Compiti scritti. Comprensione della lettura. Interazione orale: discussione su contenuti legati alla vita quotidiana. Attività di ascolto. Compiti a casa.

Modalità d'esame

L'esame consiste in una prova scritta e in una prova orale. Per sostenere la prova orale è necessario superare la prova scritta (voto minimo 18/30). La prova scritta si compone di 4 parti: - ascoltare, comprendere e rispondere a domande riguardanti un breve testo orale (domande vero/falso; risposte a scelta multipla). - leggere, comprendere e rispondere a domande riguardanti un breve testo; (domande a scelta multipla e corrispondenti, nonché domande che richiedono risposte brevi). - attività ed esercizi di grammatica e vocabolario (riempire gli spazi vuoti ecc.) - scrivere un breve messaggio, compilare un modulo, scrivere una e-mail, una lettera ecc. Esame orale: La parte orale consiste in conversazioni su argomenti quotidiani, opinioni e sentimenti.

Testi di riferimento

"Dieci A1" - Alma edizioni, Firenze 2019. “New Italian grammar in practice”, Alma edizioni, Firenze 2015.

Codice insegnamento 37587

MACHINE LEARNING FOR AUTONOMOUS SYSTEMS 1° anno · 4 CFU · IINF-04/A · 0 file
MECHATRONICS 1° anno · 6 CFU · IIND-02/A · 0 file

Il corso di Mechatronics basa i suoi contenuti sui dispositivi meccanicoelettronici impiegati nell’automazione industriale, le loro caratteristiche funzionali e la loro modellazione. Particolare attenzione sarà posta…

Scheda dell'insegnamento

Obiettivi formativi

Il corso di Mechatronics basa i suoi contenuti sui dispositivi meccanicoelettronici impiegati nell’automazione industriale, le loro caratteristiche funzionali e la loro modellazione. Particolare attenzione sarà posta sull’attuazione, sulla componentistica di misura e sui sistemi di interfaccia. Il corso prevede esperienze di laboratorio e di modellazione tramite software per coniugare le conoscenze teoriche con applicazioni simulate e reali. Dopo aver superato l’esame, lo studente sarà in grado di comprendere un sistema meccatronico, quindi di analizzarlo sistematicamente ed infine di progettarlo, includendo il sistema di controllo.

Programma

  • Definizione di un sistema meccatronico e dei suoi componenti: attuatori, trasduttori, sistemi di interfaccia e di controllo; - Tipi di attuazione e criteri di scelta: elettrici e pneumatici; - Tipi di trasduttori (meccanici, ottici, pneumatici, elettrici, induttivi, capacitivi, resistivi, piezoelettrici, a effetto Hall), caratteristiche statiche (sensibilità, accuratezza, linearità, risoluzione e isteresi) e caratteristiche dinamiche (costante di tempo, tempo di risposta, banda passante e risposta in frequenza); - Criteri di scelta di un trasduttore all’interno di un dispositivo automatico; - Sistemi di interfaccia nell’automazione a fluido: valvole digitali e proporzionali (in portata e in pressione) a relative tecniche di comando; - Modellazione di dispositivi in sistemi meccatronici; - Applicazione del controllo analogico e digitale in sistemi meccatronici; - Acquisizione di dati di segnali analogici, conversione A/D e D/A . Schede di acquisizione dati, controllori logici programmabili e bus di campo nell’ambito di Industry 4.0; - Controlli di sistemi meccatronici: controllo di posizione, di forza e di pressione.

Sono richieste le conoscenze di base di Meccanica Applicata, di Controlli Automatici e di Elettrotecnica

Lezioni in aula e attività laboratoriali e pratiche in gruppi di lavoro con la presentazione finale di una relazione scritta.

Modalità d'esame

L’esame finale si svolge in 2 fasi: la prima consiste nella presentazione e discussione del progetto di laboratorio svolto dal gruppo di studenti; la seconda consiste in una prova scritta sugli argomenti del corso. Nella prima fase, che consta di un paio di domande orali, lo studente dovrà dimostrare la capacità di eseguire prove sperimentali, di utilizzare i dispositivi meccatronici e i sistemi di misura, di analizzare i dati sperimentali e modellare i sistemi meccatronici. Nella seconda fase, che consta di un paio di domande scritte, lo studente dovrà dimostrare di essere in grado di concepire e progettare un sistema meccatronico sulla base di specifiche tecniche fornite dal docente. Il voto finale conseguito è calcolato considerando un peso del 70% alla prova orale/scritta /presentazione/discussione, del 25% al coinvolgimento nelle attività laboratoriali e 5% alla relazione finale.

Testi di riferimento

  • Bishop R. H., The Mechatronics Handbook, CRC Press, 2002; - Nordmann R., Birkhofer H., Elementi di machine e meccatronica, McGraw-Hill, 2006; - Sorli, M., Quaglia, G., Applicazioni di Meccatronica, CLUT, 1996; - Sabri Cetinkunt, Mechatronics with Experiments, Wiley, 2015; - William Bolton, Mechatronics - Electronic Control Systems in Mechanical and Electrical Engineering, Pearson, 2015.

Codice insegnamento 38954

MODULE OF SCIENTIFIC RESEARCH II 1° anno · 10 CFU · IINF-04/A · 0 file
NONLINEAR CONTROL SYSTEMS 1° anno · 1° semestre · 5 CFU · IINF-04/A · 0 file

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per alcune classi rilevanti di tali sistemi. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori per la stabilizzazione di sistemi non lineari e per l’inseguimento di traiettorie desiderate.

Programma

Introduzione ai sistemi non lineari ed esempi. Proprietà fondamentali: esistenza e unicità, dipendenza continua da condizioni iniziali e parametri. Derivabilità delle soluzioni ed equazioni di sensibilità. Principio di confronto. Stabilità di Lyapunov di sistemi autonomi e non autonomi. Il principio di invarianza. Sistemi lineari e linearizzazione. Teorema della varietà centrale. Teoremi inversi. Sistemi perturbati e ultima limitatezza. Stabilità ingresso-stato. Alcune tecniche di progettazione: teoria della regolazione (introduzione), stabilizzazione tramite linearizzazione, backstepping, controllo sliding-mode.

Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato).

Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative. È possibile il coinvolgimento in attività di ricerca e di tesi all’estero.

Modalità d'esame

Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%).

Testi di riferimento

1. H.K. Khalil, Nonlinear Systems, Third Edition 2002, Prentice Hall, Upper Saddle River, New Jersey, USA. 2. A. Isidori, Nonlinear Control Systems, Springer-Verlag, London, UK, 1995. 3. Note fornite dal docente.

Codice insegnamento 37588

NONLINEAR CONTROL SYSTEMS 1° anno · 1° semestre · 3 CFU · IINF-04/A · 0 file

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per alcune classi rilevanti di tali sistemi. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori per la stabilizzazione di sistemi non lineari e per l’inseguimento di traiettorie desiderate.

Programma

Introduzione ai sistemi non lineari ed esempi. Proprietà fondamentali: esistenza e unicità, dipendenza continua da condizioni iniziali e parametri. Derivabilità delle soluzioni ed equazioni di sensibilità. Principio di confronto. Stabilità di Lyapunov di sistemi autonomi e non autonomi. Il principio di invarianza. Sistemi lineari e linearizzazione. Teorema della varietà centrale. Teoremi inversi. Sistemi perturbati e ultima limitatezza. Stabilità ingresso-stato. Alcune tecniche di progettazione: teoria della regolazione (introduzione), stabilizzazione tramite linearizzazione, backstepping, controllo sliding-mode.

Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato).

Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative. È possibile il coinvolgimento in attività di ricerca e di tesi all’estero.

Modalità d'esame

Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%).

Testi di riferimento

1. H.K. Khalil, Nonlinear Systems, Third Edition 2002, Prentice Hall, Upper Saddle River, New Jersey, USA. 2. A. Isidori, Nonlinear Control Systems, Springer-Verlag, London, UK, 1995. 3. Note fornite dal docente.

Codice insegnamento 39612

NONLINEAR CONTROL SYSTEMS 1° anno · 1° semestre · 5 CFU · IINF-04/A · 0 file

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per alcune classi rilevanti di tali sistemi. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori per la stabilizzazione di sistemi non lineari e per l’inseguimento di traiettorie desiderate.

Programma

Introduzione ai sistemi non lineari ed esempi. Proprietà fondamentali: esistenza e unicità, dipendenza continua da condizioni iniziali e parametri. Derivabilità delle soluzioni ed equazioni di sensibilità. Principio di confronto. Stabilità di Lyapunov di sistemi autonomi e non autonomi. Il principio di invarianza. Sistemi lineari e linearizzazione. Teorema della varietà centrale. Teoremi inversi. Sistemi perturbati e ultima limitatezza. Stabilità ingresso-stato. Alcune tecniche di progettazione: teoria della regolazione (introduzione), stabilizzazione tramite linearizzazione, backstepping, controllo sliding-mode.

Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato).

Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative. È possibile il coinvolgimento in attività di ricerca e di tesi all’estero.

Modalità d'esame

Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%).

Testi di riferimento

1. H.K. Khalil, Nonlinear Systems, Third Edition 2002, Prentice Hall, Upper Saddle River, New Jersey, USA. 2. A. Isidori, Nonlinear Control Systems, Springer-Verlag, London, UK, 1995. 3. Note fornite dal docente.

Codice insegnamento 37593

NONLINEAR SYSTEMS 1° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per…

Scheda dell'insegnamento

Obiettivi formativi

Lo scopo del corso è fornire allo studente la conoscenza delle proprietà fondamentali sui sistemi non lineari e su alcune tecniche di progetto di controllori, e le abilità nella progettazione di tali controllori per alcune classi rilevanti di tali sistemi. Dopo aver superato l’esame lo studente sarà in grado di progettare controllori per la stabilizzazione di sistemi non lineari e per l’inseguimento di traiettorie desiderate.

Programma

Introduzione ai sistemi non lineari ed esempi. Proprietà fondamentali: esistenza e unicità, dipendenza continua da condizioni iniziali e parametri. Derivabilità delle soluzioni ed equazioni di sensibilità. Principio di confronto. Stabilità di Lyapunov di sistemi autonomi e non autonomi. Il principio di invarianza. Sistemi lineari e linearizzazione. Teorema della varietà centrale. Teoremi inversi. Sistemi perturbati e ultima limitatezza. Stabilità ingresso-stato. Alcune tecniche di progettazione: teoria della regolazione (introduzione), stabilizzazione tramite linearizzazione, backstepping, controllo sliding-mode.

Teoria dei sistemi (obbligatorio). Controlli automatici per sistemi lineari (fortemente raccomandato).

Lezioni, anche con dimostrazioni, domande e discussioni attive in classe per valutare la conoscenza e la comprensione degli argomenti trattati. Soluzione, passiva ed attiva, di problemi in classe. Problemi a casa. Partecipazione a seminari ed a lezioni integrative. È possibile il coinvolgimento in attività di ricerca e di tesi all’estero.

Modalità d'esame

Non c’è una verifica formale dei prerequisiti richiesti, ma tale valutazione verrà fatta durante l’accertamento del processo di apprendimento. L’accertamento del processo di apprendimento viene effettuato mediante una interazione continua tra il docente e gli studenti durante le lezioni e le esercitazioni. Gli studenti sono coinvolti in discussioni e proposte di strategie per la soluzione degli esercizi per mezzo di domande orali rivolte a tutta la classe. La verifica dell’apprendimento è costituita da un esame scritto seguito da uno orale. L’esame scritto, composto normalmente da due problemi ed una domanda teorica scritta, mira ad accertare le conoscenze e la capacità acquisita dallo studente ad applicare le nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari, illustrate durante il corso. L’esame orale è composto da 1. una discussione e domande sull’esame scritto 2. da due domande sui principali contenuti del corso ed è mirato ad accertare la conoscenza e comprensione delle nozioni relativi alla stabilizzazione di sistemi non lineari, ed in particolare alle tecniche di progetto di controllori per sistemi non lineari. Il voto finale conseguito è calcolato considerando la prova scritta (50%) e quella orale (50%), e quest’ultima viene calcolata considerando la discussione e domande sull’esame scritto (30%) e le domande sui principali contenuti del corso (20%).

Testi di riferimento

1. H.K. Khalil, Nonlinear Systems, Third Edition 2002, Prentice Hall, Upper Saddle River, New Jersey, USA. 2. A. Isidori, Nonlinear Control Systems, Springer-Verlag, London, UK, 1995. 3. Note fornite dal docente.

Codice insegnamento 36925

OPTIMISATION MODELS AND ALGORITHMS 1° anno · 1° semestre · 6 CFU · MATH-06/A · 0 file

Il corso si propone di mettere lo studente in condizione di Formalizzare i processi decisionali attraverso la definizione di opportuni modelli logico-matematici. Comprendere il ruolo dell'ottimizzazione nella costruzione…

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di mettere lo studente in condizione di Formalizzare i processi decisionali attraverso la definizione di opportuni modelli logico-matematici. Comprendere il ruolo dell'ottimizzazione nella costruzione di modelli decisionali. Familiarizzare con i principali algoritmi per la soluzione dei problemi posti. Gli obiettivi formativi sopra elencati sono parte delle finalità formative del CdS, come previsto in sede di progettazione globale del corso di Laurea.

Programma

Data analytics e modelli decisionali: il rischio di usare male i dati. Fonti di errore. Metriche, clustering e classificazione, regressione, separazione e sovrapposizione. Strumenti modellistici: grafi; ottimizzazione lineare, non lineare e intera; strutture combinatoriche. Descriptive analytics: distribuzioni statistiche; bias, paradossi, accuratezza, catastrofi; serie temporali, (auto)-correlazione.Modelli prescrittivi: singolo- vs. multiplo decisore/obiettivo. Esempio: problemi di localizzazione. Principali strutture matematiche dei problemi di ottimizzazione: dualità nell'ottimizzazione lineare, matroidi. Metodi numerici generali: branch-and-bound, branch-and-cut, branch-and-price, euristiche.

Fondamenti di teoria dei grafi e notazione; fondamenti di algebra Lineare e norme.

Lezioni frontali, esercitazione di metà corso per autovalutazione (con valore di esonero), seminari su applicazioni significative.

Modalità d'esame

L’esame prevede una prova scritta (50%) e una orale (50%).La prova scritta consiste in esercizi, con possibili attività di calcolo, su tutte le tematiche svolte. Scopo della prova è stabilire il raggiungimento degli obiettivi formativi per quanto riguarda la parte applicativa. Lo scritto può essere superato anche attraverso due prove parziali; alla seconda prova parziale si accede esclusivamente avendo conseguito una votazione sufficiente alla prima. Il risultato della prova parziale può tuttavia essere utilizzato come esonero dallo scritto solo negli esami della sessione estiva dell'anno di corso.La prova orale riguarda principalmente gli aspetti metodologici e teorici. Per sostenerla lo studente deve aver conseguito un giudizio sufficiente nella prova scritta.

Testi di riferimento

Diapositive del corso, dispense. Testo di approfondimento: Papadimitriou and Steiglitz, Combinatorial Optimization.

Codice insegnamento 35914

POWER CONVERTERS 1° anno · 2° semestre · 5 CFU · IIND-08/A · 0 file

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina…

Scheda dell'insegnamento

Obiettivi formativi

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina elettrica e il convertitore di potenza.Modulo B. Il modulo introduce i principali dispositivi a semiconduttore di potenza, i circuiti di misura e condizionamento dei segnali e i dispositivi digitali utilizzati per il controllo dei convertitori, quali microcontrollori, DSP, CPLD e FPGA. Successivamente, vengono presentate e analizzate le principali topologie di convertitori DC/DC, AC/DC e DC/AC, con riferimento alle loro applicazioni nei sistemi industriali, negli azionamenti elettrici, nei sistemi energetici e nei trasporti.

Programma

  • Macchine a induzione e macchine sincrone a magneti permanenti • Modelli statici e dinamici delle macchine in corrente alternata • Principi di controllo degli azionamenti elettrici • Principali dispositivi a semiconduttore di potenza: diodi, MOSFET e IGBT in tecnologia al silicio e wide-bandgap • Circuiti di misura e condizionamento dei segnali • Microcontrollori, DSP, CPLD e FPGA; porte di I/O, conversione A/D e tecniche di modulazione PWM • Convertitori DC/DC, AC/DC e DC/AC • Modellazione e simulazione di convertitori, macchine elettriche e azionamenti​​​​​​​

Sono richieste conoscenze di elettrotecnica, macchine elettriche, elettronica analogica e digitale e di programmazione

Lezioni in aula e/o online, esercitazioni e svolgimento di un progetto.​​​​​​​

Modalità d'esame

La verifica dell’apprendimento consiste in un esame scritto, nello svolgimento di un progetto e nella relativa discussione. L’esame scritto verifica la comprensione dei principi teorici e la capacità di analizzare macchine elettriche e convertitori. Il progetto e la sua discussione valutano la capacità di modellare e simulare i sistemi studiati, interpretare i risultati e presentare le scelte effettuate con linguaggio tecnico appropriato.​​​​​​​

Testi di riferimento

N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Robert W. Erickson, Dragan Maksimovic, Fundamentals of Power Electronics, Springer Verlag, 2012.Muhammad H. Rashid: Power Electronics: Circuits,Devices & Applications, Pearson, 2013.Krause, Wasynczuk, Sudhoff, Perarek: Analysis of electric machinery and drive systems, Wiley IEEE Press, 2013.Chee-Mun Ong, Dynamic Simulation of Electric Machinery: Using MATLAB/SIMULINK, Prentice Hall PTR, 1998.A. E. Fitzgerald, Charles Kingsley, Jr., Stephen D. Umans, Electric Machinery, 6th ed. McGraw-Hill, 2003.R. Krishnan, Permanent Magnet Synchronous and Brushless DC Drives, Taylor and Francis Group, LLC, 2010.

Codice insegnamento 38958

POWER CONVERTERS, ELECTRIC MACHINES AND DRIVES I 1° anno · 2° semestre · 9 CFU · IIND-08/A · 0 file

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina…

Scheda dell'insegnamento

Obiettivi formativi

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina elettrica e il convertitore di potenza.Modulo B. Il modulo introduce i principali dispositivi a semiconduttore di potenza, i circuiti di misura e condizionamento dei segnali e i dispositivi digitali utilizzati per il controllo dei convertitori, quali microcontrollori, DSP, CPLD e FPGA. Successivamente, vengono presentate e analizzate le principali topologie di convertitori DC/DC, AC/DC e DC/AC, con riferimento alle loro applicazioni nei sistemi industriali, negli azionamenti elettrici, nei sistemi energetici e nei trasporti.

Programma

  • Macchine a induzione e macchine sincrone a magneti permanenti • Modelli statici e dinamici delle macchine in corrente alternata • Principi di controllo degli azionamenti elettrici • Principali dispositivi a semiconduttore di potenza: diodi, MOSFET e IGBT in tecnologia al silicio e wide-bandgap • Circuiti di misura e condizionamento dei segnali • Microcontrollori, DSP, CPLD e FPGA; porte di I/O, conversione A/D e tecniche di modulazione PWM • Convertitori DC/DC, AC/DC e DC/AC • Modellazione e simulazione di convertitori, macchine elettriche e azionamenti​​​​​​​

Sono richieste conoscenze di elettrotecnica, macchine elettriche, elettronica analogica e digitale e di programmazione

Lezioni in aula e/o online, esercitazioni e svolgimento di un progetto.​​​​​​​

Modalità d'esame

La verifica dell’apprendimento consiste in un esame scritto, nello svolgimento di un progetto e nella relativa discussione. L’esame scritto verifica la comprensione dei principi teorici e la capacità di analizzare macchine elettriche e convertitori. Il progetto e la sua discussione valutano la capacità di modellare e simulare i sistemi studiati, interpretare i risultati e presentare le scelte effettuate con linguaggio tecnico appropriato.​​​​​​​

Testi di riferimento

N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Robert W. Erickson, Dragan Maksimovic, Fundamentals of Power Electronics, Springer Verlag, 2012.Muhammad H. Rashid: Power Electronics: Circuits,Devices & Applications, Pearson, 2013.Krause, Wasynczuk, Sudhoff, Perarek: Analysis of electric machinery and drive systems, Wiley IEEE Press, 2013.Chee-Mun Ong, Dynamic Simulation of Electric Machinery: Using MATLAB/SIMULINK, Prentice Hall PTR, 1998.A. E. Fitzgerald, Charles Kingsley, Jr., Stephen D. Umans, Electric Machinery, 6th ed. McGraw-Hill, 2003.R. Krishnan, Permanent Magnet Synchronous and Brushless DC Drives, Taylor and Francis Group, LLC, 2010.

Codice insegnamento 38956

POWER ELECTRONIC CONVERTERS 1° anno · 2° semestre · 3 CFU · IIND-08/A · 0 file

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina…

Scheda dell'insegnamento

Obiettivi formativi

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina elettrica e il convertitore di potenza.Modulo B. Il modulo introduce i principali dispositivi a semiconduttore di potenza, i circuiti di misura e condizionamento dei segnali e i dispositivi digitali utilizzati per il controllo dei convertitori, quali microcontrollori, DSP, CPLD e FPGA. Successivamente, vengono presentate e analizzate le principali topologie di convertitori DC/DC, AC/DC e DC/AC, con riferimento alle loro applicazioni nei sistemi industriali, negli azionamenti elettrici, nei sistemi energetici e nei trasporti.

Programma

  • Macchine a induzione e macchine sincrone a magneti permanenti • Modelli statici e dinamici delle macchine in corrente alternata • Principi di controllo degli azionamenti elettrici • Principali dispositivi a semiconduttore di potenza: diodi, MOSFET e IGBT in tecnologia al silicio e wide-bandgap • Circuiti di misura e condizionamento dei segnali • Microcontrollori, DSP, CPLD e FPGA; porte di I/O, conversione A/D e tecniche di modulazione PWM • Convertitori DC/DC, AC/DC e DC/AC • Modellazione e simulazione di convertitori, macchine elettriche e azionamenti​​​​​​​

Sono richieste conoscenze di elettrotecnica, macchine elettriche, elettronica analogica e digitale e di programmazione

Lezioni in aula e/o online, esercitazioni e svolgimento di un progetto.​​​​​​​

Modalità d'esame

La verifica dell’apprendimento consiste in un esame scritto, nello svolgimento di un progetto e nella relativa discussione. L’esame scritto verifica la comprensione dei principi teorici e la capacità di analizzare macchine elettriche e convertitori. Il progetto e la sua discussione valutano la capacità di modellare e simulare i sistemi studiati, interpretare i risultati e presentare le scelte effettuate con linguaggio tecnico appropriato.​​​​​​​

Testi di riferimento

N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Robert W. Erickson, Dragan Maksimovic, Fundamentals of Power Electronics, Springer Verlag, 2012.Muhammad H. Rashid: Power Electronics: Circuits,Devices & Applications, Pearson, 2013.Krause, Wasynczuk, Sudhoff, Perarek: Analysis of electric machinery and drive systems, Wiley IEEE Press, 2013.Chee-Mun Ong, Dynamic Simulation of Electric Machinery: Using MATLAB/SIMULINK, Prentice Hall PTR, 1998.A. E. Fitzgerald, Charles Kingsley, Jr., Stephen D. Umans, Electric Machinery, 6th ed. McGraw-Hill, 2003.R. Krishnan, Permanent Magnet Synchronous and Brushless DC Drives, Taylor and Francis Group, LLC, 2010.

Codice insegnamento 39614

PROJECT E–PICO 1° anno · 4 CFU · IINF-04/A · 0 file
RENEWABLE ENERGY AND STORAGE SYSTEMS 1° anno · 2° semestre · 5 CFU · IIND-08/A · 0 file

Alla fine del corso, lo studente dovrà conoscere le principali fonti di energia rinnovabile, i processi ed i dispositivi per la conversione in energia elettrica e saper analizzare e governare i processi di conversione;…

Scheda dell'insegnamento

Obiettivi formativi

Alla fine del corso, lo studente dovrà conoscere le principali fonti di energia rinnovabile, i processi ed i dispositivi per la conversione in energia elettrica e saper analizzare e governare i processi di conversione; deve saper costruirne i modelli matematici.

Programma

  • Fonti energetiche convenzionali e rinnovabili, caratterizzazione e differenze da un punto di vista della loro utilizzazione in forma di energia elettrica - Conversione energia solare in energia elettrica - Conversione energia eolica in energia elettrica, turbine e generatori eolici - Conversione energia idraulica in energia elettrica, turbine e generatori - Convertitori per le energie prodotte da fonti rinnovabili: DC/DC, DC/AC, AC/AC - Sistemi isolati, connessi in rete e ad isola - Sincronizzazione con la rete, algoritmi - Sistemi di accumulo - Batterie - Convertitori bidirezionali per la connessione di batterie a sistemi elettrici di potenza per applicazioni rete e trazione elettrica - Celle a combustibile - Convertitori per la connessione di celle a combustibili a reti elettriche e a gruppi di propulsione elettrica.

Conoscenza di base dell'elettrotecnica, dell'elettronica e dei fondamenti di controlli automatici

Lezioni teoriche e lezioni di laboratorio informatico per lo sviluppo dei modelli Simulink.

Modalità d'esame

Progetto e esame scritto

Testi di riferimento

R. Teodorescu, M. Liserre, and P. Rodriguez, Grid converters for photovoltaic and wind power systems, Hoboken, NJ, USA: Wiley, 2011.N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Dispense fornite dal docente.​​​​​​​

Codice insegnamento 37874

RENEWABLE ENERGY AND STORAGE SYSTEMS 1° anno · 2° semestre · 3 CFU · IIND-08/A · 0 file

Alla fine del corso, lo studente dovrà conoscere le principali fonti di energia rinnovabile, i processi ed i dispositivi per la conversione in energia elettrica e saper analizzare e governare i processi di conversione;…

Scheda dell'insegnamento

Obiettivi formativi

Alla fine del corso, lo studente dovrà conoscere le principali fonti di energia rinnovabile, i processi ed i dispositivi per la conversione in energia elettrica e saper analizzare e governare i processi di conversione; deve saper costruirne i modelli matematici.

Programma

  • Fonti energetiche convenzionali e rinnovabili, caratterizzazione e differenze da un punto di vista della loro utilizzazione in forma di energia elettrica - Conversione energia solare in energia elettrica - Conversione energia eolica in energia elettrica, turbine e generatori eolici - Conversione energia idraulica in energia elettrica, turbine e generatori - Convertitori per le energie prodotte da fonti rinnovabili: DC/DC, DC/AC, AC/AC - Sistemi isolati, connessi in rete e ad isola - Sincronizzazione con la rete, algoritmi - Sistemi di accumulo - Batterie - Convertitori bidirezionali per la connessione di batterie a sistemi elettrici di potenza per applicazioni rete e trazione elettrica - Celle a combustibile - Convertitori per la connessione di celle a combustibili a reti elettriche e a gruppi di propulsione elettrica.

Conoscenza di base dell'elettrotecnica, dell'elettronica e dei fondamenti di controlli automatici

Lezioni teoriche e lezioni di laboratorio informatico per lo sviluppo dei modelli Simulink.

Modalità d'esame

Progetto e esame scritto

Testi di riferimento

R. Teodorescu, M. Liserre, and P. Rodriguez, Grid converters for photovoltaic and wind power systems, Hoboken, NJ, USA: Wiley, 2011.N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Dispense fornite dal docente.​​​​​​​

Codice insegnamento 39616

RENEWABLE ENERGY SYSTEMS 1° anno · 5 CFU · IIND-08/A · 0 file
RESEARCH METHODOLOGY 1° anno · 4 CFU · IINF-04/A · 0 file
RETI DI TELECOMUNICAZIONI I 1° anno · 2° semestre · 9 CFU · IINF-03/A · 0 file

Fornire i concetti alla base di una rete di telecomunicazioni, del modello ISO/OSI, degli aspetti salienti e i principali protocolli delle reti basate su TCP/IP. Illustrare progettazione, cablaggio, configurazione,…

Scheda dell'insegnamento

Obiettivi formativi

Fornire i concetti alla base di una rete di telecomunicazioni, del modello ISO/OSI, degli aspetti salienti e i principali protocolli delle reti basate su TCP/IP. Illustrare progettazione, cablaggio, configurazione, collaudo di una piccola rete TCP/IP, con esempi concreti, mediante un simulatore di rete e con dispositivi reali. Illustrare l'analisi di catture di traffico di rete. Fornire i concetti e le nozioni di base della Cybersecurity. Preparare alla certificazione Cisco Netacad CCNA1.

Programma

Generalità sulle reti di telecomunicazioni, modi di trasferimento, modello protocollare ISO/OSI. Tecniche di controllo dell'errore. Introduzione a Internet e alle reti convergenti. Principali protocolli e dispositivi alla base delle reti TCP/IP. Configurazioni di base dei dispositivi di rete terminali e intermedi. Wireless LAN. Elementi di base della Cybersecurity.

Conoscenze di base di matematica e fisica.

Lezioni frontali, esercitazioni su simulatore di rete e in laboratorio su dispositivi reali.

Modalità d'esame

Esame orale e pratico.

Testi di riferimento

A. Tanenbaum, "Reti di calcolatori".

Codice insegnamento 37599

RICERCA OPERATIVA 1° anno · 2° semestre · 6 CFU · MATH-06/A · 0 file

L'insegnamento si prefigge d'introdurre gli/le studenti/esse alla Ricerca Operativa. Questa disciplina consiste nell'applicazione del metodo scientifico alla soluzione dei problemi decisionali che sorgono nei contesti…

Scheda dell'insegnamento

Obiettivi formativi

L'insegnamento si prefigge d'introdurre gli/le studenti/esse alla Ricerca Operativa. Questa disciplina consiste nell'applicazione del metodo scientifico alla soluzione dei problemi decisionali che sorgono nei contesti pratici, quali sistemi di produzione e servizio, logistica, telecomunicazioni, medicina e finanza. A tale scopo, si presentano agli/alle studenti/esse gli elementi dei problemi di Ottimizzazione matematica e la loro classificazione. Obiettivo primario dell'insegnamento è addestrare gli/le studenti/esse alla modellazione e risoluzione dei problemi di ottimizzazione lineare. L'insegnamento descrive gli aspetti teorici dell'ottimizzazione convessa e lineare e la loro applicazione allo sviluppo di algoritmi di soluzione. Inoltre, vengono illustrate rilevanti connessioni con altre discipline, quali l'informatica, l'ingegneria, la statistica e l'economia.

Programma

Problemi di Ottimizzazione: variabili di decisione, vincoli e obiettivi; tecniche di formulazione e classificazione dei modelli;problemi di Ottimizzazione convessa;problemi di Ottimizzazione Lineare;geometria della Programmazione Lineare (PL);teorema fondamentale della PL;il metodo del simplesso;teoria delle dualità in Programmazione Lineare;metodo del simplesso duale;interpretazione economica della dualità.

Elementi di algebra lineare; vettori e matrici; sistemi di equazioni lineari.

Lezioni frontali ed esercitazioni.

Modalità d'esame

L'esame prevede una prova scritta ed una prova orale. La prova scritta consiste in esercizi su tutte le tematiche svolte, ritenute equamente rilevanti, ed include attività computazionali. La prova orale riguarda principalmente gli aspetti metodologici. Per sostenere la prova orale lo studente deve aver conseguito un giudizio sufficiente alla prova scritta. L'esame può essere svolto anche mediante due prove parziali; alla seconda prova parziale si accede esclusivamente avendo conseguito una votazione sufficiente alla prima. Non è prevista prova orale per coloro che svolgono le prove parziali.

Testi di riferimento

Dimitris Bertsimas and John N. Tsitsiklis, Introduction to Linear Optimization. Athena Scientific. 1997; Matteo Fischetti, Lezioni di Ricerca Operativa. 1995.

Codice insegnamento 30623

ROMANIAN LANGUAGE AND CULTURE 1° anno · 3 CFU · 0 file
STATISTICAL SIGNAL PROCESSING AND ESTIMATION THEORY 1° anno · 4 CFU · IINF-03/A · 0 file
STOCHASTIC PROCESSES AND APPLICATIONS 1° anno · 2° semestre · 6 CFU · MATH-03/B · 0 file

Il corso si propone di introdurre lo studente alla conoscenza delle principali famiglie di processi stocastici ed al loro utilizzo in ambito applicativo con esempi ed esercizi illustrativi

Scheda dell'insegnamento

Obiettivi formativi

Il corso si propone di introdurre lo studente alla conoscenza delle principali famiglie di processi stocastici ed al loro utilizzo in ambito applicativo con esempi ed esercizi illustrativi

Programma

Richiami di probabilità; catene di Markov discrete; il processo di Poisson; processi di rinnovamento; catene di Markov a tempo continuo; elementi di Moto Browniano

Probabilità di base

Lezioni ed esercitazioni frontali alla lavagna

Modalità d'esame

Esame scritto con anche esercizi teorici

Testi di riferimento

Stochastic Processes 2nd Edition by Sheldon M. Ross--- Probability and stochastic processes, Grimmet and Stirzaker ---- Markov chains, Norris----Adventures in stochastic processes Sidney I. I. Resnick

Codice insegnamento 41871

SYSTEMS BIOLOGY 1° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file

La Systems Biology è un'area di ricerca emergente che studia modelli matematici con l'obiettivo di comprendere le interazioni dinamiche intra- e inter-cellulari. Questo corso fornisce gli strumenti matematici…

Scheda dell'insegnamento

Obiettivi formativi

La Systems Biology è un'area di ricerca emergente che studia modelli matematici con l'obiettivo di comprendere le interazioni dinamiche intra- e inter-cellulari. Questo corso fornisce gli strumenti matematici essenziali per la modellistica e l'analisi delle reti di trascrizione genica e delle reti di reazioni biochimiche: vengono investigati gli schemi più rilevanti, seguendo sia l'approccio deterministico che l'approccio stocastico.

Programma

Richiami di biologia e probabilità; approccio deterministico e stocastico.Fattori e reti di trascrizione; espressione genica: trascrizione e traslazione; separazione delle scale temporali e approssimazione quasi stazionaria (QSSA); attivatori e repressori; funzioni di ingresso Hill e logiche; dinamica di semplice regolazione e con produzione discontinua in forma di equazioni differenziali ordinarie (ODE); tempo di risposta; legge di azione di massa, equazione di conservazione; cinetica di Michaelis-Menten; cooperatività; legami dipendenti e indipendenti; funzioni di ingresso multi-dimensionali.Network motifs: reti reali e reti random; modello di Erdos-Renyi (ER); proprietà dei grafi; regolazione negativa (NAR) e analisi di stabilità; motivi a 3 nodi: anelli a feedback (FBL) e feedforward (FFL); FFL coerenti e incoerenti; ritardo segno-dipendente, generazione di impulsi in uscita, accelerazione del tempo di risposta, curve di risposta bifasiche; altri tipi di FFL; esempi: arabinosio, galattosio, flagelli nel batterio E.Coli.Introduzione alla simulazione numerica nella Systems Biology; MATLAB: introduzione e nozioni base, integrazione di equazioni differenziali non rigide con ode45; calcolo randomizzato, simulazioni Monte Carlo, costruzione di reti random (modelli E-R) e grafi orientati.Reti generali e di interazione: modulo a singolo ingresso (SIM), feedforward loop con più uscite, programmi temporali LIFO e FIFO, bi-fan, DOR, FFL collegati; autoregolazione positiva (PAR) e rallentamento del tempo di risposta; feedback positivi “lock-on” e “toggle-switch”; motivi a tre nodi; interazioni proteina-proteina (PPI) e motivi ibridi: motivi in reti reali: reti trofiche, sociali, elettriche, neuronali. Esempi: sporulazione del batterio Bacillus subtilis, fosforilazione, risposta al dolore nell’essere umano.Oscillatori biologici: il ruolo della regolazione negativa e del ritardo; separazione delle scale temporali, forza del feedback e cooperatività; oscillazioni indotte dal rumore e dal ritardo; bistabilità e isteresi; robustezza nei circuiti biologici; modelli a livello gerarchico più alto: organi e tessuti.Approccio stocastico: motivazione, reti di reazioni biochimiche, catene di Markov a tempo continuo; la Chemical Master Equation (CME) e le sue proprietà, caratterizzazione della distribuzione stazionaria, l’equazione macroscopica, processi “one step”; simulazione stocastica, metodo dell’inversione, Gillespie Stochastic Simulation Algorithm (SSA); esempi.Modelli mesoscopici: equazione di Langevin, il processo di Wiener, integrazione Eulero-Maruyama di equazioni differenziali stocastiche (SDE).Esempi biologici/medici: crescita tumorale, modelli epidemiologici.

Nozioni base di analisi matematica e sistemi dinamici

Lezione frontale o da remoto, esercizi, simulazione al calcolatore

Modalità d'esame

Lettura/presentazione di un articolo + esame orale con l'ausilio del pc

Testi di riferimento

  • Uri Alon, An introduction to systems biology: design principles ofbiological circuits, CRC press, 2019.- E. Klipp, W. Liebermeister, C. Wierling, and A. Kowald, Systems biology: a textbook, John Wiley & Sons, 2016.- J. D. Murray, Mathematical biology, 3rd edition. New York: Springer, 2001.

Codice insegnamento 34385

SYSTEMS MODELLING AND SIMULATION 1° anno · 1° semestre · 6 CFU · IINF-04/A · 0 file

Il corso fornisce i fondamenti della modellistica matematica, dell'identificazione parametrica e della simulazione. Introduce il processo di astrazione e le principali classi di modelli statici e dinamici, lineari e…

Scheda dell'insegnamento

Obiettivi formativi

Il corso fornisce i fondamenti della modellistica matematica, dell'identificazione parametrica e della simulazione. Introduce il processo di astrazione e le principali classi di modelli statici e dinamici, lineari e non lineari, deterministici e stocastici. Il corso tratta formulazioni nello spazio di stato e mediante funzioni di trasferimento, stima da dati, analisi di stabilità e simulazione in MATLAB, con l'obiettivo di sviluppare la capacità di costruire, analizzare e validare modelli per problemi applicativi.

Programma

Fondamenti della modellistica matematica: processo di astrazione e finalità dei modelli; variabili, parametri ed equazioni; causalità, buona posizione, memoria e stato. Classificazione dei modelli: statici e dinamici, lineari e non lineari, deterministici e stocastici, a tempo e stato continui o discreti, tempo-varianti o invarianti, a parametri concentrati o distribuiti, time-driven ed event-driven; cenni a modelli ibridi, DAE e DDE. Modelli black-box, grey-box e white-box; struttura, calibrazione, implementazione e validazione. Introduzione a MATLAB per calcolo, grafici e programmazione di base.Modelli statici e stima parametrica: linearità rispetto a ingressi e parametri; soluzione generalizzata di sistemi algebrici; minimi quadrati e minimi quadrati pesati, interpretazione geometrica, training e validazione. Richiami di probabilità e teoria della stima: MLE, MVUE, BLUE, Gauss-Markov, stima ottima gaussiana e bayesiana. Modelli statici non lineari e data fitting numerico in MATLAB.Sistemi dinamici lineari: rappresentazioni nello spazio di stato e mediante funzioni di trasferimento, modi naturali, stabilità, risposta in frequenza e a regime, discretizzazione, interconnessioni e diagrammi a blocchi. Raggiungibilità, osservabilità e richiami di sintesi mediante retroazione e osservatore. Identificazione e simulazione di modelli continui e discreti. Applicazioni a sistemi meccanici e ambientali, modelli di popolazione e a compartimenti.Sistemi dinamici non lineari: punti di equilibrio, linearizzazione, metodi di Lyapunov, analisi del piano delle fasi e classificazione degli equilibri; stabilità strutturale, oscillazioni e cicli limite; criteri di Bendixson e Poincaré-Bendixson. Applicazioni a modelli massa-molla-smorzatore, preda-predatore, epidemiologici, logistici e forestali.Argomenti avanzati e simulazione: sistemi a stato discreto deterministici e stocastici, modelli time-driven ed event-driven, catene di Markov, consenso multi-agente e cenni a modelli black-box e reti neurali. Metodi di Eulero e Runge-Kutta e integrazione numerica di ODE non rigide in MATLAB; simulazione di modelli epidemiologici, preda-predatore, catene di Markov e consenso.

Nozioni base di analisi matematica ​​​​​​​

Lezioni frontali, esercitazioni guidate, risoluzione di problemi e laboratori al calcolatore. Le attività pratiche prevedono l'uso di MATLAB per l'identificazione parametrica, l'analisi e la simulazione di modelli statici e dinamici, lineari e non lineari.

Modalità d'esame

Esame scritto/orale con l'ausilio del pc

Testi di riferimento

Materiale didattico fornito dal docente. Documentazione MATLAB relativa alle funzioni impiegate nelle esercitazioni.

Codice insegnamento 37875

WIRELESS COMMUNICATIONS 1° anno · 1° semestre · 9 CFU · IINF-03/A · 0 file

The goal of this module is to provide the fundamental set of concepts, techniques and standards that relate to modern systems for wireless communications and networking: this is one of the major areas of competences of…

Scheda dell'insegnamento

Obiettivi formativi

The goal of this module is to provide the fundamental set of concepts, techniques and standards that relate to modern systems for wireless communications and networking: this is one of the major areas of competences of the master program. On successful completion of this module, the student should understand i) the fundamental characteristics of wireless channels and related statistical models, ii) modern digital techniques for high capacity and wide-band transmissions on the wireless channel, iii) the set of relevant standardized systems for wireless communications in the cellular domain up to 5G, broadband wireless access, ad-hoc networks, short range communications, wireless sensor networks and Internet-of-Things paradigms. The students are educated and trained to tackle both design and operation problems, and to acquire the ability to model and solve networking problems in both traditional (e.g. communications services, internet services, etc.) and novel application contexts (e.g. industrial automation, environmental monitoring, ITS, etc.). The module is tightly connected with the modules of Digital Communications, Digital Electronics, Embedded Systems, Propagation and modelling of communication channels, Digital Signal Processing and Multimedia, Advanced and Software Defined Networks, Laboratory of SDR and IoT.

Programma

Wireless systems: introduction and overview on architectures, technologies and applications; The wireless channel: from physical behaviour to statistical modelling; Relevant channel models: WSSUS, GWSSUS, spatio-temporal models and MIMO; Digital transmissions over the wireless channels: performance analysis, diversity, spatio-temporal processing, spread spectrum systems, MIMO; Multiple Access Techniques: FDMA, TDMA, CDMA, OFDM, OFDMA and SC-FDMA; Cellular mobile radio systems: the wireless interface of GSM, GPRS, EDGE, UMTS; HSDPA/HSUPA, LTE and 4G; Wireless Personal Area Networks, Wireless Sensor Networks and the IEEE 802.15.x standard set (Bluetooth and Zigbee); emerging standards for industrial automation (ISA, IETF) and inter-vehicular communications (IEEE 802.11p, Cellular V2X with PC5); Radio technologies for short-medium range, Radio Frequency Identification (RFiD) systems and energy-neutral networks; dense and heterogeneous networks, scalable OFDM, 5G and 6G wireless interface. Satellite systems for mobile communications and not terrestrial networks: main constellations and standardization efforts in 5G/6G. Applications to the connected car domain. Practical experiences with radio link simulation, network simulation and test-beds for WSN, MANETs, VANETs, and Software Defined Radio (SDR) (Embedded Systems and Lab of SDR and IoT).

The student should be aware of fundamentals of digital communications systems, telecommunication networks and internetworking.

Lectures, exercises, practical sessions in simulation and real test-beds, invited talks by industry speakers, thematic workshops. On successful completion of this module, the student should - have solid knowledge of advanced theory and techniques for digital transmissions over wireless channels, standard architectures and protocols of modern wireless networks; - have knowledge and understanding of design methods for wireless links and networks, as well as for wireless network planning and management; - understand and explain the complete path from specification of system requirements, choice of wireless technology, development and simulation of an appropriate system model for validation, and eventual step to SW development on a target platform; - demonstrate skill in analyzing problems, elaborate appropriate written documentation and oral presentations of problems, solutions, and validation methods; - demonstrate capacity for reading and understanding any textbooks and scientific papers on specific matters, with particular emphasis on research oriented literature and documents that describes standard systems.

Modalità d'esame

1) Internediate tests based on homeworks 2) Project (group) work: cooperation with other exams within the TLC master program (e.g. Embedded Systems, Advanced and Software Defined Networks, Digital Communications, Laboratory of SDR and IoT) and also with mobility programs are encouraged. Small and large scale experimental setups are available. Questions are posed during the exam: they refer to the project work and on a part of the overall course contents that has been agreed in advance.

Testi di riferimento

Traditional books (spread spectrum): [1] John G. Proakis, “Digital communications”, 3. ed. - New York, McGraw-Hill, [1995] [2] M.K. Simon, J.K. Omura, R.A. Scholtz, B.K. Levitt, “Spread Spectrum Communications Handbook”, New York, McGraw-Hill, 1994. [3] R. L. Peterson, R. E. Ziemer, D.E. Borth, “Introduction to Spread Spectrum Communications”, Englewood Cliffs, Prentice Hall, 1995. [4] A.J. Viterbi, “Principles of Spread Spectrum Communications”, Addison Wesley, 1995. Some specific books (Mobile radio): [5] A. Molisch, “Wireless Communications”, Prentice-Hall; [6] A. Goldsmith, “Wireless Communications”, Wiley; [7] “LTE – The UMTS Long Term Evolution From Theory to Practice”, by S. Sesia, I. Toufik, M. Baker editors, J. Wiley; [8] E. Dahlman, S. Parkvall, J. Skold, “4G, LTE-Advanced Pro and The Road to 5G”, Elsevier; [9] E. Dahlman, S. Parkvall, J. Skold, “5G NR: The Next Generation Wireless Access Technology”, Associated Press. Some on-line resources: http://www.etsi.org http://www.umts-forum.org http://www.3gpp.org http://www.ieee.org A complete set of transparencies is made available to the students.

Codice insegnamento 37598

ADVANCED CONTROL OF ELECTRIC AND HYDROGEN PROPULSION SYSTEMS 2° anno · 5 CFU · IINF-04/A · 0 file
ADVANCED CONTROL SYSTEMS 2° anno · 9 CFU · IINF-04/A · 0 file

Abilità di progettare e validare con simulazioni controllori a tempo continuo e digitali per sistemi nonlineari finito dimensionali e per sistemi nonlineari con ritardo.

Scheda dell'insegnamento

Obiettivi formativi

Abilità di progettare e validare con simulazioni controllori a tempo continuo e digitali per sistemi nonlineari finito dimensionali e per sistemi nonlineari con ritardo.

Programma

Richiami della teoria elementare della retroazione nonlineare. Osservatore nonlineare: il caso autonomo e il caso con ingresso di forzamento. Principio di separazione nonlineare. Esempio di applicazione a un braccio robotico con giunto elastico. Richiami di base della stabilità ingresso-stato. Riprogettazione ISS per l'attenuazione dell'effetto di disturbi di attuazione. Teoria di Artstein per il progetto di controllori tramite funzioni di Lyapunov. Controllore universale di Sontag. Retroazione dallo stato descritta da funzioni continue e discontinue che rendono negativa la derivata direzionale di Dini della funzione di Lyapunov per il controllo. Teoria di Clarke della stabilizzazione nel senso di campionamento e tenuta. Emulazione con campionamento della retroazione dallo stato progettata a tempo continuo. Emulazione con campionamento della retroazione dallo stato stimato tramite osservatori, progettata a tempo continuo. Esempio di applicazione a un reattore chimico CSTR. Conservazione della stabilità esponenziale globale con campionamento, per sistemi globalmente Lipschitz. Esempio di applicazione a un pendolo inverso attuato. Introduzione ai sistemi nonlineari con ritardo. Stabilità interna ed esterna. Criteri di Lyapunov-Krasovskii. Metodi basati sulle diseguaglianze lineari matriciali. Teoria elementare della retroazione nonlineare per sistemi con ritardo completi in avanti. Stabilizzazione. Stabilizzazione ingresso-stato. Osservatori dello stato per sistemi con ritardo. Esempio di applicazione a un sistema glucosio-insulina. Fondamenti di progetto di predittori per sistemi lineari con ritardi in ingresso e in uscita.

Nozioni di base di teoria dei sistemi e controlli automatici. Metodi di Lyapunov per l'analisi della stabilità globale di sistemi nonlineari finito dimensionali.

Lezioni frontali alla lavagna. Si utilizza Matlab, con ausilio di un proiettore, per la costruzione e l'implementazione della simulazione dei controllori progettati per gli esempi introdotti, e le diseguaglianze matriciali lineari.

Modalità d'esame

Esame orale. Lo Studente deve essere in grado di esporre la teoria, per la progettazione di controllori, nella sua interezza, ovvero completa di dimostrazioni dei teoremi prodotti. Lo Studente deve essere in grado di ben sviluppare le dimostrazioni, in quanto utili a capire le problematiche inerenti il controllore che si vuole progettare, e eventualmente a valutarne limiti e possibili approssimazioni in fase di applicazione. Lo Studente deve essere in grado di saper maneggiare i programmi Matlab sviluppati in classe dal Docente, al fine di validare i controllori proposti. Si da un massimo di venti punti per la parte di teoria della progettazione di controllori, e si da un massimo di 10 punti per la parte relativa alle simulazioni e alla validazione dei controllori progettati. La parte di teoria consiste in una o due domande, da sviluppare su carta con un tempo di circa un'ora, interagendo con il Docente. Per la parte di validazione lo Studente deve avere i programmi Matlab sviluppati dal Docente ben funzionanti sul proprio portatile, e dimostrare di saperli ben utilizzare e eventualmente modificare per il caso pratico studiato in classe che si vuole validare, con diversi parametri di controllo.

Testi di riferimento

Alberto Isidori, Nonlinear Control Systems, Springer Verlag, 1995. H. K. Khalil, Nonlinear Systems, Third Edition. Prentice Hall, New Jersey, 1996. A. Baciotti, L. Rosier, Liapunov Functions and Stability in Control Theory, Springer-Verlag, Berlin Heidelberg, 2005. I. Karafyllis, Z.P. Jiang, Stability and Stabilization of Nonlinear Systems, Springer, London, 2011. J.K. Hale, S.M.V. Lunel, Introduction to Functional Differential Equations, Springer Verlag, 1993. E. Fridman, Introduction to time-delay systems, Birkauser, Basel, 2014. P. Pepe, Nonlinear Functional Systems, Dispensa Didattica.

Codice insegnamento 36992

AI TECHNIQUES FOR EV MOBILITY 2° anno · 7 CFU · IINF-05/A · 0 file
BATTERY CHARGER FOR ELECTROMOBILITY 2° anno · 5 CFU · IIND-08/A · 0 file
BATTERY CHARGERS 2° anno · 4 CFU · IIND-08/A · 0 file
BATTERY CHARGERS FOR ELECTRIC VEHICLES 2° anno · 5 CFU · IIND-08/A · 0 file
BATTERY MANAGEMENT SYSTEMS AND BATTERY LIFE CYCLE 2° anno · 4 CFU · IIND-08/A · 0 file
BATTERY SYSTEMS 2° anno · 5 CFU · IIND-08/A · 0 file
CASE STUDY APPLICATION DEDICATED TO ELECTRIC AND HYDROGEN VEHICLE TOPOLOGY 2° anno · 5 CFU · IIND-08/A · 0 file
COMPUTER VISION 2° anno · 7 CFU · IINF-05/A · 0 file
CONTROL OF POWER CONVERTERS FOR ELECTRIC AND HYDROGEN PROPULSION SYSTEMS 2° anno · 5 CFU · IIND-08/A · 0 file
ENERGY STORAGE REQUIREMENTS 2° anno · 4 CFU · IIND-08/A · 0 file
FURTHER TRAINING AND INTERNSHIP 2° anno · 6 CFU · 0 file
HYBRID SYSTEMS MODELING, CONTROL AND SIMULATION 2° anno · 12 CFU · IINF-04/A · 0 file

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ L'obiettivo di questo corso è di fornire agli studenti…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ L'obiettivo di questo corso è di fornire agli studenti conoscenze di base per la modellazione, l'analisi ed il controllo di sistemi in rete e multi agente mediante tecniche di consenso ------------------------------------------------------------ Modulo: DT0445 - HYBRID SYSTEMS CONTROL AND SIMULATION ------------------------------------------------------------ L’obiettivo del corso è di fornire agli studenti gli strumenti per la modellistica, il controllo e la simulazione di sistemi comprendenti l’integrazione di componenti continue (descritte da equazioni differenziali) e discrete (descritte da automi a stati finiti). Tali sistemi si incontrano in applicazioni avanzate quali il controllo automotive, le smart grids, il controllo del traffico autonomo, i sistemi ​​​​​​​bioogici.

Programma

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ Introduzione ai sistemi in rete e multi agente. Richiami di teoria dei grafi. Il protocollo di consenso nel caso lineare e nonlineare. Controllo di formazione. ------------------------------------------------------------ Modulo: DT0445 - HYBRID SYSTEMS CONTROL AND SIMULATION ------------------------------------------------------------ Uso dei sistemi ibridi per la progettazione di sistemi di controllo, con particolare enfasi su sistemi di “cyber-physical” e distribuiti. -Modellistica: Automi a stati finiti deterministici e non deterministici. Transition systems. Timed Automata. Automi ibridi. Sistemi a commutazione. Sistemi ibridi. Proprietà di sicurezza, liveness, deadlocks. -Stabilità di sistemi a commutazione. -Analisi e Controllo: Raggiungibilità e controllo con vincoli di sicurezza, simulazioni e bisimulazioni. Astrazioni e verifica per astrazione. Osservabilità e osservatori ibridi. Problemi di security e proprietà di resilienza ad attacchi malevoli. Modelli simbolici e metodi formali per il controllo e la verifica di specifiche. Metodi di simulazione di sistemi ibridi. -Applicazioni: controllo autonomo di veicoli, controllo di veicoli elettrici, micro-grids, sistemi biologici.

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ Nessuno ------------------------------------------------------------ Modulo: DT0445 - HYBRID SYSTEMS CONTROL AND SIMULATION ------------------------------------------------------------ Nessuno

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ Lezioni frontali ------------------------------------------------------------ Modulo: DT0445 - HYBRID SYSTEMS CONTROL AND SIMULATION ------------------------------------------------------------ Lezioni frontali sulla modellistica e controllo di sistemi ibridi, accompagnate da esercitazioni. È possibile svolgere tesi di laurea magistrale anche in ambito industriale o all’estero.

Modalità d'esame

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ Il corso prevede una prova scritta e una prova orale. La prova scritta consiste in tre domande, alcune delle quali di natura teorica, mentre altre sono esercizi. La prova orale è volta ad accertare il livello di comprensione e di giudizio raggiunto. ------------------------------------------------------------ Modulo: DT0445 - HYBRID SYSTEMS CONTROL AND SIMULATION ------------------------------------------------------------ La verifica finale è costituita da un esame scritto della durata di due ore sugli argomenti del corso, e da una prova orale sugli argomenti del corso per accertare il livello di comprensione e di giudizio raggiunto.

Testi di riferimento

------------------------------------------------------------ Modulo: DT0444 - HYBRID SYSTEMS MODELING ------------------------------------------------------------ Graph Theoretic Methods in Multiagent Networks, Princeton University Press, Mehran Mesbahi & Magnus Egerstedt, 2010 ------------------------------------------------------------ Modulo: DT0445 - HYBRID SYSTEMS CONTROL AND SIMULATION ------------------------------------------------------------ -J. Lygeros, Lecture Notes on Hybrid Systems, Notes for an ENSIETA short course, Feb 2004. http://robotics.eecs.berkeley.edu/~sastry/ee291e/lygeros.pdf -S. Sastry, C. Tomlin “Hybrid Systems: Computation and Control”, EECS291e and ME290q http://inst.eecs.berkeley.edu/~ee291e/sp09/handouts/book.pdf -D. Liberzon, Switching in systems and control. Birkhauser, 2003. -E. De Santis, M.D. Di Benedetto, Observability of Hybrid Dynamical Systems, Foundations and Trends in Systems and Control, Vol. 3, No. 4 (2016) 363–540, 2016. -E. De Santis, M.D. Di Benedetto, H-Systems: Observability, Diagnosability, and Predictability of Hybrid Dynamical Systems, Springer, 2023, https://doi.org/10.1007/978-3-031-20447-0. -M.D. Di Benedetto, G. Pola, A. Borri, P. Pepe, Lecture Notes from SIDRA – Bertinoro, July 2017

Codice insegnamento 36993

INDUSTRIAL ELECTRONICS 2° anno · 9 CFU · IIND-08/A · 0 file

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina…

Scheda dell'insegnamento

Obiettivi formativi

Modulo A. Il modulo introduce i concetti fondamentali relativi alla modellazione, all’analisi, alla simulazione e al controllo delle macchine elettriche rotanti. Sono inoltre analizzate le interazioni tra la macchina elettrica e il convertitore di potenza.Modulo B. Il modulo introduce i principali dispositivi a semiconduttore di potenza, i circuiti di misura e condizionamento dei segnali e i dispositivi digitali utilizzati per il controllo dei convertitori, quali microcontrollori, DSP, CPLD e FPGA. Successivamente, vengono presentate e analizzate le principali topologie di convertitori DC/DC, AC/DC e DC/AC, con riferimento alle loro applicazioni nei sistemi industriali, negli azionamenti elettrici, nei sistemi energetici e nei trasporti.

Programma

  • Macchine a induzione e macchine sincrone a magneti permanenti • Modelli statici e dinamici delle macchine in corrente alternata • Principi di controllo degli azionamenti elettrici • Principali dispositivi a semiconduttore di potenza: diodi, MOSFET e IGBT in tecnologia al silicio e wide-bandgap • Circuiti di misura e condizionamento dei segnali • Microcontrollori, DSP, CPLD e FPGA; porte di I/O, conversione A/D e tecniche di modulazione PWM • Convertitori DC/DC, AC/DC e DC/AC • Modellazione e simulazione di convertitori, macchine elettriche e azionamenti​​​​​​​

Sono richieste conoscenze di elettrotecnica, macchine elettriche, elettronica analogica e digitale e di programmazione

Lezioni in aula e/o online, esercitazioni e svolgimento di un progetto.​​​​​​​

Modalità d'esame

La verifica dell’apprendimento consiste in un esame scritto, nello svolgimento di un progetto e nella relativa discussione. L’esame scritto verifica la comprensione dei principi teorici e la capacità di analizzare macchine elettriche e convertitori. Il progetto e la sua discussione valutano la capacità di modellare e simulare i sistemi studiati, interpretare i risultati e presentare le scelte effettuate con linguaggio tecnico appropriato.​​​​​​​

Testi di riferimento

N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003.Robert W. Erickson, Dragan Maksimovic, Fundamentals of Power Electronics, Springer Verlag, 2012.Muhammad H. Rashid: Power Electronics: Circuits,Devices & Applications, Pearson, 2013.Krause, Wasynczuk, Sudhoff, Perarek: Analysis of electric machinery and drive systems, Wiley IEEE Press, 2013.Chee-Mun Ong, Dynamic Simulation of Electric Machinery: Using MATLAB/SIMULINK, Prentice Hall PTR, 1998.A. E. Fitzgerald, Charles Kingsley, Jr., Stephen D. Umans, Electric Machinery, 6th ed. McGraw-Hill, 2003.R. Krishnan, Permanent Magnet Synchronous and Brushless DC Drives, Taylor and Francis Group, LLC, 2010.

Codice insegnamento 38968

M.SC. LABORATORY ADVANCED CONTROL 2° anno · 5 CFU · IINF-04/A · 0 file
M.SC. LABORATORY POWER ELECTRONICS – RENEWABLE ENERGY – DRIVE ENGINEERING 2° anno · 5 CFU · IIND-08/A · 0 file
MACHINE LEARNING FOR AUTOMATION 2° anno · 9 CFU · IINF-04/A · 0 file

Modulo di “Identificazione dei sistemi e analisi dei dati” a) L’obiettivo di questo modulo è di avviare gli studenti allo studio delle tecniche di analisi dei dati e di stima stocastica, e in particolar modo di…

Scheda dell'insegnamento

Obiettivi formativi

Modulo di “Identificazione dei sistemi e analisi dei dati” a) L’obiettivo di questo modulo è di avviare gli studenti allo studio delle tecniche di analisi dei dati e di stima stocastica, e in particolar modo di identificazione dei modelli di sistemi dinamici e della stima dello stato mediante tecniche di filtraggio. Al completamento del corso lo studente sarà in grado di formulare e analizzare problemi di stima e di identificazione di modelli dinamici sulla base di misure affette da rumore stocastico, e di proporre diversi tipi di soluzioni. Inoltre, sarà in grado di proporre soluzioni a problemi di analisi e compressione dei dati, e di riconoscimento di pattern. Le conoscenze acquisite in questo insegnamento andranno ad aumentare le competenze e le abilità dello studente nelle attività di modellistica, simulazione e progetto di sistemi di controllo, nonché nell’analisi dei dati. b) Al termine del corso lo studente: - Conoscerà tecniche e risultati fondamentali di teoria della stima stocastica; - Conoscerà le principali metodologie di stima stocastica per sistemi dinamici le cui misure sono affette da rumore stocastico; - Conoscerà le principali le tecniche di filtraggio e di stima stocastica dello stato di sistemi lineari e non lineari; - Saprà scrivere programmi di simulazione per valutare l’accuratezza di un modello stimato da dati raccolti su un sistema dinamico; - Saprà scrivere programmi di simulazione per valutare l’accuratezza della stima dello stato di un sistema dinamico affetto da rumori di misurazione e per la stima di un suo modello a partire di dati di ingresso-uscita - Saprà valutare la tecnica di stima più appropriata per un problema specifico nel campo della stima di modelli dinamici; - Sarà in grado di leggere testi scientifici avanzati sui temi del corso. Modulo Machine Learning: L'obiettivo di questo modulo è fornire le motivazioni, le definizioni e le tecniche per l'acquisizione e la manipolazione dei dati provenienti da sistemi di automazione in rete, al fine di derivare, mediante tecniche di Machine Learning, modelli predittivi, ed utilizzare tali modelli per gestire risorse in modo dinamico ed ottimo. Al completamento con successo di questo modulo, lo studente dovrebbe avere ampia conoscenza delle tecniche di ML e controllo ottimo, essere in grado di scegliere la migliore tecnica per costruire un modello predittivo di un sistema di automazione, e utilizzarlo per risolvere un problema di controllo ottimo rispetto a determinate specifiche e vincoli.

Programma

Modulo di “Identificazione dei sistemi e analisi dei dati” - Richiami di algebra lineare: vettori, matrici, sottospazi. Quattro sottospazi fondamentali associati a una matrice, pseudo-inversa, proiezioni. Richiami di Calcolo delle Probabilità: eventi, variabili aleatorie, distribuzioni di probabilità, momenti di variabili aleatorie; la distribuzione Gaussiana multivariabile; probabilità condizionata e condizionamento, indipendenza tra eventi e tra variabili aleatorie. Calcolo del valore atteso condizionato nel caso gaussiano. Lo spazio di Hilbert delle variabili aleatorie con varianza finita; valore atteso condizionato e proiezione. - La decomposizione ai valori singolari di una matrice e la sua relazione con pseudo-inversa e quattro sottospazi fondamentali associati alla matrice. Fattorizzazione QR. Prime applicazioni all'analisi dei dati e alla compressione dei dati: approssimazione a basso rango di una matrice, teorema di Eckart–Young–Mirsky. - Soluzioni approssimate e a norma minima per sistemi lineari sovradeterminati e sottodeterminati tramite il metodo dei minimi quadrati ordinari. Interpretazione geometrica dei minimi quadrati. Applicazioni al fitting dei dati: stima di funzioni lineari e non lineari dai dati mediante regressione. - Teoria della stima: concetti base sulla stima, fenomeni reali e i loro modelli, raccolta dei dati, set di dati per l'addestramento e il test, validazione del modello. Stima di minima varianza dell’errore e valore atteso condizionato nel caso generale e nel caso Gaussiano; stima ottima e subottima mediante proiezioni. Stima di massima probabilità a posteriori e stima di massima verosimiglianza. Stima dei parametri di una distribuzione; esempi gaussiani. Stima di Markov. - Richiami sui sistemi dinamici lineari: modelli tempo-invarianti; risposta impulsiva e matrice di trasferimento. Proprietà strutturali (osservabilità, controllabilità), stabilità. - Sistemi dinamici stocastici e filtro di Kalman: rumore bianco e modello di generazione del segnale; sistemi stocastici lineari a tempo discreto; processi di innovazione dello stato e dell’uscita; le equazioni ricorsive dello stimatore ottimo (filtro di Kalman); calcolo ricorsivo della covarianza dell'errore di stima e del guadagno del filtro (equazioni di Riccati). Predittore ottimo; interpolatore ottimo mediante lo stato esteso. Cenno sui sistemi stocastici a tempo continuo con osservazioni discrete. Cenni alla soluzione stazionaria delle equazioni e al filtro di Kalman stazionario. Stima dello stato nei sistemi non lineari: il filtro di Kalman esteso. Note sulla stima parametrica dei sistemi stocastici con la massima verosimiglianza. - Risultati classici nell'identificazione dei sistemi: panoramica dei metodi basati sull’errore di predizione (PEM) per modelli in forma ingresso-uscita (Box-Jenkins, ARMAX, ARX). Soluzione ai minimi quadrati per modelli ARX. - Identificazione ai sottospazi: il metodo Ho-Kalman per la realizzazione deterministica di risposte impulsive. Ho-Kalman rivisitato (ingressi generali, rumore di misura). Metodi ai sottospazi: l'algoritmo MOESP per sistemi con uscita corrotta da rumore bianco. Riduzione dell'ordine di un modello mediante realizzazione troncata. Modulo Machine Learning: Questo modulo copre i fondamenti di tecniche di analisi dei dati, di Machine Learning e di Model Predictive Control per il monitoraggio e la gestione di sistemi di automazione in rete. Si forniranno innanzitutto le nozioni di base di tecniche, basate su Machine Learning, sfruttate per estrarre un modello predittivo di un sistema. Quindi, si forniranno le nozioni di base della teoria del controllo ottimo, quali la definizione e interpretazione di un problema di ottimizzazione con funzione di costo quadratica e vincoli affini e quadratici, la conoscenza delle tecniche e tools esistenti per la soluzione e la loro complessità computazionale, e l’integrazione dei modelli predittivi su descritti come vincoli di tali problemi di ottimizzazione. Infine, si mostrerà con esempi simulativi in Matlab come applicare le tecniche introdotte nel corso ai problemi di modellazione e controllo di sistemi di automazione in rete. Nel dettaglio, il modulo è organizzato come segue: Introduzione su raccolta e pre-processamento dati, su classi di modelli, funzioni di costo, esercitazioni su Matlab. Elementi di ottimizzazione convessa, richiami di controllo ottimo, (approfondimenti di) Model Predictive Control, esercitazioni su Matlab. Introduzione al Machine Learning, percettrone, Support Vectors Machines. Modelli e tecniche di regressione: AutoRegressive eXogenous (ARX) models, Regression trees, Random forests, esercitazioni su Matlab. Elementi di Artificial Neural Networks, esercitazioni su Matlab. Algoritmi di identificazione e MPC basati su modelli ottenuti da tecniche di Machine Learning, esercitazioni Matlab. Esercitazioni su Matlab con applicazione su data-set reali: costruzione di modelli predittivi e loop di controllo.

Matematica: teoria della probabilità, analisi matriciale, calcolo integro-differenziale. Informatica: fondamenti di programmazione. Automatica: conoscenze delle tecniche di analisi e controllo di sistemi lineari e non lineari. Modulo machine learning: Teoria dei Sistemi, Analisi ed Elaborazione dei segnali

Modulo di “Identificazione dei sistemi e analisi dei dati” - Lezioni frontali di teoria; - Attività relative all’applicazione della teoria a situazioni pratiche: proposizione di esercizi e problemi da svolgere in classe. Modulo Machine Learning: Lezioni teoriche, esercitazioni Matlab

Modalità d'esame

Modulo di “Identificazione dei sistemi e analisi dei dati” All’inizio del corso: verifica informale dei prerequisiti mediante discussione e domande in classe. In itinere: proposta di esercizi e problemi da svolgere e risolvere in classe, nel corso delle lezioni. Esame finale:colloquio orale composto da: (A) domande volte a verificare la comprensione dei contenuti del corso; (B) proposte di problemi e situazioni pratiche atti a valutare la capacità degli studenti di applicare le metodologie apprese. Le parti (A) e (B) concorrono, rispettivamente, per circa il 70% e il 30% alla formazione del voto finale. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente (18-23): lo studente conosce le tematiche svolte nel corso, ma non in modo approfondito (non è pronto nei collegamenti e nell’applicazione delle metodologie, ha una conoscenza superficiale dei passaggi matematici); adeguata/buona (24-27): buona conoscenza delle tematiche svolte nel corso, sa fare collegamenti e sa motivare, del tutto o in parte, le metodologie apprese. Sa applicare le metodologie apprese se indirizzato; approfondita (28-30 L): conoscenza approfondita delle tematiche svolte nel corso, sa fare collegamenti, sa motivare efficacemente le metodologie e le sa applicare in modo autonomo a problemi specifici. Modulo Machine Learning: La verifica dell’apprendimento è costituita da una prova orale e dalla discussione di una tesina preparata dallo studente e i cui argomenti saranno preventivamente concordati con il docente. Il voto finale dipenderà per l'80% dalla prova orale e per il 20% dalla discussione della tesina. L’attribuzione del voto rifletterà i seguenti tre livelli di preparazione: - sufficiente: conoscenza base delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; - buona: conoscenza avanzata delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; capacità di impostare formalmente un problema di controllo relativo ad una rete di telecomunicazioni; - eccellente: conoscenza avanzata, con approfondimenti tecnici, delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; capacità di impostare formalmente un problema di controllo relativo ad una rete di telecomunicazioni, e di confrontare e scegliere in modo adeguato le varie tecniche in modo coerente al problema specifico.

Testi di riferimento

Modulo di “Identificazione dei sistemi e analisi dei dati” - M. Dalla Mora, A. Germani, C. Manes: Introduzione alla Teoria dell'Identificazione dei Sistemi; EUROMA-La Goliardica (1997). - M. Verhaegen, V. Verdult: Filtering and System Identification; Cambridge University Press (2012). - Balakrishnan, A.V. Kalman Filtering Theory. Optimization Software, Inc .(1984). Modulo Machine Learning: - Slides del corso. - Book 1: Christopher M. Bishop. Pattern Recognition And Machine Learning - Springer-Verlag New York 2006 - Book 2: Trevor Hastie, Robert Tibshirani and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series In Statistics, 2009 - Book 3: Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, Cambridge, MA, 2018

Codice insegnamento 38970

MACHINE LEARNING WITH APPLICATION TO EV’S 2° anno · 7 CFU · IINF-04/A · 0 file
MASTER'S THESIS 2° anno · 12 CFU · 0 file
MICROCONTROLLER AND FPGA TECHNIQUE FOR POWER ELECTRONICS APPLICATIONS 2° anno · 5 CFU · IIND-08/A · 0 file
MICROPROCESSOR APPLICATIONS FOR REAL TIME SYSTEMS 2° anno · 4 CFU · IINF-05/A · 0 file
MODELING AND CONTROL OF POWER ELECTRONICS CONVERTERS 2° anno · 5 CFU · IIND-08/A · 0 file
MODULE OF SCIENTIFIC RESEARCH III 2° anno · 10 CFU · IINF-04/A · 0 file
NEURAL NETS TECHNIQUES FOR EV CONTROL 2° anno · 7 CFU · IINF-04/A · 0 file
OBSERVATION AND DIAGNOSIS FOR ELECTRIC AND HYDROGEN PROPULSION SYSTEMS 2° anno · 5 CFU · IIND-08/A · 0 file
OPTIMAL CONTROL 2° anno · 6 CFU · IINF-04/A · 0 file

L'obiettivo principale è quello di fornire gli strumenti per la progettazione di controllori ottimali a ciclo aperto e a ciclo chiuso, principalmente con l'aiuto del Principio Massimo di Pontryagin e della Teoria della…

Scheda dell'insegnamento

Obiettivi formativi

L'obiettivo principale è quello di fornire gli strumenti per la progettazione di controllori ottimali a ciclo aperto e a ciclo chiuso, principalmente con l'aiuto del Principio Massimo di Pontryagin e della Teoria della Programmazione Dinamica, per sistemi dinamici lineari e non lineari. Altro obiettivo è fornire le motivazioni, le definizioni e le tecniche per l'acquisizione e la manipolazione dei dati provenienti da sistemi di automazione in rete, al fine di derivare, mediante tecniche di Machine Learning, modelli predittivi, ed utilizzare tali modelli per gestire risorse in modo dinamico ed ottimo. Al completamento con successo di questo corso, lo studente dovrebbe - avere una profonda conoscenza e comprensione della formulazione dei problemi di controllo ottimo in contesto dinamico - comprendere e spiegare la fattibilità dei problemi - dimostrare abilità nell'analisi e formulazione di problemi e capacità di risolverli, con l'aiuto dei principali strumenti software; - Dimostrare la capacità di leggere e comprendere altri testi sugli argomenti correlati - avere conoscenza delle tecniche di ML - essere in grado di scegliere la migliore tecnica per costruire un modello predittivo di un sistema di automazione, e utilizzarlo per risolvere un problema di controllo ottimo rispetto a determinate specifiche e vincoli.

Programma

  • Principio del massimo di Pontryagin - Controllo ottimo con orizzonte finito, con stato finale non vincolato e vincolato. Problemi di controllo ottimo in tempo minimo. - Problemi quadratici lineari, con orizzonte finito e infinito. - Controllo H_infinity.- Programmazione dinamica. Equazione di Hamilton–Jacobi–Bellman- Introduzione alla teoria dei giochi - Problemi avanzati di controllo ottimo (ad es. MPC) e applicazioni ingegneristicheQuesto corso copre anche fondamenti di tecniche di analisi dei dati, di Machine Learning e di Model Predictive Control per il monitoraggio e la gestione di sistemi di automazione in rete. Nel dettaglio, il corso è organizzato come segue:Introduzione su raccolta e pre-processamento dati, su classi di modelli, funzioni di costo, esercitazioni su Matlab.(approfondimenti di) Model Predictive Control, esercitazioni su Matlab.Introduzione al Machine Learning, percettrone, Support Vectors Machines.Modelli e tecniche di regressione: AutoRegressive eXogenous (ARX) models, Regression trees, Random forests, esercitazioni su Matlab.Algoritmi di identificazione e MPC basati su modelli ottenuti da tecniche di Machine Learning, esercitazioni Matlab.Esercitazioni su Matlab con applicazione su data-set reali: costruzione di modelli predittivi e loop di controllo.

Gli studenti di questo corso dovrebbero avere familiarità con la teoria dei sistemi, ed in particolare con la descrizione e le proprietà nello spazio di stato dei sistemi dinamici, nel dominio del tempo continuo e del tempo discreto

Lezioni classiche, con compiti a casa e discussioni finali su alcuni argomenti avanzati, esercitazioni Matlab

Modalità d'esame

Questo corso richiede una prova scritta ed una verifica orale.La prova scritta si compone di due problemi. La prova orale ha l'obiettivo di accertare il livello di comprensione e di capacita di giudizio raggiunti. Problemi avanzati di controllo ottimo, machine learning per costruire modelli dinamici e applicazioni ingegneristiche possono essere assegnati come lavoro individuale o di gruppo agli studenti, che daranno seminari ai colleghi, nella parte finale del corso.

Testi di riferimento

D. Liberzon, Calculus of variations and optimal control theory. Princeton University PressChristopher M. Bishop. Pattern Recognition And Machine Learning - Springer-Verlag New York 2006Trevor Hastie, Robert Tibshirani and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series In Statistics, 2009Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, Cambridge, MA, 2018Appunti forniti dal docenteSlides del corso

Codice insegnamento 36991

OPTIMIZATION AND OPTIMAL CONTROL 2° anno · 5 CFU · IINF-04/A · 0 file
OPTIMIZATION, ENERGY MANAGEMENT OF ELECTRIC/ HYDROGEN VEHICLE CHARGING/REFUELLING 2° anno · 5 CFU · IIND-08/A · 0 file
POWER CONVERTERS, ELECTRIC MACHINES AND DRIVES II (INTEGRATED COURSE) 2° anno · 12 CFU · IIND-08/A · 0 file

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ Acquisizione di competenze avanzate sui convertitori…

Scheda dell'insegnamento

Obiettivi formativi

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ Acquisizione di competenze avanzate sui convertitori elettronici di potenza e sulle moderne topologie di conversione. Acquisizione di competenze necessarie per la progettazione di convertitori elettronici di potenza per applicazioni industriali, nella trazione elettrica, nella conversione delle energie rinnovabili e nelle reti energetiche intelligenti. ------------------------------------------------------------ Modulo: DT0728 - ELECTRIC MACHINES AND DRIVES 2 ------------------------------------------------------------ Approfondire le tecniche di controllo dei moderni azionamenti elettrici, nel funzionamento sia come motore che generatore; acquisire le competenze necessarie per la loro progettazione ed utilizzo.

Programma

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ Raddrizzatori attivi: topologie e loro controllo. Inverter: topologie e loro controllo. Convertitori multilivello: a punto neutro; a punto neutro attivo, a condensatore flottante; convertitori H-Bridge in cascata, convertitori multilivello modulari. Esempi di topologie multilivello a numero ridotto di componenti Convertitori risonanti. Criteri di selezione dei dispositivi di potenza (IGBT, MOSFET di potenza in tecnologia Si, SiC e GaN). Progettazione di circuiti di pilotaggio (isolati e non isolati). Modulazione dei convertitori di potenza. Misura delle grandezze tensione, corrente, flusso, temperatura. Isolamento galvanico. Sensori e circuiti per la misura di tensione, corrente e flusso. Misura di grandezze meccaniche: encoder incrementali, in quadratura ed assoluti. Sincro e resolver. Tecniche di misura per il controllo di convertitori di potenza e azionamenti. Sistemi analogici e digitali per il controllo di convertitori e azionamenti di potenza. Condizionamento dei segnali nei convertitori e negli azionamenti di potenza. Amplificatori operazionali, comparatori e circuiti tipici per il condizionamento dei segnali. Microcontrollori per il controllo di convertitori e azionamenti di potenza. Conversione analogico-digitale con microcontrollori. Generazione di segnali PWM con microcontrollori. Acquisizione segnali da encoder e da resolver con microcontrollori. Cenni sull'uso FPGA e CPLD nell'elettronica di potenza. ------------------------------------------------------------ Modulo: DT0728 - ELECTRIC MACHINES AND DRIVES 2 ------------------------------------------------------------ Tipologie delle macchine in corrente alternata e loro caratterizzazione rispetto all’applicazione.Modelli dinamici delle macchine asincrone e sincrone a magneti permanenti nei vari sistemi di riferimento (sincrono, sullo statore, sul rotore).Richiami su controllo vettoriale.Tecniche di controllo degli azionamenti elettrici, metodi di linearizzazione esatta, controllo sliding mode, controllo basato sulla passività, tecniche di controllo sensorless basate su iniezione di segnali e su anisotropie.Implementazione degli algoritmi di controllo su microcontrollori.Macchine multifase.Utilizzazione delle macchine elettriche nella funzione di generatori elettrici.

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ Aver superato il corso "Power Converters, Electric Machine and Drives I" o di un corso con contenuti equivalenti; conoscenza dell'elettrotecnica, dell'elettronica analogica e digitale, buona capacità di utilizzare Matlab/Simulink e di scrivere programmi in linguaggio "C" ed eventualmente in "VHDL". ------------------------------------------------------------ Modulo: DT0728 - ELECTRIC MACHINES AND DRIVES 2 ------------------------------------------------------------ Aver completato il corso "Power Converters, Electric Machine and Drives I" o di un corso con contenuti equivalenti; conoscenza dell'elettrotecnica, delle macchine elettriche in corrente continua e alternata e delle loro tecniche di controllo di base, compreso il controllo vettoriale; dell'elettronica analogica e digitale, capacità di utilizzare Matlab/Simulink, e di scrivere programmi nel linguaggio di programmazione "C" ed eventualmente in "VHDL".

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ Lezioni, esercitazioni di laboratorio, progetto. ------------------------------------------------------------ Modulo: DT0728 - ELECTRIC MACHINES AND DRIVES 2 ------------------------------------------------------------ Lezioni in aula, esercitazioni in laboratorio, progetto.

Modalità d'esame

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ Il docente distribuirà alcuni quesiti sugli argomenti trattati durante il corso, ai quali il candidato dovrà rispondere per iscritto entro 90 minuti. La commisione valuterà le risposte date da ogni studente, riservandosi la possibilità di interrogarlo. ------------------------------------------------------------ Modulo: DT0728 - ELECTRIC MACHINES AND DRIVES 2 ------------------------------------------------------------ Il docente distribuirà alcuni quesiti sugli argomenti trattati durante il corso, ai quali il candidato dovrà rispondere per iscritto entro 90 minuti.La commisione valuterà le risposte date da ogni studente, riservandosi la possibilità di interrogarlo.

Testi di riferimento

------------------------------------------------------------ Modulo: DT0727 - POWER CONVERTERS 2 ------------------------------------------------------------ - N. Mohan, T.M. Underland, W.P. Robbins, Power Electronics: Converters, Applications, and Design, JOHN WILEY & SONS, INC., 2003. - B. Jayant Baliga, Fundamentals of Power Semiconductor Devices, Springer Verlag, 2017. - I. Batarseh, A. Harb, Power Electronics: Circuit Analysis and Design, Second Edition, Springer, 2018 - Robert W. Erickson, Dragan Maksimovic, Fundamentals of Power Electronics, Springer Verlag, 2012. - Muhammad H. Rashid: Power Electronics: Circuits,Devices & Applications, Pearson, 2013. - Datasheets. ------------------------------------------------------------ Modulo: DT0728 - ELECTRIC MACHINES AND DRIVES 2 ------------------------------------------------------------ - Novotny, Lipo: Vector control of AC drives, Oxford Science Publications, 1996.- Krause, Wasynczuk, Sudhoff, Perarek: Analysis of electric machinery and drive systems, Wiley IEEE Press, 2013- Sul, Seung-Ki.Control of electric machine drive system, IEEE Wiley IEEE Press, 2011- Ali Emadi, Advanced Electric Drive Vehicles, CRC Press, 2017- Atif Iqbal, Shaikh Moinoddin, Bhimireddy Prathap Reddy, Electrical Machine Fundamentals with Numerical Simulation using MATLAB/SIMULINK, Wiley, 2021. Manuali dei microcontrollori TMS serie 2000.

Codice insegnamento 38969

PROJECT 2° anno · 5 CFU · IIND-08/A · 0 file
SEMINAR ON SELECTED TOPICS IN SYSTEMS AND CONTROL 2° anno · 5 CFU · IINF-04/A · 0 file
SEMINAR POWER ELECTRONICS 2° anno · 5 CFU · IIND-08/A · 0 file
SENSORLESS CONTROL OF ELECTRIC MACHINES 2° anno · 4 CFU · IINF-04/A · 0 file
SYSTEMS IDENTIFICATION AND MACHINE LEARNING 2° anno · 9 CFU · IINF-04/A · 0 file

Modulo di “Identificazione dei sistemi e analisi dei dati” L’obiettivo di questo modulo è di avviare gli studenti allo studio delle tecniche di analisi dei dati e di stima stocastica, e in particolar modo di…

Scheda dell'insegnamento

Scheda ripresa da un altro corso di laurea dello stesso ateneo.

Obiettivi formativi

Modulo di “Identificazione dei sistemi e analisi dei dati” L’obiettivo di questo modulo è di avviare gli studenti allo studio delle tecniche di analisi dei dati e di stima stocastica, e in particolar modo di identificazione dei modelli di sistemi dinamici e della stima dello stato mediante tecniche di filtraggio. Al completamento del corso lo studente sarà in grado di formulare e analizzare problemi di stima e di identificazione di modelli dinamici sulla base di misure affette da rumore stocastico, e di proporre diversi tipi di soluzioni. Inoltre, sarà in grado di proporre soluzioni a problemi di analisi e compressione dei dati, e di riconoscimento di pattern. Le conoscenze acquisite in questo insegnamento andranno ad aumentare le competenze e le abilità dello studente nelle attività di modellistica, simulazione e progetto di sistemi di controllo, nonché nell’analisi dei dati. Modulo di “Machine Learning”: L'obiettivo di questo modulo è fornire le motivazioni, le definizioni e le tecniche per l'acquisizione e la manipolazione dei dati provenienti da sistemi di automazione in rete, al fine di derivare, mediante tecniche di Machine Learning, modelli predittivi, ed utilizzare tali modelli per gestire risorse in modo dinamico ed ottimo.

Programma

Modulo di “Identificazione dei sistemi e analisi dei dati” - Richiami di algebra lineare: vettori, matrici, sottospazi. Quattro sottospazi fondamentali associati a una matrice, pseudo-inversa, proiezioni. Richiami di Calcolo delle Probabilità: eventi, variabili aleatorie, distribuzioni di probabilità, momenti di variabili aleatorie; la distribuzione Gaussiana multivariabile; probabilità condizionata e condizionamento, indipendenza tra eventi e tra variabili aleatorie. Calcolo del valore atteso condizionato nel caso gaussiano. Lo spazio di Hilbert delle variabili aleatorie con varianza finita; valore atteso condizionato e proiezione. - La decomposizione ai valori singolari di una matrice e la sua relazione con pseudo-inversa e quattro sottospazi fondamentali associati alla matrice. Fattorizzazione QR. Prime applicazioni all'analisi dei dati e alla compressione dei dati: approssimazione a basso rango di una matrice, teorema di Eckart–Young–Mirsky. - Soluzioni approssimate e a norma minima per sistemi lineari sovradeterminati e sottodeterminati tramite il metodo dei minimi quadrati ordinari. Interpretazione geometrica dei minimi quadrati. Applicazioni al fitting dei dati: stima di funzioni lineari e non lineari dai dati mediante regressione. - Teoria della stima: concetti base sulla stima, fenomeni reali e i loro modelli, raccolta dei dati, set di dati per l'addestramento e il test, validazione del modello. Stima di minima varianza dell’errore e valore atteso condizionato nel caso generale e nel caso Gaussiano; stima ottima e subottima mediante proiezioni. Stima di massima probabilità a posteriori e stima di massima verosimiglianza. Stima dei parametri di una distribuzione; esempi gaussiani. Stima di Markov. - Richiami sui sistemi dinamici lineari: modelli tempo-invarianti; risposta impulsiva e matrice di trasferimento. Proprietà strutturali (osservabilità, controllabilità), stabilità. - Sistemi dinamici stocastici e filtro di Kalman: rumore bianco e modello di generazione del segnale; sistemi stocastici lineari a tempo discreto; processi di innovazione dello stato e dell’uscita; le equazioni ricorsive dello stimatore ottimo (filtro di Kalman); calcolo ricorsivo della covarianza dell'errore di stima e del guadagno del filtro (equazioni di Riccati). Predittore ottimo; interpolatore ottimo mediante lo stato esteso. Cenno sui sistemi stocastici a tempo continuo con osservazioni discrete. Cenni alla soluzione stazionaria delle equazioni e al filtro di Kalman stazionario. Stima dello stato nei sistemi non lineari: il filtro di Kalman esteso. Note sulla stima parametrica dei sistemi stocastici con la massima verosimiglianza. - Risultati classici nell'identificazione dei sistemi: panoramica dei metodi basati sull’errore di predizione (PEM) per modelli in forma ingresso-uscita (Box-Jenkins, ARMAX, ARX). Soluzione ai minimi quadrati per modelli ARX. - Identificazione ai sottospazi: il metodo Ho-Kalman per la realizzazione deterministica di risposte impulsive. Ho-Kalman rivisitato (ingressi generali, rumore di misura). Metodi ai sottospazi: l'algoritmo MOESP per sistemi con uscita corrotta da rumore bianco. Riduzione dell'ordine di un modello mediante realizzazione troncata. Modulo Machine Learning: Questo modulo copre i fondamenti di tecniche di analisi dei dati, di Machine Learning e di Model Predictive Control per il monitoraggio e la gestione di sistemi di automazione in rete. Si forniranno innanzitutto le nozioni di base di tecniche, basate su Machine Learning, sfruttate per estrarre un modello predittivo di un sistema. Quindi, si forniranno le nozioni di base della teoria del controllo ottimo, quali la definizione e interpretazione di un problema di ottimizzazione con funzione di costo quadratica e vincoli affini e quadratici, la conoscenza delle tecniche e tools esistenti per la soluzione e la loro complessità computazionale, e l’integrazione dei modelli predittivi su descritti come vincoli di tali problemi di ottimizzazione. Infine, si mostrerà con esempi simulativi in Matlab come applicare le tecniche introdotte nel corso ai problemi di modellazione e controllo di sistemi di automazione in rete. Nel dettaglio, il modulo è organizzato come segue: Introduzione su raccolta e pre-processamento dati, su classi di modelli, funzioni di costo, esercitazioni su Matlab. Elementi di ottimizzazione convessa, richiami di controllo ottimo, (approfondimenti di) Model Predictive Control, esercitazioni su Matlab. Introduzione al Machine Learning, percettrone, Support Vectors Machines. Modelli e tecniche di regressione: AutoRegressive eXogenous (ARX) models, Regression trees, Random forests, esercitazioni su Matlab. Elementi di Artificial Neural Networks, esercitazioni su Matlab. Algoritmi di identificazione e MPC basati su modelli ottenuti da tecniche di Machine Learning, esercitazioni Matlab. Esercitazioni su Matlab con applicazione su data-set reali: costruzione di modelli predittivi e loop di controllo.

Matematica: teoria della probabilità, analisi matriciale, calcolo integro-differenziale. Informatica: fondamenti di programmazione. Automatica: conoscenze delle tecniche di analisi e controllo di sistemi lineari e non lineari. Modulo machine learning: Teoria dei Sistemi, Analisi ed Elaborazione dei segnali

Modulo di “Identificazione dei sistemi e analisi dei dati” - Lezioni frontali di teoria; - Attività relative all’applicazione della teoria a situazioni pratiche: proposizione di esercizi e problemi da svolgere in classe. Modulo Machine Learning: Lezioni teoriche, esercitazioni Matlab

Modalità d'esame

Modulo di “Identificazione dei sistemi e analisi dei dati” All’inizio del corso: verifica informale dei prerequisiti mediante discussione e domande in classe. In itinere: proposta di esercizi e problemi da svolgere e risolvere in classe, nel corso delle lezioni. Esame finale:colloquio orale composto da: (A) domande volte a verificare la comprensione dei contenuti del corso; (B) proposte di problemi e situazioni pratiche atti a valutare la capacità degli studenti di applicare le metodologie apprese. Le parti (A) e (B) concorrono, rispettivamente, per circa il 70% e il 30% alla formazione del voto finale. L’attribuzione del voto rifletterà i seguenti livelli di preparazione: sufficiente (18-23): lo studente conosce le tematiche svolte nel corso, ma non in modo approfondito (non è pronto nei collegamenti e nell’applicazione delle metodologie, ha una conoscenza superficiale dei passaggi matematici); adeguata/buona (24-27): buona conoscenza delle tematiche svolte nel corso, sa fare collegamenti e sa motivare, del tutto o in parte, le metodologie apprese. Sa applicare le metodologie apprese se indirizzato; approfondita (28-30 L): conoscenza approfondita delle tematiche svolte nel corso, sa fare collegamenti, sa motivare efficacemente le metodologie e le sa applicare in modo autonomo a problemi specifici. Modulo Machine Learning: La verifica dell’apprendimento è costituita da una prova orale e dalla discussione di una tesina preparata dallo studente e i cui argomenti saranno preventivamente concordati con il docente. Il voto finale dipenderà per l'80% dalla prova orale e per il 20% dalla discussione della tesina. L’attribuzione del voto rifletterà i seguenti tre livelli di preparazione: - sufficiente: conoscenza base delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; - buona: conoscenza avanzata delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; capacità di impostare formalmente un problema di controllo relativo ad una rete di telecomunicazioni; - eccellente: conoscenza avanzata, con approfondimenti tecnici, delle definizioni formali, degli algoritmi e delle metodologie trattati nel corso; capacità di impostare formalmente un problema di controllo relativo ad una rete di telecomunicazioni, e di confrontare e scegliere in modo adeguato le varie tecniche in modo coerente al problema specifico.

Testi di riferimento

Modulo di “Identificazione dei sistemi e analisi dei dati” - M. Dalla Mora, A. Germani, C. Manes: Introduzione alla Teoria dell'Identificazione dei Sistemi; EUROMA-La Goliardica (1997). - M. Verhaegen, V. Verdult: Filtering and System Identification; Cambridge University Press (2012). - Balakrishnan, A.V. Kalman Filtering Theory. Optimization Software, Inc .(1984). Modulo Machine Learning: - Slides del corso. - Book 1: Christopher M. Bishop. Pattern Recognition And Machine Learning - Springer-Verlag New York 2006 - Book 2: Trevor Hastie, Robert Tibshirani and Jerome Friedman. The Elements of Statistical Learning: Data Mining, Inference, and Prediction. Springer Series In Statistics, 2009 - Book 3: Richard S. Sutton and Andrew G. Barto. Reinforcement Learning: An Introduction. MIT Press, Cambridge, MA, 2018

Codice insegnamento 40763

ADVANCED CONTROL OF ELECTRIC PROPULSION SYSTEMS 5 CFU · ING-INF/04 · 0 file
ADVANCED DIGITAL SIGNAL PROCESSING 5 CFU · ING-INF/03 · 0 file
BATTERY TECHNOLOGIES, MANUFACTURING, MODELLING, CONTROL AND INTEGRATION IN POWER ELECTRONICS 5 CFU · ING-IND/32 · 0 file
CASE STUDY APPLICATION DEDICATED ELECTRIC VEHICLE TOPOLOGY 5 CFU · ING-IND/32 · 0 file
CONTROL OF POWER CONVERTERS FOR ELECTRIC PROPULSION SYSTEMS 5 CFU · ING-IND/32 · 0 file
ELECTRIC DRIVES 5 CFU · ING-IND/32 · 0 file
GRID CONVERTERS FOR RENEWABLE ENERGY SYSTEMS 5 CFU · ING-IND/32 · 0 file
IMAGE–BASED 3D SCENE RECONSTRUCTION 5 CFU · ING-INF/05 · 0 file
OBSERVATION AND DIAGNOSIS FOR ELECTRICAL SYSTEMS 5 CFU · ING-IND/32 · 0 file
OPTIMIZATION, APPLICATION TO ENERGY MANAGEMENT OF ELECTRIC VEHICLE CHARGING 5 CFU · ING-IND/32 · 0 file
PARTIALLY SUPERVISED SCIENTIFIC RESEARCH II 10 CFU · 0 file
PRACTICAL WORK, SCIENTIFIC RESEARCH 10 CFU · 0 file
PROJECT E–PICO 2 5 CFU · ING-IND/32 · 0 file
RIGID BODY DYNAMICS AND ROBOTICS 5 CFU · ING-INF/04 · 0 file
SYSTEMS IDENTIFICATION AND DATA ANALYSIS 6 CFU · ING-INF/04 · 0 file
WIDE-BANDGAP SEMICONDUCTORS 5 CFU · ING-INF/01 · 0 file

Recensioni del corso

Studi qui? Accedi per lasciare la tua recensione e aiutare altri studenti a scegliere.

★

Nessuna recensione per ora — e la prima è la più preziosa. Condividi la tua esperienza e orienta le future matricole.