Corso di laurea

Ingegneria Meccatronica

Università degli Studi di Roma Tor Vergata · 42 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

Analogue Electronics 1° anno · 9 CFU · IINF-01/A · 0 file

OBIETTIVI FORMATIVI: Apprendimento dei concetti di base di sistemi e circuiti elettronici analogici e sviluppo delle competenze per progettare circuiti elettronici. Gli obiettivi formativi sono perseguiti attraverso…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

OBIETTIVI FORMATIVI: Apprendimento dei concetti di base di sistemi e circuiti elettronici analogici e sviluppo delle competenze per progettare circuiti elettronici. Gli obiettivi formativi sono perseguiti attraverso lezioni frontali ed esercitazioni. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Lo studente acquisisce le conoscenze concettuali e analitiche di base, sia teoriche che applicate, dei principali componenti elettronici di base. Successivamente acquisisce le conoscenze relative alla integrazione di componenti elettronici di base per lo sviluppo di sistemi elettronici più complessi, quali amplificatori, oscillatori, raddrizzatori, etc. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Lo studente dimostrerà di aver acquisito le metodologie per la analisi e sintesi (progettazione) di semplici circuiti elettronici. AUTONOMIA DI GIUDIZIO: Lo studente dovrà essere in grado di integrare le conoscenze di base fornite con quelle derivanti dai corsi di fisica, matematica e di elettrotecnica, al fine di selezionare correttamente le più opportune opzioni analitiche e di sintesi circuitale. ABILITÀ COMUNICATIVE: Gli studenti dovranno essere in grado di illustrare in modo sintetico ed analitico le tematiche di base del corso, collegando fra loro i diversi concetti che si integrano in sistemi elettronici più complessi. CAPACITÀ DI APPRENDIMENTO: Gli studenti dovranno essere in grado di leggere e comprendere testi ed articoli scientifici in lingua inglese per approfondimenti degli argomenti trattati ma anche di allargare autonomamente la propria conoscenza della materia a tematiche non direttamente affrontate nel corso e connesse con il rapido sviluppo tecnologico nel settore dell'elettronica analogica.

Programma

OBIETTIVI FORMATIVI: Apprendimento dei concetti di base di sistemi e circuiti elettronici analogici e sviluppo delle competenze per progettare circuiti elettronici. Gli obiettivi formativi sono perseguiti attraverso lezioni frontali ed esercitazioni. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Lo studente acquisisce le conoscenze concettuali e analitiche di base, sia teoriche che applicate, dei principali componenti elettronici di base. Successivamente acquisisce le conoscenze relative alla integrazione di componenti elettronici di base per lo sviluppo di sistemi elettronici più complessi, quali amplificatori, oscillatori, raddrizzatori, etc. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Lo studente dimostrerà di aver acquisito le metodologie per la analisi e sintesi (progettazione) di semplici circuiti elettronici. AUTONOMIA DI GIUDIZIO: Lo studente dovrà essere in grado di integrare le conoscenze di base fornite con quelle derivanti dai corsi di fisica, matematica e di elettrotecnica, al fine di selezionare correttamente le più opportune opzioni analitiche e di sintesi circuitale. ABILITÀ COMUNICATIVE: Gli studenti dovranno essere in grado di illustrare in modo sintetico ed analitico le tematiche di base del corso, collegando fra loro i diversi concetti che si integrano in sistemi elettronici più complessi. CAPACITÀ DI APPRENDIMENTO: Gli studenti dovranno essere in grado di leggere e comprendere testi ed articoli scientifici in lingua inglese per approfondimenti degli argomenti trattati ma anche di allargare autonomamente la propria conoscenza della materia a tematiche non direttamente affrontate nel corso e connesse con il rapido sviluppo tecnologico nel settore dell'elettronica analogica.

Codice insegnamento 8037954

Digital Communications 1° anno · 6 CFU · IINF-03/A · 0 file

OBIETTIVI FORMATIVI: Al termine del corso lo studente dovrà essere in grado di: progettare un sistema di comunicazione digitale a partire dai requisiti sulla data rate, la banda disponibile, la potenza, l'affidabilità…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Al termine del corso lo studente dovrà essere in grado di:

  • progettare un sistema di comunicazione digitale a partire dai requisiti sulla data rate, la banda disponibile, la potenza, l'affidabilità e la complessità del rice-trasmettitore;
  • Analizzare le prestazioni di un collegamento di comunicazione digitale in presenza di rumore AWGN in termini di SNR e massima bit error rate;
    . calcolare i requisiti di banda e potenza di un sistema moderno di comunicazione digitale

CONOSCENZA E CAPACITÀ DI COMPRENSIONE:
Il corso fornisce allo studente le conoscenze di base per capire, progettare, e valutare le prestazioni di un sistema di comunicazione digitale.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE:
Lo studente dovrà essere in grado di progettare un sistema di comunicazione digitale a partire dai requisiti e valutarne le prestazioni anche tramite simulazione, prevedendo il corso anche alcune esercitazioni in Matlab.

AUTONOMIA DI GIUDIZIO:
Lo studente verrà preparato per capire e discutere i vari compromessi che esistono quando si progetta un sistema di comunicazione digitale. Lo studente dovrà dimostrare di comprendere e interpretare in maniera autonoma e critica le conoscenze acquisite, in modo da essere in grado di collegare e integrare i vari aspetti, avere una capacità di indagine, selezione e scelta dello schema di modulazione, del ricevitore in relazione ai requisiti del sistema.

ABILITÀ COMUNICATIVE: Lo studente dovrà essere in grado di comunicare in modo chiaro, corretto e con linguaggio tecnico le proprie conoscenze acquisite durante il corso. L'esame prevede sia uno scritto sia un orale che verrà usato per valutare l'acquisizione delle competenze dello studente.

Per eventuali disturbi dell’apprendimento o disabilità, si prega di prendere visione delle modalità di supporto del CARIS (https://www-2024.caris.uniroma2.it/)

Programma

Concetto di sistema digitale; trasmissione su canali rumorosi; elementi
di modulazione analogica; modulazione in banda base e in banda
passante; ricevitore ottimo su canale AWGN, trasmissione su canale a
banda limitata senza ISI (criterio di Nyquist), compromesso banda-potenza;
interferenza inter-simbolica ed equalizzatori lineari.

Modalità d'esame

La valutazione finale dell'apprendimento consiste in una prova scritta ed una prova orale. La prova scritta consiste in 5 esercizi, dai i quali dovrebbe emergere la capacità dello studente di lavorare con i segnali o processi aleatori usati per progettare sistemi di comunicazione digitale, progettare vari elementi del sistema digitale (il quantizzatore, il ricevitore ottimo), valutare le prestazioni di un sistema digitale (calcolo BER etc.). Se il voto dello scritto è sufficiente, si procede all'esame orale che è volto a meglio comprendere la capacità dello studente di discutere i compromessi in gioco nel progetto del sistema digitale di comunicazione, in vari contesti operativi e le sfide e anche a valutare la capacità di esprimere questi concetti con un linguaggio tecnicamente corretto.
La prova di esame valuta, la preparazione complessiva dello studente, la capacità di integrazione delle conoscenze delle diverse parti del programma, la consequenzialità del ragionamento, la capacità analitica e la autonomia di giudizio. Inoltre vengono valutate la proprietà di linguaggio e la chiarezza espositiva, in aderenza con i descrittori di Dublino (1.Conoscenza e capacità di comprensione (knowledge and understanding); 2. Capacità di applicare la conoscenza e comprensione (applying knowledge and understanding); 3. Autonomia di giudizio (making judgements); 4. Capacità di apprendimento (learning skills); 5: Abilità di comunicazione (communication skills).
Il voto finale sarà rapportato per il 70% al grado di conoscenza e per il 30% alla capacità espressiva e di giudizio autonomo dimostrate dallo studente.
La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio , gli argomenti sono esposti in modo non coerente e con linguaggio
inappropriato,
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili generalizzazioni e imperfezioni; capacità di analisi sintesi e autonomia di giudizio sufficienti, gli argomenti sono esposti in modo frequentemente poco coerente e con un linguaggio poco appropriato/tecnico,
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica sufficientemente coerente e linguaggio appropriato/tecnico
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso ma con un linguaggio non sempre appropriato/tecnico.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi. Buona autonomia di giudizio. Argomenti esposti in modo rigoroso e con linguaggio appropriato/tecnico
30-30L: Ottimo livello di conoscenza e comprensione approfondita degli argomenti. Ottime capacità di analisi, di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale e con linguaggio tecnico appropriato.

Testi di riferimento

Proakis, Salehi "Fundamentals of Communication Systems" Prentice Hall

Codice insegnamento 8039522

Digital Electronics 1° anno · 6 CFU · IINF-01/A · 0 file

Boolean Algebra, CMOS Technology, Combinational Systems Analysis and Design, Sequential Systems Analysis and Design, Up to chapter 8 reference book

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Boolean Algebra, CMOS Technology, Combinational Systems Analysis and Design, Sequential Systems Analysis and Design, Up to chapter 8 reference book

Programma

Boolean Algebra, CMOS Technology, Combinational Systems Analysis and Design, Sequential Systems Analysis and Design, Up to chapter 8 reference book

Codice insegnamento 80300061

Digital Modeling Of Energy Conversion 1° anno · 6 CFU · IIND-06/A · 0 file

DEvelop skills for the modeling of energy conversion components and system with respect to design and control targets.

Scheda dell'insegnamento

Obiettivi formativi

DEvelop skills for the modeling of energy conversion components and system with respect to design and control targets.

Programma

PARTE TEORICA SULLA CONVERSIONE DELL'ENERGIA (Prof. Vincenzo Mulone)

  • Introduzione/ Prospettiva energetica e ambientale
  • Energia e primo principio della termodinamica, sistemi chiusi, transitori, cicli, accumulo di energia
  • Valutazione delle proprietà dei materiali, inclusi vapori, gas ideali, calore specifico, proprietà di comprimibilità. Bilancio energetico per sistemi chiusi, trasformazioni politropiche
  • Analisi del volume di controllo, conservazione massa, ugelli/diffusori, compressore e pompe, scambiatori di calore, valvole, analisi transitoria, integrazione di sistema, esempi
  • Secondo principio della termodinamica, processi irreversibili, refrigerazione, prestazioni massime, ciclo di Carnot, calcolo della variazione di entropia, esempi
  • Calcolo dell'entropia, efficienze isoentropiche, approfondimenti su compressori, pompe, scambiatori di calore (modellazione e controllo
  • Exergia; Esempi
  • Gas power systems
  • Refrigeration vapor power systems
  • Tecnologie di accumulo dell'energia, elettrochimica, equazioni di governo, ruolo dell'idrogeno.
  • Batterie: aspetti operativi, SOC e tensione, design, pacchi, modellazione di base).
  • Fuel Cell: progettazione, punti operativi, curve di polarizzazione, equazioni termodinamiche, efficienza, modellazione di base.
  • Elettrolizzatori: curva di polarizzazione, modellazione di base
  • Idrogeno, celle a combustibile e sistemi ibridi
  • Sistemi e tecnologie innovative per la conversione dell'energia
    PARTE DI MODELLAZIONE DIGITALE (Dr. Pietro Mele)
    Metà del corso si terrà sulla modellazione digitale della conversione dell'energia attraverso lezioni per lo sviluppo di competenze digitali e di coding su Matlab/Simulink/Simscape. Lo/la studente avrà assignment individuali e di gruppo da consegnare entro scadenze prestabilite. Il programma delle singole lezioni e dei singoli compiti sarà comunicato all'inizio del corso.

Modalità d'esame

Il corso sarà valutato al 60% per la parte di digital modeling. A tale scopo, saranno valutate le esercitazioni consegnate entro le scadenze previste.
Sarà inoltre previsto un colloquio orale per l'assegnazione del 40% rimanente.

Testi di riferimento

Moran, Shapiro, Boettner, Bailey, Fundamentals of Engineering Thermodynamics. 8th edition. Wiley (2014).
Dincer, Zamfirescu. Sustainable Energy Systems and Applications. 1st edition. Springer (2012).

Codice insegnamento 80300269

Digital Signal Processing 1° anno · 6 CFU · IINF-03/A · 0 file

OBIETTIVI FORMATIVI: Il corso ha come obiettivo formativo per gli studenti l’ acquisizione di strumenti teorici e pratici per lo sviluppo di capacità progettuali e consapevolezza realizzativa dei sistemi di…

Scheda dell'insegnamento

Obiettivi formativi

OBIETTIVI FORMATIVI: Il corso ha come obiettivo formativo per gli studenti l’ acquisizione di strumenti teorici e pratici per lo sviluppo di capacità progettuali e consapevolezza realizzativa dei sistemi di elaborazione numerica dei segnali e relative applicazioni.

CONOSCENZA E CAPACITÀ DI COMPRENSIONE: E' previsto che gli studenti arrivino alla comprensione degli elementi teorici, progettuali e algoritmici della elaborazione numerica dei segnali e che siano in grado di applicarli in esercizi progettuali.

CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: E’ previsto che gli studenti applichino diffusamente e personalizzino le tecniche di progetto e algoritmiche descritte a lezione.

AUTONOMIA DI GIUDIZIO: E’ previsto che gli studenti giungano a una descrizione motivata delle tecniche di progetto e algoritmiche nonché dei relativi strumenti, con integrazioni e collegamenti.

ABILITÀ COMUNICATIVE: E’ previsto che gli studenti arrivino a descrivere analiticamente gli elementi teorici, le tecniche di progetto e le fasi degli algoritmi, anche fornendo eventuali esempi.

CAPACITÀ DI APPRENDIMENTO: E’ previsto che gli studenti sappiano comprendere strumenti e manuali di progetto. La correlazione tra argomenti è importante, in particolare nella attuazione di scelte autonome di progetto.

Per eventuali disturbi dell’apprendimento o disabilità, si prega di prendere visione delle modalità di supporto del CARIS (https://www-2024.caris.uniroma2.it/)

Programma

DIGITAL SIGNAL PROCESSING
PARTE I – Segnali e sistemi a tempo discreto: Discrete-time Fourier transform (DTFT); trasformata Z; Discrete Fourier Series (DFS).
PARTE II – Algoritmi di elaborazione: introduzione all’elaborazione numerica; Discrete Fourier Transform (DFT); elaborazione finita e lunga; elaborazione basata su DFT; Fast Fourier Transform (FFT); elaborazione con FFT.
PARTE III – Progetto di filtri numerici: introduzione ai filtri; classificazione FIR e IIR; strutture, progettazione e realizzazione di filtri IIR e FIR; analisi della lunghezza finita dei registri; progetto di sistemi di DSP e applicazioni;
PARTE IV- Sequenze casuali; elaborazione di sequenze casuali con filtri digitali; introduzione alla stima di sequenze casuali; stimatori di media, varianza e autocovarianza di sequenze casuali con analisi delle prestazioni; stima dello spettro; periodogramma e analisi delle prestazioni; stimatori smussati e analisi delle prestazioni; uso della FFT nella stima spettrale.

DIGITAL SIGNAL PROCESSING
PARTE V -VLAB: applicazioni con esempi di progetto e applicazioni di filtri IIR e FIR, laboratorio e esercizi su Matlab; uso di Matlab nella stima spettrale.

Modalità d'esame

a) Combinazione di: prova di progetto (scritta); approfondimento sullo sviluppo di sistemi di DSP (scritto); orale.
La prova di progetto e di approfondimento sullo sviluppo di sistemi di DSP sono propedeutiche per sostenere l'orale.
Viene effettuata una verifica in itinere nell'ultima parte del corso (che prevede anche una data di recupero nell'ultima settimana di lezione) e che, se superata, esonera dalla prova di progetto di appello.

b) La prova di progetto prevede esercizi progettuali a risposta aperta da svolgersi in due ore. Prevede, inoltre, lo sviluppo di codici Matlab che realizzino un progetto di filtri digitali, da svolgersi in un'ora, come riportato nella scheda DSP-1/6 CFU del Prof. T. Rossi.
Durante la prova di progetto si possono consultare tutti i materiali del corso.
L'approfondimento sullo sviluppo di sistemi di DSP è su un argomento che può cambiare di anno in anno e deve essere consegnato entro la fine del corso.
L'orale prevede domande sull'intero programma e la discussione della prova di progetto.

c) La prova di progetto (parte esercizi e parte codici Matlab) e l'approfondimento sullo sviluppo di sistemi di DSP sono valutati con un giudizio (compreso tra FAIL ed EXCELLENT). I risultati della prova progetto vengono comunicati via Teams e quelli dell'approfondimento sullo sviluppo di sistemi di DSP in sede di orale.
La parte scritta e quella orale concorrono in modo circa equivalente all'esito finale, che è in trentesimi.

d) Il voto finale si basa sul livello di conoscenza degli strumenti teorici, progettuali e algoritmici e sul loro impiego efficace in esercizi progettuali; in particolare, il voto finale è per il 70% riferibile al grado di conoscenza e per il 30% alla capacità espressiva e di giudizio autonomo dimostrate dallo studente nelle varie fasi d’esame dedicate ai progetti e alla prova orale.

In dettaglio le valutazioni finali hanno il seguente significato:

Esame non superato: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti e delle tecniche di progettazione; limitate capacità di analisi e sintesi, critiche e di giudizio; i progetti e gli argomenti sono rappresentati in modo non coerente e tecnicamente inappropriato.
18-20: conoscenza e comprensione degli argomenti e delle tecniche di progetto sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti; gli argomenti e le tecniche di progettazione sono presentate in modo non troppo coerente e tecnicamente appropriato.
21-23: conoscenza e comprensione degli argomenti piatta; capacità di analisi e sintesi corrette, autonomia discreta; presentazione degli argomenti e delle tecniche di progettazione in modo sufficientemente coerente e tecnicamente appropriato.
24-26: conoscenza e comprensione degli argomenti più che discreta; buone capacità di analisi e sintesi, buona autonomia; presentazione degli argomenti e delle tecniche di progettazione in modo coerente e tecnicamente appropriato.
27-29: conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi, autonomia di giudizio molto buona; presentazione degli argomenti e delle tecniche di progettazione in modo rigoroso e tecnicamente molto appropriato.
30-30L: ottima conoscenza e comprensione degli argomenti completa; ottime capacità di analisi e sintesi, ottima autonomia di giudizio e originalità; presentazione degli argomenti e delle tecniche di progettazione in modo rigoroso e tecnicamente ottimo.

VLAB test in Matlab (scritto) valutato con un giudizio compreso tra FAIL ed EXCELLENT.

L’ esame consiste nello sviluppo di un codice Matlab per il progetto di filtri digitali da svolgersi in un'ora. Durante la prova Matlab si possono consultare tutti i materiali del corso. I risultati della prova vengono comunicati via Teams.

La prova Matlab è parte della prova di progetto, propedeutica all'esame orale e alla valutazione finale. Tale valutazione finale segue i criteri dettagliati nella scheda DSP-5/6 CFU della Prof. M. Ruggieri:

a) Combinazione di: prova di progetto (scritta); approfondimento sullo sviluppo di sistemi di DSP (scritto); orale.
La prova di progetto è propedeutica per sostenere l'orale.
Viene effettuata una verifica in itinere durante il corso (che prevede anche una data di recupero) e che, se superata, esonera dalla prova di progetto di appello.

b) La prova di progetto prevede esercizi progettuali.
L'orale prevede domande sull'intero programma e la discussione della prova di progetto.

c) La prova scritta è valutata con un giudizio (compreso tra FAIL ed EXCELLENT). La parte scritta e quella orale concorrono in modo circa equivalente all'esito finale, che è in trentesimi.

d) Il voto finale si basa sul livello di conoscenza degli strumenti teorici, progettuali e algoritmici e sul loro impiego efficace in esercizi progettuali; in particolare, il voto finale è per il 70% riferibile al grado di conoscenza e per il 30% alla capacità espressiva e di giudizio autonomo dimostrate dallo studente nelle varie fasi d’esame dedicate ai progetti e alla prova orale.

In dettaglio le valutazioni finali hanno il seguente significato:

Esame non superato: importanti carenze e/o inaccuratezze nella conoscenza e comprensione degli argomenti e delle tecniche di progettazione; limitate capacità di analisi e sintesi, critiche e di giudizio; i progetti e gli argomenti sono rappresentati in modo non coerente e tecnicamente inappropriato.
18-20: conoscenza e comprensione degli argomenti e delle tecniche di progetto sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti; gli argomenti e le tecniche di progettazione sono presentate in modo non troppo coerente e tecnicamente appropriato.
21-23: conoscenza e comprensione degli argomenti piatta; capacità di analisi e sintesi corrette, autonomia discreta; presentazione degli argomenti e delle tecniche di progettazione in modo sufficientemente coerente e tecnicamente appropriato.
24-26: conoscenza e comprensione degli argomenti più che discreta; buone capacità di analisi e sintesi, buona autonomia; presentazione degli argomenti e delle tecniche di progettazione in modo coerente e tecnicamente appropriato.
27-29: conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi e sintesi, autonomia di giudizio molto buona; presentazione degli argomenti e delle tecniche di progettazione in modo rigoroso e tecnicamente molto appropriato.
30-30L: ottima conoscenza e comprensione degli argomenti completa; ottime capacità di analisi e sintesi, ottima autonomia di giudizio e originalità; presentazione degli argomenti ed eccellente approccio rigoroso e tecnico.

Testi di riferimento

[1] S.K.Mitra, “Digital Signal Processing – A Computer-Based Approach”, 3° edition, McGraw-Hill, 2006.

[1] S.K.Mitra, “Digital Signal Processing – A Computer-Based Approach”, 3° edition, McGraw-Hill, 2006.

Codice insegnamento 8039514

Digital Signal Processing 1° anno · 9 CFU · IINF-03/A · 0 file

The course aims at providing to the students the theoretical and practical tools for the development of design capabilities and implementation awareness of Digital Signal Processing (DSP) systems and the related…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The course aims at providing to the students the theoretical and practical tools for the development of design capabilities and implementation awareness of Digital Signal Processing (DSP) systems and the related applications.

Programma

PARTE I – Segnali e sistemi a tempo discreto: Discrete-time Fourier transform (DTFT); trasformata Z; Discrete Fourier Series (DFS). PARTE II – Algoritmi di elaborazione: introduzione all’elaborazione numerica; Discrete Fourier Transform (DFT); elaborazione finita e lunga; elaborazione basata su DFT; Fast Fourier Transform (FFT); elaborazione con FFT. PARTE III – Progetto di filtri numerici: introduzione ai filtri; classificazione FIR e IIR; strutture, progettazione e realizzazione di filtri IIR e FIR; analisi della lunghezza finita dei registri; progetto di sistemi di DSP e applicazioni; PARTE IV- Sequenze casuali; elaborazione di sequenze casuali con filtri digitali; introduzione alla stima di sequenze casuali; stimatori di media, varianza e autocovarianza di sequenze casuali con analisi delle prestazioni; stima dello spettro; periodogramma e analisi delle prestazioni; stimatori smussati e analisi delle prestazioni; uso della FFT nella stima spettrale. PARTE V (Prof. Tommaso Rossi) -VLAB: applicazioni con esempi di progetto e applicazioni di filtri IIR e FIR, laboratorio e esercizi su Matlab; uso di Matlab nella stima spettrale.

Codice insegnamento 80300072

Electric Propulsion 1° anno · 6 CFU · IIND-08/A · 0 file

The course aims to provide the students some theoretical instruments necessary for the comprehension and related application of the fundamentals of electric and hybrid electric propulsion systems, with particular…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The course aims to provide the students some theoretical instruments necessary for the comprehension and related application of the fundamentals of electric and hybrid electric propulsion systems, with particular emphasis to the on-wheel and ship propulsion. The course will permit the students to acquire and apply the fundamentals of modelling and control of electric drives for the electric and hybrid electric on-wheel propulsion, beside the supply and storage systems. The issues of the impact of electric vehicles on the power grid will also be discussed, with reference to modern vehicle-to-grid (V2G) and grid-to-vehicle (G2V) technologies.

Programma

The course aims to provide the students some theoretical instruments necessary for the comprehension and related application of the fundamentals of electric and hybrid electric propulsion systems, with particular emphasis to the on-wheel and ship propulsion. The course will permit the students to acquire and apply the fundamentals of modelling and control of electric drives for the electric and hybrid electric on-wheel propulsion, beside the supply and storage systems. The issues of the impact of electric vehicles on the power grid will also be discussed, with reference to modern vehicle-to-grid (V2G) and grid-to-vehicle (G2V) technologies.

Codice insegnamento 80300151

Electronic Interfaces 1° anno · 6 CFU · IINF-01/A · 0 file

1) Nullore e feedback − Nullore − Circuiti con nullori − Feedback − Stabilità dei circuiti con feedback − Loop gain − Impedenze nei circuiti a retroazione 2) Dispositivi attivi universali − Generatori controllati…

Scheda dell'insegnamento

Programma

1) Nullore e feedback
− Nullore
− Circuiti con nullori
− Feedback
− Stabilità dei circuiti con feedback
− Loop gain
− Impedenze nei circuiti a retroazione

2) Dispositivi attivi universali
− Generatori controllati ideali
− Transistor ideali
− Op amp ideale
− Current conveyor ideale
− Current feedback op amp ideale
− Differential difference amplifier ideale
− Altri dispositivi attivi ideali (e.g. invertor)
− Universalità dei dispositivi attivi ideali
− Criteri di scelta dei dispositivi attivi reali

3) Non idealità degli amplificatori operazionali e dei dispositivi attivi universali
− Tensione di offset in ingresso
− Correnti di ingresso (corrente di bias; corrente di offset)
− Impedenze di ingresso (di modo comune e di modo differenziale)
− Tensione equivalente di rumore in ingresso
− Corrente equivalente di rumore in ingresso
− Impedenza di uscita
− Massima corrente di uscita
− Velocità limitata per piccoli segnali (banda)
− Velocità limitata per grandi segnali (e.g. slew rate)
− Compensazione in frequenza
− CMRR
− PSRR
− Effetti delle non idealità degli amplificatori operazionali nei circuiti
− Non idealità dei dispositivi attivi universali (generalizzazione)

4) Circuiti di interfaccia
− Accuratezza
− Circuiti per sensori, microsistemi e nanosistemi: tecniche fondamentali
− Generatori di tensione
− Generatori di corrente
− Regolatori lineari
− Filtri
− Amplificatori per strumentazione
− Circuiti per misure di tensioni, correnti e impedenze (misura a 4 fili, misura di impedenze elevate, tecniche avanzate)
− Convertitore analogico-digitale (ADC)
− Convertitore digitale-analogico (DAC)
− Datasheet di op amp
− Esempi di progetto

5) Circuiti analogici integrati
− Amplificatori a singolo transistor
− La tecnica cascode
− Current mirror (semplice; cascode; Wilson; Widlar; regulated cascode; low voltage cascode;…)
− Op amp (1 stage; cascode; folded cascode; 2 stages;…)
− Bandgap circuits
− Current conveyor
− Switched capacitor circuits
− Dynamic element matching
− Chopper
− Autozero
− Circuiti low voltage-low power
− Circuiti per la meccatronica
− …

Modalità d'esame

La verifica dell'apprendimento prevede una prova scritta e una prova orale, entrambe finalizzate a verificare le capacità di analizzare e progettare circuiti analogici a bassa frequenza.
Se l'esame è superato, i voti sono assegnati secondo i seguenti criteri:
Non idoneo: insufficiente
18-20: sufficiente
21-23: discreto
24-26: buono
27-29: ottimo
30: eccellente
30L: degno di lode

Testi di riferimento

LIBRI
Circuiti con op amp
Sergio Franco, Design With Operational Amplifiers And Analog Integrated Circuits (disponibile anche in italiano, “Amplificatori operazionali e circuiti integrati analogici”

Transistor circuits, integrated circuits,...
Razavi, "Design of Analog CMOS Integrated Circuits"
Johns, Martin, "Analog Integrated Circuit Design"

Codice insegnamento 80300103

Information Theory And Data Science 1° anno · 6 CFU · IINF-03/A · 0 file

Information Theory, as initiated by Claude Shannon in 1948, is the science that allows to mathematically quantify the information content of a message and its transfer through a system. In particular, information…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Information Theory, as initiated by Claude Shannon in 1948, is the science that allows to mathematically quantify the information content of a message and its transfer through a system. In particular, information theory provides mathematical tools to deal with a quantitative view of information content and with a qualitative view of information transfer. The main contribution of Shannon was to establish bounds on communication. However, a general definition of Information is: new knowledge derived from study, experience, messages, etc. Therefore, Information is linked to Knowledge. Companies today are rich in terms of data but poor in terms of useful information extracted from data. Data science techniques can help companies discover knowledge and acquire business intelligence from their massive datasets. This course will give a unified view of Information, Knowledge and Data Analysis, extending the applications of Information Theory beyond the classical theory of communications. In particular, the course focuses on statistical methods for data analysis. Applications of information theory and data science in several areas will be presented including: digital communications, economics, marketing, biology, medicine, meteorology.

Programma

Information Theory, as initiated by Claude Shannon in 1948, is the science that allows to mathematically quantify the information content of a message and its transfer through a system. In particular, information theory provides mathematical tools to deal with a quantitative view of information content and with a qualitative view of information transfer. The main contribution of Shannon was to establish bounds on communication. However, a general definition of Information is: new knowledge derived from study, experience, messages, etc. Therefore, Information is linked to Knowledge. Companies today are rich in terms of data but poor in terms of useful information extracted from data. Data science techniques can help companies discover knowledge and acquire business intelligence from their massive datasets. This course will give a unified view of Information, Knowledge and Data Analysis, extending the applications of Information Theory beyond the classical theory of communications. In particular, the course focuses on statistical methods for data analysis. Applications of information theory and data science in several areas will be presented including: digital communications, economics, marketing, biology, medicine, meteorology.

Codice insegnamento 80300052

Innovative Materials With Laboratory 1° anno · 6 CFU · IIND-03/C · 0 file

Aim of the course is to provide an overview of novel materials recently developed and investigated for applications in mechanics, electronics and mechatronics. Different types of materials are considered and described…

Scheda dell'insegnamento

Obiettivi formativi

Aim of the course is to provide an overview of novel materials recently developed and investigated for applications in mechanics, electronics and mechatronics. Different types of materials are considered and described with particular attention on the preparation route, specific characteristics and applications. Some of them are of basic importance for new technologies gaining increasing attention in industrial practice. The knowledge of innovative materials is strictly connected to the possibility and capability of designing new products.

Programma

Prof. COSTANZA (4/6 CFU)
Fondamenti di metallurgia: difetti, reticoli, deformazione plastica. Prove meccaniche.
Materiali con grano Ultrafine (UFG): caratteristiche microstrutturali e metodi di produzione. Leghe a memoria di forma. Memoria di forma (SMA) a una via e a due vie. Fissaggio della forma e training.
Materiali nanoporosi e mesoporosi: caratterizzazione strutturale e proprietà.
Materiali intelligenti e funzionali. Variazione delle proprietà come risposta a stimoli esterni:termocromico, fotomeccanico. Conversione di energia: piezoelettrico, termoelettrico, fotoluminescenza. Materiali a cambiamento di fase. Materiali funzionalizzati;
Metallurgia delle polveri. Manifattura additiva. Materiali compositi:proprietà, applicazioni e tecnologie produttive.

Prof. TATA (2/6 CFU)
Leghe amorfe: produzione e applicazioni di vetri metallici per dispositivi meccatronici.
Leghe con struttura mista (nanocristallina and amorfa).
Materiali porosi: schiume metalliche. Porosità aperta e chiusa (micro e macro). Classificazione in base alla dimensione e alla forma dei pori. Proprietà (suono, energia e assorbimento vibrazioni, comportamento a crash) e metodi di produzione. Applicazioni funzionali e strutturali: costruzioni leggere, automotive. Strutture metalliche a sandwich.

Modalità d'esame

Verifica delle conoscenze e competenze acquisite dallo studente sugli argomenti oggetto del programma.
Il voto finale dell'esame si esprime in trentesimi e si otterrà attraverso il seguente sistema di graduazione:
Non idoneo: importanti carenze nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni e limitate capacità critiche e di giudizio , gli argomenti sono esposti in modo non coerente e con linguaggio inappropriato.
18-21, lo studente ha acquisito i concetti di base della disciplina e ha una capacità di analisi che emerge solo con l’'aiuto del docente. Il modo di esprimersi e linguaggio usato sono complessivamente corretti.
22-25, lo studente ha acquisito in maniera discreta i concetti di base della disciplina, sa orientarsi tra i vari argomenti trattati e possiede una capacità di analisi autonoma che sa esprimere con un linguaggio corretto.
26-29, lo studente possiede un bagaglio di conoscenze ben strutturato. È in grado di rielaborare in maniera autonoma le conoscenze acquisite nell’'ambito della scelta dei materiali convenzionali e non in funzione dell'applicazione e sa esprimere con un linguaggio corretto.
30 e 30 e lode, lo studente possiede un bagaglio di conoscenze completo e approfondito. I riferimenti culturali sono ricchi e aggiornati. Si esprime con brillantezza e proprietà di linguaggio.

Testi di riferimento

Bibliografia:
Klement W, Willens RH, Duwez P. Non-crystalline structure in solidified gold-silicon alloys. Nature 1960;187:869–70.
Chen HS. Thermodynamic considerations on the formation and stability of metallic glasses. Acta Metall 1974;22:1505–11.
Lee MC, Kendall JM, Johnson WL. Spheres of the metallic glass Au55Pb22.5Sb22.5 and their surface characteristics. Appl Phys Lett 1982;40:382–4.
Kui HW, Greer AL, Turnbull D. Formation of bulk metallic glass by fluxing. Appl Phys Lett 1984;45:615–6.
Inoue A, Kato A, Zhang T, Kim SG, Masumoto T. Mg–Cu–Y amorphous alloys with high mechanical strengths produced by a metallic mold casting method. Mater Trans JIM 1991;32:609–16.
Yi Huanga, and Terence G. Langdon (2013) Advances in ultrafine-grained materials, Materials Today 16(3), 85-93.2)Ruslan Z. Valiev, Yuri Estrin, Zenji Horita, Terence G. Langdon, Michael J. Zehetbauer, and Yuntian T. Zhu (2006) Producing Bulk Ultrafine-Grained Materials by Severe Plastic Deformation, JOM 58(4), 33-39. 3) Jitendra N. Tiwari, Rajanish N. Tiwari , Kwang S. Kim (2012) Zero-dimensional, one-dimensional, two-dimensional and three-dimensional nanostructured materials for advanced electrochemical energy devices, Progress in Materials Science 57, 724–803

Codice insegnamento 8039786

Integrated Sensors 1° anno · 9 CFU · IINF-01/A · 0 file

LEARNING OUTCOMES: To introduce the student to the modern sensors technologies and their major applications KNOWLEDGE AND UNDERSTANDING: To make the student in condition to analyze the sensor performane and to design…

Scheda dell'insegnamento

Obiettivi formativi

LEARNING OUTCOMES: To introduce the student to the modern sensors technologies and their major applications KNOWLEDGE AND UNDERSTANDING: To make the student in condition to analyze the sensor performane and to design simple sensors�� interface circuit APPLYING KNOWLEDGE AND UNDERSTANDING: Capability to select sensors for each specific application MAKING JUDGEMENTS: Evaluate in the different contexts which are the most suitable sensors and evaluate the performance using standardized parameters set. COMMUNICATION SKILLS: Capability to write syntetic reports about the working principles of sensors LEARNING SKILLS: To learn how to solve sensors�� circuits in order to determine their performance and to optimally design sensor systems.

Programma

Prof. Alexandro Catini (8 CFU)
Proprietà elettroniche dei materiali; semiconduttori; caratteristiche generali dei sensori:
sensibilità e risoluzione.
Sensori di temperatura: termistori, sensori integrati, termocoppie;
Sensori meccanici: Strain gauges; Introduzione ai MEMS: accelerometro, giroscopio, Sensori di pressione e flusso; tecnologie di fabbricazione; Sensori di campo magnetico; Circuiti di interfaccia per sensori resistivi e capacitivi
Prof. Corrado Di Natale (1 CFU)
Sensori ottici; fotodiodi e sensori di immagine; sensori per infrarosso.

Modalità d'esame

L'esame consiste nella soluzione di due esercizi e nella risposta aperta a due domande
teoriche.

La frequenza è obbligatoria, a partire dall'anno accademico 2025/2026, per gli studenti del Corso di Laurea Magistrale in Mechatronics Engineering. La presenza alle lezioni è rilevata mediante il dispositivo di rilevazione delle presenze e la tessera universitaria dello studente.

Testi di riferimento

J. Fraden, Handbook of modern sensors, Springer 2004

Codice insegnamento 8039927

Integrated Solutions For Sustainable Mobility And Energy Production 1° anno · 6 CFU · IIND-06/A · 0 file

OBIETTIVI FORMATIVI: L'obbiettivo dell'insegnamento è quello di fornire agli studenti una visione combinata di dettaglio e di insieme sul mondo dell'energia per la mobilità sostenibile e l'impatto che questi hanno sul…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

OBIETTIVI FORMATIVI: L'obbiettivo dell'insegnamento è quello di fornire agli studenti una visione combinata di dettaglio e di insieme sul mondo dell'energia per la mobilità sostenibile e l'impatto che questi hanno sul sistema energetico complessivo. Il corso si prefigge inoltre lo scopo di completare il filo conduttore che unisce la produzione dei principali vettori energetici (elettricità, idrogeno, bio-combustibili, ecc) con il loro utilizzo nella mobilità, affrontando problemi di integrazione e ottimizzazione. A tal fine gli studenti approfondiranno le loro conoscenze sulla fisica di base di queste tecnologie, unendo l'aspetto teorico/modellistico con quello sperimentale con attività di laboratorio. In fine, particolare attenzione sarà anche posta alla fase di presentazione e analisi (critica) dei dati ottenuti sia sperimentalmente dalle attività di laboratorio che numericamente dai modelli numerici. RISULTATI DI APPRENDIMENTO ATTESI: Al termine dell'insegnamento lo studente avrà acquisito conoscenze teoriche e pratiche sull'integrazione e interazione tra produzione e distribuzione di vettori energetici e sul loro utilizzo in ambito automotive e sull'impatto che questi hanno nel mondo energetico. Da un punto di vista pratico, lo studente acquisirà competenze su come sviluppare una stazione sperimentale per veicoli ibridi, imparando anche come gestire reali strumenti di misura e componentistica da laboratorio. In aggiunta, acquisirà competenze su come sviluppare modelli numerico-teorici, sviluppati utilizzando specifici linguaggi di programmazione (python) e piattaforme commerciali (MatLab), e come interfacciarli con attività sperimentali. Sarà quindi anche richiesto allo studente di apprendere conoscenze in ambito di analisi dati sia da un punto di vista pratico che critico e come questi possano essere sintetizzati in parametri di performance dei sistemi in esame. Importante riguardo viene anche posto sulle abilità comunicative e di presentazione dei dati/risultati che lo studente dovrà mostrare nel report di progetto a fine corso.

Programma

OBIETTIVI FORMATIVI: L'obbiettivo dell'insegnamento è quello di fornire agli studenti una visione combinata di dettaglio e di insieme sul mondo dell'energia per la mobilità sostenibile e l'impatto che questi hanno sul sistema energetico complessivo. Il corso si prefigge inoltre lo scopo di completare il filo conduttore che unisce la produzione dei principali vettori energetici (elettricità, idrogeno, bio-combustibili, ecc) con il loro utilizzo nella mobilità, affrontando problemi di integrazione e ottimizzazione. A tal fine gli studenti approfondiranno le loro conoscenze sulla fisica di base di queste tecnologie, unendo l'aspetto teorico/modellistico con quello sperimentale con attività di laboratorio. In fine, particolare attenzione sarà anche posta alla fase di presentazione e analisi (critica) dei dati ottenuti sia sperimentalmente dalle attività di laboratorio che numericamente dai modelli numerici. RISULTATI DI APPRENDIMENTO ATTESI: Al termine dell'insegnamento lo studente avrà acquisito conoscenze teoriche e pratiche sull'integrazione e interazione tra produzione e distribuzione di vettori energetici e sul loro utilizzo in ambito automotive e sull'impatto che questi hanno nel mondo energetico. Da un punto di vista pratico, lo studente acquisirà competenze su come sviluppare una stazione sperimentale per veicoli ibridi, imparando anche come gestire reali strumenti di misura e componentistica da laboratorio. In aggiunta, acquisirà competenze su come sviluppare modelli numerico-teorici, sviluppati utilizzando specifici linguaggi di programmazione (python) e piattaforme commerciali (MatLab), e come interfacciarli con attività sperimentali. Sarà quindi anche richiesto allo studente di apprendere conoscenze in ambito di analisi dati sia da un punto di vista pratico che critico e come questi possano essere sintetizzati in parametri di performance dei sistemi in esame. Importante riguardo viene anche posto sulle abilità comunicative e di presentazione dei dati/risultati che lo studente dovrà mostrare nel report di progetto a fine corso.

Codice insegnamento 80300136

Internship 1° anno · 6 CFU · 0 file
Mathematical Methods For Physics 1° anno · 8 CFU · PHYS-04/A · 0 file
Mathematics Of Feedback Control 1° anno · 6 CFU · IINF-04/A · 0 file
Mechanics Of Materials And Structures 1° anno · 6 CFU · CEAR-06/A · 0 file

The goal of this class is to provide the student with basic knowledge of the mechanics of elastic structures and of the strength of materials. By completing this class successfully, the student will be able to design…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The goal of this class is to provide the student with basic knowledge of the mechanics of elastic structures and of the strength of materials. By completing this class successfully, the student will be able to design simple structural elements and reasonably complex structures.

Programma

Richiami su nozioni di base di algebra vettoriale e tensoriale e analisi matematica. Geometria delle distribuzioni di area. Deformazioni e tensioni in corpi tridimensionali. Equazioni dei lavori virtuali e delle potenze virtuali per corpi tridimensionali. Equazione costitutiva per corpi linearmente elastici e isotropi, moduli materiali. Ipotesi dell'elasticità lineare, problema di equilibrio per corpi tridimensionali. Modello di trave tridimensionale: il problema di Saint-Venant, flessione retta e deviata, forza normale eccentrica, taglio e flessione, torsione. Energia elastica di corpi tridimensionali. Criteri di resistenza (massima tensione normale, massima tensione tangenziale, massima energia elastica, massima energia di distorsione).

Codice insegnamento 80300064

Mechanics Of Systems For Simulations 1° anno · 6 CFU · IIND-02/A · 0 file

The course aims to teach students the knowledge and tools necessary to address problems related to the identification, modeling, analysis, and simulation of multi-body planar systems, in English language and terminology

Scheda dell'insegnamento

Obiettivi formativi

The course aims to teach students the knowledge and tools necessary to address problems related to the identification, modeling, analysis, and simulation of multi-body planar systems, in English language and terminology

Programma

The course aims to teach students the knowledge and tools necessary to address problems related to the identification, modeling, analysis, and simulation of multi-body planar systems, in English language and terminology

Modalità d'esame

Scritto E Orale

Codice insegnamento 80300216

Multimedia Processing And Communication 1° anno · 6 CFU · IINF-03/A · 0 file

LEARNING OUTCOMES: This course module provides an overview of the technologies involved in the multimedia application evolution from analogue to digital, from linear television to video on demand. To this aim, the module…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

LEARNING OUTCOMES: This course module provides an overview of the technologies involved in the multimedia application evolution from analogue to digital, from linear television to video on demand. To this aim, the module addresses the main TV standards, the TCP/IP protocols involved in the modern streaming services, the network architectures and the different service modes. The course aims to provide an introduction to multimedia signals, explaining the main methods of digitalization, coding and transmission. Theory, design techniques, algorithms and systems. KNOWLEDGE AND UNDERSTANDING: At the end of the course the student will have to know the main techniques and paradigms of multimedia communications, together with an exhaustive view of the involved protocols in different application scenarios.

Programma

Modulo di Processamento (Prof. Rossi) PARTE I – Introduzione ai sistemi di codifica di sorgente per dati multimediali. Quantizzazione. PARTE II – Codifica di sorgente: codifica differenziale e tramite trasformata, codifica a lunghezza variabile, codifica run-length e a dizionario. PARTE III – Compressione di immagini statiche: standard JPEG, trasformata wavelet e standard JPEG 2000. PARTE IV – Compressione video: compensazione del moto, MPEG-1/2, MPEG-4, H.261, H.263, H.264/AVC, H.265, H.266/VVC. Modulo di Comunicazione (Prof. Roseti) PARTE I – standards della TV digitale, MPEG-2 e il Transport Stream, Incapsulamento di IP su DVB. PARTE II – IP multicast, il protocollo IGMP, IP multicast routing PARTE III - Protocolli di trasporto per servizi IP multimediali; Applicazioni di Video Streaming e CDN, pila protocollare per applicazioni multimediali, RTP e RTCP, protocolli di segnalazione: RTSP, SDP e SIP, valutazione delle prestazioni. PARTE IV -Streaming adattativo su http, MPEG-DASH, supporto di applicazioni multimediali nel 5G

Codice insegnamento 8039553

Nanotechnology 1° anno · 6 CFU · IINF-01/A · 0 file

I parte: Fisica e Ingegneria delle nanotecnologie d'avanguardia (tot. 3 CFU) 1) Meccanica Quantistica e fisica dei semiconduttori. 2) Strutture quantistiche e nanodispositivi: quantum wires, quantum dots, quantum well.…

Scheda dell'insegnamento

Programma

I parte: Fisica e Ingegneria delle nanotecnologie d'avanguardia (tot. 3 CFU)

1) Meccanica Quantistica e fisica dei semiconduttori.
2) Strutture quantistiche e nanodispositivi: quantum wires, quantum dots, quantum well.
3) Giunzione p-n e diodi.
4) Dispositivi basati sulla meccanica quantistica: principi di funzionamento e linee guida di progettazione per fotodiodi, celle solari, diodi emettitori di luce (LED), laser.
5) Nuove frontiere delle applicazioni delle nanotecnologie: nanomateriali innovativi (materiali 2D) ed elettronica organica.

II parte) Tecniche di caratterizzazione di nanomateriali e nanodispositivi (tot. 2 CFU)

1) Spettroscopia di assorbanza e fluorescenza;
2) Spettroscopia di assorbimento transiente;
3) Spettroscopia Raman;
4) Microscopia a scansione elettronica (SEM);
5) Microscopia a trasmissione elettronica (TEM);
6) Microscopia a effetto tunnel (STM);
7) Microscopia a forza atomica (AFM);
8) Microscopia a forza atomica con Kelvin probe(KPFM)

Parte III: Esperienze di laboratorio sulla caratterizzazione e ingegnerizzazione di nanomateriali e nanodispositivi (tot. 1 CFU)

Modalità d'esame

La verifica del raggiungimento di capacità di apprendimento si attua mediante la valutazione, da parte del docente, dell'attitudine degli studenti a ricercare nella letteratura scientifica esistente, assorbire, ritenere e saper utilizzare specifiche competenze di fisica ed ingegneria delle micro e nanostrutture/micro e nanodispositivi. L'accertamento delle conoscenze acquisite viene espletato attraverso un esame orale, con quesiti relativi agli aspetti teorici che sono alla base delle principali tecniche di caratterizzazione e ingegnerizzazione dei nanomateriali e dei nanodispositivi.

La prova di esame sarà valutata secondo i seguenti criteri:
Non idoneo: importanti carenze e/o inaccuratezza nella conoscenza e comprensione degli argomenti; limitate capacità di analisi e sintesi, frequenti generalizzazioni.
18-20: conoscenza e comprensione degli argomenti appena sufficiente con possibili imperfezioni; capacità di analisi, sintesi e autonomia di giudizio sufficienti.
21-23: Conoscenza e comprensione degli argomenti routinaria; Capacità di analisi e sintesi corrette con argomentazione logica coerente.
24-26: Discreta conoscenza e comprensione degli argomenti; buone capacità di analisi e sintesi con argomentazioni espresse in modo rigoroso.
27-29: Conoscenza e comprensione degli argomenti completa; notevoli capacità di analisi, sintesi. Buona autonomia di giudizio.
30-30L: Ottimo livello di conoscenza e comprensione degli argomenti. Notevoli capacità di analisi e di sintesi e di autonomia di giudizio. Argomentazioni espresse in modo originale.

Testi di riferimento

Riferimenti bibliografici aggiornati forniti a lezione.

Codice insegnamento 8039791

Numerical Methods For Astrophysics 1° anno · 6 CFU · PHYS-05/A · 0 file

Signals and noises -- probability and statistics Probability spaces Random variables Expected values Normal laws Gauss, Poisson noise Samples, statistics and likelihood Least mean square estimates Signal processing --…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Signals and noises -- probability and statistics Probability spaces Random variables Expected values Normal laws Gauss, Poisson noise Samples, statistics and likelihood Least mean square estimates Signal processing -- sparse representations Fourier, wavelet, curvelet transforms Image analysis, denoising and inverse problems

Programma

Signals and noises -- probability and statistics Probability spaces Random variables Expected values Normal laws Gauss, Poisson noise Samples, statistics and likelihood Least mean square estimates Signal processing -- sparse representations Fourier, wavelet, curvelet transforms Image analysis, denoising and inverse problems

Codice insegnamento 80300139

On Board Energy Generation And Storage 1° anno · 6 CFU · IINF-01/A · 0 file

The main objectives of the course are the study of electric power generation and storage systems that can be implemented on vehicles. The lessons, therefore, focus on next-generation photovoltaics, thin-film deposition…

Scheda dell'insegnamento

Obiettivi formativi

The main objectives of the course are the study of electric power generation and storage systems that can be implemented on vehicles. The lessons, therefore, focus on next-generation photovoltaics, thin-film deposition techniques, storage systems, supercapacitors, and thermoelectricity. The generation and storage technologies will then be studied from an application perspective through case studies. Students will be able to: a) To learn the working principles for energy generation and storage (EGS); b) To understand and explain the solutions for EGS when applied in vehicles; c) To solve simple problems concerning the use of design of integrated EGS systems; d) To know how to design, develop and release a simple EGS system for vehicle integration.

Programma

Il programma dell'insegnamento segue la seguente articolazione:

1. Introduzione alle nanotecnologie: approcci Top Down e Bottom Up
2. Deposizione fisica e chimica, Processi da soluzione (principio di funzionamento e applicazioni).
3. Generazione di energia: fotovoltaico convenzionale ed emergente (principio di funzionamento e applicazioni).
4. Caso di studio: celle solari in perovskite (principio di funzionamento, tecniche di deposizione e applicazioni)
5. Stoccaggio di energia: tecnologie convenzionali ed emergenti
6. Proprietà elettriche e chimiche delle batterie (principio di funzionamento)
7. Oltre le batterie: supercondensatori e termoelettricità
8. Integrazione di sistemi di generazione e stoccaggio dell'energia
9. Fondamenti di Elettronica di Potenza: Convertitori AC/DC e DC/DC
10. Opportunità e limiti di integrazione in veicoli per la generazione e lo stoccaggio
11. Esperienza di Laboratorio su produzione e caratterizzazione di celle solari e loro integrazione in sistemi EGS.

Modalità d'esame

La valutazione consiste in una prova orale che verterà sulla parte del corso specifica per un totale di 3 domande. In specifici casi (esempio: elevato numero di studenti) potrà essere predisposta una prova scritta il giorno dell'esame per semplificare la successiva prova orale.

L’esame si compone di una prova orale. La prova orale consiste in domande di approfondimento e/o nella discussione critica di un progetto o di casi studio, con l’obiettivo di verificare la capacità dello studente di collegare i diversi argomenti del corso.
La valutazione tiene conto della correttezza e completezza delle risposte, della chiarezza espositiva, dell’uso appropriato del lessico tecnico-scientifico e della capacità di ragionamento critico e di autonomia di giudizio. La votazione è espressa in trentesimi, con lode ove previsto.
I criteri di giudizio sono i seguenti:

  • Non idoneo: gravi lacune nella conoscenza degli argomenti, esposizione confusa, limitata capacità di analisi e sintesi.
  • 18–20/30: conoscenza sufficiente con esposizione semplice e talvolta imprecisa.
  • 21–23/30: conoscenza routinaria e corretta, esposizione coerente.
  • 24–26/30: buona conoscenza degli argomenti, esposizione rigorosa e articolata.
  • 27–29/30: conoscenza completa, ottime capacità di sintesi e analisi, buona autonomia di giudizio.
  • 30–30L: conoscenza eccellente e approfondita, risposte precise e originali, piena autonomia e capacità critica.
    Il superamento dell’esame richiede un punteggio minimo di 18/30.
    I risultati delle prove vengono comunicati attraverso il canale TEAMS.

Codice insegnamento 80300150

Vlsi Circuit And System Design 1° anno · 9 CFU · IINF-01/A · 0 file

Descrizione del Corso: Progettazione Sistemi VLSI Il corso si propone di fornire le competenze metodologiche e pratiche necessarie per la progettazione di sistemi digitali complessi, partendo dai fondamenti teorici…

Scheda dell'insegnamento

Programma

Descrizione del Corso: Progettazione Sistemi VLSI
Il corso si propone di fornire le competenze metodologiche e pratiche necessarie per la progettazione di sistemi digitali complessi, partendo dai fondamenti teorici fino all'implementazione su dispositivi logici programmabili. Il programma è articolato in due moduli integrati.
Modulo 1: Architetture e Sistemi Digitali (7 CFU) –
Il modulo introduce i principi dell'elettronica digitale e le metodologie di sintesi dei circuiti.
Fondamenti di Elettronica Digitale: Introduzione al corso; algebra booleana e tecniche di minimizzazione delle espressioni (forme canoniche SOP e mappe di Karnaugh).
Reti Combinatorie: Analisi e progettazione di blocchi funzionali standard (addizionatori, sottrattori, comparatori, encoder/decoder, multiplexer/demultiplexer, shifters e moltiplicatori).
Reti Sequenziali e Sistemi Digitali: Studio degli elementi di memoria (latch, flip-flop) e progettazione di registri, contatori e Macchine a Stati Finiti (FSM). Considerazioni sulla progettazione e integrazione dei blocchi costituenti i sistemi digitali.
Tecnologie Programmabili: Panoramica e architettura dei dispositivi logici programmabili (PROM, PLA, PAL, CPLD e FPGA).

Modulo 2: Progettazione e Simulazione VHDL (2 CFU) –
Il modulo fornisce gli strumenti pratici per la descrizione e la verifica dell'hardware.
Linguaggio VHDL: Introduzione ai costrutti fondamentali del linguaggio per la modellazione di sistemi digitali.
Simulazione e Sintesi: Metodologie di progettazione e verifica funzionale tramite strumenti di simulazione.
Project Work: Sviluppo guidato di un progetto digitale finale, finalizzato alla presentazione in sede d'esame.

Modalità d'esame

L'esame si articola nelle seguenti modalità:

Test scritti: Durante il corso verranno somministrati due test scritti.

Prova orale: Sulla base dei risultati degli scritti, una prova orale individuale verificherà le competenze teoriche acquisite (progettazione di circuiti digitali, architetture di memoria e componenti dei sistemi digitali). L'estensione del colloquio dipenderà dall'esito delle prove scritte.

Valutazione delle competenze pratiche: La verifica della programmazione in VHDL avverrà all'interno del secondo test scritto e del colloquio orale. Tale valutazione potrà includere un progetto di gruppo assegnato durante il corso, da sviluppare in modo collaborativo.

Criteri del progetto: Il progetto sarà valutato tramite un report tecnico e una presentazione finale, tenendo conto della qualità dell'implementazione VHDL, dei risultati delle simulazioni e della chiarezza nell'analisi dei dati.

Testi di riferimento

il materiale di riferimento sarà fornito durante il corso in base agli argomenti trattati.

un testo di riferimento generale : Stephen Brown, Zvonko Vranesic – Fundamentals of Digital Logic with VHDL Design, McGraw-Hill

Codice insegnamento 8039166

Wireless Electromagnetic Technologies 1° anno · 6 CFU · IINF-02/A · 0 file

OBIETTIVI FORMATIVI: Questo insegnamento si propone di fornire i principi, i modelli e gli strumenti di base per la rappresentazione dei fenomeni di propagazione elettromagnetica fino ad arrivare alla descrizione delle…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

OBIETTIVI FORMATIVI: Questo insegnamento si propone di fornire i principi, i modelli e gli strumenti di base per la rappresentazione dei fenomeni di propagazione elettromagnetica fino ad arrivare alla descrizione delle più comuni classi di elementi radianti e dell'intero link di comunicazione wireless. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti avranno compreso i principi e la rappresentazione matematica della irradiazione, propagazione e ricezione di onde elettromagnetiche tramite antenne. Sapranno inoltre dimostrare di aver acquisito le metodologie per la simulazione digitale delle strutture studiate con strumenti di Computer Aided Design (CAD) elettromagnetici. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Gli studenti saranno in grado di interpretare i più comuni fenomeni di propagazione elettromagnetica nello spazio libero e nei mezzi materiali. Riusciranno inoltre valutare qualitativamente e quantitativamente le prestazioni, le potenzialità e le possibili criticità con riferimento ai parametri prestazionali (guadagno, adattamento, impedenza, ingombro) degli elementi radianti. Infine, saranno in grado di applicate il solutore elettromagnetico proposto alla modellistica di semplici configurazione di antenne. AUTONOMIA DI GIUDIZIO: Gli studenti acquisiranno capacità di integrare le conoscenze fornite con quelle reperite autonomamente tramite l'accesso alla letteratura scientifica e selezionare correttamente le più opportune opzioni analitiche e progettuali per affrontare le problematiche proposte. ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di illustrare in modo sintetico ed analitico sia le tematiche di base che quelle professionalizzanti oggetto del corso facendo uso di equazioni e schemi. CAPACITÀ DI APPRENDIMENTO: Gli studenti avranno acquisito la capacità di leggere e comprendere testi ed articoli scientifici in lingua inglese per approfondimenti degli argomenti trattati ma anche di allargare autonomamente la propria conoscenza della materia a tematiche non direttamente affrontate nel corso e connesse alla costante evoluzione tecnologica dei sistemi wireless.

Programma

OBIETTIVI FORMATIVI: Questo insegnamento si propone di fornire i principi, i modelli e gli strumenti di base per la rappresentazione dei fenomeni di propagazione elettromagnetica fino ad arrivare alla descrizione delle più comuni classi di elementi radianti e dell'intero link di comunicazione wireless. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: Gli studenti avranno compreso i principi e la rappresentazione matematica della irradiazione, propagazione e ricezione di onde elettromagnetiche tramite antenne. Sapranno inoltre dimostrare di aver acquisito le metodologie per la simulazione digitale delle strutture studiate con strumenti di Computer Aided Design (CAD) elettromagnetici. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: Gli studenti saranno in grado di interpretare i più comuni fenomeni di propagazione elettromagnetica nello spazio libero e nei mezzi materiali. Riusciranno inoltre valutare qualitativamente e quantitativamente le prestazioni, le potenzialità e le possibili criticità con riferimento ai parametri prestazionali (guadagno, adattamento, impedenza, ingombro) degli elementi radianti. Infine, saranno in grado di applicate il solutore elettromagnetico proposto alla modellistica di semplici configurazione di antenne. AUTONOMIA DI GIUDIZIO: Gli studenti acquisiranno capacità di integrare le conoscenze fornite con quelle reperite autonomamente tramite l'accesso alla letteratura scientifica e selezionare correttamente le più opportune opzioni analitiche e progettuali per affrontare le problematiche proposte. ABILITÀ COMUNICATIVE: Gli studenti saranno in grado di illustrare in modo sintetico ed analitico sia le tematiche di base che quelle professionalizzanti oggetto del corso facendo uso di equazioni e schemi. CAPACITÀ DI APPRENDIMENTO: Gli studenti avranno acquisito la capacità di leggere e comprendere testi ed articoli scientifici in lingua inglese per approfondimenti degli argomenti trattati ma anche di allargare autonomamente la propria conoscenza della materia a tematiche non direttamente affrontate nel corso e connesse alla costante evoluzione tecnologica dei sistemi wireless.

Codice insegnamento 8039803

Computer Vision 2° anno · 6 CFU · 0 file

Concetti base della metrologia: risoluzione, accuratezza, precisione e ripetibilità e loro impatto su un sistema di misura basato su immagini. Introduzione al Processamento di Immagini, Applicazioni e problematiche.…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Programma

Concetti base della metrologia: risoluzione, accuratezza, precisione e ripetibilità e loro impatto su un sistema di misura basato su immagini. Introduzione al Processamento di Immagini, Applicazioni e problematiche. Metodi di rappresentazione di Immagini, modellizzazione di un'immagine a scala di grigi. Risoluzione in ampiezza e in spazio. Contrasto. Istogramma di un'immagine. Campionamento su una griglia (Sampling). Risoluzione di un'immagine. Problemi di saturazione e campionamento. Trasformata di Fourier nel processamento di immagini Schema di processamento digitale di un'immagine. Utilizzo di Matlab per l'image processing. Richiami di processi Aleatori. Ergodicità. Stazionarietà. Omoscedasticità ed eteroscedasticità. Rumore nelle immagini. Modellizzazione del rumore dipendente dal segnale. Algoritmi di stima della varianza del rumore. Correlazione statistica. Operatori puntuali nell'image processing. Istogramma. Aumento del contrasto nelle immagini. Operatori spaziali nel processamento di immagini. Filtri lineari e non lineari. Il filtro mediano per il rumore impulsivo. Filtri inversi e pseudo inversi. Il filtro di Wiener. Deconvoluzione. Algoritmi di deblurring. Edge detection. Applicazione di filtri gradiente, laplaciano e unsharp masking. I filtri di Gabor. Segmentazione: pixel based, edge based, region based, model based (Trasformata di Hough), segmentazione semantica. Operatori morfologici. Estrazione dei contorni. Operazione di Closing e Opening, elementi strutturali. Applicazione di classificatori al riconoscimento di oggetti e pattern nelle immagini. Tutti gli algoritmi vengono simulati in Matlab ed applicati ad immagini digitalizzate nel contesto della diagnostica per immagini, della caratterizzazione dei materiali, del cell tracking e analysis, dell’analisi dell’espressione facciale per applicazioni di human computer interface.

Codice insegnamento 80300104

Control Of Electrical Motors And Vehicles 2° anno · 6 CFU · 0 file
Control Of Mechanical Systems 2° anno · 9 CFU · 0 file

This course reviews basic control techniques on dynamic compensator design and introduces sensitivity functions to evaluate the robustness of the control loop. Regulation and tracking for nonlinear multivariable…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

This course reviews basic control techniques on dynamic compensator design and introduces sensitivity functions to evaluate the robustness of the control loop. Regulation and tracking for nonlinear multivariable systems are then addressed. Several models of mechanical systems (bicycles, robots, suspensions, vehicles) are discussed and used to design feedback controls , to perform Matlab-Simulink simulations and to formulate mini projects.The final exam consists on a written part and on a oral part concerning the discussion of the projects proposed during the classes.

Programma

This course reviews basic control techniques on dynamic compensator design and introduces sensitivity functions to evaluate the robustness of the control loop. Regulation and tracking for nonlinear multivariable systems are then addressed. Several models of mechanical systems (bicycles, robots, suspensions, vehicles) are discussed and used to design feedback controls , to perform Matlab-Simulink simulations and to formulate mini projects.The final exam consists on a written part and on a oral part concerning the discussion of the projects proposed during the classes.

Codice insegnamento 8039823

Deep Learning And Applications 2° anno · 6 CFU · 0 file
Electronics Of Iot And Embedded Systems 2° anno · 12 CFU · 0 file

Acquisition of the basic skills related to the implementation of IoT systems, in particular: communication, implementation, algorithms

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Acquisition of the basic skills related to the implementation of IoT systems, in particular: communication, implementation, algorithms

Programma

Riepilogo di Elettronica Digitale: codifica digitale delle informazioni, binaria (a virgola fissa e mobile), esadecimale e ASCII; operatori e principali circuiti logici, registri e memorie, dispositivi programmabili. Schede di prototipazione per IoT (Arduino, ESP32, Raspberry), Sistemi su Chip (SoC), architetture dei microcontrollori, descrizione delle principali schede di sviluppo. Linguaggi di programmazione (macchina, assembly, compilato, interpretato), struttura di uno programma in Arduino IDE (librerie, setup, loop, funzioni, interrupt), elementi di programmazione in C (tipi di dati, operazioni matematiche e logiche, cicli, istruzioni condizionali). Utilizzo di porte di I/O digitali e analogiche (pull-up, interrupt, conversione A/D, uscita PWM). Cenni su alcuni sensori per IoT come sensori ambientali (temperatura, umidità, pressione), luminosi (visibili e IR), a ultrasuoni (US), magnetici e di movimento (IMU). Modalità di comunicazione seriale sincrona e asincrona (USB, I2C, SPI ecc.). Protocolli di comunicazione radio a corto e lungo raggio, come Bluetooth (Classico e BLE), wireless RF (Zigbee, ESP-Now, RFID, NFC), WiFi e Internet (HTTP, MQTT). Controllo remoto di moduli elettronici (sensori, motori passo-passo e servomotori DC, display LED/LCD ecc.) da dispositivi portatili (Windows, Apple), tramite applicazioni sviluppate in Python, e dispositivi mobili (Android/iOS), tramite App sviluppate con piattaforme web parzialmente gratuite. Protocolli Internet per il controllo remoto di dispositivi tramite moduli WiFi (ESP32) connessi come Client o Access Point a piattaforme web controllate da dispositivi portatili e mobili. Server su cloud (Blynk, Adafruit, Arduino IoT ecc.) o Virtual Private Server (VPS) per la creazione di reti private virtuali (VPN) per il controllo remoto dei dispositivi da qualsiasi luogo.

Codice insegnamento 8039795

Final Exam 2° anno · 12 CFU · 0 file

Stimolare e verificare la capacità dello studente nell'applicare le competenze acquisite durante il corso di studi. Stimulate and verify the student's ability to apply the notions acquired in the Mechatronics Engineering…

Scheda dell'insegnamento

Obiettivi formativi

Stimolare e verificare la capacità dello studente nell'applicare le competenze acquisite durante il corso di studi.

Stimulate and verify the student's ability to apply the notions acquired in the Mechatronics Engineering courses.

Programma

Stimolare e verificare la capacità dello studente nell'applicare le competenze acquisite durante il corso di studi.

Stimulate and verify the student's ability to apply the notions acquired in the Mechatronics Engineering courses.

Codice insegnamento 8039794

Identification And Neural Networks 2° anno · 6 CFU · 0 file

LEARNING OUTCOMES: The course provides methods and tools for data-driven identification of dynamical systems and neural modeling of nonlinear dynamics, with strong emphasis on validation, generalization, and reproducible…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

LEARNING OUTCOMES: The course provides methods and tools for data-driven identification of dynamical systems and neural modeling of nonlinear dynamics, with strong emphasis on validation, generalization, and reproducible MATLAB workflows. KNOWLEDGE AND UNDERSTANDING: understanding of the identification pipeline (objective �' data �' model class �' estimation �' validation �' selection); linear input�"output models (ARX and related) and state-space models; prediction-error viewpoint, residual diagnostics, and multi-step/rollout simulation; regularization and bias�"variance trade-offs; introduction to NARX, RNN/LSTM/GRU, and neural state-space models. APPLYING KNOWLEDGE AND UNDERSTANDING: design correct time-series protocols (temporal splits, leakage prevention); estimate linear and state-space MIMO models; validate using residual analysis, one-step vs rollout comparison, and stress tests; apply regularization and complexity selection; build and compare classical baselines and neural dynamical models under the same protocol. MAKING JUDGEMENTS: select the simplest model that generalizes based on evidence; recognize failure modes (rollout drift/divergence, structured residuals, dataset shift) and state limitations and trust conditions. COMMUNICATION SKILLS: write clear technical reports (problem, data, protocol, models, evidence, diagnostics, limitations) and present results and methodological choices concisely. LEARNING SKILLS: develop autonomy in reproducible MATLAB pipelines and in critically using course notes, documentation, and selected literature. OBIETTIVI FORMATIVI: Il corso fornisce metodi e strumenti per l��identificazione data-driven di sistemi dinamici e l��uso di modelli neurali per la modellazione di dinamiche non lineari, con forte enfasi su validazione, generalizzazione e riproducibilità in MATLAB. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: comprensione della pipeline di identificazione (definizione obiettivo, raccolta dati, scelta classe di modello, stima, validazione, selezione); modelli lineari input-output (ARX e affini) e state-space; concetti di prediction error, residui, simulazione multi-step/rollout; basi di regolarizzazione e bias-variance; introduzione a NARX, RNN/LSTM/GRU e neural state-space. CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: impostare correttamente split temporali train/validation/test evitando data leakage; stimare modelli lineari e state-space su dati MIMO; validare con residui, confronto one-step vs rollout e stress test; applicare regolarizzazione e selezione della complessità; costruire e confrontare baseline classiche e modelli neurali su uno stesso protocollo. AUTONOMIA DI GIUDIZIO: scegliere il modello ��più semplice che generalizza�� in base a evidenze sperimentali; identificare failure modes (drift in rollout, residui strutturati, shift di distribuzione) e dichiarare limiti/condizioni di non affidabilità. ABILITÀ COMUNICATIVE: redigere report tecnici chiari (problema, dati, protocollo, modelli, risultati, diagnostica, limiti) e presentare in modo sintetico le scelte metodologiche e i risultati. CAPACITÀ DI APPRENDIMENTO: acquisire autonomia nell��uso di workflow MATLAB riproducibili e nel reperimento/uso critico di note, documentazione e letteratura.

Programma

Programma - Italiano Definizione del problema di identificazione: prediction vs simulation; one-step vs multi-step/rollout; obiettivi e metriche. Protocolli dati per serie temporali: campionamento, eccitazione, rumore; train/validation/test con split temporale; data leakage e buone pratiche. Identificazione lineare input-output: ARX come regressione; panoramica di strutture ARMAX/OE/BJ e concetto di prediction error minimization (PEM). Identificazione in spazio di stato: concetti e workflow subspace (N4SID) e confronto con modelli input-output. Validazione e diagnostica: residual analysis (whiteness e indipendenza dall’input), confronto one-step vs rollout, stress tests e robustezza. Regolarizzazione e selezione della complessità: bias-variance, criteri e validazione; principi di ridge/LASSO (concettuali e operativi). Modelli non lineari e neurali per dinamiche: NARX/nonlinear ARX; RNN/LSTM/GRU (training e criticità); neural state-space (stato latente, rollout, confronto con baseline). Vincoli e robustezza: saturazioni/bounded outputs, stabilità/rollout, robustezza a dataset shift; cenni a monitoraggio e aggiornamento del modello. Reporting e riproducibilità: standard di report tecnico e pipeline MATLAB end-to-end replicabile.

Codice insegnamento 80300147

Laboratory - Calculus 2° anno · 4 CFU · 0 file

The course aims at the ability to use scientific software for the analysis and solution of advanced mathematical problems.

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The course aims at the ability to use scientific software for the analysis and solution of advanced mathematical problems.

Programma

Il corso intende fornire un'introduzione al sistema Python per il calcolo scientifico. Saranno affrontati i seguenti aspetti: 1. Python, un linguaggio di programmazione general purpose; interpretato e scritto dinamicamente quindi molto adatto ad una programmazione interattiva e ad una prototipazione veloce pur essendo sufficientemente potente per affrontare applicazioni di larga scala. 2. NumPy, il package fondamentale per il calcolo. 3. Matplotlib, un package per la grafica in 2D con estensioni per semplici grafici 3D. 4. SciPy, una collezione di algoritmi numerici. 5. SymPy, un package per il calcolo simbolico e la computer algebra.

Codice insegnamento 80300142

Machine Design 2° anno · 6 CFU · 0 file

LEARNING OUTCOMES: Designing mechanical components considering the need to save weight, material and energy while respecting safety, to promote the usefulness and social impact of the designed product. KNOWLEDGE AND…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

LEARNING OUTCOMES: Designing mechanical components considering the need to save weight, material and energy while respecting safety, to promote the usefulness and social impact of the designed product. KNOWLEDGE AND UNDERSTANDING: The design of mechanical systems; in particular, basic knowledge of the design methodologies of important machine components. APPLYING KNOWLEDGE AND UNDERSTANDING: Knowing how to recognise, distinguish and use the main techniques and tools for the design of mechanical components. MAKING JUDGEMENTS: Students must assume the missing data of a problem and be able to independently formulate basic hypotheses (such as that on safety coefficients) based on the operational and functional context of the system/component they have to design. COMMUNICATION SKILLS: Transfer information, ideas and solutions to specialist and non-specialist interlocutors through intensive use of English terminology. LEARNING SKILLS: Students, by learning the basics of design, acquire the tools to learn the necessary design techniques of systems/components not directly addressed during the course.

Programma

Consolidamento delle conoscenze di base per mettere lo studente nelle giuste condizioni per affrontare un problema generico di progettazione di macchine: Progettazione meccanica in senso lato, prospettiva, analisi del carico, materiali, sollecitazioni statiche del corpo, deformazione elastica, deflessione, stabilità (deformazione Euleriana), vibrazioni (autovalori di travi), teorie dei guasti, fattori di sicurezza, affidabilità, fatica ad alti cicli, fatica a bassi cicli, danni superficiali, problemi di contatto e d'impatto. Durante il corso verranno dimostrate diverse attività di progettazione attraverso esercizi e applicazioni reali.

Codice insegnamento 80300065

Machine Learning Methods For Physics 2° anno · 6 CFU · 0 file

1) Introduzione alle reti neurali 2) Apprendimento supervisionato / Discesa gradiente stocastico 3) Apprendimento profondo (Deep Learning) / Reti convoluzionali 4) Apprendimento senza supervisione, ie, Modelli Generativi…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Programma

1) Introduzione alle reti neurali 2) Apprendimento supervisionato / Discesa gradiente stocastico 3) Apprendimento profondo (Deep Learning) / Reti convoluzionali 4) Apprendimento senza supervisione, ie, Modelli Generativi 5) Reti ricorsive per l'analisi di sequenze temporali 6) Reinforcement Learning / Q-learning 7) Teorema del Policy-Gradient / Algoritmi Policy-Gradient

Codice insegnamento 80300140

Power Electronics And Electrical Drives 2° anno · 9 CFU · 0 file

The Power Electronics and Electrical Drives course aims to provide a basic understanding of the power semiconductors, of the main electronic circuits used for the static conversion of electrical energy as well as of…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

The Power Electronics and Electrical Drives course aims to provide a basic understanding of the power semiconductors, of the main electronic circuits used for the static conversion of electrical energy as well as of the electrical drives. The student will acquire the ability to analyse and perform an initial sizing of power electronic converters, operating in either direct or alternating current, as well as of speed drives. KNOWLEDGE AND UNDERSTANDING: The student will be gradually guided to the knowledge of the functional characteristics and behaviour of the main static power converters employed in industrial applications, in distributed generation systems and in powertrains of electical vehicles. In order to improve the topics understanding, the use of Matlab-Simulink environment for the simulation of electronic power converters is illustrated. APPLYING KNOWLEDGE AND UNDERSTANDING: The knowledge acquired during the course allows the student to select the topology and size of the power converter in relation to the final design. Different application examples, in particular devoted to distributed energy generation plants, uninterruptible power supplies and electric mobility will allow the student to improve his ability to apply the acquired knowledge. MAKING JUDGEMENTS: Students will be able to collect and process specialized technical information on power converters and electric drives in order to verify their validity and use them in technical projects. COMMUNICATION SKILLS: The student will be able to relate with power electronics specialists in order to request the technical information necessary for the development of a project activity. LEARNING SKILLS: The skills acquired during the course will allow the student to undertake, with a high degree of autonomy, subsequent studies or apply for technical roles in companies working in the field.

Programma

SEMICONDUTTORI DI POTENZA Semiconduttori impiegati nei Convertitori statici (Diodi, BJT, MOSFET, IGBT, Tiristori, dispositivi Wide Bandgap di nuova generazione). Caratteristiche statiche, Comportamento transitorio, Componenti particolari. Perdite in conduzione e in commutazione. Specifiche fornite dal Costruttore.Comportamento termico. Circuiti di pilotaggio. Caratterizzazione dei Convertitori statici (monodirezionali e bidirezionali). Metodi di analisi dei Convertitori statici. CONVERTITORI STATICI DI POTENZA Convertitori c.c.-c.c.: Convertitori riduttori ed elevatori. Perdite dovute alle commutazioni. Riduzione delle perdite di commutazione. Modello average. Tecniche di modulazione. Controllo a catena aperta della tensione di uscita. Controllo in tensione e in corrente a catena chiusa. Convertitori bidirezionali a due quadranti ed a quattro quadranti. Struttura a ponte e a semiponte. Convertitori c.c.-c.a.: Inverter a ponte ed a semiponte realizzati con interruttori statici. Inverter con uscita trifase. Riduzione del contenuto armonico della tensione di uscita. Variazione dell'ampiezza della tensione di uscita. Tecniche di modulazione. Convertitori c.a.-c.c.: Rettificatori a diodi alimentati da rete monofase e da rete trifase. Power Factor Correctors (PFC) alimentati da rete monofase e da rete trifase. Convertitori bidirezionali. Tecniche di controllo a catena chiusa per i PFC. Effetti sulla rete di alimentazione. Fattore di potenza Generalizzato. Conformità agli standard internazionali per la connessione dei convertitori alla rete. AZIONAMENTI ELETTRICI Introduzione agli azionamenti elettrici. Generalità sulle macchine in c.c. e in c.a. Macchina sincrona a magneti permanenti. Azionamenti di velocità: comando in velocità e comando in coppia. ESEMPI APPLICATIVI Simulazione dei convertitori elettronici e degli azionamenti elettrici con l'ausilio di Matlab-Simulink. Sistemi fotovoltaici per la produzione di energia elettrica. Veicoli ibridi ed elettrici. Carica batterie.

Codice insegnamento 8039781

Powertrain Technologies For Future Mobility 2° anno · 9 CFU · IIND-06/A · 0 file

EARNING OUTCOMES: The course aims to provide students with in-depth scientific training to correctly address the problems of designing, choosing and managing new propulsion systems for sustainable mobility starting…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

EARNING OUTCOMES: The course aims to provide students with in-depth scientific training to correctly address the problems of designing, choosing and managing new propulsion systems for sustainable mobility starting from current solutions with internal combustion engines as well as creating the conditions for the development of innovative and low environmental impact solutions. To this end, students will develop in-depth knowledge of the operating principles of propulsion systems for transport and will learn simulation procedures for their verification and sizing. Finally, particular attention is dedicated to the most recent technological development of internal combustion engine technology aimed at overcoming current limits in terms of emissions and efficiency and defining innovative scenarios for sustainable mobility. KNOWLEDGE AND UNDERSTANDING: Course aim is to provide the students with tools for the analysis of the performances and the evaluation of proper design solution for internal combustion engines and their core components. At the end of the course, the student will be able to independently understand the functional link between design variables and the performance of internal combustion engines also in case of innovative design, APPLYING KNOWLEDGE AND UNDERSTANDING: The course, through the analysis of specific problems and quantitative data, is aimed at providing the tools for analysis and evaluation of the effects of different design choices. The theme of energy efficiency and pollution reduction are at the heart of the teaching organization. The student will be able to interpret and propose design solutions, even innovative ones, adapted to the specificity of the problems that are presented to him. MAKING JUDGEMENTS: By studying theoretical and practical aspects of engine design and critically assessing the influence of different design variables, the student will be able to improve his judgment and proposal in relation to design. and the management of internal combustion engines. COMMUNICATION SKILLS: The presentation of the theoretical and application profiles underlying the operation of internal combustion engines will be carried out to allow the knowledge of the technical language of the appropriate specialist terminology; The development of communication skills, both oral and written will also be stimulated through classroom discussion, participation in seminary activities and through final tests. LEARNING SKILLS: The learning capacity, even individual, will be stimulated through numerical exercises, the drafting of papers on specialized topics, the discussion in the classroom, also aimed at verifying the actual understanding of the topics treated. The learning capacity will also be stimulated by integrative educational aids (journal articles and economic newspapers) in order to develop autonomous application capabilities.

Programma

Introduzione: Scenari di decarbonizzazione del trasporto, loro evoluzione e possibili limiti. Panorama sulle soluzioni disponibili. Definizione delle esigenze: analisi dei cicli di guida e delle curve caratteristiche di domanda; definizione delle prestazioni dei powertrain; Evoluzione richiesta per le prestazioni dei sistemi di propulsione: efficienza, impronta di carbonio, emissioni Well to Wheel, LCA, fonti e vettori energetici, emissioni inquinanti. Motori a combustione interna - Tipologie di motori a combustione interna; Prestazioni; Curve caratteristiche; parametri geometrici; rapporti caratteristici: Principi di funzionamento dei motori a combustione interna: ricambio della carica, sovralimentazione, turbocompressione; Termochimica delle miscele aria-carburante, combustione nei motori SI e CI. Emissioni da motori a combustione interna, Formazione e controllo degli inquinanti. Combustibili per i motori a combustione interna: combustibili tradizionali liquidi e gassosi; Combustibili a basso o nullo contenuto di carbonio: biocarburanti, idrogeno, combustibili sintetici. Concetti innovativi per gli ICE: combustione di idrogeno, combustione di combustibili bio o sintetici. Infrastrutture per la distribuzione di combustibili a basso contenuto di carbonio. Principi di funzionamento dei motori elettrici; Tipologie di motori elettrici; Trasmissioni per veicoli elettrici; Batterie per veicoli elettrici; Infrastrutture di ricarica per veicoli elettrici Soluzioni ibride: Principi di funzionamento dei veicoli ibridi: soluzione serie e parallelo; motori a c.i. ed elettrici impiegati; frenata rigenerativa; batterie al litio, prestazioni e prospettive. Veicoli ibridi plug-in, motori a c.i. “range extender”. Celle a combustibile e idrogeno Progetto applicativo di sviluppo di soluzioni di propulsione innovativa- Per tutti gli argomenti del corso verranno presentati gli strumenti di simulazione numerica

Codice insegnamento 80300079

Quantum Computing 2° anno · 6 CFU · 0 file

OBIETTIVI FORMATIVI: L'obiettivo del corso è fornire agli studenti una conoscenza di base del Quantum Computing, includendo i concetti fondamentali della meccanica quantistica, i campi di applicazione e i principali…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

OBIETTIVI FORMATIVI: L'obiettivo del corso è fornire agli studenti una conoscenza di base del Quantum Computing, includendo i concetti fondamentali della meccanica quantistica, i campi di applicazione e i principali algoritmi quantistici, nonché le implementazioni fisiche dei computer quantistici. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: conoscenza delle basi matematiche necessarie per descrivere sistemi a QBit, comprensione dei gate a QBit, dei circuiti e degli algoritmi di base CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: capacità di applicare le conoscenze acquisite per l'analisi e progettazione di semplici sistemi a QBit e di algoritmi quantistici. AUTONOMIA DI GIUDIZIO: lo studente è in grado di identificare circuiti e algoritmi quantistici utili all'analisi o progettazione nell'ambito del Quantum Computing. ABILITÀ COMUNICATIVE: capacità di esporre in modo corretto i temi legati al Quantum Computing. CAPACITÀ DI APPRENDIMENTO: esperienza nella lettura di testi scientifici.

Programma

OBIETTIVI FORMATIVI: L'obiettivo del corso è fornire agli studenti una conoscenza di base del Quantum Computing, includendo i concetti fondamentali della meccanica quantistica, i campi di applicazione e i principali algoritmi quantistici, nonché le implementazioni fisiche dei computer quantistici. CONOSCENZA E CAPACITÀ DI COMPRENSIONE: conoscenza delle basi matematiche necessarie per descrivere sistemi a QBit, comprensione dei gate a QBit, dei circuiti e degli algoritmi di base CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE: capacità di applicare le conoscenze acquisite per l'analisi e progettazione di semplici sistemi a QBit e di algoritmi quantistici. AUTONOMIA DI GIUDIZIO: lo studente è in grado di identificare circuiti e algoritmi quantistici utili all'analisi o progettazione nell'ambito del Quantum Computing. ABILITÀ COMUNICATIVE: capacità di esporre in modo corretto i temi legati al Quantum Computing. CAPACITÀ DI APPRENDIMENTO: esperienza nella lettura di testi scientifici.

Codice insegnamento 80300242

Radar And Localization 2° anno · 6 CFU · 0 file

Knowledge of the main applications and operations of radar systems with the necessary basic elements, both theoretical and technical-operational. Being aware, at the system level, performance in terms of scope,…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

Knowledge of the main applications and operations of radar systems with the necessary basic elements, both theoretical and technical-operational. Being aware, at the system level, performance in terms of scope, discrimination, ambiguity, Doppler filtering Course content General information on radar, spectrum usage, radar measurements (distance, radial velocity, angular location). Fundamental radar equation, the noise of the receiver and antenna, propagation (attenuation and reflections), losses. Radar Cross Section and targets models (slow and rapid fluctuation); detection of targets (fixed and moving); integration of the pulses. Decision Theory and radar detection: decision criteria, detection of single pulse, revelation with N pulses. Doppler radar and : Doppler effect and structure of the coherent transceiver, Global Navigation Satellite Systems principles and Mobile Terminal Localization.

Programma

Knowledge of the main applications and operations of radar systems with the necessary basic elements, both theoretical and technical-operational. Being aware, at the system level, performance in terms of scope, discrimination, ambiguity, Doppler filtering Course content General information on radar, spectrum usage, radar measurements (distance, radial velocity, angular location). Fundamental radar equation, the noise of the receiver and antenna, propagation (attenuation and reflections), losses. Radar Cross Section and targets models (slow and rapid fluctuation); detection of targets (fixed and moving); integration of the pulses. Decision Theory and radar detection: decision criteria, detection of single pulse, revelation with N pulses. Doppler radar and : Doppler effect and structure of the coherent transceiver, Global Navigation Satellite Systems principles and Mobile Terminal Localization.

Codice insegnamento 80300159

Robot Mechanics 2° anno · 9 CFU · 0 file

LEARNING OUTCOMES: This course will provide students with the knowledge and tools needed to model and analyse robotic manipulators in terms of mechanical performance. Students will learn how to design, evaluate, and…

Scheda dell'insegnamento

Scheda dell'a.a. 2025/2026: quella dell'anno in corso non è ancora pubblicata.

Obiettivi formativi

LEARNING OUTCOMES: This course will provide students with the knowledge and tools needed to model and analyse robotic manipulators in terms of mechanical performance. Students will learn how to design, evaluate, and control industrial and service robots. KNOWLEDGE AND UNDERSTANDING: The student will learn to analyse robotic systems by modelling their kinematics and dynamics and thus finding their key operational parameters. Furthermore, the student will learn how to design a manipulator from its operational requirements, such as workspace, velocity, and payload. APPLYING KNOWLEDGE AND UNDERSTANDING: The student will apply this knowledge to design, model, and evaluate robots with examples of use cases. Once identified the joints and bodies that compose a robot, the student will be able to numerically characterize its operation and mobility. Furthermore, the student will be able to critically select a robot type for a given manipulation task. MAKING JUDGEMENTS: The student will demonstrate their understanding of robot operation by developing and presenting a practical use case, in which they will examine autonomously and critically the challenges behind robot design and application. COMMUNICATION SKILLS: During the course, students discuss key topics, working on a written project on manipulation analysis of their own choice. Project results are then presented at the end of the course. LEARNING SKILLS: During the course, students are involved in the lecture for a continuous stimulus to verify their understanding of robot mechanics. The knowledge acquired during the course is also verified in the final project on manipulation analysis.

Programma

1. Architettura e classificazione dei robot industriali e di servizio 1.1. Definizioni: catene cinematiche, giunti, mobilità 1.2. Analisi della manipolazione 1.3. Tipologie di manipolatori 2. Modellazione cinematica 2.1. Sistemi di riferimento 2.2. Notazione di Denavit-Hartenberg 2.3. Cinematica diretta 2.4. Cinematica inversa 2.5. Matrice Jacobiana e singolarità 2.6. Spazio operativo 2.7. Pianificazione delle traiettorie 3. Modellazione statica e dinamica 3.1. Condizioni di equilibrio 3.2. Equazioni del moto 3.3. Fondamenti di meccanica della presa 4. Architetture alternative 4.1. Metodi d’attuazione 4.2. Robot paralleli 4.3. Robot con componenti cedevoli 4.4. Robot soffici e continuum

Codice insegnamento 8039785

Digital Modeling For Energy Conversion 6 CFU · 0 file
Feedback Control Systems 6 CFU · ING-INF/04 · 0 file
Fundamentals Of Mechanics Of Systems 6 CFU · ING-IND/13 · 0 file
Thermodynamics And Heat Transfer 6 CFU · ING-IND/10 · 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.