Programma ITA ENG IDENTIFICAZIONE E CONTROLLO INT

Classe delle lauree magistrali in:
Corso di laurea in:
Anno accademico:
Ingegneriadell’Automazione (LM-25)
Ingegneria dell’Automazione
2012-2013
Tipo di attività formativa:
Ambito disciplinare:
Settore scientifico disciplinare:
CFU:
Caratterizzante
Ingegneria delAutomatica (ING-INF/04)
6
l’Automazione
Titolo dell’insegnamento:
Codice
Tipo di insegnamento:
Anno:
Semestre
Identificazione e Controllo
o
o
2372
obbligatorio
2
1
Intelligente
DOCENTE
David Naso (RU)
ARTICOLAZIONE IN TIPOLOGIE DIDATTICHE
Il corso comprende 40 ore di lezioni teoriche (5CFU), 24 ore di esercitazioni (aula, aula CAD), ed alcuni seminari
specialistici (1CFU).
PREREQUISITI
Conoscenze di base della teoria dei sistemi e dei fondamenti dell’automatica.
OBIETTIVI FORMATIVI
La disciplina si propone di introdurre le principali tecniche di identificazione di modelli di sistemi lineari e di alcune
tipologie di sistemi non-lineari. In merito a questi ultimi, si focalizza l’attenzione su famiglie di modelli proposte
nell’ambito della “Computational Intelligence”, ed in particolare su reti neurali e sistemi fuzzy. La parte conclusiva del
corso è dedicata ad una panoramica sulle tecniche di controllo incentrate sui modelli studiati nel corso.
PROGRAMMA
Lezioni frontali
1) Introduzione al problema dell’identificazione, modelli parametrici e non parametrici, algoritmi di ricerca, scelta dei
dati, validazione (4h).
2) L’approccio basato sull’errore di predizione. Famiglie di modelli per l’identificazione di sistemi lineari, e
corrispondenti predittori. Metodo dei minimi quadrati e relative estensioni. Ingressi persistentemente eccitanti (8h).
3) Analisi asintotica ed in frequenza dei metodi di identificazione basati sull’errore di predizione. Strategie per il
miglioramento della qualita’ del modello (4h).
4) Il caso dell’identificazione di sistemi non lineari: famiglie di modelli lineari nei parametri e non lineari (2h).
5) Reti neuronali: fondamenti e proprieta’. L’algoritmo di retropropagazione dell’errore (6h).
6) Sistemi fuzzy: fondamenti e proprieta (4h).
7) Tecniche di controllo basato su modello: dalla feedback linearization agli approcci alla Lyapunov (8h).
8) Adaptive Feedback linearization ed altre strategie per l’apprendimento on-line dei parametri del modello finalizzate
al controllo (4h).
Esercitazioni in aula CAD
1) Identificazione di modelli lineari, anche con l’ausilio del System Identification Toolbox del Matlab (8h)
2) Identificazione di modelli non-lineari con reti neuronali, anche avvalendosi del Neural Network Toolbox del Matlab
(6h)
3) Cenni ai modelli fuzzy ed al Fuzzy Logic Toolbox del Matlab (2h).
4) Controllo basato su modello: progettazione e simulazione con il con il Matlab ed il Simulink (8h).
METODI DI INSEGNAMENTO
Lezioni ed esercitazioni interattive in aula impartite alla lavagna o con l’ausilio del software di presentazione MS Power
Point. Esercitazioni in laboratorio CAD, supportate da materiale reso disponibile tramite sito web del corso.
CONOSCENZE E ABILITÀ ATTESE
Capacita’ di impostare correttamente e risolvere problemi pratici di identificazione di modelli e di progettazione di schemi
di controllo basati su modelli identificati.
SUPPORTI ALLA DIDATTICA
Materiale in formato elettronico scaricabile dal sito del corso. Aula Informatica con PC dotati di Matlab-Simulink e dei
pacchetti ausiliari summenzionati.
CONTROLLO DELL’APPRENDIMENTO E MODALITÀ D’ESAME
Prova orale con facoltà di presentare una relazione di approfondimento su uno degli argomenti del corso.
TESTI DI RIFERIMENTO PRINCIPALI
1. “Appunti del corso”
2. S. Bittanti, “Identificazione dei modelli e sistemi adattativi”, ISBN 88-371-1200-9, Pitagora Editrice.
3. J.A. Farrell, M. M. Polycarpou, “Adaptive Approximation Based Control: Unifying Neural, Fuzzy and Traditional
Adaptive Approximation Approaches”, Wiley-Interscience, 2006.
ULTERIORI TESTI SUGGERITI
1. O. Nelles, Nonlinear System Identification, Springer, 2000.
2. L. Ljung, System Identification, Theory for the User, Prentice-Hall, 1987.
ALTRE INFORMAZIONI
Dipartimento di Ingegneria Elettrica e dell’Informazione. Politecnico di Bari (http://dee.poliba.it)
Stanza Docente: Terzo piano DEI, tel. 080 5963649 (int. 3649), email: [email protected]
Sito URL del docente: dee.poliba.it/dee-web/nasoweb/naso.htm
Master Degree class
Second level (two years) degree
Academic year:
Automation Engineering
Automation Engineering
2012/13
Type of formative
Disciplinary Area:
Scientific Discipline Sector:
ECTS Credits:
activity:
Automation Engineering
Automatica (ING-INF/04)
6
Characteristic subject (C)
Course Title
Semester:
Code:
Type of course:
Year:
sr
Identification and
1
nd
2372
mandatory
2 year
Intelligent Control
semester
LECTURER:
David Naso (Tenured Assistant Professor)
HOURS OF INSTRUCTION
Total number of hours: 64: Theory: 40 hours (5 ECTS). Numerical applications: 24 hours (1 ECTS).
PREREQUISITES:
Elements of Control System Engineering (open and closed loop control, effects of feedback, stability), and System
Theory
AIMS:
The course provides an overview of the essential system identification algorithms for linear models. Extension of the
approaches for nonlinear identifications are also discussed. Nonlinear methods are mainly focused on “Computational
Intelligence” tools (Fuzzy Logic, Neural Networks). The last part of the course deals with model-based control approaches
which exploit the tools introduced in the previous lectures.
CONTENTS:
Lezioni frontali
1) Introduction to identification problems. PArametric and non-parametric models, search algorithms, data selection,
validation (4h).
2) The prediction error approach. Families of models and predictors for linear identification. The least square method
and its extensions. Persistently exciting inputs (8h).
3) Asymptotical and frequency analysis of identification methods based on prediction error. Quality of the models and
its improvement (4h).
4) Non-linear system identification. Linear in the parameters and non linear models (2h).
5) Neural Networks. Backpropagation and other training algorithms (6h).
6) Fundamentals of fuzzy systems (4h).
7) Model-based control: from feedback linearization to Lyapunov-based approaches (8h).
8) Adaptive Feedback linearization and other strategies for on-line parameter estimation for control purposes (4h).
Esercitazioni in aula CAD
1) Linear identification, also using System Identification Toolbox del Matlab (8h)
2) Non-linear identification, also using Neural Network Toolbox del Matlab (6h)
3) Fundamentals of fuzzy logic using Fuzzy Logic Toolbox del Matlab (2h).
4) Model-based control and adaptive control: design and simulation with Matlab and Simulink (8h).
TEACHING METHODS:
Standard Lectures, sometimes supported by MS Power Point presentations. Interactive CAD sessions in a CAD room.
Exercises and other course-related materials are also provided on the web pages of the course.
EXPECTED KNOWLEDGES AND SKILLS:
A student with a successful result in final examination will have a basic knowledge of the main aspects related to system
identification, and model-based “intelligent” control.
TEACHING AIDS
Various electronic material made available through course web pages. CAD room with PCs equipped with
Matlab/Simulink, and the main toolboxes related to identification and control design.
EXAMINATION METHOD:
Oral dissertation, with a possible (upon candidate’s request) discussion of a short manuscript analyzing the details of one
topic dealt in the course.
BIBLIOGRAPHY:
1. “Lecture Notes”
2. S. BITTANTI, “Identificazione dei modelli e sistemi adattativi”, ISBN 88-371-1200-9, Pitagora Editrice.
3. J.A. Farrell, M. M. Polycarpou, “Adaptive Approximation Based Control: Unifying Neural, Fuzzy and Traditional
Adaptive Approximation Approaches”, Wiley-Interscience, 2006.
FURTHER BIBLIOGRAPHY:
-O. Nelles, Nonlinear System Identification, Sprinter, New York, 2000.
- L. Ljung, System Identification, Theory for the User, Prentice-Hall, 1987.
FURTHER INFORMATION
Department of Electrical and Information Engineering, Politecnico di Bari (http://dee.poliba.it)
Lecturer room: Third floor DEI, tel. 080 5963649 (int. 3649), email: [email protected]
Lecturer and course URL: dee.poliba.it/dee-web/nasoweb/naso.htm