Programma ITA ENG IDENTIFICAZIONE E CONTROLLO INT
Transcript
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