Insegnamento di "Tecniche di Controllo"


    Corso al I e II anno della Laurea Specialistica in Ingegneria dell'Automazione (N.O.) al Dipartimento di Ingegneria dell'Università di Ferrara
 
 

Programma del Corso

  • Il Corso vuole fornire, attraverso cicli di lezioni, svolte a livello seminariale, ed esperienze di laboratorio, le conoscenze di base su alcuni aspetti sia metodologici che tecnologici di più diffusa utilizzazione nelle applicazioni dell'Automatica nel settore industriale. Lo studente imparerà a conoscere ed utilizzare i tools di progettazione assistita che potranno risultargli utili sia nello svolgimento della tesi di laurea che nell'esercizio della professione. Vai alla pagina del corso su UniFe.

    •  

    Contenuti del Corso

  • Reti neurali: Introduzione alle reti neurali. Modello di reti neurali. La funzione di attivazione. Reti neurali semplici, Perceptrone Adaline. Reti neurali a strato singolo e multistrato (MLP). Algoritmi di apprendimento. Reti neurali a base radiale (RBF). Algoritmi genetici per l'ottimizzazione. Esempi di utilizzo e di progetto di reti neurali. Identificazione di un modello dinamico non lineare e controllore neurale. Stima e controllo ottimo per sistemi multivariabili: Stima di variabili. Stima dello stato di sistemi dinamici lineari in ambiente deterministico e stocastico. Regolazione ed inseguimento: Controllo ottimo di sistemi lineari su intervallo temporale finito ed infinito. Sistemi di controllo non lineari. Richiami di teoria dei sistemi dinamici: modelli non lineari e stabilità secondo Lyapounov. Panoramica delle tecniche di controllo per sistemi nonlineari. Linearizzazione tramite feedback. Controllo robusto a struttura variabile: Sliding Mode. Teoria di base della logica fuzzy. Nascita e storia della logica fuzzy. Confronto logica fuzzy e logica classica. Proposizioni e inferenza deduttiva. Componenti principali di un sistema fuzzy: fuzzificatore, motore d'inferenza, defuzzificatore. Applicazioni di logica fuzzy nell'automazione. Esempi di tecniche di controllo applicate a modelli non lineari.

    •  

    Prerequisiti

  • Il corso presuppone che lo studente abbia completato il percorso formativo proposto per il Curriculum Automazione del corso di laurea in Ingegneria Informatica e dell'Automazione.

    •  

    Modalità d'esame

  • L'esame consiste in una prova orale, nella quale viene discussa una tesina, precedentemente elaborata dallo studente attraverso simulazioni in ambiente Matlab/Simulink di un problema di controllo proposto dal docente, ed approfondita oralmente una delle tecniche di controllo contenute nel programma del corso.

    •  

    Testi di Riferimento

  • Controllo Ottimo e Stima Ottima: "Progetto di sistemi di controllo", M. Tibaldi. - 2. ed. - Pitagora, 1995.
  • Controllo Non Lineare: "Applied nonlinear control", J.J. Slotine, W. Li. - Prentice Hall, 1991.
  • Logica e Controllo Fuzzy: "A course in fuzzy systems and control", L.-X. Wang - Prentice Hall, 1997.
  • Reti Neurali: "Neural Networks for Identification, Prediction, and Control", D.T. Pham and X. Liu - Springer Verlag, 1995.

    •  

    Altri Testi Specifici

  • Neural Networks for Identification, Prediction, and Control, by Duc Truong Pham and Xing Liu. Springer Verlag; (December 1995). ISBN: 3540199594.
  • Nonlinear Identification and Control: A Neural Network Approach, by G. P. Liu. Springer Verlag; (October 2001). ISBN: 1852333421.
  • Fuzzy Modeling for Control, by Robert Babuska. Springer; 1st edition (May 1, 1998) ISBN-10: 0792381548, ISBN-13: 978-0792381549.
  • Multi-Objective Optimization using Evolutionary Algorithms, by Deb Kalyanmoy. John Wiley & Sons, Ltd, Chichester, England, 2001.
  • NONLINEAR VIRTUAL REFERENCE FEEDBACK TUNING: Application of Neural Networks to Direct Controller Design. Document in PDF format (346KB).

    •  

    Materiale Didattico: Lucidi delle Lezioni e Dispense

  • Introduzione al Corso (Silvio Simani). Lucidi della lezione in formato PDF (1.6MB).
  • Richiami di Teoria dei Sistemi (Silvio Simani). Lucidi della lezione in formato PDF (1.4MB); Lucidi della lezione in formato PDF, 2 per pagina (1.3MB).
  • Controllo Ottimo per Sistemi Multivariabili (Silvio Simani, Marcello Bonfè). Lucidi della lezione in formato PDF (4.2MB). Dispense in formato PDF (0.9MB).
  • Stima Ottima per Sistemi Multivariabili - Filtro di Kalman: Teoria ed Esempi (Silvio Simani). Lucidi della lezione in formato PDF (3.4MB); Lucidi della lezione in formato PDF, 2 per pagina (3.5MB)
  • Metodi di Controllo Non Lineare (Marcello Bonfè). Lucidi della lezione in formato PDF (6.5MB); Lucidi della lezione in formato PDF, 2 per pagina (2.1MB).
  • Reti Neurali per il Controllo (Silvio Simani). Lucidi della lezione in formato PDF (2.2MB); Lucidi della lezione in formato PDF, 2 per pagina (1.3MB).
  • Introduzione alla Logica Fuzzy (Silvio Simani). Lucidi della lezione in formato PDF (3.3MB). Lucidi della lezione in formato PDF, 2 per pagina (3MB)
  • Sistemi Fuzzy per il Controllo (Silvio Simani). Lucidi della lezione in formato PDF (6.8MB); Lucidi della lezione in formato PDF, 2 per pagina (6.6MB).
  • Sperimentazione delle Metodologie di Progetto con Simulazioni ed Esercizi di Approfondimento (Silvio Simani, Marcello Bonfè). Lucidi della lezione in formato PDF (1.3MB); Lucidi della lezione in formato PDF (1.2MB)
  • Files per le esercitazioni sull'esempio del pendolo semplice e pendolo inverso su carrello (Silvio Simani): Dal pendolo semplice all'esempio del pend-cart - PDF file.
  • Files per le esercitazioni sul controllore neurale per l'esempio del pend-cart (Silvio Simani): Script file per l'inizializzazione del pendolo inverso su carrello; Modello Simulink non lineare del pendolo inverso su carrello; Modello Simulink per l'analisi preliminare del sistema pendolo inverso su carrello; Modello Simulink con controllore LQ; Modello per la generazione dei dati per la rete neurale; Modello per la simulazione della rete neurale; Script file per il training della rete neurale; Script file per il progetto del regolatore LQ; File PDF con immagini modelli Simulink e script per il progetto del controllore neurale.
  • Files per le esercitazioni sul controllore fuzzy per l'esempio del pend-cart (Silvio Simani): Script file per l'inizializzazione del pendolo inverso su carrello; Script file per l'inizializzazione del controllore fuzzy; File di simulazione del controllore fuzzy per l'esempio del pend-cart; File ".fis" (fuzzy inference system) che contiene il modello del regolatore fuzzy; File Simulink per la simulazione del regolatore fuzzy identificato con ANFIS; Script Matlab per la generazione della struttura FIS con ANFIS; Files FIS di esempio determinati con il programma ANFIS; File PDF con le figure dello script Matlab e dei modelli Simulink.

    •  
     
     
     
    Previous Page Simani Home Page Dipartimento di Ingegneria