- Acquisire conoscenze sui metodi e le tecnologie proprie della progettazione dei sistemi di controllo automatico in ambito industriale e sull’analisi, simulazione e identificazione di processi. - Acquisire la capacità di utilizzare strumenti software dedicati all’analisi, simulazione e controllo di processi industriali, all’analisi dei dati e all’identificazione dei modelli a partire da dati sperimentali. - Sviluppare autonomia nella scelta della strategia di controllo di processo e nell’analisi dei dati disponibili comparando le diverse soluzioni proposte. - Favorire la capacità di comunicare con linguaggio tecnico appropriato, anche al fine di una efficace integrazione in un contesto industriale legato all’utilizzo dei sistemi di controllo. – Sviluppare la capacità di mantenere un aggiornamento costante sugli sviluppi tecnologici legati al controllo automatico e all’identificazione di processi in ambito industriale.
Prerequisiti
Conoscenze di base sui circuiti elettrici, algebra matriciale, equazioni differenziali, linguaggi di programmazione.
Testi
Slides M. Groover, Automation, Production Systems and Computer-Integrated Manufacturing, Pearson New International Edition G. Franklin, J.D. Powell, A. Emami-Naeini, Feedback Control of Dynamic Systems, Pearson Lennart Ljung, System Identification: Theory for the User, Prentice Hall L. Fortuna, S. Graziani, A. Rizzo, M.G. Xibilia, Soft Sensors for Monitoring and Control of Industrial Processes. Springer
Contenuti
MODULO A -INTRODUZIONE ALL’AUTOMAZIONE INDUSTRIALE: Definizioni. Classificazioni. CIM. -RICHIAMI DI ANALISI DEI SISTEMI: Classificazione dei sistemi. Sistemi LTI. Funzioni di trasferimento, Risposta nel tempo e in frequenza. Diagrammi di Bode. Stabilità. Sistemi di primo e secondo ordine. Software per l’analisi dei sistemi -CONTROLLO IN RETROAZIONE: Controllo a catena aperta e a catena chiusa. Obiettivi del controllo, specifiche. Regolatori PID e metodi di tuning empirico. Schemi avanzati di controllo. PID digitale. Scelta del tempo di campionamento. Software per la sintesi e la valutazione dei sistemi di controllo. -IDENTIFICAZIONE DEI SISTEMI: Identificazione a scatola nera, grigia e trasparente. Modelli lineari e non lineari. Fasi del processo di identificazione. Scelta degli esperimenti e dei dati. Scelta delle variabili. Pre-processamento dei dati. Tipi di modelli. Modelli FIR, ARX, ARMAX. Identificazione dei parametri con il metodo dei minimi quadrati. Validazione dei modelli. Criteri per la stima dell'ordine (FPE, AIC, analisi del residuo). Modelli non lineari NFIR, NARX, NARMAX. Modelli data-driven con tecniche di machine-learning. Algoritmi di apprendimento. Validazione dei modelli. Uso dei modelli come sensori virtuali per processi industriali. Esempi di applicazioni in ambito industriale. Reti neurali per il controllo. Software per l’analisi dei dati, l’identificazione e la validazione di modelli.