DALMINE
Dati Generali
Periodo di attività
Syllabus
Obiettivi Formativi
Il corso di Adaptive Learning, Estimation and Supervision of dynamical systems (ALES) è la naturale prosecuzione del corso di Identificazione di Modelli e Analisi dei Dati (IMAD), con l'ulteriore approfondimento della diagnosi dei guasti, oggi fondamentale per implementare i concetti di manutenzione predittiva in un'ottica di Industria 4.0.
Al termine del corso, lo studente sarà in grado di:
- Utilizzare e implementare metodi di stima ricorsivi e adattivi
- Stimare modelli di sistemi dinamici in forma di spazio di stato e con ingressi e uscite multiple
- Stimare modelli di sistemi dinamici in condizioni di anello chiuso
- Definire e risolvere problemi di diagnosi dei guasti industriali, identificandone le componenti principali e ipotizzando una possibile soluzione utilizzando un approccio basato su modelli
Il corso permette di ottenere una solida preparazione per collaborare con il laboratorio CAL (Control and Automation Lab) in progetti di ricerca metodologia e in collaborazione con imprese del territorio sulle tematiche inerenti di controlli automatici, l'identificazione e la diagnosi dei guasti.
Il corso è complementare ai corsi di:
- Controllo Avanzato e Multivariabile
- Controlli Automatici
Prerequisiti
Analisi dei sistemi dinamici a tempo continuo e discreto. Schemi a blocchi e retroazione. Risposta in frequenza. Teorema del campionamento. Trasformata di Fourier.
Matrici, autovalori e autovettori, spazi vettoriali.
Derivate, integrali, gradienti, limiti, punti stazionari di una funzione matematica.
Variabili casuali, distribuzioni di probabilità, momenti di una distribuzione di probabilità.
Metodi didattici
Il percorso didattico proposto allo studente è il seguente:
- Seguire la lezione frontale esposta con il supporto di diapositive. Esse sono tutte disponibili prima dell’inizio del corso ed è utile che lo studente visioni le diapositive di una lezione prima di seguire la lezione.
- Studiare gli argomenti della lezione con l’ausilio del libro di testo, delle diapositive e degli appunti personali.
- Implementare gli algoritmi visti a lezione, in modo autonomo, in MATLAB. La valutazione degli esercizi di implementazione fornisce dei punti per superare l'esame.
- Verso la fine delle lezioni lo studente è in grado di svolgere un tema d’esame di esempio. Viene data molta importanza alla partecipazione attiva alle lezioni da parte degli studenti, che viene stimolata mediante un dialogo continuo.
Gli studenti possono trovare il docente in ogni momento (meglio previo appuntamento) recandosi presso l'ufficio del docente (Laboratori via Galvani 2, Dalmine).
Verifica Apprendimento
L'esame è composto da due parti: 1) Esame scritto da 1 ora con 3 domande di teoria a risposta aperta. Ogni domanda vale da 5 a 8 punti. L'esame scritto vale al massimo 15 punti. Sono necessari almeno 10 punti per superare l'esame scritto e accedere alla valutazione del progetto. 2) Valutazione di un progetto con discussione orale. Il progetto consiste nell'implementare in MATLAB un algoritmo dalla letteratura scientifica. Il progetto vale fino a 15 punti. Gli esercizi per casa concorrono fino a un massimo di +3 punti sul voto finale.
Contenuti
PARTE 1: STIMA RICORSIVA E ADATTIVA
Algoritmo Recursive Least Squares (RLS). Variabili strumentali (IV). Fattore di oblio. Stima di sistemi lineari tempo-varianti. Algoritmo Least Mean Squares (LMS).
PARTE 2: IDENTIFICAZIONE A CIRCUITO CHIUSO
Identificazione PEM per sistemi con dati collezionati in anello chiuso. Confronto con l'identificazione in anello aperto.
PARTE 3: IDENTIFICAZIONE DEL SOTTOSPAZI
Ripasso dei concetti di algebra lineare.
Stima di un modello dinamico nello spazio degli stati. Metodi N4SID e MOESP, con estensione ai sistemi MIMO.
PARTE 4: SUPERVISIONE E DIAGNOSI DEI GUASTI
Diagnosi dei guasti basata su modelli. Guasti additivi e moltiplicativi. Modellazione di un sistema dinamico con guasti. Approccio dello spazio di parità. Approccio basato su osservatore. Diagnosi robusta contro i disturbi. Diagnosi dei guasti basata sul segnale. Diagnosi di cuscinetti e ingranaggi con analisi delle vibrazioni.
Diagnosi dei guasti basata sulla conoscenza. Monitoraggio Statistico di Processo (SPM). Approccio basato su RLS.
CASI DI STUDIO:
1) Virtual Reference Feedback Tuning (VRFT): progettazione basata sui dati di controllori utilizzando il metodo delle variabili strumentali per la stima dei parametri del controllore
2) Classificazione delle particelle nucleari: utilizzo di metodi di identificazione a sottospazi per caratterizzare le proprietà delle particelle nucleari e classificarle in categorie predefinite
3) Rilevamento perdite in una valvola industriale: applicazione di metodi di diagnosi guasti per una valvola idraulica soggetta a perdite d'acqua
Altre informazioni
Il corso permetterà di apprendere competenze molto richieste dalle imprese, come la diagnosi dei guasti a fini di manutenzione predittiva dei macchinari. Durante il corso, verranno presentati numerosi esempi di attività pratiche in cui il CAL collabora in progetti con le imprese.
Il corso di ALES permette di trarre maggior beneficio dal corso di Controllo Avanzato e Multivariabile (CAM) per quanto riguarda l'identificazione di un modello di un sistema MIMO, poi utilizzando per progettare un controllo con le tecniche che si vedono in CAM.
Il corso di ALES permette di trarre maggior beneficio dal corso di Controlli Automatici per quanto riguarda esempi di uso pratico del Filtro di Kalman.