ITALIANO

Identificazione, modellistica e controllo di processi industriali.

S. Bittanti, Model Identification and Data Analysis, Wiley, 2019.
T. Marlin, Process Control, McGraw-Hill, 1995.
Maciejowski, Predictive Control, Prentice Hall, 2000.

Capacità di interagire con modelli semplici di processi industriali in modo modulare. Identificazione dei modelli. Progetto di controllori MPC e fuzzy e loro validazione.
Simulazione di dettaglio in MATLAB/Simulink.

Robust Control

Lezioni frontali. Esercitazioni con software MATLAB/Simulink

Esame orale, con la possibilità di discutere una tesina a scelta del candidato

Ricevimento studenti: mercoledì, 12:00-15:00. Strumenti software usati: App Identification Toolbox di MATLAB

Modellistica di semplici processi industriali: modelli idraulici, modelli termici, semplici modelli chimici.
Identificazione di semplici processi con modelli del primo ordine con ritardo.
Modelli di identificazione più complessi:
richiami di probabilità e statistica.
Stima statica e proprietà degli stimatori.
Identificazione.
Modelli polinomiali
Predittori.
Calcolo dei parametri e loro proprietà statistiche.
Test di bianchezza.
Validazione e scelta della complessità dei modelli.
Identificazione in spazio di stato: N4SID.
Controllo Fuzzy.
Controllo a modello predittivo.

Italian

Identification.
Modelling and control of industrial processes.

S. Bittanti, Model Identification and Data Analysis, Wiley, 2019.
T. Marlin, Process Control, McGraw-Hill, 1995.
Maciejowski, Predictive Control, Prentice Hall, 2000.

Interaction with simple nonlinear industrial process models. Model identification and validation.
MPC and Fuzzy Controller design.
Matlab/Simulink detailed simulation

Robust Control

Lessons. Exercises with MATLAB/Simulink software

Oral examination. Discussion of an extended exercise proposed by the student (optional)

Consultation hours: Wednesday, 12:00-15:00.
The course uses MATLAB App Identification Toolbox

Modelling of basic industrial processes: hydraulic, thermal and chemical processes.
Identification of simple Industrial processes with first-order systems with delay.
More complex identification models:
elements of probability and statistics.
Static estimators and their properties.
Identification.
Polynomial models.
Predictors.
Parameters estimate and their statistic properties.
Whiteness test.
Validation and complexity.
Space-state identification: N4SID.
Fuzzy Control.
Adaptive Control. Model Predictive Control.