Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
INGEGNERIA MECCATRONICA
Insegnamento
IDENTIFICAZIONE DEI MODELLI
INN1031645, A.A. 2013/14

Informazioni valide per gli studenti immatricolati nell'A.A. 2013/14

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INGEGNERIA MECCATRONICA
IN0529, ordinamento 2011/12, A.A. 2013/14
N0
porta questa
pagina con te
Crediti formativi 6.0
Denominazione inglese SYSTEM IDENTIFICATION
Dipartimento di riferimento Dipartimento di Tecnica e Gestione dei Sistemi Industriali (DTG)
Obbligo di frequenza No
Lingua di erogazione ITALIANO
Sede VICENZA

Docenti
Responsabile ALESSANDRO CHIUSO ING-INF/04

Corso integrato di appartenenza
Codice Insegnamento Responsabile
INN1031643 TEORIA DEI SISTEMI E IDENTIFICAZIONE DEI MODELLI ALESSANDRO CHIUSO

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria dell'automazione ING-INF/04 6.0

Organizzazione dell'insegnamento
Periodo di erogazione Secondo semestre
Anno di corso I Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 6.0 48 102.0

Calendario
Inizio attività didattiche 03/03/2014
Fine attività didattiche 14/06/2014
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2011

Commissioni d'esame
Commissione Dal Al Membri
2 2013 01/10/2013 30/09/2014 CHIUSO ALESSANDRO (Presidente)
BEGHI ALESSANDRO (Membro Effettivo)

Syllabus

Caratteristiche comuni al Corso Integrato

Prerequisiti: Conoscenze di base di Teoria della Probabilita', Teoria dei Segnali e Sistemi Dinamici e Controlli Automatici
Conoscenze e abilita' da acquisire: Conoscenza delle tecniche di analisi e sintesi dei sistemi di controllo nello spazio di stato, di elaborazione statistica dei segnali e delle techniche di identificazione (modellistica a partire da dati misurati) per sistemi dinamici lineari.
Modalita' di esame: Prova scritta e orale
Criteri di valutazione: Lo studente deve dimostrare di aver appreso le basi teoriche della materia ed allo stesso tempo di saper formulare risolvere problemi di tipo numerico.

Caratteristiche proprie del modulo

Contenuti: Probabilita' e statistica di base (densita e densita congiunta, descrizione del second'ordine, funzione di covarianza, stimatori e loro proprieta. Teorema limite centrale ed ergodicita). Sistemi a Tempo Discreto.

Stima Bayesiana: Il caso Gaussiano, Stimatori lineari a minima varianza.
Processi del second'ordine: covarianza e spettro. Sistemi dinamici a tempo discreto per processi stocastici (ARMA, ARMAX, ARX etc.). Predicttori. Filtro di Kalman.

Stima non parametrica: stima spettrale, periodogramma e versioni finestrate.

Stima Parametrica: minimi quadrati, stimatori a massima verosimiglianza e a minimizzazione dell'errore di predizione.

Stima del'ordine (FPE, AIC, BIC, MDL..). Varianza asintotica (cenni) e validazione dei modello. Identificazione in catena chiusa (cenni)

Applicazioni: esempi di identificazione di sistemi meccanici elementari, analisi modale e monitoraggio.
Attivita' di apprendimento previste e metodologie di insegnamento: Lezioni frontali ed esercitazioni (anche con l'ausilio del calcolatore).
Eventuali indicazioni sui materiali di studio: Appunti distribuiti dal docente (disponibili sulla pagina web del docente
http://automatica.dei.unipd.it/people/chiuso/teaching/identificazione-dei-modelli-ed-analisi-dei-dati.html)
Testi di riferimento:
  • L. Ljung, System Identification: Theory for the User. --: Prentice Hall, --. Cerca nel catalogo
  • T. Söderström, P. Stoica, System Identification. --: --, --. Cerca nel catalogo
  • T. Söderström, Discrete-time Stochastic Systems. --: Springer, --. Cerca nel catalogo
  • A.M. Jazwinsky, Stochastic processes and filtering theory. London: Academic Press, 1970. Cerca nel catalogo
  • P. Stoica, R. L. Moses, Spectral Analysis of Signals. --: Prentice Hall, --. Cerca nel catalogo
  • G. Picci, Filtraggio Statististico (Wiener, Levinson, Kalman) e Applicazioni. --: Progetto, --.
  • Peter J. Brockwell, Richard A. Davis, Introduction to Time Series and Forecasting. --: --, --. Cerca nel catalogo