Per approfondimenti si segnalano i seguenti testi:
[1] L. Magni, R. Scattolini, Advanced and Multivariable Control, Pitagora Editrice Bologna, 2014.
[2] K.J. Astrom, B. Wittenmark, Adaptive Control (2nd edition), Addison-Wesley, 1995.
[3] F. Bullo, Lecures on Network Systems, 2018.
[4] M. Mesbahi, M. Egerstedt, Graph Theoretic Methods in Multiagent Networks, 2010.
Obiettivi Formativi
Sviluppare capacità nel progetto di sistemi di controllo avanzati attraverso un approfondimento delle conoscenze teoriche relative alle principali tecniche di controllo ottimo, predittivo, adattativo nonché di controllo di sistemi multi-agente.
Prerequisiti
Conoscenze della teoria dei sistemi e dei controlli automatici.
Metodi Didattici
Lezioni e esercitazioni in aula. Seminari di approfondimento.
Modalità di verifica apprendimento
L'esame consta di una prova orale nella quale si verifica mediante quesiti e domande teoriche: la conoscenza relativa alle principali tecniche di controllo ottimo, predittivo, adattativo nonché di controllo di sistemi multi-agente; la capacità di applicare tali conoscenze nel progetto di sistemi di controllo avanzati.
Programma del corso
1. CONTROLLO OTTIMO E PREDITTIVO
Controllo ottimo: formulazione del problema del controllo ottimo; programmazione dinamica; soluzione del problema del controllo ottimo lineare quadratico (LQ); curva di trade-off e progetto del controllore; equazione algebrica di Riccati e suo ruolo nella regolazione LQ in regime stazionario; uso della regolazione LQ in problemi di inseguimento.
Controllo predittivo: problema di controllo vincolato ad anello aperto e strategia di controllo ad orizzonte recedente; uso del controllo predittivo in problemi di inseguimento e di reiezione di disturbi; cenni alla stabilità del controllo predittivo.
2. CONTROLLO ADATTATIVO
Tecniche ad autosintonia: minimi quadrati ricorsivi per l'identificazione in tempo reale; controllo ad allocazione dei poli; controllo in autosintonia indiretto.
Controllo adattativo a commutazione: funzionali di costo e logiche di commutazione; approccio a modelli multipli.
3. SISTEMI MULTI-AGENTE
Teoria: modelli di sistemi multi-agente; elementi di teoria dei grafi; matrici stocastiche e teoria di Perron-Frobenius; algoritmi di consenso; tecniche di controllo basate su funzioni di Lyapunov e potenziali.
Applicazioni: controllo coordinato di robot; apprendimento automatico distribuito; reti di sensori e stima distribuita.