Ingegneria gestionale e dell'automazione
Cod 198295
- Laurea magistrale
- 2 anni
- 120 CFU
- LM-32
IINF-04/A
Advanced Control Systems
Codice: 20810400
Scheda insegnamento
- Anno Accademico di erogazione
- 2026/2027
- Corso di studi
- Ingegneria gestionale e dell'automazione
- Periodo di erogazione
- Secondo semestre
- CFU
- 6 CFU
- Lingua
- Italiano
- SSD
- IINF-04/A
Scopri il programma didattico
Programma, testi adottati e modalità d’esame sono quelli pubblicati dai docenti per l’anno accademico 2026/2027. L’insegnamento è diviso in canali: ogni canale ha il suo programma.
- Docente
- Graziana Cavone
- Curriculum
- Automazione dei sistemi complessi
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 54
- CUIN
- 260005956
Programma
Introduzione ai sistemi multi-agente
Teoria dei grafi e teoria algebrica dei grafi
Protocolli di consenso con diversi grafi
Controllo di formazione
Controllo di sciami di robot e ulteriori problemi di coordinamento
Introduzione al Model Predictive Control (MPC) e fondamenti matematici
Formulazione del problema del MPC
Stabilità del MPC
MPC per sistemi multi-agente
Prerequisiti
Fondamenti di Automatica e preferibilmente Dynamics and Control of Complex Systems e Robotica
Testi adottati
- F. Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, ISBN 978-1986425643, 2022
- Camacho, E. F., & Bordons, C., Model Predictive control, Springer, ISBN: 978-1-85233-694-3, 2013.
- Note e dispense del docente
- Francesco Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, 2022, ISBN ISBN 978-1986425643
- Eduardo Camacho, & Carlos Bordons, Model Predictive control, Springer, 2013, ISBN ISBN: 978-1-85233-694-3
Bibliografia di riferimento
- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated. ISBN 978-3642422706
- F. Bullo, J. Cortes, and S. Martinez, Distributed Control of Robotic Networks: A Mathematical Approach to Motion Coordination Algorithms, Princeton University Press, Princeton, NJ, USA, 2009.
- M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, NJ, 2010.
- Maciejowski, J., Predictive Control with Constraints, Pearson Education POD, 2002.
- Rossiter, J. A., Model-Based Predictive Control: A Practical Approach, CRC Press, 2003.
- Maestre, J. M., & Negenborn, R. R. (Eds.). (2014). Distributed model predictive control made easy (Vol. 69). Dordrecht, Netherlands: Springer.
Modalità di erogazione
Il corso consta di lezioni teoriche e lezioni esercitative.
Modalità di frequenza
La frequenza in presenza delle lezioni, data la natura pratica del corso, è fortemente consigliata.
Modalità di valutazione
L’esame consta di una prova orale per approfondire gli aspetti teorici del corso e di una tesina per approfondire gli aspetti pratici del corso.
Prove previste
- Prova orale
- Valutazione di un progetto
- Docente
- Martina Lippi
- Curriculum
- Automazione dei sistemi complessi
- Anno di corso
- 1
- Periodo
- Secondo semestre
- Ore
- 54
- CUIN
- 260005956
Programma
- Introduzione ai sistemi multi-agente
- Teoria dei grafi e teoria algebrica dei grafi
- Protocolli di consenso con diversi grafi
- Controllo di formazione
- Controllo di sciami di robot e ulteriori problemi di coordinamento
- Introduzione al Model Predictive Control (MPC) e fondamenti matematici
- Formulazione del problema del MPC
- Stabilità del MPC
- MPC per sistemi multi-agente
Prerequisiti
Fondamenti di Automatica e preferibilmente Dynamics and Control of Complex Systems e Robotica
Testi adottati
- M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, NJ, 2010.
- Camacho, E. F., & Bordons, C., Model Predictive control, Springer, ISBN: 978-1-85233-694-3, 2013.
- Note e dispense del docente
- Camacho, E. F., & Bordons, C., Model Predictive control, Springer, 2013, ISBN 978-1-85233-694-3
- M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, 2010
Bibliografia di riferimento
- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated. ISBN 978-3642422706
- F. Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, ISBN 978-1986425643, 2022
- F. Bullo, J. Cortes, and S. Martinez, Distributed Control of Robotic Networks: A Mathematical Approach to Motion Coordination Algorithms, Princeton University Press, Princeton, NJ, USA, 2009.
- Maciejowski, J., Predictive Control with Constraints, Pearson Education POD, 2002.
- Rossiter, J. A., Model-Based Predictive Control: A Practical Approach, CRC Press, 2003.
- Maestre, J. M., & Negenborn, R. R. (Eds.). (2014). Distributed model predictive control made easy (Vol. 69). Dordrecht, Netherlands: Springer.
Modalità di erogazione
Il corso consta di lezioni teoriche e lezioni esercitative.
Modalità di frequenza
La frequenza in presenza delle lezioni, data la natura pratica del corso, è fortemente consigliata.
Modalità di valutazione
L’esame consta di una prova orale per approfondire gli aspetti teorici del corso e di una tesina per approfondire gli aspetti pratici del corso.
Prove previste
- Prova orale
- Valutazione di un progetto
Esplora gli obiettivi dell’insegnamento
Ambito disciplinare: Ingegneria informatica
Il corso fornisce gli strumenti per il controllo avanzato di sistemi complessi che possono essere costituiti da più agenti, come ad esempio da più piattaforme robotiche. Si approfondiranno metodologie di controllo distribuito per sistemi multi-agente, in cui ciascun robot definisce le azioni di controllo sulla base di informazioni locali. A tale scopo, si tratteranno fondamenti della teoria algebrica dei grafi e saranno applicati a problematiche di coordinamento, quali ad esempio consenso e controllo di formazione, ed ottimizzazione distribuita. Verrà affrontato il tema del controllo predittivo a partire dai fondamenti del controllo ottimo. Saranno fronte le basi per la formalizzazione e la risoluzione dei problemi di Model Predictive Control (MPC) applicati a processi dinamici complessi e multivariabili. Verranno inoltre approfondite le principali formulazioni di MPC, inclusi gli approcci centralizzato e distribuito, con particolare attenzione ai sistemi composti da più sottosistemi interagenti e soggetti a vincoli.
Informazioni utili
Per questo insegnamento non sono pubblicate informazioni aggiuntive. Materiale didattico e documenti si trovano sulla piattaforma del corso.