Identificazione di modelli errors-in-variables
Filtraggio ottimo in presenza di ingressi rumorosi
Identificazione e filtraggio di modelli autoregressivi in
presenza di rumore additivo
Realizzazione ed identificazione di sistemi multivariabili
Tecniche avanzate di identificazione di modelli termici per
sistemi di calcolo ad elevate prestazioni basati su piattaforme
multiprocessore su singolo chip
Applicazione di tecniche di identificazione allo "Structural
Health Monitoring"
Modellistica fisica di scambiatori di calore nei cicli di
compressione del vapore
Diagnosi ed isolamento dei guasti
Identificazione e deconvoluzione blind
Impatto delle ICT nella didattica
Identificazione di modelli errors-in-variables
Nella quasi totalita' dei metodi classici di identificazione, si
assume che la sola uscita del sistema sia affetta da rumore mentre
l'ingresso e' considerato sempre noto con esattezza. In molti
casi tale contesto non risulta essere il piu' realistico ed e'
quindi necessario considerare la presenza di rumori che agiscono
anche sull'ingresso del sistema. La classe di modelli da
identificare viene detta, in quest'ultimo caso, ad errori nelle
variabili o errors-in-variables (EIV). Per tali modelli, i metodi
tradizionali piu' efficienti come il metodo dell'errore di
predizione, non forniscono piu' stime consistenti e si rende
pertanto necessario lo studio di nuovi schemi. L'identificazione di
modelli EIV e' piu' complessa rispetto a quella dei
tradizionali modelli ad errore di equazione e la letteratura
sull'argomento e' ancora relativamente limitata. Nell'ambito
di questa tematica sono state sviluppate nuove procedure di
identificazione basate sullo schema di Frisch e sui minimi quadrati
compensati che si sono rivelate particolarmente robuste e
computazionalmente efficienti. E' importante sottolineare che
le tecniche proposte non richiedono la conoscenza di un modello che
genera l'ingresso del sistema. Sono infine stati ottenuti nuovi
risultati riguardanti la stima di massima verosimiglianza e il
limite inferiore di Cramer-Rao nel contesto EIV. Nell'ambito di
questa ricerca sono stati estesi i classici modelli ad errore di
equazione FIR, ARX ed ARARX considerando la presenza di ulteriori
rumori additivi sull'ingresso e sull'uscita. Per quanto riguarda i
FIR, la presenza di rumore anche sull'ingresso rappresenta errori
dovuti a campionamento e quantizzazione. Per quanto riguarda i
modelli ARX ed ARARX, il contesto proposto comprende, oltre
all'errore di equazione, rumori additivi sull'ingresso e
sull'uscita. Tale contesto risulta particolarmente idoneo in
applicazioni quali la diagnosi ed isolamento dei guasti dove i
rumori additivi aggiunti rappresentano errori di misura (rumori dei
sensori) mentre l'errore di equazione genera un altro rumore
additivo sull'uscita che rappresenta un disturbo di processo. Per
tali classi di modelli sono stati elaborati nuovi metodi di
identificazione caratterizzati da un ottimo compromesso tra
accuratezza e efficienza computazionale che non richiedono la
conoscenza a priori del rapporto tra le varianze dei rumori di
ingresso ed uscita.
Filtraggio ottimo in presenza di ingressi
rumorosi
Gran parte dei problemi di filtraggio presenti nell'ingegneria
fa uso di modelli stocastici nei quali l'ingresso si assume noto
con esattezza mentre le incertezze si riferiscono a rumori additivi
sulle uscite e ad ulteriori ingressi non noti con date
proprieta' statistiche. In tale contesto, nel quale rientra
anche il filtro di Kalman, il problema del filtraggio
consiste nel determinare la stima (a minima varianza) dello
stato e delle uscite del sistema. Il contesto stocastico del filtro
di Kalman, sebbene realistico in molte applicazioni di controllo,
risulta certamente meno idoneo quando errori di misura sono
presenti su tutti i segnali in gioco e/o non e' addirittura
possibile una suddivisione a priori in ingressi ed uscite degli
stessi segnali. Questo limite non e' invece presente nei modelli
EIV che trattano in maniera simmetrica tutte le variabili del
problema. Dopo aver definito con esattezza il problema del
filtraggio ottimo (a minima varianza) per tale classe di sistemi,
sono state sviluppate e confrontate diverse soluzioni prestando
particolare attenzione all'aspetto algoritmico. E' stata poi estesa
al caso multivariabile una metodologia efficiente basata sulla
fattorizzazione di Cholesky sviluppata per i sistemi SISO. E' stato
inoltre risolto il problema del filtraggio in un contesto piu'
generale che riguarda modelli nello spazio degli stati non
puramente dinamici con rumori su ingressi, stati ed uscite. Tale
contesto include come casi particolari sia il filtraggio alla
Kalman che quello EIV.
Identificazione e filtraggio di modelli autoregressivi in
presenza di rumore additivo
In varie applicazioni dell'ingegneria quali radar, sonar, stima
spettrale, geofisica, ricostruzione di segnali vocali, i segnali in
gioco vengono modellati come processi autoregressivi (AR) affetti
da rumore di misura additivo. A causa della presenza del rumore
additivo, le tecniche tradizionali di identificazione AR (minimi
quadrati, equazioni di Yule-Walker) non forniscono piu' stime
consistenti. A partire da alcune proprieta' dei modelli EIV e'
stato possibile sviluppare procedure di identificazione "ad hoc"
per i modelli AR con rumore in grado di stimare sia i coefficienti
del modello che le varianze dei processi stocastici in gioco.
L'analisi teorica e le numerose simulazioni effettuate indicano che
gli algoritmi proposti costituiscono un buon compromesso tra
accuratezza della stima ed efficienza computazionale. Infine, sono
stati sviluppati nuovi algoritmi di interpolazione e filtraggio per
modelli autoregressivi affetti da rumore additivo la cui efficienza
numerica e' superiore a quella del filtro di Kalman. Tali algoritmi
giocano un ruolo importante in tutte quelle applicazioni che
richiedono la ricostruzione del segnale autoregressivo "pulito".
Gli algoritmi proposti hanno trovato una rilevante applicazione
nelle tecniche di ricostruzione di segnali vocali. L'applicazione
delle metodologie sviluppate allo speech enhancement e' frutto
della collaborazione con il Laboratorio di Automatica ed
Elaborazione del segnale dell'Universita' di Bordeaux.
Realizzazione ed identificazione di sistemi
multivariabili
L'identificazione di sistemi MIMO e' un problema complesso,
soprattutto nel contesto EIV, che risulta ancora oggi poco trattato
in letteratura. Infatti, le soluzioni valide per sistemi SISO non
sono in generale facilmente estendibili ai modelli con piu' uscite.
Un importante contributo teorico relativo a questa tematica e'
stato la rappresentazione canonica di una classe di modelli MIMO
non stazionari (quella dei modelli osservabili in un numero di
passi pari all'ordine del sistema) e la sua utilizzazione nella
realizzazione di sistemi ciclostazionari. Un altro importante
contributo consiste nell'estensione al caso MIMO delle tecniche di
identificazione EIV proposte per i sistemi SISO.
Tecniche avanzate di identificazione per sistemi di calcolo
ad elevate prestazioni basati su piattaforme multiprocessore su
singolo chip
Questa ricerca e' orientata su aspetti di modellistica
e controllo attivo di processori MultiCore (MC-SoC) con l'obiettivo
di ridurre il consumo energetico di questi dispositivi. Lo sviluppo
di politiche di gestione del consumo e della temperatura e'
particolarmente importante per processori MC-SoC al fine di
raggiungere un giusto compromesso tra prestazioni e consumo
energetico, garantendo affidabilita' del dispositivo. Al fine di
una efficace modellistica orientata al controllo del comportamento
termico di piattaforme Mc-SoC occorre considerare due aspetti
importanti. Da un lato, le misure degli ingressi e delle uscite
disponibili su tali sistemi sono solitamente affette da rumori non
trascurabili; d'altra parte il sistema termico e la distribuzione
della potenza dissipata sono piuttosto complessi e presentano
incertezze per le quali risultano opportuni modelli
stocastici. E' un dato di fatto che le soluzioni comuni basate
su modelli ad errore di equazione tengono conto del secondo aspetto
ma non propriamente del primo, mentre altri metodi basati su
tecniche di identificazione output-error a scatola grigia
considerano il rumore di uscita, ma non sono efficaci rispetto a
eventuali rumori di ingresso e disturbi di processo. Prendendo
spunto dalle precedenti considerazioni, l'uso dei
modelli ad errori nelle variabili (EIV) puo' risultare
particolarmente utile per questo tipo di applicazioni. Il
contributo principale di questa ricerca e' lo sviluppo di
algoritmi robusti ed efficienti per l'identificazione delle
dinamiche termiche di processori MC-SoC utilizzando tecniche EIV. I
nuovi algoritmi proposti sono stati testati sul processore Intel
SCC (48 core) ed i risultati ottenuti sono molto promettenti. La
ricerca e' stata svolta in collaborazione con il gruppo di
Elettronica coordinato dal Prof. Luca Benini.
Applicazione di tecniche di identificazione allo "Structural
Health Monitoring"
L'identificazione strutturale e' considerata, in generale,
come una metodologia applicata per caratterizzare la struttura di
un sistema (es. edificio, ponte) attraverso misure che descrivono
come si comporta la struttura sotto carico. Lo "Structural Health
Monitoring" (SHM) si basa su tecniche di identificazione
strutturale che consentono di monitorare lo stato della struttura
confrontando il comportamento dinamico di riferimento con quello
corrente. Obiettivo della ricerca e' l'applicazione di metodi di
identificazione avanzati di modelli "AR + noise" sia SISO che MIMO
nel contesto dell'SHM. L'uso di tali tecniche e'
particolarmente vantaggioso quando le misure eseguite sono affette
da rumore elevato, come nel caso di accelerometri MEMS. In tale
caso infatti, gli approcci tradizionali basati su tecniche
frequenziali o sul metodo dei minimi quadrati possono condurre a
risultati non soddisfacenti che non consentono una diagnostica
efficace. I metodi proposti sono stati testati su dati reali
raccolti durante il monitoraggio (tuttora in corso) della torre
della Scuola di Ingegneria ed Architettura situata a Bologna in
viale del Risorgimento. La ricerca e' stata svolta in
collaborazione con docenti e ricercatori dell'Ingegneria
Civile.
Modellistica fisica di scambiatori di calore nei cicli di
compressione del vapore.
L'obiettivo e' lo sviluppo di un approccio modulare per la
modellistica fisica di condensatori ed evaporatori presenti nei
cicli di compressione del vapore. Il modello matematico ottenuto
deve essere di ordine relativamente basso e deve prevedere tutti i
vincoli relativi all'evoluzione delle variabili termodinamiche in
gioco riguaradanti i cambiamenti di fase (liquido/vapore e
viceversa) che avvengono negli scambiatori stessi. Cio' viene
ottenuto tramite il calcolo esplicito dello scambio di massa tra
liquido e vapore. Applicazioni: cicli frigoriferi, sistemi di
condizionamento dell'aria, pompe di calore.
Diagnosi ed isolamento dei guasti
La diagnosi dei guasti per sistemi dinamici complessi e' un
problema classico ampiamente trattato in letteratura. Il guasto
deve essere inteso come ogni genere di malfunzionamento che porta
ad un comportamento anomalo e non accettabile dell'intero sistema
sotto studio. Tali malfunzionamenti possono interessare i sensori,
gli attuatori o i componenti stessi del sistema. La maggior parte
dei metodi per la determinazione e l'isolamento dei guasti e'
basata sulla costruzione di opportuni filtri, detti generatori di
residuo, che elaborano le misure di ingresso ed uscita del
processo e forniscono segnali che sono il piu' possibile
insensibili ai disturbi e al rumore di misura. Le tecniche usuali
per il progetto di tali generatori richiedono la conoscenza del
modello matematico del processo in esame, compreso il modello dei
disturbi. La presente ricerca ha dimostrato che nel caso di sistemi
dinamici lineari e multivariabili e' possibile determinare
tali generatori anche quando il modello del sistema non e'
noto, a partire dalla sola conoscenza dei dati di ingresso-uscita
(identificazione a scatola nera). In particolare, utilizzando
opportune rappresentazioni canoniche di ingresso-uscita e'
stato possibile ottenere una caratterizzazione geometrica
dell'intero insieme dei possibili generatori di residuo. E' stata
inoltre introdotta una nuova metodologia che, a partire dalla
stima delle caratteristiche dei rumori presenti sui sensori di
ingresso ed uscita, e' in grado di identificare il loro
degrado di precisione.
Identificazione e deconvoluzione "blind"
L'identificazione blind di sistemi dinamici consiste nella stima
di un modello del sistema (canale) a partire dalla sola conoscenza
dell'uscita, affetta da rumore. In tale contesto non si hanno
quindi a disposizione i campioni dell'ingresso, del quale si
conoscono, al piu', le caratteristiche statistiche. Il modello
identificato per il canale viene poi utilizzato, nella maggioranza
dei casi, per la ricostruzione dello stesso ingresso; si parla in
tal caso di equalizzazione o deconvoluzione blind. Questo
problema e' di grande rilevanza in molti settori
dell'elaborazione dei segnali quali telecomunicazioni,
radioastronomia, biomedica, sismologia, etc. Nell'ambito di questa
tematica sono stati sviluppati nuovi metodi di identificazione che
sfruttano le proprieta' dei modelli ad errori nelle variabili. Tali
metodi fanno uso delle sole statistiche del secondo ordine dei
segnali in gioco e non richiedono alcuna ipotesi sulla natura
dell'ingresso. A differenza degli approcci presenti in letteratura,
le nuove metodologie sviluppate permettono di trattare, per la
prima volta, il caso di rumori di uscita con varianze diverse tra
loro (canali sbilanciati). Le numerose simulazioni effettuate hanno
dimostrato la robustezza dei metodi anche in condizioni di basso
rapporto segnale/rumore. Le tecniche proposte sono state applicate
alla soluzione di problemi di cancellazione del riverbero e del
rumore, in collaborazione con il Laboratorio di Automatica ed
Elaborazione del segnale dell'Universita' di Bordeaux.
Impatto delle ICT nella didattica
Tale attivita' riguarda il settore delle "Information and
Communication Technologies" e del loro impatto nella didattica
tradizionale. L'attivita' e' rivolta soprattutto all'uso
di nuovi strumenti educativi quali laboratori virtuali e tutorato
remoto da affiancare o sostituire alla didattica tradizionale in
aula per creare un corpus didattico avanzato che risponda nel modo
piu' flessibile alle diverse esigenze formative degli allievi. A
tale contesto si riferiscono l'attivita' didattica relativa al
corso "Identificazione dei Modelli e Analisi dei Dati L-A" nonche'
la preparazione di materiale didattico per il sito del corso
specialistico europeo "Dynamic System Identification".
