Identificazione “Errors-in-Variables”
Filtraggio ottimo in presenza di errori di osservazione sugli
ingressi
Identificazione e deconvoluzione “cieca” di canali di
comunicazione
Identificazione di modelli autoregressivi in presenza di rumore
additivo
Identificazione di modelli FIR, ARX ed ARARX con rumori additivi
sulle osservazioni dell'ingresso e dell'uscita
Realizzazione ed identificazione di sistemi multivariabili
Diagnosi dei guasti
Sviluppo ed implementazione di contesti avanzati di e-learning
Identificazione “Errors-in-Variables”
Nella maggior parte dei metodi utilizzati per l'identificazione
dei processi dinamici viene supposto che siano presenti errori solo
sulla osservazione dell'uscita e non su quella dell'ingresso. Quasi
sempre tuttavia gli errori sono egualmente presenti sulle
osservazioni sia dell'ingresso che delle uscite ed i metodi
precedenti possono risultare non affidabili. L'identificazione di
modelli basati sulla ipotesi di errori su tutte le misure viene
detta identificazione EIV (identificazione di modelli
Errors-in-Variables) e risulta notevolmente più complessa rispetto
a quella basata sugli approcci tradizionali, soprattutto quando non
viene ipotizzato di conoscere a priori la varianza degli errori
sulle varie misure. Le ricerche effettuate in questo settore hanno
portato alla estensione dello schema di Frisch alla identificazione
dei procesi dinamici ed allo sviluppo di procedure robuste e
computazionalmente efficienti, applicabili a molti problemi di
interesse pratico, dallo speech enhancement alla diagnosi e
localizzazione dei malfunzionamenti nei processi.
Filtraggio ottimo in presenza di errori di osservazione sugli
ingressi
I modelli stocastici più diffusi utilizzati per il filtraggio
considerano rumori additivi con proprietà statistiche note agenti
sullo stato e sull'uscita del processo considerato; questo è, ad
esempio, il contesto stocastico del diffuso Filtro di Kalman. Il
filtraggio consiste nel determinare la stima a minima varianza
dello stato e dell'uscita del sistema che ha generato i dati
osservati. Un contesto di questo tipo può risultare realistico
quando l'ingresso del processo viene generato da un controllore ma
lo è in misura ridotta negli altri casi. Nell'ambito del filone di
ricerca sul filtraggio sono stati introdotti contesti stocastici
più ampi che considerano anche la presenza di errori di
osservazione sull'ingresso del processo considerato. Dopo avere
esteso la definizione di filtraggio a tale contesto, sono state
sviluppate metodologie generali delle quali è stato sviluppato
anche l'aspetto della efficienza computazionale. Tali metodologie
includono, come casi particolari, sia il Filtro di Kalman sia il
filtraggio basato su modelli Errors-in-Variables che considerano
errori di osservazione sull'ingresso e sull'uscita ma non la
presenza di disturbi sullo stato.
Identificazione e deconvoluzione “cieca” di canali di
comunicazione
L'identificazione “cieca” di canali di comunicazione consiste
nella stima di un modello del canale a partire dalla sola
conoscenza dell'uscita, affetta da rumore additivo. In tale
contesto non si ha alcuna conoscenza dell'ingresso, del quale
vengono supposte note, in alcuni casi, solo le statistiche. Il
modello identificato viene poi utilizzato prevalentemente per la
ricostruzione dello stesso ingresso; tale problema viene definito
come equalizzazione o deconvoluzione cieca. Questo problema è di
grande rilevanza non solo nel settore delle telecomunicazioni ma
anche nella radioastronomia, biomedicina, sismologia, etc.
Nell'ambito di questa tematica sono stati sviluppati nuovi metodi
di identificazione che sfruttano le proprietà dei modelli ad errori
nelle variabili ed utilizzano le sole statistiche del secondo
ordine dei segnali in gioco senza introdurre limitazioni
sull'ingresso. A differenza degli approcci presenti in letteratura,
le metodologie sviluppate permettono di trattare rumori di uscita
con varianze diverse tra loro ed hanno dimostrato notevole
robustezza anche in condizioni di basso rapporto segnale/rumore.
Tali tecniche 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 (ENSEIRB)
dell'Università di Bordeaux.
Identificazione 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) estesi
considerando rumore di misura additivo. In questo contesto le
tecniche tradizionali di identificazione AR non sono più
consistenti e sono state sviluppate nuove tecniche rimappando il
problema in un problema di identificazione EIV; le soluzioni
trovate consentono di stimare sia i parametri del modello sia le
varianze dei processi in gioco. Sono anche stati sviluppati nuovi
algoritmi di filtraggio e di interpolazione per modelli
autoregressivi, successivamente applicati nella ricostruzione di
segnali vocali in collaborazione con il Laboratorio di Automatica
ed Elaborazione del Segnale dell'Università di Bordeaux.
Identificazione di modelli FIR, ARX ed ARARX con rumori
additivi sulle osservazioni dell'ingresso e dell'uscita
Nell'ambito di questa ricerca sono stati estesi i classici
modelli ad errore di equazione FIR, ARX ed ARAX considerando la
presenza di rumori additivi sull'ingresso e sull'uscita. Nel caso
dei modelli FIR, la presenza di rumore sull'ingresso rappresenta
errori dovuti a campionamento e quantizzazione. Nel caso dei
modelli ARX ed ARARX, il contesto proposto 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 descrive i
disturbi di processo. Tali modelli sono inoltre utilizzati in
econometria. Sono state proposte nuove procedure di
identificazione, caratterizzate da un ottimo compromesso tra
accuratezza ed efficienza computazionale, che non richiedono la
conoscenza a priori del rapporto tra le varianze dei rumori
sull'ingresso e sull'uscita. Tali procedure derivano dalla
combinazione delle proprietà dello schema di Frisch dinamico e
delle equazioni di Yule-Walker di ordine elevato.
Realizzazione ed identificazione di sistemi
multivariabili
L'identificazione di sistemi MIMO è un problema complesso che
risulta ancora oggi poco trattato in letteratura. Infatti, le
soluzioni valide per i sistemi SISO non sono in generale facilmente
estendibili ai modelli con più uscite. Importanti contributi in
quest'area sono stati dati introducendo forme canoniche per sistemi
MIMO parametrizzati dalla immagine del modello del sistema in un
insieme completo di invarianti indipendenti per la relazione di
equivalenza costituita da un cambiamento di base nello spazio degli
stati. Più recentemente è stata introdotta 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. E' stato inoltre introdotto un nuovo approccio
geometrico alla identificazione EIV dei processi MIMO basato sulla
associazione dei modelli a direzioni nello spazio del rumore. Tale
approccio consente di superare i problemi di congruenza relativi
alla stima della varianza dei rumori sui diversi ingressi ed
uscite.
Diagnosi dei guasti
La diagnosi dei guasti per sistemi dinamici complessi è un
problema classico nella letteratura degli ultimi venticinque anni.
Il guasto deve essere inteso come ogni genere di malfunzionamento
che porta ad un comportamento anomalo e non accettabile dell'intero
sistema. Tali malfunzionamenti possono interessare i sensori, gli
attuatori o altri componenti del sistema. In questo settore è stato
introdotto un nuovo approccio geometrico basato sulla variazione
della direzione del vettore che rappresenta il rumore totale
presente sulle osservazioni nello spazio del rumore, nel contesto
dello schema di Frisch dinamico. Tale metodologia è stata anche
applicata con successo nella diagnosi del malfunzionamento
dell'attuatore degli ipersostentatori in un aeromobile per il quale
i dati raccolti in volo hanno consentito di diagnosticare con
precisione sia il guasto sia la sua entità.
Sviluppo ed implementazione di contesti avanzati di
e-learning
Roberto Guidorzi ha effettuato, nel 1995, le prime
sperimentazioni organiche relative all'uso delle ICT (Information
and Communication Technologies) nella didattica a Bologna ed ha,
successivamente, attuato sperimentazioni di vasta portata basate
sullo sviluppo ed utilizzazione da parte degli allievi di
laboratori virtuali platform-independent per l'identificazione dei
sistemi dinamici utilizzati poi nell'ambito di diversi corsi a
Bologna ed in altre università. Nell'ambiro di questo filone ha
coordinato il progetto che ha portato allo sviluppo della
piattaforma e-learning di Ateneo, AlmaChannel. Il contesto di
queste sperimentazioni si basa prevalentemente sul paradigma del
costruttivismo e su quello del “cooperative learning” ponendo a
disposizione degli allievi ambienti flessibili in grado di
rispondere in maniera adeguata alle necessità formative dei singoli
allievi. Nell'ambito di tali sperimentazioni, tuttora effettuate
nel corso Identificazione dei Modelli ed Analisi dei Dati, è stato
raccolto anche un considerevole feedback da parte degli utenti che
hanno espresso un apprezzamento molto elevato per gli strumenti
realizzati e messi a disposizione.