Sistemi di Supervisione Adattativi - Supervision and Adaptive Systems
Codice Classroom del Corso: 5nv5ihk
Link di Google Meet (collegamento in remoto della lezione in presenza): meet.google.com/cid-xmdz-bez
Supervision and Adaptive Systems. Modulo di 60 ore al I anno della Laurea
Magistrale in Ingegneria Informatica e dell'Automazione e Laurea Magistrale in Meccanica. Dipartimento di Ingegneria dell'Università di Ferrara
Course Programme
Introduction: Course Introduction
Issues in Model-Based Fault Diagnosis
Fault Detection and Isolation (FDI) Methods based on Analytical Redundancy
Model-based Fault Detection Methods
Issues in Model-Based Fault Diagnosis
Model Uncertainty and Fault Detection
The Robustness Problem in Fault Detection
System Identification for Robust FDI
Fault Identification Methods
Modelling of Faulty Systems
Residual Generation Techniques
The Residual Generation Problem
Fault Diagnosis Technique Integration
Fuzzy Logic for Residual Generation
Neural Networks in Fault Diagnosis
Residual Robustness to Disturbances
Application Examples
Downloads: Lecture Notes
Filmati delle Lezioni di Teoria (Canale YouTube e Google Drive)
0. Introduzione al Corso
1. Elementi di Supervisione e di Diagnosi dei Guasti per Processi Dinamici
2. Il Metodo della Stima Parametrica come Tecnica di Generazione dei Residui per il Rilevamento dei Guasti di Processo o Sistema
3. Reti Neurali e Sistemi Fuzzy per la Modellistica e la Diagnosi dei Guasti nei Processi Dinamici
4. Esercitazioni Pratiche al PC in Laboratorio di Informatica
5. Esempi Pratici di Progetto e Applicazione di Sistemi di Supervisione Adattativi ai Processi Dinamici. Esercizi in Preparazione all'Esame
-
501. 2/12/2022. Modellistica e la Simulazione di un Processo Dinamico con Rete Neurale (1), Sistema Fuzzy (2), RLS (3) e Osservatore Dinamico dell'Uscita (4) per la Diagnosi dei Guasti: Applicazione al Levitatore Magnetico.
File per la definizione del problema in cartella compressa (file .zip, 65kB circa);
file delle soluzioni in cartella compressa (file .zip, 7MB circa).
-
2/12/2022. Registrazione della lezione in Lab. di Informatica. Link alla prima parte del filmato della lezione su Drive Google (durata: 69 minuti circa); link alla seconda parte del filmato della lezione su Drive Google (durata: 43 minuti circa).
-
502. 7/12/2022. Modellistica e la Simulazione di un Processo Dinamico con Rete Neurale (1), Sistema Fuzzy (2), RLS (3) e Osservatore Dinamico dell'Uscita (4) per la Diagnosi dei Guasti: Applicazione al Sistema dell'Aerostato (Mongolfiera).
File con la definizione del problema (senza soluzioni) in cartella compressa (file .zip, 171 kB circa);
file con le soluzioni per il progetto dei sistemi di supervisione adattativi in cartella compressa (file .zip, 8 MB circa);
link al filmato registrato della lezione in streaming in Lab. INFO2 - Prima parte (Google Drive, 06/12/2021) (durata: 1 ora e 8 min. circa);
link al filmato registrato della lezione in streaming in Lab. INFO2 - Seconda parte (Google Drive, 07/12/2021) (durata: 27 min. circa);
link al filmato registrato della lezione in streaming in Lab. INFO2 - Terza parte (Google Drive, 13/12/2021) (durata: 57 min. circa);
link al filmato registrato della lezione in streaming in Lab. INFO2 - Quarta parte (Google Drive, 13/12/2021) (durata: 27 min. circa).
-
7/12/2022. Registrazione della lezione in Lab. di Informatica. Link al filmato della lezione su Drive Google - Presentazione del Problema (durata: 20 minuti circa); link alla seconda parte del filmato della lezione su Drive Google - Discussione delle Soluzioni (offline) (durata: 40 minuti circa).
-
503. 14/12/2022. Progetto di Sistemi di Supervisione Adattativi per la Diagnosi di un Modello di un'Antenna Direzionale.
Cartella compressa (.zip) con i file di progetto;
cartella compressa (.zip) con le soluzioni del progetto.
-
14/12/2022. Registrazione della lezione in Lab. di Informatica. Link alla prima parte del filmato della lezione su Drive Google - Definizione del Problema (durata: 35 minuti circa); link alla seconda parte del filmato della lezione su Drive Google - Commento alle Soluzioni (durata: 34 minuti circa).
-
504. 16/12/2022. Progetto di Schemi di Supervisione Adattativi per la Diagnosi di un Modello di Reattore Chimico (Continuous Stirred Tank Reactor - CSTR).
Cartella compressa (.zip) con i file per progetto;
cartella compressa (.zip) con le soluzioni del progetto;
link al filmato sul canale YouTube: commento offline ai file di progetto (durata: 7 min. circa);
link al filmato sul canale YouTube: commento offline alle soluzioni del progetto (durata: 28 min. circa);
-
16/12/2022. Registrazione della lezione in Lab. di Informatica. Link alla prima parte del filmato della lezione su Drive Google - introduzione al problema (durata: 14 minuti circa); link alla seconda parte del filmato della lezione su Drive Google - discussione dei risultati (durata: 21 minuti circa).
-
505. 16/12/2022. Esempio di Domande d'Esame, Aperte e a Scelta Multipla.
File in formato PDF;
link al filmato sul canale YouTube: discussione e commento alle domande d'esame (durata: 29 min. circa).
-
506. 16/12/2022. Guida alla Sintesi di Sistemi di Supervisione Adattativi - Vademecum al Progetto degli Schemi di Diagnosi: Osservatori dell'Uscita, Stima Parametrica, Sistemi Fuzzy e Reti Neurali.
File in formato PDF.
References: Monographs and Textbooks on FDI
Simani, S. and Fantuzzi, C. and Patton, R. J., "Model-based fault diagnosis in dynamic systems using identification techniques",
Springer-Verlag, 2002. ISBN 1852336854. Advances in Industrial Control Series. London, UK. First Eq. November, 2002. (298 pages).
Chen, J. and Patton, R. J., "Robust Model-Based Fault Diagnosis for Dynamic Systems", Kluwer Academic Publishers, 1999. ISBN: 0792384113.
Downloads: Related Readings
"Model-Based Fault Diagnosis for Industrial Processes" (Silvio Simani's Extended Report, October 2007): (PDF file, 35 MB).
Parameter Estimation Examples for Fault Detection. Matlab and Simulink files and models for Matlab 6.1:
(zipped Matlab and Simulink files, 5 KB).
Recursive Estimation Examples. 2 Matlab files for Matlab 6.1:
(zipped Matlab and Simulink files, 2 KB).
Design Example of Output Observer for FDI. Example with Noise (Matlab and Simulink files and models for Matlab 6.1):
(zipped Matlab and Simulink files, 7 KB).
Design Example of Output Observers for FDI. SIMO Model with three Observers.
(2 Matlab files and 1 Simulink model for Matlab 6.1):
(zipped Matlab and Simulink files, 5 KB).
Examples taken from
Matlab Exchange Files Web Site: (i) implementation of a two-layers two-neurons network, (ii)
multi-layer perceptron training with variable learning rate, (iii) character recognition GUI.
Zipped Matlab file (495 KB).
Three examples taken from the web site of Prof. Robert
Babuska, Intelligent Control and Robotics, Delft Center for Systems and Control, Faculty of Mechanical
Engineering and Systems, Delft University of Technology. Interactive identification of static and dynamic
systems. Zipped Matlab directory (213 KB).
Examples of nonlinear models and neural network training. Zipped Matlab
and Simulink directories (14 MB).
Examples of integration of neural networks and fuzzy models with dynamic observers and filters for
fault detection and isolation. Zipped Matlab
and Simulink directories (5 MB).
-