LM Ingegneria dell’Automazione – Piano di studi

automatica

Il corso di Laurea Magistrale in Ingegneria dell’Automazione propone una sintesi di insegnamenti di natura metodologico-concettuale e di insegnamenti di natura tecnico-pratica spesso a carattere interdisciplinare. Un buon numero di esami a scelta permette allo studente di scegliere il percorso più adatto ai propri interessi. Alcuni corsi sono in lingua Inglese.




Primo Anno

Caratterizzanti

Pilastro della formazione dell’Ingegnere dell’Automazione, introduce ai fondamenti dei modelli di stato lineari: i controllori in retroazione dallo stato, gli stimatori dello stato e il controllo ottimo lineare quadratico.

The course provides fundamentals on electric drives theory as well as insights on the design and implementation of their control system with reference to innovative solutions (sensorless control, predictive control, …) and to emerging applications (electric vehicles, energy, …).

I sistemi a tempo continuo vengono ormai controllati da microprocessori. L’accoppiamento di sistemi analogici e digitali e la relative problematiche sono analizzati alla luce degli obiettivi di controllo.

I problemi di ricostruzione e predizione di segnali sono il cuore del controllo. Il corso descrive le metodologie classiche di stima e i risultati più attuali della stima non lineare basati sui filtri particellari.

Modelli matematici per rappresentare la dinamica di una popolazione, le interazioni (predazione, competizione, etc.) fra popolazioni diverse, l’andamento delle epidemie, l’evoluzione genetica di una popolazione in corrispondenza a pressioni selettive.

You will see control techniques “in action”. In particular, frequency domain and state-space control methods for robust reference tracking are tested on a DC motor, a flexible joint and a balancing robot.

Il corso descrive la struttura dei sistemi di automazione industriale e i loro componenti: sensori/attuatori, controllori, reti di comunicazione, e fornisce nozioni relative alla progettazione delle logiche di automazione.

Affini/Integrativi

Machine learning, now pervading our daily life, is at the core of modern autonomous systems. You will learn the art and science of automatically learning from experience extracting information from measured data. 

Metric spaces, Completeness. Contraction Mapping Principle. Normed vector spaces, Banach spaces. Hilbert spaces. Bounded operators.
Elements of abstract integration. Harmonic Analysis. Reproducing Kernel Hilbert Spaces. Convex optimization. Duality Theory.

The course focuses on qualitative analysis of dynamics, Lagrangian mechanics and some basic concepts of calculus of variations. The aim is to approach a physical model with rigorous mathematical formalism. 




Secondo Anno

Caratterizzanti

The course introduces the most popular data-driven techniques to construct dynamical systems by means of statistical as well as machine learning methods.

The course provides methodological and application-oriented tools for the modeling and control of multi-agent systems. It is structured into four major sections: 1-Optimization, 2-Multi-agent systems, 3-Networked systems theory, 4-Applications.

The Robotic Vision and Control class covers modeling and control of robotic arm and mobile robots and the basis of the main image processing, feature extraction and visual serving algorithms.

An overview of nonlinear system analysis and control, including advanced Lyapunov stability and stabilization, nonlinear controllability and feedback linearization methods.

 
Affini/Integrativi

Acquisition of information from the empirical world and the analysis of information quality is illustrated. The proposed laboratory activities provide a learning opportunity on the design of measurement applications based on commercial devices.

Altro



Stage o Tirocinio 

Spiegazione stage? 

Tesi e Prova Finale

Vogliamo scrivere qualcosa? come fare? quali possibilità? 

Vogliamo scrivere qualcosa? come fare? quali possibilità?