The course is taught in English.

La prima parte del corso fornisce metodi e strumenti per la costruzione di modelli di sistemi dinamici a partire da dati sperimentali. La seconda propone metodi e strumenti per la progettazione di sistemi di controllo model-based in presenza di vincoli.

- Conoscenza di metodi e strumenti software di stima di modelli basati su leggi fisiche e di modelli ingresso-uscita.
- Conoscenza di metodi e strumenti software per valutare l’attendibilità delle stime e la qualità dei modelli.
- Capacità di costruire modelli di sistemi complessi utilizzando sia informazioni fisiche sia dati sperimentali e di valutarne l'attendibilità/qualità.
- Conoscenza di metodi e strumenti software per il progetto di sistemi di controllo in presenza di vincoli.
- Capacità di progettare e implementare sistemi di controllo in presenza di vincoli, con particolare riferimento alle tecniche di controllo predittivo a partire da modelli identificati.

Sono considerati essenziali: conoscenza delle rappresentazioni dei sistemi dinamici lineari (equazioni di stato, funzione di trasferimento) nonché delle loro proprietà fondamentali (stabilità, raggiungibilità, osservabilità); concetti base di teoria della probabilità; concetti base di algebra lineare. È inoltre richiesta la conoscenza dell'ambiente operativo MATLAB.

1. Tipologie fondamentali nella costruzione dei modelli: modelli interpretativi, per la previsione, per il controllo; modelli fisici e modelli ingresso-uscita.
2. Metodi statistici di stima (minimi quadrati, stimatori a massima verosimiglianza, stimatore di Bayes) e loro proprietà: correttezza, consistenza, efficienza.
3. Tecniche di identificazione di sistemi dinamici lineari da misure ingresso uscita: modelli FIR, ARX, ARMAX, OE.
4. Valutazione degli errori di stima parametrici.
5. Valutazione della qualità/accuratezza del modello.
6. Identificazione di sistemi dinamici non lineari: metodi statistici, metodi set-membership.
7. Il problema del controllo ottimo in presenza di vincoli sulle variabili di ingresso, stato e uscita.
8. Introduzione al controllo predittivo (MPC) e definizione della strategia "receding horizon".
9. Problemi di robustezza e di implementazione.

Le esercitazioni riguardano sia lo svolgimento di esercizi relativi alla teoria illustrata a lezione, sia lo sviluppo delle parti più applicative del programma. Alcune esercitazioni si svolgono in laboratorio informatico con l’ausilio del calcolatore e del software in ambiente MATLAB (Identification toolbox, MPC tools, Simulink).

Bibliografia:
- Sergio Bittanti, "Teoria della Predizione e del Filtraggio", VII edizione, Pitagora Editrice Bologna, 2004.
- Sergio Bittanti, "Identificazione dei Modelli e Sistemi Adattativi", VI edizione, Pitagora Editrice Bologna, 2004.
- Lennart Ljung, "System Identification: Theory for the User", II edition, Prentice Hall PTR, 1999.

L'esame è costituito da una prova scritta tradizionale svolta in un laboratorio informatico con l’ausilio del calcolatore.