PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

PORTALE DELLA DIDATTICA

Elenco notifiche



Advanced numerical modeling for systems engineering: theory and applications

01TRSIW

A.A. 2023/24

Course Language

Inglese

Degree programme(s)

Doctorate Research in Ingegneria Aerospaziale - Torino

Course structure
Teaching Hours
Lezioni 20
Lecturers
Teacher Status SSD h.Les h.Ex h.Lab h.Tut Years teaching
Dalla Vedova Matteo Davide Lorenzo   Ricercatore a tempo det. L.240/10 art.24-B IIND-01/E 12 0 0 0 3
Co-lectures
Espandi

Context
SSD CFU Activities Area context
*** N/A ***    
PERIODO: GENNAIO - FEBBRAIO - MARZO L’utilizzo di strumenti di modellazione numerica a parametri concentrati, atti a simulare la risposta dinamica di un dato sistema, è una pratica oramai consolidata in ambiente ingegneristico, e costituisce oggigiorno uno strumento fondamentale e imprescindibile in moltissime fasi dell’iter di definizione e sviluppo di un progetto. Specialmente nell’ambito di sistemi dinamici complessi (architetture composite e fortemente interconnesse, spiccate connotazioni interdisciplinari, dinamiche fortemente non-lineari), tale approccio permette di supportare le differenti fasi del progetto, fornendo uno strumento versatile, facilmente riconfigurabile e capace di affiancarsi e integrarsi agevolmente con le metodologie di sviluppo tradizionali (modelli analitici e/o empirici, dati sperimentali). In particolare, queste metodologie sono oramai diffusamente utilizzate in ambito sistemistico (aerospace, meccanica, meccatronica, automazione, ecc.) durante il design preliminare dell’apparato, la modellazione di dettaglio di componenti o sottosistemi, lo sviluppo o la messa a punto di logiche di controllo e l’ideazione di modelli numeri semplificati, atti svolgere differenti funzioni (monitoraggio, diagnostica, prognostica, algoritmi di ottimizzazione). Per quanto concerne i sistemi di bordo, tali algoritmi sono frequentemente implementati nei programmi di controllo e gestione residenti nel velivolo: pertanto è stato necessario definire opportune strategie di sviluppo e certificazione del software atte a garantire gli opportuni livelli di sicurezza e affidabilità. Da un punto di vista operativo, il corso sarà strutturato secondo un approccio didattico “attivo” e proporrà l’alternanza fra lezioni frontali classiche, esperienze di gruppo svolte al calcolatore (usando programmi sviluppati in Matlab-Simulink) e attività individuali (brevi lavori da svolgere di volta in volta e discutere con il docente).Tale approccio mira a fornire agli allievi le basi tecnico-scientifiche e le competenze (teoriche e pratiche) necessarie per iniziare a comprendere efficacemente e sviluppare in modo autonomo la modellazione numerica di un sistema complesso e/o di semplici algoritmi diagnostici. Nel corso delle lezioni, oltre a soffermarsi sui diversi aspetti concettuali fondamentali, sarà dedicato ampio spazio all’analisi di alcuni esempi applicativi (derivanti da casi-studio selezionati), al fine di incoraggiare gli studenti a sviluppare l'approccio critico e la "sensibilità" necessaria per operare in questo campo.
PERIOD: JANUARY- FEBRUARY - MARCH The use of lumped parameters numerical modelling tools, designed to simulate the dynamic response of a given system, is now a consolidated practice in the engineering environment, and today it is a fundamental and essential tool in many phases of the definition and development process of a project. Especially in complex dynamic systems (composite and strongly interconnected architectures, marked interdisciplinary connotations, strongly non-linear dynamics), this approach allows to support the different phases of the project, providing a versatile tool, easily reconfigurable and able to integrate easily with the usual development methodologies (analytical and / or empirical models, experimental data). In particular, these methodologies are now widely used in the systems engineering field (e.g. aerospace, mechanics, mechatronics, automation, etc.) during the preliminary design, the detailed modeling of components or subsystems, the development of dedicated control logics and the conception of simplified numerical models able to perform different functions (monitoring, diagnostics, prognostics, optimization algorithms). As regards the onboard systems, these algorithms are often implemented in the resident management software of the aircraft: therefore it was necessary to define appropriate certification and software development strategies aimed to guarantee suitable levels of safety and reliability. From an operational point of view, the course will be structured according to an “active” educational approach, proposing an alternation between classical lectures, computer-based group experiences (by using programs developed in Matlab-Simulink) and individual activities. This approach aims to provide students with the technical-scientific bases and skills (theoretical and practical) necessary to begin to effectively understand and autonomously develop the numerical modelling of a complex system and/or simple diagnostic algorithms. In addition to focusing on the various fundamental conceptual aspects, several application examples (deriving from selected case studies) will be discussed during the lectures to encourage the students developing the critical approach and the "sensitivity" necessary to operate in this field.
Un approccio multidisciplinare all'ingegneria e una conoscenza (almeno) base di Matlab-Simulink possono consentire un'elaborazione più semplice e proficua degli argomenti proposti.
A multidisciplinary approach to engineering and (at least) basic knowledge of Matlab-Simulink can allow an easier and more profitable elaboration of the proposed topics.
1. Introduzione del corso Inquadramento tecnico-scientifico della problematica: - Systems engineering - On-board systems - Numerical modelling Cenni storici allo sviluppo delle tecniche d’indagine nelle applicazioni ingegneristiche Perchè Matlab-Simulink? - Ambiente di simulazione numerica multidominio - Simulink per Modellazione di sistemi e simulazione - Cenni introduttivi all’uso di Matlab-Simulink 2. Tecniche di modellazione numerica Analisi critica delle differenti metodologie: vantaggi/svantaggi e limiti d’impiego Strategia di selezione (destinazione d’uso, livello di dettaglio, accuratezza, costi computazionali) 3. Modellazione numerica a parametri concentrati Cenni introduttivi Modelli fisico-matematici Diagrammi fisico-funzionali Cenni di logica degli schemi a blocchi: - Esempi esplicativi - Analogia con linguaggio di programmazione grafico in ambiente Simulink 3.1. Alcuni esempi applicativi (di derivazione aerospaziale) 4. Modelli numerici semplificati Livello di dettaglio dei modelli e loro impiego Modelli High Fidelity (HF) e Low Fidelity (LF) Alcune tecniche di semplificazione dei modelli 4.1. Alcuni esempi applicativi (riferiti ai casi visti in 3.1) 5. Monitoraggio, diagnostica e prognostica di sistemi Generalità, classificazione e caratteristiche peculiari Algoritmi diagnostici e prognostici 5.1. Alcuni esempi applicativi 5.2. Assegnazione prova finale 6. Valutazione Finale Condivisione delle proposte elaborate dagli studenti Analisi critica delle diverse soluzioni
1. Introduction of the course Technical-scientific framework of the problem: Systems engineering Onboard systems Numerical modelling Historical overview regarding the development of survey techniques in engineering applications Why Matlab-Simulink? Multidomain Numerical Simulation Environment Simulink for System Modeling and Simulation Introduction to the use of Matlab-Simulink 2. Numerical modelling techniques Critical analysis of the different methodologies: advantages/disadvantages and limits of use Selection strategy (use destination, level of detail, accuracy, computational costs) 3. Lumped parameters umerical modelling Introductory notes Physical-mathematical models Physical-functional diagrams (graphical representations and references to the Bond Graphs) Basic notions of block diagrams: Proposed examples Comparison with Simulink graphical programming language 3.1. Some applicative examples (from the aerospace field) 4. Simplified numerical models Models detail levels and their use High Fidelity (HF) and Low Fidelity (LF) models Some model simplification techniques 4.1. Some applicative examples (referring to the cases seen in 3.1) 5. Monitoring, diagnostics and prognostics of systems Generalities, classification and specific characteristics Diagnostic and prognostic algorithms 5.1. Some applicative examples 5.2. Final test assignment 6. Final Evaluation Sharing of the students' proposals Critical analysis of the different solutions
In presenza
On site
Presentazione report scritto
Written report presentation
P.D.1-1 - Gennaio
P.D.1-1 - January