Il corso si propone di discutere i problemi e le risorse disponibili per la descrizione di sistemi dinamici complessi multicomponente mediante ambienti di simulazione standard. Applicazioni tipiche sono i sistemi per il trattamento dell'informazione, in cui i segnali devono attraversare una catena di componenti senza perdere la loro integritą, e i sistemi multifisici, nei quali interagiscono componenti che appartengono a domini diversi (elettrico, meccanico,...). In tutti questi casi, la predizione del comportamento del sistema e dei segnali o variabili di interesse avviene mediante caratterizzazione del comportamento dei singoli componenti e successiva simulazione completa nel dominio del tempo. Il corso fornisce una rassegna delle pił recenti tecniche di caratterizzazione (lineare e non, operanti in frequenza o nel dominio del tempo) adatte alla modellazione di sistemi multicomponente.

1) Introduzione

Classificazione, caratteristiche ed esempi di sistemi dinamici (concentrati, distribuiti, lineari, non lineari) e delle risorse di modellazione presentate nel corso

(2) Sistemi non lineari concentrati
. spazi vettoriali lineari e stima di modelli parametrici
. identificazione nonlineare
. discussione di esempi applicativi

(3) Sistemi dinamici lineari concentrati

. metodi di riduzione ordine
principio
riduzione via trasformazioni ortogonali
stabilita' e passivita'

. identificazione da risposte via vector fitting
principio
algoritmi vari
stabilita' e passivita'
i sistemi quasi concentrati

(4) Sistemi distribuiti in una dimensione (tipo linee di trasmissione)
. formulazione del problema generale
. discussione del caso scalare
. generalizzazione
* Detailed program:

(1) Introduction

Classification and characteristics of dynamical systems (lumped, distributed, linear, nonlinear) and of the available modeling resources presented in the course.

(2) Lumped nonlinear dynamical systems
. linear vector spaces and parametric model estimation
. nonlinear system identification
. application examples

(3) Linear dynamical systems

. model order reduction methods
idea
order reduction via orthogonal transformation
stability and passivity

. system identification via the vector fitting method
idea
available algorithms
stability and passivity
nearly lumped systems

(4) Distributed systems (e.g., transmission lines)
. general problem definition
. discussion based on the 1D case
. generalization to multidimensional problems

* Prerequisites: some familiarity with linear algebra. Basic knowledge of Matlab or some other scientific programming language.