Obiettivo del corso sarà di trasmettere le basi necessarie per essere in grado di identificare il modello di un sistema, di implementare i sistemi di controllo adattivi e di realizzare sistemi di apprendimento autonomo.
Si vedranno gli aspetti implementativi di un algoritmo ottimizzazione numerica con particolare attenzione a sistemi dinamici in tempo reale.
Obiettivi:
- Conoscere metodi per stimare grandezze fisiche partendo da misure disturbate.
- Saper sfruttare le conoscenze del processo per filtrare le misure da disturbi (es. Kalman Filtering)
- Saper implementare metodi di identificazione e filtraggio online su microprocessori (es. Least Squares ricorsivo, Extended Kalman Filter)
- Apprendere i metodi di ottimizzazione numerica per sistemi affetti da disturbo (es. metodo dei gradienti, di Gauss-Newton)