IDENTIFICAZIONE E STIMA

IDENTIFICAZIONE E STIMA

_
iten
Codice
80291
ANNO ACCADEMICO
2019/2020
CFU
6 cfu al 1° anno di 8734 INGEGNERIA GESTIONALE (LM-31) SAVONA
SETTORE SCIENTIFICO DISCIPLINARE
ING-INF/04
LINGUA
Italiano (Inglese a richiesta)
SEDE
SAVONA (INGEGNERIA GESTIONALE )
periodo
2° Semestre
materiale didattico

PRESENTAZIONE

Il corso presenta le principali tecniche di stima e identificazione in utilizzo nella definizione di modelli di analisi, previsione e controllo di sistemi dinamici complessi.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso ha l'obiettivo di fornire competenze sui metodi e gli strumenti di identificazione di sistemi dinamici e stima parametrica e bayesiana. Lo studente acquisirà le conoscenze necessarie per formulare modelli completi di sistemi dinamici a partire da un insieme di misure sperimentali.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Gli obiettivi formativi del corso si riferiscono all'acquisizione della capacità di:

  • conoscere le proprietà di uno stimatore
  • riconoscere le caratteristiche fondamentali di un problema di stima in termini di caratteristiche dei dati, caratteristiche di uno stimatore adeguato;
  • progettare la soluzione di un problema di stima ossia definire lo stimatore più adeguato;
  • conoscere le caratteristiche di un problema di identificazione;
  • conoscere le principali famiglie modellistiche per l’identificazione;
  • progettare la soluzione di un problema di identificazione.

PREREQUISITI

Il corso richiede conoscenze di base di teoria dei sistemi, statistica e ottimizzazione.

Modalità didattiche

Il corso viene erogato con lezioni frontali ed alcune lezioni in laboratorio.

PROGRAMMA/CONTENUTO

teorema di Cramer-Rao, stima a minima varianza (stimatori UMVUE e BLUE), stima di massima verosimiglianza, stima lineare in presenza di rumori di misura (stima ai minimi quadrati e stima di Gauss-Markov), stima bayesiana (stima a minimo errore quadratico medio e lineare a minimo errore quadratico medio).

Tecniche di identificazione: definizione del problema di identificazione di parametri, famiglie modellistiche per l’identificazione (ARX, ARMAX, OE, ARXAR, BJ), identificazione a minimo errore di predizione (MEP): teoremi di convergenza, identificazione per modelli ARX (identificazione ai minimi quadrati), ARMAX e ARXAR, algoritmi batch e iterativi.

TESTI/BIBLIOGRAFIA

L. Ljung, "System Identification: Theory for the user", Prentice Hall (2nd Edition), 1999.

S.M. Kay, "Fundamentals of Statistical Signal Processing: Estimation Theory", Prentice Hall, 1993.

DOCENTI E COMMISSIONI

Commissione d'esame

SIMONA SACONE (Presidente)

SILVIA SIRI

MICHELA ROBBA

LEZIONI

Modalità didattiche

Il corso viene erogato con lezioni frontali ed alcune lezioni in laboratorio.

INIZIO LEZIONI

Le lezioni si tengono nel secondo semestre

ESAMI

Modalità d'esame

l'esame consiste in una prova orale

Modalità di accertamento

L'esame prevede la presentazione di contenuti teorici, lo svolgimento di esercizi numerici e l'approfondimento degli elementi teorici necessari per la soluzione degli esercizi.

 

Calendario appelli

Data Ora Luogo Tipologia Note
15/01/2020 14:00 SAVONA Orale
05/02/2020 14:00 SAVONA Orale
19/02/2020 14:00 SAVONA Orale
09/06/2020 14:00 SAVONA Orale
26/06/2020 14:00 SAVONA Orale
16/07/2020 14:00 SAVONA Orale
03/09/2020 14:00 SAVONA Orale