IDENTIFICAZIONE E STIMA

IDENTIFICAZIONE E STIMA

_
iten
Codice
80291
ANNO ACCADEMICO
2021/2022
CFU
6 cfu al 1° anno di 8734 INGEGNERIA GESTIONALE (LM-31) GENOVA
SETTORE SCIENTIFICO DISCIPLINARE
ING-INF/04
LINGUA
Italiano (Inglese a richiesta)
SEDE
GENOVA (INGEGNERIA GESTIONALE )
periodo
2° Semestre

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

LEZIONI

Modalità didattiche

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

ORARI

L'orario di tutti gli insegnamenti è consultabile su EasyAcademy.

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.