Offerta Didattica

 

ENGINEERING AND COMPUTER SCIENCE

INDUSTRIAL AUTOMATION AND ROBOTICS (YEARLY)

Classe di corso: LM-32, 18 - Classe delle lauree magistrali in Ingegneria informatica
AA: 2017/2018
Sedi: MESSINA
SSDTAFtipologiafrequenzamoduli
ING-INF/04CaratterizzanteLiberaLibera
CFUCFU LEZCFU LABCFU ESEOREORE LEZORE LABORE ESE
1290312072048
Legenda
CFU: n. crediti dell’insegnamento
CFU LEZ: n. cfu di lezione in aula
CFU LAB: n. cfu di laboratorio
CFU ESE: n. cfu di esercitazione
FREQUENZA:Libera/Obbligatoria
MODULI:SI - L'insegnamento prevede la suddivisione in moduli, NO - non sono previsti moduli
ORE: n. ore programmate
ORE LEZ: n. ore programmate di lezione in aula
ORE LAB: n. ore programmate di laboratorio
ORE ESE: n. ore programmate di esercitazione
SSD:sigla del settore scientifico disciplinare dell’insegnamento
TAF:sigla della tipologia di attività formativa
TIPOLOGIA:LEZ - lezioni frontali, ESE - esercitazioni, LAB - laboratorio

Obiettivi Formativi

Obiettivo del corso è quello di fornire allo studente la conoscenza delle problematiche relative all’automazione industriale, alla programmazione dei PLC, all'identificazione dei sistemi lineari e non lineari e le nozioni teoriche fondamentali relative ai sistemi robotici per applicazioni industriali

Learning Goals


Metodi didattici

lezioni frontali, esercitazioni, simulazioni tramite software didattici, attività di laboratorio

Teaching Methods


Prerequisiti

Principi di elettrotecnica ed elettronica, Algebra matriciale, Equazioni differenziali, Trasformata di Laplace, Linguaggi di programmazione

Prerequisites


Verifiche dell'apprendimento

produzione di tesine, attività di laboratorio ed esame orale

Assessment


Programma del Corso

Introduzione: classificazione dei sistemi di produzione, Automazione fissa, programmabile e flessibile, CIM, sistemi informatici per il controllo Analisi dei sistemi: controllo a catena aperta e a catene chiusa, modelli e classificazione dei modelli, funzione di trasferimento, risposta completa per i sistemi LTI, stabilità, sistemi di primo e secondo ordine, sistemi discreti, risposta in frequenza e diagrammi di Bode Sistemi di controllo: obiettivi del controllo, schemi di controllo fondamentali, controllo on-off, controllo PID e metodi di tuning empirico, schemi avanzati di controllo, PID digitale, scelta del tempo di campionamento Hardware per l'automazione industriale: logica cablata, controllo analogico, sistemi embedded, PC industriali, PLC, caratteristiche, architettura e linguaggi di programmazione dei PLC PLC Twido caratteristiche Hardware e programmazione, esempi di applicazioni, software di sviluppo, MMI Sensori e attuatori: Prestazioni dei sensori, Interruttori meccanici e di prossimità, sensori di temperatura,sensori di posizione, sensori di forza, pressione e portata, motori DC Robotica: Automazione e Robot. Il mercato dei robot - Caratteristiche generali dei manipolatori. Strutture tipiche di manipolatori. Cinematica Posizione ed orientamento di un corpo rigido. Rappresentazioni minime. Trasformazioni Omogenee. Convenzione di Denavit-Hartenberg. Determinazione del modello cinematico diretto di strutture tipiche di manipolazione. Cinematica inversa. Dinamica. Formulazione di Lagrange. Determinazione del modello dinamico di strutture tipiche di manipolazione. Identificazione dei parametri dinamici. Dinamica inversa. Pianificazione di traiettorie. Controllo del moto. Controllo nello spazio dei giunti e nello spazio operativo. Controllo indipendente ai giunti: Controllo in retroazione, Controllo in retroazione con compensazione predittiva. Controllo centralizzato: controllo con compensazione di gravità, Controllo a dinamica inversa. Unità di governo. Service robot Identificazione dei sistemi:Identificazione a scatola nera, grigia e trasparente - Modelli lineari e non lineari - Fasi del processo di identificazione - Scelta degli esperimenti e dei dati - Preprocessamento dei dati - Tipi di modelli - Modelli FIR, ARX, ARMAX, OE -Predittori ad un passo- Identificazione dei parametri con il metodo dei minimi quadrati - Validazione dei modelli - Criteri per la stima dell'ordine (FPE, AIC, analisi del residuo) - Modelli non lineari NFIR, NARX, NARMAX - Modelli polinomiali - Modelli basati sulle reti neurali - Rete neurale MLP - Algoritmi di apprendimento - Validazione dei modelli - Uso dei modelli come sensori virtuali per processi industriali - Esempi di applicazioni in ambito industriale

Course Syllabus


Testi di riferimento: M. Groover, Automation, Production Systems and Computer-Integrated Manifacturing, Pearson New International Edition G.C. Goodwin, S.F. Graebe,M. E. Salgado, Control SystemDesign, Prentice Hall G. Franklin, J.D. Powell, A. Emami-Naeini, Feedback Control of Dynamic Systems, Pearson Hugh Jack, Automating Manufacturing Systems with PLCs, online W. Bolton, Programmable Logic Controller, Newnes, Elsevier B. Siciliano, L. Sciavicco, L. Villani, G.Oriolo, Robotics Modelling, Planning and Control Advanced Textbooks in Control and Signal Processing, Springer Lennart Ljung, System Identification: Theory for the User, Prentice Hall L. Fortuna, S. Graziani, A. Rizzo, M.G. Xibilia, Soft Sensors for Monitoring and Control of Industrial Processes. Springer

Elenco delle unità didattiche costituenti l'insegnamento

INDUSTRIAL AUTOMATION AND ROBOTICS A

Docente: MARIA GABRIELLA XIBILIA

Orario di Ricevimento - MARIA GABRIELLA XIBILIA

GiornoOra inizioOra fineLuogo
Mercoledì 10:00 12:00blocco B, piano 7
Venerdì 15:00 17:00blocco B, piano 7
Note:

INDUSTRIAL AUTOMATION AND ROBOTICS B

Docente: MARIA GABRIELLA XIBILIA

Orario di Ricevimento - MARIA GABRIELLA XIBILIA

GiornoOra inizioOra fineLuogo
Mercoledì 10:00 12:00blocco B, piano 7
Venerdì 15:00 17:00blocco B, piano 7
Note:
  • Segui Unime su:
  • istagram32x32.jpg
  • facebook
  • youtube
  • twitter
  • UnimeMobile
  • tutti