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

Learning principles of industrial automation, PLC, linear and nonlinear system identification and the theoretical fundamentals of industrial robotics

Metodi didattici

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

Teaching Methods

lessons, exercises, computer simulation, laboratory

Prerequisiti

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

Prerequisites

Principles of electric circuits and electronics. Matrix algebra. Differential equations. Laplace transform. Computer programming languages

Verifiche dell'apprendimento

produzione di tesine, attività di laboratorio ed esame orale

Assessment

homeworks, lab activities and oral examination

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

Introduction Industries classification, Production systems, Fixed automation, Programmable automation, Flexible automation, Introduction to control systems Computer Integrated Manifacturing ,Continuous control system, Discrete control , Computer process control Systems analysis and control History of automatic control , The automatic control problem, Open and closed loop control, System modeling , Models classification , Transfer function and complete response , LTI time continuous systems , Stability, First and second order systems , Time response parameters, Linear discrete-time systems , Frequency responce, Bode diagrams Automatic control of dynamical system Controller design objectives, Basic control schemes properties, Two-point controller, Homework: design of a two point controller, PID control, Ziegler-Nichols Methods , Other tuning methods, Advanced control schemes , Homework: design of a PID controller, Digital PID controller, Choice of the sampling time Industrial Automation Hardware Wired logic, Analog circuits , Embedded system, Industrial PC, Industrial PID, PLC: Characteristics of a PLC, Programming languages, I/O connections, The control loop of a PLC, General PLC architecture, PLC programming PLC Twido Characteristics, I/O wiring, Memory organization, Ladder diagram programming, Timers, counters, registers and operations, Operative modes, Twidosoft, MMI, Magelis, Examples, Homework: design of a PLC application I/O devices Sensors and transducers, Sensors performance, Mechanical switches, Proximity switches, Temperature sensors, Position/displacement sensors, Linear and rotary potentiometers Linear variable differential transformer, Capacitive displacement sensors, Encoders, Force Sensors, Pressure sensors, Fluid flow measurements, Relays, Directional control valves, DC motors Robotics Definitions and classifications, Industrial robotics, Applications and market, Service robots, Classification of industrial robots and examples, direct kinematics, Rotation matrices and composition, Euler angles, Homogeneous Transformations , Denavit–Hartenberg Convention, Kinematic Calibration, Inverse Kinematics, Trajectory planning, Joint Space Trajectories, Point-to-Point Motion, trapezoidal velocity profile, Motion Through a Sequence of Points, Joint Actuating System, Transmissions, Servomotors, Model of an electric motor, Proprioceptive Sensors, Range sensors, Vision Sensors, Functional architecture, Programming Environment , Hardware Architecture, Dynamics, Lagrange Formulation, Linearity in the Dynamic Parameters, Newton–Euler Formulation, Dynamic Scaling of Trajectories, Motion Control, joint space control, Operational space control, Decentralized control , Decentralized Feedforward Compensation, Centralized Control, PD Control with Gravity Compensation, Inverse Dynamics Control, Force Control System Identification Definitions, Classification of the System Identification Problems, Purpose of a Model, Types of Models, The System Identification Procedure, Simple models of SISO linear systems, Selection of the input variables, Choice of data and experiments, Data Pre-processing, Model structures (FIR, ARX, ARMAX, OE), The predictive approach, Least squares method, Model structure selection, Validation, Nonlinear models, Neural networks, MLP, learning and validation, Soft Sensors, cases of study, neural networks for control, Homeworks: linear and nonlinear model identification for industrial plants

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