RICERCA ITALIANA     

METODI E ALGORITMI INNOVATIVI PER L'IDENTIFICAZIONE E IL CONTROLLO ADATTATIVO DI SISTEMI TECNOLOGICI

Università degli Studi di Padova

Abstract

Lo scopo di questo progetto e' la ricerca e la messa a punto di nuove metodologie di modellizzazione automatica (Identificazione) e il progetto di sistemi di controllo innovativi che si adattano automaticamente alla variabilita` temporale, alle incertezze e ai disturbi presenti nel sistema da controllare. Questi sistemi di controllo vengono chiamati "adattativi".

L'obiettivo primario del progetto e' quello di sviluppare in modo cooperativo e coordinato, algoritmi, software ed architetture di controllo che siano allo stesso tempo generali ma anche applicabili a moltissimi casi concreti di interesse industriale.
Obiettivi non secondari sono anche la formazione di giovani ricercatori mediante l'organizzazione di scuole di aggiornamento e di dottorato di ricerca e il trasferimento dei risultati di ricerca all'industria.

L'attivita` del progetto sara` concentrata sulle seguenti due macroaree di ricerca

1. Sviluppo di nuove tecniche per l'Identificazione, la stima e modellistica di sistemi industriali

2. Sviluppo di nuove tecniche per il controllo adattativo di sistemi incerti, non stazionari e non lineari

Le unita` afferenti al progetto hanno un lunga e documentata esperienza di ricerca in questi settori e hanno contribuito in modo sostanziale alla letteratura sull'argomento.
Si fa notare che la ricerca in questi settori e' molto attiva in campo internazionale ed e' vitale che essa venga coltivata anche nel nostro paese, sia a livello metodologico che in vista di applicazioni innovative dell'automatica in campo industriale. <<<

Coordinatore Scientifico del Programma di Ricerca

Giorgio PICCI Università degli Studi di PADOVA

Obiettivo del Programma di Ricerca

Lo scopo di questo progetto e' la ricerca e la messa a punto di nuove metodologie di modellizzazione automatica (identificazione) e di progetto di controllori di processo, in presenza di variabilita` temporale e di incertezze nel modello matematico usato per il progetto.

L'obiettivo primario del progetto e' quello di sviluppare in modo cooperativo e coordinato, algoritmi, software ed architetture di controllo che siano allo stesso tempo generali ma anche applicabili a casi concreti di interesse industriale.
Obiettivi non secondari sono anche la formazione di giovani ricercatori mediante l'organizzazione di scuole di aggiornamento e di dottorato di ricerca e il trasferimento dei risultati di ricerca all'industria.

La motivazione per promuovere ricerche concentrate su queste due aree nasce dalla necessita' di disporre di metodi automatici diretti ed efficienti per la descrizione matematica di sistemi complessi (a piu` variabili di ingresso e di uscita) come quelli che si incontrano nelle applicazioni moderne. Tutti gli esperti di automazione riconoscono che l'identificazione e la messa a punto di un adeguato modello matematico dell'impianto e' spesso la fase del progetto che richiede maggiore sforzo di ingegnerizzazione. La complessita' degli impianti e delle nuove aree tecnologiche a cui si applica l'automazione impongono lo sviluppo di tecniche di identificazione nuove e piu` efficaci di quelle tradizionali.

Inoltre la messa a punto di algoritmi per il controllo adattativo, e' strettamente legata alla necessita' di conferire flessibilita' ai moderni sistemi di controllo automatico; la flessibilita' e' sempre piu' richiesta per affrontare la complessita' e la variabilita' dei processi che si e' chiamati oggi a governare. Si tratta quindi di procedure che consentono di allargare il campo di applicabilita' delle usuali tecniche di controllo, in modo da renderle utilizzabili nelle diverse condizioni operative dell'impianto.

L'attivita` del progetto sara` concentrata sulle seguenti due aree di ricerca

1. Sviluppo di nuove tecniche per l'Identificazione, la stima e modellistica di processi industriali

2. Sviluppo di nuove tecniche per il controllo adattativo di sistemi incerti, non stazionari e non lineari

Le unita` afferenti al progetto hanno un lunga e documentata esperienza di ricerca in questi settori e hanno contribuito in modo sostanziale alla letteratura sull'argomento.
Si fa notare che la ricerca in questi settori e' molto attiva in campo internazionale ed e' vitale che essa venga coltivata anche nel nostro paese, sia a livello metodologico che in vista di applicazioni innovative dell'automatica in campo industriale. <<<

Risultati parziali attesi

RISULTATI ATTESI

Il presente progetto ha natura prevalentemente metodologica e quindi i risultati attesi saranno ovviamente le soluzioni (o quantomeno delle soluzioni parziali) ai problemi di ricerca menzionati nel Programma. Queste soluzioni verranno pubblicate in riviste tecniche a diffusione internazionale e presentate a conferenze internazionali quali la CDC (IEEE Decision and Control Conference), l'MTNS etc.

Lo sviluppo di software e la sperimentazione numerica e sperimentale dei risultati ottenuti formeranno comunque una parte essenziale del "deliverable" del progetto. Il software sviluppato, sara` in particolare resodisponibile sul sito web del progetto http://sisdin.unipv.it/cofin/ che e` mantenuto dall'unita` di Pavia.

Ci si aspetta inoltre il rafforzamento e lo sviluppop ulteriore di contatti e collaborazioni con varie industrie di diversi settori che sono gia` in corso, testimoniando il notevole interesse che si sta creando nel mondo industriale per le tecniche di identificazione e il controllo adattativo.

Tra questi settori menzioniamo solamente i seguenti:

1) ENERGIA: sistemi di generazione distribuita sia per gli aspetti impiantistici sia per le reti di distribuzione a bassa tensione (celle a combustibile, motore solare Stirling, batterie vanadio, combustori biomassa; sistemi raffreddamento litio-bromo, microturbine)
2)INQUINAMENTO: abbattimento inquinanti mediante reattori catalitici selettivi; impianti gassificazione
3) RETI E DISTRIBUZIONE DI ENERGIA: reti elettriche di potenza come trasmettitori di segnali a larga banda; controllo rete elettrica in emergenza
4)DOMOTICA: miglioramento delle prestazioni di frigoriferi e forni domestici
5) TRASPORTI TERRESTRI MARINI E AEROSPAZIO: controllo attivo della dinamica di veicoli stradali e marini; controllo d'assetto e orbitale di satelliti; controllo rotore elicotteri
6) MACCHINE OPERATRICI: Identificazione e controllo di assi meccanici per macchine operatrici e per la piegatura di lamiere, controllo attivo estrusori di materie plastiche; controllo attivo macchine tessili
7) DATA MINING: acquisizione dati da siti web; trattamento di dati genici.

Attività in collaborazione sono gia` in corso con le aziende: CESI, Whirlpool, AIM, Brembo, Calzoni, Centro Ricerche Fiat, Gaymarine, Same-Deutz-Fahr, Touring Club Italiano, Tiscali, CESAP-Assocomaplast, LGL Electronics, Promatech , Gavazzi Space, Salvagnini SpA, SATE (Venezia) TECNOMARE, E-motion e molte altre. <<<

Durata

24 mesi

Base di partenza scientifica nazionale o internazionale

Il progetto si articola su due linee tematiche complementari illustrate qui di seguito.

TEMA N.1. IDENTIFICAZIONE STIMA E MODELLISTICA DI PROCESSI INDUSTRIALI

E` noto che le metodologie moderne per la modellizzazione matematica di un processo industriale (identificazione) si basano, in parte sulle conoscenze fisiche disponibile a priori sul processo, ma soprattutto su algoritmi e tecniche di elaborazione statistica dei segnali che si ottengono dalla di misura di variabili ingresso-uscita dell'impianto. Alcuni metodi di identificazione possono anche adattare automaticamente il modello identificato a dati osservati e/o a misure eseguite in tempo reale su un sistema le cui caratteristiche cambiano nel tempo. Questi metodi di identificazione stanno alla base del controllo adattativo.


Le ricerche che verranno sviluppate presso le unita` operative del progetto riguarderanno in particolare (senza pretesa di completezza) le seguenti problematiche:

1.a NUOVI METODI DI IDENTIFICAZIONE PER MODELLI LINEARI (A SOTTOSPAZI, EIV)
I metodi di identificazione tradizionali basati sull'ottimizzazione parametrica (ad esempio PEM) sono stati recentemente fatti oggetto di numerose critiche. In particolare essi si rivelano difficili da usare e poco affidabili nel caso di modelli multivariabili. Per questo motivo, vi e` stato negli ultimi anni un grosso sforzo di ricerca internazionale volto a costrure algorimi affidabili e numericamente stabili che possano essere usati nell'identificazione di sistemi multivariabili. I "metodi a sottospazi" sono la risposta a queste richieste. Essi sfruttano procedimenti di realizzazione stocastica e algoritmi di algebra lineare numerica robusti ed affidabili, hanno maggior semplicita` di implementazione e tempi di calcolo inferiori. Questi metodi non tradizionali sono stati studiati intensamente in questi ultimi anni e alcune unita` afferenti al progetto (in particolare Padova e Milano) hanno contribuito in modo sostanziale allo studio e allo sviluppo di questi algoritmi.
Sebbene i metodi a sottospazi abbiano dimostrato sperimentalmente un'accuratezza confrontabile con quella dei metodi classici, le loro proprieta` statistiche sono a tutt'oggi poco note ed e` in corso un notevole sforzo di ricerca per caratterizzarle.

L'identificazione di modelli cosiddetti a "errori nelle variabili" (EIV) in cui tutte le variabili misurate (ingressi e uscite) sono affette da errori, e` un problema che e` stato attivamente studiato studiata in letteratura perche` ha importanti risvolti applicativi. In particolare le unita` di Bologna e Padova hanno dato in passato importanti contributi in quest'area.


1.b MODELLISTICA E IDENTIFICAZIONE NON LINEARE E TECNICHE DI APPRENDIMENTO

In molte applicazioni e` necessario modellare e identificare sistemi non lineari. Ad esempio sistemi soggetti a vincoli di positivita` si incontarno in svariate applicazioni di tipo biologico, ambientale etc... Una classe importante di tecniche di identificazione non lineari fa ricorso alle cosiddette reti approssimanti "neurali" e la ricerca su questo tema e` ancora estremamente attiva in campo internazionale. Anche se spesso non e` possibile dare delle giustificazioni precise e dei margini di errore calcolabili, le tecniche di approssimazione mediante reti neurali permettono di affrontare con successo classi estremamente vaste di problemi di identificazione, stima e controllo. Alcune unita` afferenti al progetto, in particolare le unita` di Genova e Milano hanno avviato da tempo ricerche nel settore della stima e dell'identificazione di sistemi dinamici non lineari mediante reti neurali.

Anche i modelli ARX e ARMAX di tipo polinomiale costituiscono uno strumento efficace per l'identificazione di sistemi nonlineari: la proprietà di linearità nei parametri può essere sfruttata per sviluppare algoritmi di stima efficienti. Tuttavia, il problema della selezione della struttura del modello non è ancora risolto in maniera soddisfacente. Inoltre, è difficile garantire una buona accuratezza del modello in simulazione e, a volte, è persino problematico garantirne la stabilità. Infine, mancano strumenti per l'analisi a posteriori dei modelli identificati, per valutarne l'affidabilità e la significatività. L' unita` di Milano ha intrapreso una ricerca sui temi appena elencati, con particolare enfasi allo sviluppo di metodologie per l'identificazione di modelli NARX accurati e robusti in simulazione.


In alternativa all'approccio parametrico, il problema dell' identificazione può essere studiato nel contesto della teoria statistica dell'apprendimento, come il problema di "apprendere" una mappa ingresso-uscita a partire da un insieme finito (ed eventualmente rumoroso) di misure. Questo problema (notoriamente mal posto), è risolubile solo usando informazione a priori e una formulazione Bayesiana. Si ipotizza che la mappa incognita sia una realizzazione di un processo casuale e l'informazione a priori viene incorporata nella sua descrizione statistica, ad esempio la funzione di covarianza. In particolare se la funzione di covarianza e` a simmetria radiale, la stima di Bayes è un tipo particolare di rete neurale (RBF ).
I ricercatori dell'Unità di Pavia hanno contribuito a vari aspetti della teoria dell'apprendimento bayesiano, in particolare allo studio delle proprietà asintotiche di consistenza e ai criteri per la taratura dei gradi di libertà equivalenti e hanno sviluppato di algoritmi efficienti per applicazione alla deconvoluzione di segnali biomedici.



1.c NUOVI ALGORITMI DI STIMA E FILTRAGGIO
La stima di segnali e' un problema essenziale nel controllo e in molti campi dell'ingegneria. Questo problema puo` assumere forme assai diverse. Un prototipo ben noto di algoritmo ricorsivo per la stima in linea e` il celebre Filtro di Kalman che nel corso degli ultimi decenni e` stato oggetto di varie generalizzazioni e adattamenti.
Una classe di problemi di stima che e` divenuto importante in applicazioni a sistemi complessi e a sistemi soggetti a improvvisi cambi di struttura dovuti a guasti, variazioni di parametri, disturbi esterni, etc. e` quello della stima di sistemi lineari a commutazione Markoviana.

I sistemi lineari a commutazione markoviana, in inglese, Jump Markov Linear Systems (JMLS), sono una classe di sistemi ibridi. Un JMLS è un sistema non stazionario che può assumere diversi modi di funzionamento (stati logici), ognuno dei quali è descritto da un modello lineare, mentre le commutazioni da uno stato logico a un altro sono governate in modo casuale da una catena di Markov a stati finiti. La stima di sistemi di questo tipo, sebbene affrontata gia` da molto tempo in letteratura e`, dal punto di vista algoritmico, un problema ancora aperto. Nuovi contributi ad una soluzione di questo problema sono stati recentemente dati dalle unita` di Padova e Milano.

Il filtraggio ottimo di segnali legati da modelli EIV è stato studiato solo recentemente. In particolare le unita` di Padova e soprattutto di Bologna hanno pubblicato numerosi contributi alla soluzione del problema del filtraggio EIV. Ad esempio è stato risolto il problema dell'interpolazione, basandosi sulle proprieta` di ortogonalità tra rumore e segnale ideale. Gli algoritmi ottenuti si sono rivelati molto efficienti anche in presenza di rumore elevato. Questo problema trova molte applicazioni tra cui la diagnosi dei guasti.



TEMA N.2. TECNICHE DI ADATTAMENTO PER IL CONTROLLO DI SISTEMI INCERTI, NON STAZIONARI E NON LINEARI

Nel progetto di un dispositivo di controllo, si usa di norma un modello matematico dell'impiantoo che e` lineare, di dimensione finita e a parametri costanti. Molti impianti e molti sistemi tecnologici reali sono pero` inevitabilmente soggetti a usura, a disturbi varianti nel tempo e a tempi di ritardo spesso mal noti, dovuti e.g. a fenomeni di trasporto. Il progetto di un controllore che soddisfi le specifiche, richiede una varieta` di nuove tecniche di progetto che tengano conto delle deviazioni del modello dalla classe di modelli standard e compensino per possibili non stazionarieta`, non linearita`, presenza di ritardi e di vincoli sul controllo e/o sulle variabili controllate, etc. Queste tecniche di "adattamento" del progetto al modello (adattamento che si vorrebbe normalmente attuare in tempo reale), non sono da vedersi in alternativa, ma piuttosto come un insieme di strumenti che si integrano tra di loro nella fase di progettazione. Per comodita` le principali tecniche di adattamento su cui verte il progetto sono state raggruppate in quattro punti.

2.a.: CONTROLLO ADATTATIVO DI SISTEMI LINEARI NON STAZIONARI
Il controllo adattativo e` stato concepito, alla fine degli anni cinquanta, per controllare in linea sistemi lineari a parametri variabili nel tempo in modo incognoto. In questa categoria puo` essere classificato in particolare il problema dell'inseguimento di segnali a dinamica non nota, ad esempio l'inseguimento di segnali periodici di frequenza incognita e possibilmente variante nel tempo. Un altro settore che si sta rivelando importante per le applicazioni, e` quello del controllo di sistemi lineari a commutazione Markoviana (JMLS) e del controllo adattativo di tipo ``switching".
Agli inizi degli anni '80 si e` dimostrato, per sistemi lineari con parametri costanti non noti e a fase minima, che esiste un controllo adattativo in retroazione dall'errore di inseguimento che e' in grado di annullare asintoticamente l' errore conoscendo solamente il grado relativo ed un limite superiore dell'ordine del sistema senza necessariamente stimare i valori dei parametri non noti. Successivamente la ricerca si e' concentrata sulla robustezza rispetto a disturbi additivi, a dinamiche parassite ed a parametri tempo varianti e sulle proprieta' transitorie del sistema controllato. Le unita` di Roma e Milano hanno dato importanti contributi in questo campo anche studiando strategie di adattamento del cosiddetto "modello interno" del segnale da inseguire.

Il problema della rilevazione di variazioni parametriche e del controllo di sistemi lineari soggetti ad usura si puo` porre anche nel contesto del controllo geometrico, facendo riferimento a problemi di ottimizzazione in norma H2. In questo caso si ricorrere a soluzioni ottimizzate rispetto a criteri opportunamente definiti. In letteratura è stata ampiamente riconosciuta la dualità fra la soluzione per il problema di diagnosi di cambiamenti strutturali e la soluzione feedforward proposta da Basile e Marro (unita` di Bologna) per il problema della non-interazione. Sempre sfruttando la dualità con il problema della non-interazione, sono state individuate condizioni geometriche (e quindi esatte) meno restrittive di quelle trovate in letteratura.


2.b.: CONTROLLO ADATTATIVO DI SISTEMI NON LINEARI E CONTROLLO AD APPRENDIMENTO

Nell'ultimo decennio si e` studiata una nuova classe di algoritmi adattativi in grado di controllare ed identificare intere classi di sistemi in cui la non linearita` e` descritta mediante funzioni note e parametri costanti non noti. In particolare si e` sivluppata una teoria del regolatore con modello interno adattativo in cui si identifica in linea il modello dell' esosistema. Questi risultati permettono ad esempio la cancellazione asintotica di disturbi sinusoidali con frequenza non nota e hanno ovvie applicazioni al controllo di vibrazioni, al controllo di eccentricita', al controllo di oscillazioni in strutture flessibili. Il lavoro di ricerca in questo settore e` stato portato avanti dall'unita' di ricerca di Roma e da quella di Milano.
Per quanto riguarda i sistemi non lineari con non linearita` non nota, una tecnica molto usata e` l'uso di reti approssimanti neurali. L'estensione proposta dall'unita` di Genova (denominata "Metodo di Ritz Esteso" o ERIM) consiste nell'inserire nelle funzioni di base dei parametri liberi. Il vettore da ottimizzare è costituito sia dai coefficienti della combinazione lineare sia da parametri "liberi" interni alle funzioni di base. Tra le funzioni di base parametrizzate si considerano sigmoidi ma anche le "radial basis functions", le "spline" a nodi mobili, ecc. Proprietà fondamentale delle reti ottimizzanti è la capacità di approssimare le funzioni di controllo ottime (sotto opportune caratteristiche di regolarità) mediante un numero di parametri liberi che cresce al più polinomialmente con il numero di variabili delle funzioni da approssimare.




2.c.: CONTROLLO PREDITTIVO
Le tecniche di controllo predittivo MPC (Model Predictive Control), largamente utilizzate in importanti settori industriali, sono normalmente realizzate a partire da un modello dell'impianto a tempo discreto, con dinamica lineare e identificato dai dati sperimentali. L'impiego di modelli non lineari è ancora abbastanza limitato. La ricerca condotta negli ultimi anni da vari gruppi internazionali ha portato alla definizione di algoritmi di controllo predittivo per sistemi non lineari con significative proprietà di stabilità e di robustezza. In particolare, i ricercatori dell'Unità di Pavia ne hanno studiato vari aspetti, sia di tipo teorico sia applicativo. Recentemente, tali metodologie sono state estese a sistemi a tempo continuo regolati in modo digitale.

Sono stati considerati anche vari problemi applicativi e sono stati utilizzati simulatori di sistemi industriali, quali colonne di distillazione, motori a combustione interna, reattori chimici. Sono anche stati realizzati regolatori MPC in tempo reale per semplici processi di laboratorio, quali sistemi sistemi meccanici instabili.





QUALIFICAZIONE DEI PROPONENTI

Questo progetto di ricerca e` nato dalla collaborazione tra Unita` che hanno in passato collaborato a vari progetti finanziati dal MURST, dapprima, dal 1991 al 2002, come MURST "40 %", successivamente con finanziamenti annuali per gli anni 1995 e 1996 e dal 1998 mediante cofinanziamenti di progetti biennali su temi simili o di piu` ampio respiro che inizialmente includevano 10 Unita`, tra le quali le sei del presente progetto. Rispetto ai progetti precedenti questo progetto e' assai piu' focalizzato su una tematica specifica, cosi' da perseguire un elevato livello di interazione e collaborazione tra le unita`.

I risultati delle ricerche sono sempre stati presentati e discussi in riunioni annuali di coordinamento e a seguito di tali riunioni, viene riportato lo stato di avanzamento delle ricerche in un volume a stampa, edito a cura del coordiantore nazionale. Questi rapporti, e in particolare quello relativo al progetto cofinanziato per gli anni 2002-2004, tutti redatti in lingua inglese, possono essere richiesti al coordinatore nazionale proponente.

Negli ultimi dieci anni, i ricercatori afferenti a questo progetto hanno sviluppato un'intensa attivita` di ricerca su problematiche di identificazione e controllo adattativo anche in collaborazione con prestigiose istituzioni e ricercatori stranieri quali, per esempio, l'European Reserch Network in System Identification (ERNSI) di cui il coordinatore di questo progetto e` stato responsabile italiano per molti anni. Sono stati pubblicati articoli scientifici congiunti sulle migliori riviste internazionali e sono stati tenuti interventi plenari su invito alle piu` importanti conferenze internazionali. Menzioniamo anche i tre convegni internazionali organizzati dai partecipanti al progetto: a) IFAC Workshop on "Periodic Systems Control" (PSYCO) tenuto a Cernobbio-Como nei giorni 27 e 28 Agosto 2001, b) IFAC Workshop on "Adaptation and learning in control and signal processing" (ALCOSP) tenuto a Cernobbio-Como nei giorni 29,30,31 Agosto 2001, c) IFAC Symposium on "Robust control design" (ROCOND) tenuto a Milano nei giorni 27, 28, 29 Giugno 2003. <<<