20810400 - ADVANCED CONTROL SYSTEMS

Il corso mira a fornire una solida base matematica per comprendere i sistemi dinamici su rete, noti anche come sistemi multi-agente distribuiti, con un'enfasi particolare sulla teoria di Perron-Frobenius.
Gli obiettivi formativi del corso includono la comprensione dei fenomeni dinamici fondamentali relativi ai sistemi multi-agente, tra cui il consenso, nonché la capacità di progettare e analizzare algoritmi distribuiti per questi sistemi.
Durante il corso, verranno acquisite competenze nell'analisi di sistemi dinamici multi-agente attraverso l'utilizzo della teoria delle matrici e dei grafi.
In particolare, verranno proposti metodi matematici per analizzare matrici con componenti non negative, che rappresentano l'interconnessione tra attori eterogenei, al fine di identificare le proprietà strutturali della rete sottostante.
Durante il corso, gli studenti esploreranno l'analisi di questi sistemi attraverso la teoria delle matrici e dei grafi, lavorando su esempi concreti per aiutare a comprendere meglio i concetti presentati.
scheda docente | materiale didattico

Programma

Introduzione ai sistemi multi-agente

Ripasso di teoria delle matrici con enfasi sulla teoria di Perron-Frobenius

Teoria dei grafi e teoria algebrica dei grafi

Analisi di stabilità per sistemi connessi

Esempi di coordinamento di sistemi multi-robot

Introduzione al Model Predictive Control (MPC) e fondamenti matematici

Formulazione del problema del MPC

Stabilità del MPC

MPC per sistemi multi-agente

Testi Adottati

- F. Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, ISBN ‎978-1986425643, 2022

- Camacho, E. F., & Bordons, C., Model Predictive control, Springer, ISBN: 978-1-85233-694-3, 2013.

- Note e dispense del docente

Bibliografia Di Riferimento

- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated. ISBN 978-3642422706 - F. Bullo, J. Cortes, and S. Martinez, Distributed Control of Robotic Networks: A Mathematical Approach to Motion Coordination Algorithms, Princeton University Press, Princeton, NJ, USA, 2009. - M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, NJ, 2010. - Maciejowski, J., Predictive Control with Constraints, Pearson Education POD, 2002. - Rossiter, J. A., Model-Based Predictive Control: A Practical Approach, CRC Press, 2003. - Maestre, J. M., & Negenborn, R. R. (Eds.). (2014). Distributed model predictive control made easy (Vol. 69). Dordrecht, Netherlands: Springer.

Modalità Frequenza

La frequenza in presenza delle lezioni, data la natura pratica del corso, è fortemente consigliata.

Modalità Valutazione

L’esame consta di una prova orale per approfondire gli aspetti teorici del corso e di una tesina per approfondire gli aspetti pratici del corso.

scheda docente | materiale didattico

Programma

- Introduzione ai sistemi multi-agente
- Ripasso di teoria delle matrici con enfasi sulla teoria di Perron-Frobenius
- Teoria dei grafi e teoria algebrica dei grafi
- Analisi di stabilità per sistemi connessi
- Esempi di coordinamento di sistemi multi-robot
- Introduzione al Model Predictive Control (MPC) e fondamenti matematici
- Formulazione del problema del MPC
- Stabilità del MPC
- MPC per sistemi multi-agente


Testi Adottati

- F. Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, ISBN ‎978-1986425643, 2022
- Camacho, E. F., & Bordons, C., Model Predictive control, Springer, ISBN: 978-1-85233-694-3, 2013.
- Note e dispense del docente


Bibliografia Di Riferimento

- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated. ISBN 978-3642422706 - F. Bullo, J. Cortes, and S. Martinez, Distributed Control of Robotic Networks: A Mathematical Approach to Motion Coordination Algorithms, Princeton University Press, Princeton, NJ, USA, 2009. - M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, NJ, 2010. - Maciejowski, J., Predictive Control with Constraints, Pearson Education POD, 2002. - Rossiter, J. A., Model-Based Predictive Control: A Practical Approach, CRC Press, 2003. - Maestre, J. M., & Negenborn, R. R. (Eds.). (2014). Distributed model predictive control made easy (Vol. 69). Dordrecht, Netherlands: Springer.

Modalità Frequenza

La frequenza in presenza delle lezioni, data la natura pratica del corso, è fortemente consigliata.

Modalità Valutazione

L’esame consta di una prova orale per approfondire gli aspetti teorici del corso e di una tesina per approfondire gli aspetti pratici del corso.