CAVONE GRAZIANA
LIPPI MARTINA
Obiettivi
Il corso fornisce gli strumenti per il controllo avanzato di sistemi complessi che possono essere costituiti da più agenti, come ad esempio da più piattaforme robotiche. Si approfondiranno metodologie di controllo distribuito per sistemi multi-agente, in cui ciascun robot definisce le azioni di controllo sulla base di informazioni locali. A tale scopo, si tratteranno fondamenti della teoria algebrica dei grafi e saranno applicati a problematiche di coordinamento, quali ad esempio consenso e controllo di formazione, ed ottimizzazione distribuita. Verrà affrontato il tema del controllo predittivo a partire dai fondamenti del controllo ottimo. Saranno fronte le basi per la formalizzazione e la risoluzione dei problemi di Model Predictive Control (MPC) applicati a processi dinamici complessi e multivariabili. Verranno inoltre approfondite le principali formulazioni di MPC, inclusi gli approcci centralizzato e distribuito, con particolare attenzione ai sistemi composti da più sottosistemi interagenti e soggetti a vincoli.Risultati Apprendimento Attesi
1) Conoscenza e capacità di comprensione. Al termine dell’insegnamento, lo studente conoscerà gli strumenti della teoria dei grafi per l’analisi dei sistemi multi-agente e i principali problemi di coordinamento. Conoscerà inoltre i fondamenti del Model Predictive Control (MPC).2) Capacità di applicare conoscenza e comprensione. Lo studente saprà progettare protocolli di consenso, leggi di controllo di formazione e controllori MPC, analizzarne la stabilità e verificarli in simulazione con MATLAB.
3) Autonomia di giudizio. Attraverso le tesine, lo studente saprà confrontare soluzioni alternative e valutare criticamente i risultati delle simulazioni.
4) Abilità comunicative. Attraverso le relazioni delle tesine e la valutazione orale, lo studente saprà esporre con rigore modelli, metodi e risultati.
5) Capacità di apprendimento. Lo studente saprà approfondire in autonomia la letteratura scientifica sul controllo avanzato, in vista della tesi, del dottorato o dell’attività professionale.
Programma
CAVONE GRAZIANA
Introduzione ai sistemi multi-agenteTeoria dei grafi e teoria algebrica dei grafi
Protocolli di consenso con diversi grafi
Controllo di formazione
Controllo di sciami di robot e ulteriori problemi di coordinamento
Introduzione al Model Predictive Control (MPC) e fondamenti matematici
Formulazione del problema del MPC
Stabilità del MPC
MPC per sistemi multi-agente
LIPPI MARTINA
Sistemi multi-agente:- Introduzione ai sistemi multi-agente: esempi e problemi di coordinamento distribuito.
- Teoria dei grafi e teoria algebrica dei grafi: grafi orientati e non orientati, connettività, matrice laplaciana e sue proprietà spettrali.
- Protocolli di consenso: convergenza su grafi fissi, orientati e variabili nel tempo.
- Controllo di formazione: formazioni basate su posizioni relative e su distanze.
- Sciami di robot: coordinamento basato su potenziali.
Model Predictive Control:
- Introduzione al Model Predictive Control (MPC) e fondamenti matematici
- Formulazione del problema del MPC
- Stabilità del MPC
- MPC per sistemi multi-agente
Prerequisiti
Fondamenti di Automatica e preferibilmente Dynamics and Control of Complex Systems e RoboticaTesti Adottati
CAVONE GRAZIANA
- 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
LIPPI MARTINA
- M. Mesbahi and M. Egerstedt, Graph Theoretic Methods for Multiagent Networks, Princeton University Press, Princeton, NJ, 2010.- Camacho, E. F., & Bordons, C., Model Predictive control, Springer, ISBN: 978-1-85233-694-3, 2013.
- Note e dispense del docente
Bibliografia Di Riferimento
CAVONE GRAZIANA
- 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.LIPPI MARTINA
- Veysel Gazi and Kevin Passino. 2011. Swarm Stability and Optimization. Springer Publishing Company, Incorporated. ISBN 978-3642422706 - F. Bullo, Lectures on Network Systems, CreateSpace Independent Publishing Platform, ISBN 978-1986425643, 2022 - 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. - 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
CAVONE GRAZIANA
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.LIPPI MARTINA
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. La valutazione degli studenti si basa sui descrittori di Dublino e tiene conto del livello di conoscenza, comprensione ed elaborazione critica degli argomenti trattati nel corso. Gli studenti che dimostrano di aver acquisito i concetti fondamentali e di saperli applicare in contesti semplici otterranno una valutazione sufficiente. I voti medi saranno assegnati a coloro che, oltre a padroneggiare le basi, mostrano capacità di analisi e rielaborazione autonoma di concetti più complessi. I voti più alti sono riservati agli studenti che evidenziano una comprensione approfondita, capacità di sintesi, spirito critico e autonomia nel risolvere problemi anche nuovi o non affrontati esplicitamente durante il corso.