Vai al Contenuto Vai alla navigazione del sito

AUTOMAZIONE DELLE MISURE ELETTRICHE (272MI)

A.A. 2019 / 2020

Periodo 
Primo semestre
Crediti 
6
Durata 
48
Tipo attività formativa 
Affine/Integrativa
Percorso 
[IN15+2+ - Ord. 2016] progettazione e prototipazione meccanica
Mutuazione 
Mutuato: IN19 - 015MI - AUTOMAZIONE DELLE MISURE ELETTRICHE
Syllabus 
Lingua insegnamento 

italiano

Obiettivi formativi 

L'insegnamento ha lo scopo di fornire agli studenti gli elementi fondamentali per l'analisi e il progetto della moderna strumentazione programmabile basata sull'elaborazione numerica dell'informazione di misura.

D1 - Conoscenza e capacità di comprensione
Lo studente, al termine del corso, dovrà conoscere i fondamenti della
elaborazione numerica dell'informazione di misura, sia mediante tecniche classiche che mediante tecniche avanzate della computational intelligence.

D2 - Capacità di applicare conoscenza e comprensione
Lo studente dovrà essere in grado di effettuare una descrizione completa di un algoritmo di elaborazione dati e di implementare tale algoritmo in un sistema di misura programmabile utilizzando il linguaggio C e un ambiente di sviluppo software.

D3 - Autonomia di giudizio
Lo studente dovrà essere in grado valutare, optando tra le varie possibilità, come schematizzare un sistema di misura programmabile a partire dalle caratteristiche del misurando e del livello di accuratezza richiesto. In particolare, dovrà essere in grado di effettuare e giustificare la scelta di algoritmi e valori dei parametri
che consenta di ottenere il miglior risultato.

D4 - Abilità comunicative
Lo studente dovrà essere in grado di descrivere scopo, funzionamento e limiti di impiego di una tecnica numerica di misura con proprietà di linguaggio.

D5 - Capacità di apprendimento
Lo studente dovrà essere in grado di interpretare e impiegare manuali tecnici per operare selezioni di tecniche di elaborazione e sistemi di misura programmabili specifici.

Prerequisiti 

--

Contenuti 

Elaborazione numerica di segnali e informazioni di misura: richiami alla teoria del campionamento dei segnali, errori di aliasing e di troncamento.
Descrizione di segnali nel dominio del tempo discreto e nel dominio della frequenza.
Analisi di sistemi con la trasformata di Fourier tempo-discreta (DTFT).
Filtri digitali: considerazioni generali. Filtri digitali di tipo FIR. Filtri digitali di tipo IIR. Filtri adattativi.
Trasformata discreta di Fourier (DFT). Relazioni tra DTFT e DFT.
Trasformata rapida di Fourier (FFT). Analizzatori di spettro numerici: struttura, considerazioni su risoluzione e quantizzazione in frequenza. Dispersione spettrale. Riduzione della dispersione spettrale mediante tecniche di "windowing" (finestre di Hanning, Hamming, Blackman-Harris e "flat-top").
Filtri non-lineari per la cancellazione del rumore nei segnali (filtro mediano. mediano pesato, alpha-trimmed mean filter, midpoint filter) e tecniche avanzate per la validazione dei risultati.
Architetture hardware per strumentazione basata su calcolatore (richiami). Misure su segnali variabili nel tempo mediante sistemi di acquisizione dati: caratteristiche fondamentali, vantaggi e limitazioni,
tecniche di correzione degli errori.
Implementazione in linguaggio C di algoritmi per l'elaborazione numerica dei segnali (filtri digitali, analisi spettrale).
Tecniche di elaborazione dell'informazione di misura basate sulla computational intelligence.
Modelli in logica sfumata (fuzzy). Filtri fuzzy e neuro-fuzzy.
Reti neurali artificiali (architetture fondamentali, metodi di apprendimento con e senza supervisore).
Metodi di ottimizzazione basati sugli algoritmi genetici.
Sistemi di misura basati sulle immagini: sensori CMOS e CCD, campionamento 2-D, metodi non-lineari per la rimozione del rumore, estrazione dei contorni.
Implementazione in linguaggio C di algoritmi per l'elaborazione numerica delle immagini (filtri per la rimozione del rumore Gaussiano e impulsivo).
Low-level computer vision basato su fuzzy relation.
Sensori: considerazioni generali, classificazione e criteri di selezione, caratteristiche fondamentali dei sensori, smart sensors, sensori in un sistema di acquisizione dati. Sensori capacitivi (accelerometri, sensori di pressione). Sensori induttivi (LVDT). Sensori resistivi: strain gauges, RTD e termistori. Circuiti elettrici ed elettronici di interfaccia.

Metodi didattici 

lezioni ed esercitazioni.

Programma esteso 

-

Modalità di verifica dell'apprendimento 

L'esame consiste in una prova orale con domande riguardanti il programma svolto nell'insegnamento (Conoscenza e capacità di comprensione).
In particolare, lo studente dovrà dimostrare di saper descrivere un algoritmo di misura e di saper implementare tale algoritmo in linguaggio C (Capacità di applicare conoscenza e comprensione).
Nella descrizione degli algoritmi di misura richiesti e nella valutazione dei corrispondenti livelli di accuratezza, lo studente dovrà giustificare le scelte autonome effettuate con particolare riferimento a vantaggi e svantaggi delle tecniche specifiche impiegate e alla scelta dei valori dei parametri (Autonomia di giudizio e Abilità comunicative).
Ove tali tecniche richiedano il controllo diretto dell'hardware strumentale, lo studente dovrà dimostrare di saper interpretare e impiegare manuali tecnici specifici (Capacità di apprendimento).
L'esame verte su almeno tre argomenti trattati durante il corso e la media delle valutazioni ottenute costituisce il voto
finale espresso in trentesimi.

Altre informazioni 

obbligo di frequenza

Testi di riferimento 

D. Mirri, Strumentazione elettronica di misura, CEDAM, 2004.

P. A. Lynn and W. Fuerst, Introductory Digital Signal Processing, Wiley, 1998.

F. Russo, "Fuzzy Model Fundamentals" in Wiley Encyclopedia of Electrical and Electronics Engineering, (J. G. Webster ed.), John Wiley & Sons, 1999


Torna all'elenco insegnamenti