Descrizione della Ricerca eseguita e dei risultati ottenuti
1.
IDENTIFICAZIONE PER IL CONTROLLO ROBUSTO [1,8,17]
L'attività
di ricerca si è concentrata sul tema dell'identificazione
H-infinito, i cui metodi forniscono modelli d'incertezza facilmente
utilizzabili dalle importanti tecniche di progetto robusto basate sui
metodi di ottimizzazione H-infinito o sulla "mu-sintesi".
Si sono inoltre analizzati e confrontati criticamente i principali
contributi della letteratura riguardanti i problemi di validazione
delle ipotesi, il calcolo di limiti sull'ampiezza del modulo delle
dinamiche non modellate, nonché le proprietà di
convergenza ed ottimalità.
2. CONTROLLO ROBUSTO A
PARTIRE DA DATI SPERIMENTALI [1,4,16,20,40]
I temi del progetto di
ricerca sono stati sviluppati relativamente a:
- progetto di
controllo robusto mediante tecniche H-infinito/mu utilizzando modelli
di incertezza identificati con metodi Set Membership
- progetto
del controllo della dinamica longitudinale di un autoveicolo, a
partire da dati sperimentali, con tecniche di sintesi multi-model e
con tecniche di controllo robusto a fronte di incertezze
parametriche, sfruttando risulati e algoritmi sviluppati in
precedenti progetti di ricerca;
- controllo della dinamica
laterale di autoveicoli a guida autonoma, sia tramite compensazione
non lineare in cascata a più anelli di retroazione, sia
tramite retroazione dagli stati con osservatore multirate;
3.
CONTROLLO ROBUSTO IN PRESENZA DI VINCOLI DI SATURAZIONE
[4,9,13,14,24,25,26,27,37,42,43]
Nell'ambito dell'attività
sul controllo robusto in presenza di vincoli di saturazione si sono
sviluppati ed approfonditi i seguenti temi:
- consolidamento delle
tecniche di implementazione “veloce” di controllori predittivi
(FMPC) basate su metodologie di approssimazione Set Membership di
funzioni nonlineari;
- applicazione di controllori FMPC ad un
veicolo dotato di sospensioni semi-attive;
- controllo FMPC di
profili alari flessibili (aquiloni) per la generazione di energia
elettrica da fonti eoliche;
- applicazione delle metodologie di
controllo robusto IMC con struttura anti-windup al problema del
controllo di imbardata di un autoveicolo dotato di differenziale
attivo posteriore
- applicazione delle metodologie di controllo
robusto IMC al problema del controllo di stabilità di un
autoveicolo dotato di 4 ruote sterzanti.
4. IDENTIFICAZIONE
SET MEMBERSHIP DI SISTEMI NONLINEARI
Identificazione di
sistemi nonlineari in forma di regressione
[2,3,7,15,18,19,22,23,34,41,44]
L'unità di ricerca del
Politecnico di Torino ha recentemente introdotto una metodologia per
l'identificazione di modelli di incertezza per regressioni nonlineari
detta Set Membership Nonlineare (NSM). La metodologia NSM è
basata sulla determinazione di upper e lower bound della funzione di
regressione, a partire da un numero finito di misure ingresso uscita
corrotte da rumore e dalla conoscenza di opportune informazioni sulla
"regolarità" di tale funzione e sulla ampiezza del
rumore. Nell’ambito di tale metodologia, negli anni 2004-2005
l’unità di ricerca ha sviluppato i seguenti argomenti:
-
Identificazione diretta di filtri nonlineari. L’approccio comune
per il progetto di filtri/osservatori consiste in una procedura a due
passi: (1) identificare un modello del sistema da filtrare (2)
costruire il filtro usando il modello identificato. Questo approccio
a due passi presenta però problemi significativi, soprattutto
nel caso in cui il sistema da filtrare è nonlineare. L’unità
di ricerca ha sviluppato un metodo per l’identificazione diretta
del filtro che presenta vantaggi rispetto alle tecniche a due passi
sia nel caso lineare sia nel caso nonlineare.
-
Identificazione di modelli nonlineari con errore di simulazione
stabile. L’approccio standard per l’identificazione di modelli è
quello della minimizzazione dell’errore di predizione. Uno dei
maggiori problemi di tale approccio è che modelli con errore
di predizione piccolo, possono avere elevato errore di simulazione.
In realtà, la stabilità dell’errore di predizione non
viene nemmeno garantita. Questo problema, già noto per i
sistemi lineari, è critico per i sistemi nonlineari. L’unità
di ricerca ha proposto un metodo, basato sull’identificazione NSM,
che permette di ottenere modelli nonlineari caratterizzati da errore
di simulazione asintoticamente stabile.
- Predizione di serie
storiche nonlineari. Nell’ambito della metodologia NSM, l’unità
di ricerca ha sviluppato algoritmi per la predizione di serie
storiche nonlineari. Tali algoritmi sono caratterizzati da proprietà
di ottimalità riferite ad un errore di predizione di tipo
worst-case. Gli algoritmi di predizione sono stati applicati a
problemi di predizione delle piene dei fiumi e di inquinanti
atmosferici quali l’ozono e le polveri PM10.
- Experiment
design. L’unità di ricerca ha sviluppato tecniche per la
valutazione della qualità dell’apparato sperimentale usato
per ottenere i dati per l’identificazione di modelli NSM. Le
tecniche sono basate sul calcolo di una quantità, detta raggio
di informazione, che, in ambito Set Membership, permette di misurare
l’incertezza associata ad un modello. Il calcolo del raggio di
informazione può permettere di risolvere problemi quali:
esplorazione dello spazio dei regressori (eccitazione fornita da un
ingresso), scelta degli ingressi, scelta della lunghezza
dell’esperimento, trade-off complessità-accuratezza del
modello, etc.
Identificazione di sistemi nonlineari di
tipo block-oriented
[5,6,10,11,12,21,28,29,31,32,33,35,36,38,39]
L’unità
di ricerca del Politecnico di Torino ha sviluppato alcune metodologie
per l’identificazione di sistemi nonlineari di tipo block-oriented.
Tali metodologie riguardano l’identificazione di sistemi nonlineari
composti da sottosistemi interagenti. Esempi tipici sono i ben noti
sistemi tipo Wiener, Hammerstein e Lur’e. In questo ambito sono
stati studiati i seguenti argomenti:
- Identificazione delle
dinamiche verticali di veicoli con sospensioni semi-attive. L’unità
di ricerca ha sviluppato tecniche per l’identificazione di modelli
nonlineari per le dinamiche verticali di veicoli con sospensioni
semi-attive. Le tecniche sono basate su un metodo block-oriented, nel
quale il sistema da identificare viene decomposto in sottosistemi
interagenti lineari e nonlineari. L’applicazione di queste tecniche
a dati reali ha portato all’identificazione di alcuni modelli
hal-car e full-car la cui accuratezza in simulazione è
risultata significativamente migliore rispetto a quella di modelli
ottenuti usando le tecniche standard di modellizzazione meccanica.
-
Identificazione di mappe nonlineari in sistemi interconnessi con
struttura generale. E’ stato sviluppato un algoritmo per
l’identificazione di mappe nonlineari contenute all’interno di
sistemi interconnessi, composti da sistemi lineari tempo invarianti e
sistemi nonlineari statici. L’algoritmo è adatto per
l’identificazione di sistemi con strutture generali, ovvero
composte da un qualsiasi numero di sistemi lineari dinamici e mappe
nonlineari statiche.
- Identificazione di sistemi lineari con
nonlinearità di tipo backlash all’ingresso. L’unità
di ricerca ha sviluppato un algoritmo a due passi per
l’identificazione di sistemi lineari con nonlinearità di
tipo backlash all’ingresso in presenza di errori di misura non noti
ma limitati. Più precisamente, la procedura sviluppata
consente di determinare gli intervalli di incertezza dei parametri
(PUI), sia del blocco lineare sia della nonlinearità di tipo
backlash, a partire da un opportuno insieme di misure ingresso uscita
in presenza di errori sull’uscita non noti ma limitati.
-
Algoritmi per l’identificazione di sistemi nonlineari strutturati a
blocchi basati sull’uso di segnali di ingresso separabili. L’unità
di ricerca ha sviluppato nuovi algoritmi noniterativi per
l’identificazione di sistemi di tipo Hammerstein e Wiener basati
sull’utilizzo di opportuni segnali di ingresso, detti separable
inputs, che permettono di separare la stima del blocco lineare
dinamico da quella del blocco nonlineare statico.
PUBBLICAZIONI
1.
S. Malan, M. Milanese, D. Regruto and M. Taragna, "Robust
control from data
via uncertainty model sets identi¯cation",
International Journal of Robust and
Nonlinear Control, Special
Issue on "Robust control from data", 2004.
2. M.
Milanese and C. Novara, " Set Membership Identi¯cation of
Nonlinear Systems
", Automatica, Vol. 40/6, pp. 957-975,
2004.
3. M. Milanese and C. Novara, " Set Membership
Prediction of River Flow ", Systems
and Control Letters, Vol.
53/1, pp. 31-39, 2004.
4. M. Canale, "Robust control from
data in presence of input saturation", Interna-
tional
Journal of Robust and Nonlinear Control, Special Issue on "Robust
control
from data", 2004.
5. M. Milanese, C. Novara, F.
Mastronardi and D. Amoroso, Experimental Modelling
of Controlled
Suspensions Vehicles from Onboard Sensors, First IFAC Symposium
on
ADVANCES IN AUTOMOTIVE CONTROL, Salerno, Italy, 2004.
6. M.
Milanese, C. Novara, P. Gabrielli and L. Tenneriello, Experimental
Modelling
of vertical dynamics of vehicles with controlled
suspensions, SAE World Congress,
Detroit, Michigan, 2004.
7. G.
Finzi, C. Novara and M. Volta, Nonlinear Models to Forecast Ozone
Peaks, 27th
NATO/CCMS International Technical Meeting on Air
Pollution and its Applica-
tion, Ban®, Canada, 2004.
8. M.
Milanese, M. Taragna, "H-in¯nity Set Membership
Identi¯cation: a Survey",
Proc. of the 43rd IEEE
Conference on Decision and Control CDC 2004, pp. 5162-
5169,
Atlantis, Paradise Island, The Bahamas, Dicembre 2004.
9. M.
Canale, M. Milanese, Z. Ahmad, E. Matta, An Improved Semi-Active
Suspen-
sion Control Strategy Using Predictive Techniques, Proc.
1st IEEE International
Conference on Information and Communication
Technologies, Damascus, 2004.
10. M. Milanese, C. Novara and L.
Pivano", Structured SM identi¯cation of vehicles
vertical
dynamics ", Mathematical and Computer Modelling of Dynamical
Systems
(Special Issue), 2005.
11. K. Hsu, M. Claassen, C.
Novara, P. Khargonekar, M. Milanese and K. Poolla,
"Non-Parametric
Identi¯cation of Static Nonlinearities in a General
Interconnected
System", International Federation Automatic
Control World Conference, Prague,
2005.
12. Kenneth Hsu, Carlo
Novara, Mario Milanese and Kameshwar Poolla,
"Parametric
Identi¯cation of Static Nonlinearities in a
General Interconnected System", 16th
IFAC World Congress,
Prague, 2005.
13. M. Canale, M. Milanese, C. Novara and Z. Ahmad,
"Semi-active suspension control
using 'Fast' Model Predictive
Control", Proc. IEEE Automatic Control Conference,
Portland,
2005
14. M. Canale and M. Milanese, A fast implementation of model
predictive control
techniques, 16th IFAC World Congress, Prague,
2005.
15. G. Finzi, M. Milanese. C. Novara, and M. Volta, "
Nonlinear Set Membership
forecast of urban ozone peaks", 16th
IFAC World Congress, Prague, 2005.
16. S. Malan, M. Milanese, P.
Borodani, and A. Gallione, Lateral control of autonomous
vehicle
for public urban mobility systems, Proc. 8th International IEEE
Conference
on Intelligent Transportation Systems, Wien, 2005.
17.
M. Milanese and M. Taragna, "H-in¯nity set membership
identi¯cation: a survey",
Automatica, vol. 41, no. 12,
pp. 2019-2032, 2005.
18. M. Milanese and C. Novara, Model quality
in nonlinear SM identi¯cation", Special
Issue "System
Identi¯cation: Linear vs. Nonlinear", IEEE Transaction on
Auto-
matic Control, October 2005.
19. M. Milanese and C.
Novara, "Set Membership Prediction of Nonlinear Time
Series",
IEEE Transactions on Automatic Control, November
2005.
20. S. Malan, M. Milanese, P. Borodani, and A. Gallione,
"Lateral control of au-
tonomous electric cars for relocation
of public urban mobility °eet", Proc. IEEE
Control and
Decision Conference, Sevilla, 2005.
21. Kenneth Hsu, Tyrone
Vincent, Carlo Novara, Mario Milanese and Kameshwar
Poolla,
"Identi¯cation of nonlinear maps in interconnected
systems", Proc. IEEE
Control and Decision Conference,
Sevilla, 2005.
22. M. Milanese, C. Novara, K. Hsu and K. Poolla,
Nonlinear virtual sensors design
from data, 14th IFAC Symposium on
System Identi¯cation SYSID, New Castle
(Australia), 2006.
23.
M. Milanese, C. Novara, K. Hsu and K. Poolla,"Filter design from
data: direct vs.
two-step approaches", Proc. IEEE Automatic
Control Conference, Minneapolis,
2006.
24. M. Canale, L.
Fagiano, M. Milanese, KiteGen: a Revolution in Wind Energy
Gener-
ation, 5th Int. Workshop on Advances in Energy Studies,
Porto Venere,
2006
25. M. Canale, L. Fagiano, M. Milanese, M.
Ippolito Control of tethered airfoils for a
new class of wind
energy generator, 45th IEEE Conf. On Decision and Control, S.
Diego,
December 2006
26. M. Canale, M. Milanese, C. Novara, "Semi-active
suspension control using Fast
Model Predictive Techniques",
IEEE Transactions on Control Systems Technology,
vol. 14, no. 6,
pp. 1034-1046, 2006.
27. M. Canale, L. Fagiano, M. Milanese, P.
Borodani "Robust vehicle yaw control using
active di®erential
and internal model control techniques", Proc. American
Control
Conference, Minneapolis (MN), USA, 2006.
28. V. CERONE,
D. REGRUTO. (2006). Parameter bounds evaluation of
Wiener
models with noninvertible polynomial nonlinearities.
AUTOMATICA. vol. 42, pp.
1775-1781.
29. V. CERONE, D. REGRUTO.
(2006). Set-Membership identi¯cation of linear sys-
tems with
input backlash. American Control Conference 2006
30. V. CERONE, M.
CANALE, D. REGRUTO. (2006). An Extended Nichols chart
with
constant magnitude loci of sensitivity and complementary sensitivity
functions
for loop-shaping design. 7th IFAC Symposium on Advances
in Control Education.
31. V. CERONE, D. REGRUTO. (2005).
Set-Membership identi¯cation of Wiener
models with
non-invertible nonlinearities. 16th IFAC World Congress.
32. V.
CERONE, D. REGRUTO. (2005). Bounding the parameters of linear
systems
with input backlash. American Control Conference 2005.
33.
K. Hsu, C. Novara, T. Vincent, M. Milanese and K. Poolla, Parametric
and non-
parametric curve ¯tting, Automatica, Vol. 42/11, pp.
1869-1873, 2006.
34. G. Finzi, M. Milanese, C. Novara and
M. Volta, Black-box model for PM10 concen-
tration
forecast, Chemical Engineering Transactions, Vol. 10, pp. 209-214,
2006.
35. M. Milanese and C. Novara, Structured Set Membership
identi¯cation of nonlinear
systems with application to
vehicles with controlled suspension, Control Engineer-
ing
Practice, Vol. 15/1, pp. 1-16, 2007.
36. M. Milanese, C. Novara
and A. Fortina, Experimental modeling of controlled sus-
pension
vehicles from onboard sensors, Vehicle System Dynamics, 2007.
37.
M. Canale, L. Fagiano, M. Milanese, P. Borodani, "Robust vehicle
yaw control
using an active di®erential and IMC techniques",
Control Engineering Practice,
2007.
38. V. CERONE, D. REGRUTO
(2007) Bounding the parameters of linear systems
with input
backlash IEEE TRANSACTIONS ON AUTOMATIC CONTROL.
39. E.W. BAI, V.
CERONE, D. REGRUTO. (2007). Separable inputs for the identi¯-
cation
of block-oriented nonlinear systems. To appear in Proc, of American
Control
Conference 2007.
40. V. CERONE, M. MILANESE, D.
REGRUTO. (2007). Experimental results on
combined automatic lane
keeping and driver's steering. To appear in Proc. Of
American
Control Conference 2007.
41. D. REGRUTO, M. MILANESE, A. FORTINA
(2007). Direct Virtual Sensor (DVS)
design in vehicle sideslip
angle estimation. To appear in Proc. Of American Control
Conference
2007.
42. Massimo Canale, Lorenzo Fagiano, "A robust IMC
approach for stability control
of 4WS vehicles", Proc.
American Control Conference 2007, New York (NY), USA
43. Massimo
Canale, Lorenzo Fagiano, Mario Milanese, "KiteGen project:
control as
key technology for a quantum leap in wind energy
generators", Proc. American
Control Conference 2007, New York
(NY), USA
44. C. Novara," Input selection in Nonlinear Set
Membership identification ", Proc.
American Control
Conference 2007, New York (NY), USA
ALTRE
ATTIVITA’
1) Applicazioni a problemi reali:
- Sviluppo di
modelli half-car e full-car per le dinamiche verticali di veicoli con
sospensioni controllate (collaborazione con FIAT Auto).
-
Progetto di sistema di controllo di sospensioni semi-attive con
l’impiego di tecniche di controllo predittivo e relativa
implementazione “veloce” (collaborazione con FIAT Auto).
-
Previsione di inquinanti atmosferici: ozono, PM10 (Collaborazione con
l’Università di Brescia).
- Progetto di sistema di
controllo della dinamica laterale (imbardata e assetto) basato sulla
frenatura differenziale (in collaborazione con FIAT Auto).
-
Sviluppo di un sensore virtuale per la stima dell’angolo d’assetto
(in collaborazione con FIAT Auto).
- Sviluppo di un innovativo
sistema di controllo per la gestione della cooperazione tra pilota
umano e sistema di mantenimento automatico della corsia di marcia (
in collaborazione con Centro Ricerche Fiat).
- Controllo di stabilità di vettura differenziale attivo
-
Controllo di stabilità di vettura con quattro ruote
sterzanti
- Sviluppo di un innovativo sistema di generazione
eolica di energia mediante il controllo di profili alari di potenza
(in collaborazione con AEM-Torino e Sequoia Automation)
2)
Implementazione degli algoritmi in ambiente Matlab:
- Sviluppo in
ambiente Matlab del tool NOSEM (NOnlinear SEt Membership
identification) per la identificazione e predizione Set Membership di
sistemi nonlineari.
- Sviluppo in ambiente Matlab di algoritmi per
il calcolo del raggio di informazione nell’ambito Set Membership
Nonlineare. Gli algoritmi sono finalizzati a trattare i problemi di
experiment design.
- Sviluppo in ambiente Matlab di algoritmi per
l’identificazione di mappe nonlineari in sistemi interconnessi con
struttura generale.
- Sviluppo in ambiente Matlab di algoritmi per
l’identificazione di sistemi lineari con nonlinearità di
tipo backlash all’ingresso.
- Sviluppo in ambiente Matlab di
algoritmi per l’identificazione di sistemi nonlineari a blocchi
basati sull’uso di segnali di ingresso separabili.
BREVETTI
1)
MILANESE M., CANALE M., NOVARA C. (2004). Procedimento e sistema per
il controllo di sospensioni semi-attive, ad esempio per veicoli,
relativa struttura e prodotto informatico. TO2004A000173
2)
M. CANALE, MILANESE M., C. NOVARA. (2005). A method and system for
controlling semiactive suspensions. WO 2005/091091 A2
3)
MILANESE M., M. IPPOLITO. (2006). Sistema e procedimento di controllo
automatico del volo di profili alari di potenza. TO2006A000372.
4)
MILANESE M. (2006). SISTEMA DI ATTUAZIONE DEL CONTROLLO AUTOMATICO
DEL VOLO DI PROFILI ALARI DI POTENZA. TO2006A000874
Fig. 1: Il prototipo di veicolo autonomo [16,20]
Fig. 2: Installazione sperimentale per identificazione e controllo di
veicoli con sospensioni semi-attive [5,6,9,10,13,26,35,36]
Fig. 3: Il prototipo del nuovo tipo di generatore eolico KiteGen [24,25,43]
Fig. 4: Prove di generazione del prototipo KiteGen