1 / 74

UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA” DIPARTIMENTO DI INFORMATICA E SISTEMISTICA

UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA” DIPARTIMENTO DI INFORMATICA E SISTEMISTICA. FONDAMENTI DI CONTROLLO INTELLIGENTE. ALESSANDRO DE CARLI Anno Accademico 2005-2006. AUTOMAZIONE 1. UOMO. INTELLIGENZA. MACCHINA. CALCOLATORE. INTERAZIONE E INTELLIGENZA. SISTEMA

ryu
Download Presentation

UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA” DIPARTIMENTO DI INFORMATICA E SISTEMISTICA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA” DIPARTIMENTO DI INFORMATICA E SISTEMISTICA FONDAMENTI DI CONTROLLO INTELLIGENTE ALESSANDRO DE CARLI Anno Accademico 2005-2006

  2. AUTOMAZIONE 1 UOMO INTELLIGENZA MACCHINA CALCOLATORE INTERAZIONE E INTELLIGENZA SISTEMA UOMO-MACCHINA RETI DI COMUNICAZIONE MECCATRONICA 2

  3. AUTOMAZIONE 1 INTERAZIONE E INTELLIGENZA L’INTERAZIONE CON L’UOMO DEI CALCOLATORI E DELLE MACCHINE È ASIMMETRICA IN QUANTO L’ UOMO COMPRENDE FACILMENTE LE MODALITÀ SECONDO CUI POSSONO FUNZIONARE MA NON AVVIENE IL VICEVERSA L’IMPEGNO DELL’UOMO È ALLORA QUELLO DI TRASFERIRE ALLA MACCHINA QUEGLI ASPETTI DELL’INTELLIGENZA CHE RISULTANO ESSENZIALI PER MIGLIORARNE LE PRESTAZIONI E LA FLESSIBILITÀ DI IMPIEGO ATTRAVERSO OPPURTUNI PROGRAMMI BASATI SU ALGORITMI E PROCEDURE DI ELABORAZIONE CHE APPLICANO ALCUNE METODOLOGIE TIPICHE DEL SOFT COMPUTING I PROGRAMMI SONO IN GRADO DI ELABORARE I VALORI RICAVATI DA UN OPPORTUNO INSIEME DI SENSORI E DI DISPOSITIVI DI MISURA SECONDO MODALITÀ CHE RIPRODUCONO LE AZIONI DELL’UOMO 3

  4. AUTOMAZIONE 1 INTERAZIONE E INTELLIGENZA ASIMMETRIA NELLA INTERAZIONE UOMO-MACCIMA L’UOMO ACQUISISCE FACILMENTE LE MODALITÀ DI FUNZIONAMENTO DI UNA MACCIMA I CALCOLATORI NON SONO IN GRADO DI COMPRENDERE ED INTERPRETARE LA PSICOLOGIA DELL’UOMO L’INTELLIGENZA ALLA MACCHINA PUÒ ESSERE FORNITA SOLO TRAMITE OPPORTUNI PROGRAMMI FINALIZZATI A TRASFERIRE LE AZIONI DI CONTROLLO CHE AVREBBE FATTO L’UOMO NELLE STESSE CONDIZIONI OPERATIVE E AMBIENTALI 4

  5. AUTOMAZIONE 1 ESEMPIO DI INTERAZIONE UOMO-MACCHINA • PRESTAZIONI • RIVOLGE IL MUSO VERSO CHI PARLA • APRE E CHIUDE GLI OCCHI QUANDO VIENE ACCAREZZATA • MUOVE LE PINNE E LA CODA QUANDO È ACCAREZZATA DOLCEMENTE 5

  6. AUTOMAZIONE 1 UOMO MACCHINA AMBIENTE INTERAZIONE UOMO-MACCHINA-AMBIENTE INTERAZIONE UOMO-MACCHINA INTERAZIONE AMBIENTE-UOMO INTERAZIONE MACCHINA-AMBIENTE AMBIENTE-MACCHINA 6

  7. AUTOMAZIONE 1 UOMO MACCHINA AMBIENTE AZIONI DI CONTROLLO PIANIFICAZIONE DEGLI INTERVENTI CONTROLLO A CATENA APERTA AZIONE DIRETTA CONTROLLO BASATO SU MODELLO CONTROLLO BASATO SULLA CONTROREAZIONE 7

  8. AUTOMAZIONE 1 INTELLIGENZA UOMO ACQUISIZIONE DELLA CONOSCENZA MODALITÀ DI INTERVENTO INTERAZIONE AMBIENTE-UOMO INTERAZIONE MACCHINA-UOMO RICONOSCIMENTO DELL’AMBIENTE MODALITÀ DI CONTROLLO MACCHINA AMBIENTE INTERAZIONE UOMO-MACCHINA-AMBIENTE 8

  9. AUTOMAZIONE 1 PIANEGGIANTE ACCIDENTATO INCLINATO IN SALITA RICONOSCIMENTO DELLA CONDIZIONI DELLA SUPERFICIE DI APPOGGIO DEL PIEDE DALLA MISURA DI 4 SENSORI 9 ESEMPIO DI INTERAZIONE AMBIENTE-UOMO-MACCHINA

  10. AUTOMAZIONE 1 CONOSCENZA APPRENDIMENTO MODELLO INVERSO ADATTATIVO + + MACCHINA ANDAMENTO DESIDERATO DELLA VARIABILE CONTROLLATA VARIABILE CONTROLLATA AZIONE DI CONTROLLO ADATTATIVA + - INTERAZIONE UOMO-MACCHINA MEMORIZZAZIONE A PASSO VARIABILE MANTENIMENTO DEL VALORE MEMORIZZATO 10

  11. AUTOMAZIONE 1 ANDAMENTO DESIDERATO DELLA VARIABILE CONTROLLATA VARIABILE CONTROLLATA AZIONE DI CONTROLLO MACCHINA + - r(t) y(t) e(t) u(t) 1 1 1 + - KP + KD s KP + KD s (J s + F) s (J s + F) s (J s + F) s 1 + t s 1 + t s e(t) u(t) y(t) r(t) 1 KP + KD s 1 (J s + F) s + (J s + F) s (J s + F) s 1 + t s - INTERAZIONE UOMO-MACCHINA 11

  12. AUTOMAZIONE 1 DEFINIZIONE DI INTELLIGENZA “INTELLIGENZA” SIGNIFICATO LESSICALE DAL DIZIONARIO “ZINGARELLI” DELLA LINGUA ITALIANA INTELLIGENZA • CAPACITÀ GENERALE CHE CONSENTE DI ADATTARSI ALL’AMBIENTE E CHE NELL’ESSERE UMANO SI MANIFESTA NEI COMPORTAMENTI E NEL GRADO DI ELABORAZIONE DEI PROCESSI MENTALI • CAPACITÀ DI INTENDERE, PENSARE, GIUDICARE AFFIDATA AD UN COMPUTER • . . . . . . • COMPETENZA IN UNA DETERMINATA ARTE, SCIENZA, TECNICA INTELLIGENTE • . . . . . . • DETTO DI MACCHINA O MECCANISMO AUTOMATIZZATI E IL CUI FUNZIONAMENTO È AFFIDATO AD UN COMPUTER 12

  13. AUTOMAZIONE 1 DEFINIZIONE DI INTELLIGENZA “INTELLIGENZA” SIGNIFICATO LESSICALE DAL DIZIONARIO “ZINGARELLI” DELLA LINGUA ITALIANA INTELLIGENZA • CAPACITÀ GENERALE CHE CONSENTE DI ADATTARSI ALL’AMBIENTE E CHE NELL’ESSERE UMANO SI MANIFESTA NEI COMPORTAMENTI E NEL GRADO DI ELABORAZIONE DEI PROCESSI MENTALI • CAPACITÀ DI INTENDERE, PENSARE, GIUDICARE AFFIDATA AD UN COMPUTER • . . . . . . • COMPETENZA IN UNA DETERMINATA ARTE, SCIENZA, TECNICA INTELLIGENTE • . . . . . . • DETTO DI MACCHINA O MECCANISMO AUTOMATIZZATI E IL CUI FUNZIONAMENTO È AFFIDATO AD UN COMPUTER 13

  14. AUTOMAZIONE 1 EVOLUZIONE DELLE INNOVAZIONI STRUMENTAZIONE CONVENZIONALE INNOVATIVA AUMENTO DEL COSTO COSTO & PRESTAZIONI BEN DEFINITE CONVENZIONALE PARZIALE MIGLIORAMENTO DELLE PRESTAZIONI MODALITÀ DI CONTROLLO SOSTANZIALE MIGLIORAMENTO DELLE PRESTAZIONI COSTO INVARIATO MARGINALE MIGLIORAMENTO DELLE PRESTAZIONI INNOVATIVA COSTO ELEVATO DELL’INVESTIMENTO INIZIALE 14

  15. AUTOMAZIONE 1 SIGNIFICATO DI CONTROLLO INTELLIGENTE “CONTROLLO INTELLIGENTE” PROCEDURA IN GRADO: - DI DETERMINARE, IN FUNZIONE DI UN OPPORTUNO INSIEME DI VALORI MISURATI ALL’INTERNO E ALL’ESTERNO DEL SISTEMA DA CONTROLLARE, QUEGLI INTERVENTI CHE SE FOSSERO EFFETTUATI DA UN OPERATORE SAREBBERO DEFINITI “INTELLIGENTI” - DI EFFETTUARE LA MISURA DI VARIABILI A CUI NON CORRISPONDE UNA GRANDEZZA RILEVABILE CON UNO O PIÙ SENSORI LA PROCEDURA È PROGETTATA SULLA BASE DI UNA CONOSCENZA APPROFONDITA DEL FUNZIONAMENTO DEL SISTEMA DA CONTROLLARE E DELLE SUE MODALITÀ DI CONDUZIONE 15

  16. AUTOMAZIONE 1 DIFFUSIONE DELL’INNOVAZIONE TRASFERIMENTO TECNOLOGICO CRESCITA ECONOMICA INFORMAZIONI APPLICAZIONI PROTOTIPALI INSERIMENTO NEL MERCATO SETTORI DI APPLICAZIONE FORMAZIONE FINALIZZATA 16

  17. AUTOMAZIONE 1 NUOVE MODALITÀ DI CONTROLLO NUOVE TECNOLOGIE NUOVI PROBLEMI NUOVI PRODOTTI APPLICAZIONE DELLE INNOVAZIONI INFORMAZIONI INDIVIDUAZIONE DEI SETTORI APPLICATIVI VALUTAZIONE DELLA EFFICIENZA VALUTAZIONE DELLA CONVENIENZA (COSTO / PRESTAZIONI) 17

  18. AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ SIGNIFICATO DI CONTROLLO MANUALE CONTROLLO MANUALE CONOSCENZA DEL FUNZIONAMENTO SISTEMA DA CONTROLLARE PARAMETRI OPERATIVI MISURA DELLE VARIABILI: ANDAMENTODELLE VARIABILI DI COMANDO - DI COMANDO - CONTROLLATE - INTERNE 18

  19. AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ SIGNIFICATO DI CONTROLLO CONSOLIDATO CONOSCENZA DEL COMPORTAMENTO DINAMICO DEL SISTEMA DA CONTROLLARE CONTROLLO CONSOLIDATO PARAMETRI OPERATIVI E VINCOLI MODALITÀ DI CONTROLLO CONSOLIDATE MISURA DELLE VARIABILI: ANDAMENTODELLE VARIABILI DI COMANDO - DI COMANDO - CONTROLLATE 19

  20. AUTOMAZIONE 1 ATTUATORE E SISTEMA DA CONTROLLARE DISPOSITIVO DI ELABORAZIONE PRESTAZIONI DESIDERATE DISPOSITIVO DI MISURA DISTURBI VARIABILEDI COMANDO DELL’ATTUATORE VARIABILECONTROLLATA DISPOSITIVO DI ELABORAZIONE ANDAMENTO DESIDERATO ATTUATORE E SISTEMA DA CONTROLLARE MODALITÀ DI CONTROLLO DELLA VARIABILE CONTROLLATA DISPOSITIVO DI MISURA MODALITÀ DI CONTROLLO CONSOLIDATO DISTURBI VARIABILEDI COMANDO DELL’ATTUATORE CONTROLLO A CATENA APERTA VARIABILECONTROLLATA CONTROLLO IN CONTROREAZIONE 20

  21. AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ SIGNIFICATO DI CONTROLLO EMERGENTE CONOSCENZA APPROFONDITA DEL COMPORTAMENTO DINAMICO DEL SISTEMA DA CONTROLLARE CONTROLLO EMERGENTE PARAMETRI OPERATIVI E VINCOLI MODALITÀ DI CONTROLLO EMERGENTI MISURA DELLE VARIABILI: ANDAMENTODELLE VARIABILI DI COMANDO - DI COMANDO - CONTROLLATE - INTERNE 21

  22. AUTOMAZIONE 1 CLASSIFICAZIONE DELLE MODALITÀ DI CONTROLLO MODALITÀ EMPIRICHE RICAVATE DALLA INTUIZIONE E DALLA ESPERIENZA MODALITÀ SISTEMATICHE CONSOLIDATE RICAVATE DA UNA CONOSCENZA SUPERFICIALE DEL COMPORTA-MENTO DEL SISTEMA DA CONTROLLARE E REALIZZATE CON DI-SPOSITIVI CHE COPIANO LE MODALITÀ DI INTERVENTO DI UN OPERATORE ESPERTO EMERGENTI RICAVATE DA UNA CONOSCENZA APPROFONDITA DEL COMPORTA-MENTO DEL SISTEMA DA CONTROLLARE PER RAGGIUNGERE PRE-STAZIONI CHE UN OPERATORE ESPERTO NON POTREBBE MAI OTTENERE INNOVATIVE RICAVATE DA UNA CONOSCENZA APPROFONDITA DEL COMPORTA-MENTO DEL SISTEMA DA CONTROLLARE NEL SISTEMA DI PRODU-ZIONE E REALIZZATE CON DISPOSITIVI CHE COPIANO L'ESPERIENZA E L’INTELLIGENZA DI OPERATORI ESPERTI 22

  23. AUTOMAZIONE 1 ESPERIENZA PROFESSIONALITÀ SIGNIFICATO DI CONTROLLO INTELLIGENTE CONTROLLO INTELLIGENTE STIMA DEL COMPORTAMENTO DEL SISTEMA CONTROLLATO PARAMETRI OPERATIVI CONTROLLO INTELLIGENTE MISURA DELLE VARIABILI: ANDAMENTODELLE VARIABILI DI COMANDO - DI COMANDO - CONTROLLATE - INTERNE - ESTERNE 23

  24. AUTOMAZIONE 1 PERSONALE RIGIDA FLESSIBILE SOMMA PRODOTTO AND - OR SECONDO UN ALGORITMO VALUTAZIONE E DECISIONE MANUALE MODALITÀ DI CONTROLLO SISTEMA DA CONTROLLARE CONTROLLO MANUALE SECONDO UNA PROCEDURA CONTROLLO CONSOLIDATO CONTROLLO EVOLUTO CONTROLLO INTELLIGENTE CLASIFICAZIONE DELLE MODALITÀ DI CONTROLLO CONSOLIDATO EFFETTI CAUSE EVOLUTO IF « ANTECEDENTI » THEN « CONSEGUENTI» FLESSIBILE OTTIMIZZATO 24

  25. AUTOMAZIONE 1 COMPORTAMENTO FISIOLOGICO COMPORTAMENTO PSICOLOGICO COMPORTAMENTO DELLA MENTE UMANA MENTE UMANA RAPIDO ADATTAMENTO DEL COMPORTAMENTO ALLE CONDIZIONI CONTINGENTI RAPPRESENTAZIONE DELLA CONOSCENZA APPRENDIMENTO MEMORIZZAZIONE CAPACITÀ DECISIONALI VALUTAZIONE DELL’OTTIMO RIUTILIZZAZIONE 25

  26. AUTOMAZIONE 1 COMPORTAMENTO DELLA MENTE UMANA CONTROLLO INTELLIGENTE ACQUISIZIONE E RAZIONALIZZAZIONE DELLA ESPERIENZA SISTEMI ESPERTI VALUTAZIONE QUALITATIVA SISTEMI FUZZY APPRENDIMENTO RETI NEURALI RICERCA DELL’OTTIMO ALGORITMI EVOLUTIVI VALUTAZIONI PROBABILISTICHE RETI DI BAYES 26

  27. AUTOMAZIONE 1 APPRENDIMENTO LOGICA FUZZY VALUTAZIONE RETI NEURALI OTTIMIZZAZIONE ALGORITMI EVOLUTIVI CONTROLLO INTELLIGENTE METODOLIGIE DI BASE DEL CONTROLLO INTELLIGENTE RETI NEURALI EVOLUTIVE RETI NEUROFUZZY MODELLI FUZZY AUTOADATTATIVI 27

  28. AUTOMAZIONE 1 ENTERPRISERESOURCE PLANNING MANUFACTURINGEXECUTION SYSTEM OTTIMIZZAZIONE BILANCIO MATERIALI CONTROLLO E SEQUENZE REGOLAZIONI ED INTERBLOCCHI MISURE ED ATTUAZIONI DAI DATI ALLE INFORMAZIONI INFORMAZIONE DIVENTANO MESSAGGI DIVENTANO MISURE DIVENTANO DATI E STATI LOGICI 28

  29. AUTOMAZIONE 1 tempo tempo tempo tempo tempo RAPPRESENTAZIONE DI UNA VARIABILE AD ESEMPIO SEGNALE UTILE VARIABILE MISURATA CONTIENE INFORMAZIONI UTILI PER VALUTARE L’AZIONE DI CONTROLLO O L’EFFETTO DELL’AZIONE DI CONTROLLO ANDAMENTO DELLA VARIA-BILE DI COMANDO ELABO-RATA DA UN REGOLATORE NEL CONTROLLO A LIVELLO DI CAMPO DISTURBO VARIAZIONE DELLA PRES-SIONE O DELLA PORTATA DOVUTA ALLE OSCILLA-ZIONI DELL’OTTURATORE DI UNA SERVOVALVOLA POTREBBE CONTENERE INFORMAZIONI UTILIZZABILI PER LA GESTIONE O PER LA DIAGNOSTICA ANDAMENTO DEL VALORE MEDIO RUMORE APPROSSIMAZIONE DOVUTA ALLA DIGITALIZZAZIONE DI UN SEGNALE ANALOGICO IN GENERE NON CONTIENE INFORMAZIONI UTILI UTILE AL FINE DELLA CARATTERIZZAZIONE DEL FUNZIONAMENTO 29

  30. AUTOMAZIONE 1 1 1 1 1 1 1 1 1 alto 0 0 0 0 0 0 0 0 aumenta [ + ] SI nominale [ 0 ] medio CAMPO DI ESCURSIONE NO diminuisce [ - ] basso tempo RAPPRESENTAZIONE DI UNA VARIABILE ANALOGICA LOGICA DIGITALE QUALITATIVA LINGUISTICA 30

  31. AUTOMAZIONE 1 VARIABILI DA CONTROLLARE VARIABILI DI COMANDO SISTEMADACONTROLLARE VARIABILI INTERNE EFFETTI CAUSE VARIABILI ESTERNE DISTURBI SISTEMI ESPERTI ESPERIENZA DATI BASE DELLA CONOSCENZA REGOLE DI INFERENZA IMPLICAZIONI ANTECEDENTI CONSEGUENTI BASE DEI FATTI BASE DEI DATI DEDUZIONI 31

  32. AUTOMAZIONE 1 CAUSE ESTERNE UTENTE FINALE INGEGNERE DELLA CONOSCENZA DOMANDE SISTEMI ESPERTI INTERFACCIA SVILUPPATORE INTERFACCIA UTENTE MOTORE INFERENZIALE AGGOIRNAMENTO DELLA CONOSCENZA 32

  33. AUTOMAZIONE 1 VARIABILI DA CONTROLLARE VARIABILI DI COMANDO SISTEMADACONTROLLARE VARIABILI INTERNE EFFETTI CAUSE VARIABILI ESTERNE DISTURBI SISTEMI ESPERTI ESPERIENZA DATI DEFINIZIONE DEI FUZZY SETS FUZZIFICAZIONE REGOLE ANTECEDENTI IMPLICAZIONI CONSEGUENTI IMPLICAZIONE DEFUZZIFICAZIONE PROVE PER LAVALIDAZIONE 33

  34. AUTOMAZIONE 1 VALORE NUMERICO VALORE NUMERICO piccolo medio grande piccolo medio grande centro di massa m(x1) x1 REGOLE LINGUISTICHE DI TIPO CAUSA-EFFETTO VALORE DELLA VARIABILE DI USCITA y x1 x1 X1 CLASSIFICAZIONE FUZZY DEI DATI DI INGRESSO piccolo grande medio medio piccolo grande x2 m(y) m(x2) x2 x2 X2 ELABORAZIONE FUZZY INFERENZA DEFUZZIFICAZIONE FUZZIFICAZIONE ELABORAZIONE FUZZY ESPERIENZA sovente x2 è la derivata di x1 34

  35. AUTOMAZIONE 1 % 100 0 % 100 0 VANTAGGI DELLA RAPPRESENTAZIONE FUZZY ESEMPIO DI DEFINIZIONE FUZZY DEFINIZIONE FUZZY COLORI OTTENUTI DALLA DIVERSA COMBINAZIONE PERCENTUALE DI BLU, ROSSO, VERDE. UNA COMBINAZIONE DI COLORI SFUMATI DAL ROSSO AL BIANCO, ….. COME DEFINIRE I COLORI DELLA STRISCIA ? VERDE OCRA ROSSO VIOLA BLU 35

  36. AUTOMAZIONE 1 TEMPERATURA BASSA MEDIA ALTA 1 m 0 CAMPO DI ESCURSIONE UNIVERSO DEL DISCORSO RAPPRESENTSAZIONE FUZZY FUZZIFICAZIONE VARIABILE FISICA VALORE IN TERMINI LINGUISTICI REGOLA SEMANTICA FUNZIONI DI APPARTENENZA 36

  37. AUTOMAZIONE 1 Y X RAPPRESENTAZIONE FUZZY DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET DATI MISURATI 37

  38. AUTOMAZIONE 1 Y X RAPPRESENTAZIONE FUZZY DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET CLUSTERIZZAZIONE PER LA DEFINIZIONE DI 3 FUZZY SET 38

  39. AUTOMAZIONE 1 y x RAPPRESENTAZIONE FUZZY DAI DATI MISURATI ALLA DEFINIZIONE DEI FUZZY SET DEFINIZIONE DI 3 FUZZY SET 39

  40. AUTOMAZIONE 1 x1(t) sampling x1(k) a1 x2(t) x2(k) sampling a2 adattamento dei parametri y(t) y(k) NON LINEARITÀ sampling ∂ e ∂ e = e(k) x2(k) = e(k) x1(k) IMPIEGO ∂ a2 ∂ a1 APPRENDIMENTO SIGNIFICATO DI RETE NEURALE b y*(k) + e(k) - + e = i [ y(k) – (a1 x1(k) + a2 x2(k))]2 a1k+1 = a1k + ae(k) x1(k) a2k+1 = a2k + ae(k) x2(k) 40

  41. AUTOMAZIONE 1 SIGNIFICATO DI ALGORITMO GENETICO OTTIMIZZAZIONE PRIMO PASSO – INDIVIDUAZIONE DELLE VARIBILI OPERATIVE SECONDO PASSO – DEFINIZIONE DELLA FUNZIONE OBIETTIVO STRETTAMENTE ANALITICA TECNICHE ALGORITMICHE LINGUISTICA E ANALITICA TECNICHE EVOLUTIVE ALGORITMI DI SOPRAVVIVENZA ALGORITMI GENETICI CASUALITÀ NELLA PROCEDURA UNA POPOLAZIONE SI RIPRODUCE INDEFINITAMENTE FINO A RAGGIUNGERE L’OTTIMO ASSOLUTO DATA UNA POPOLAZIONE SOPRAVVIVE L’ELEMENTO PIÙ VICINO ALL’OTTIMO ASSOLUTO 41

  42. AUTOMAZIONE 1 SIGNIFICATO DI ALGORITMO GENETICO ALGORITMI DI SOPRAVVIVENZA POPOLAZIONEINIZIALE AGGIORNAMENTO DELLA POPOLAZIONE CALCOLO DELLA FUNZIONE OBIETTIVO SOVRAVVIVENZA DEL PIÙ FORTE ELIMINAZIONE DEL PIÙ DEBOLE INCONTRO CASUALE DI DUE ELEMENTI CONFRONTO DELLE CORRISPONDENTI FUNZIONI OBIETTIVO 42

  43. AUTOMAZIONE 1 SIGNIFICATO DI ALGORITMO GENETICO ALGORITMI GENETICI POPOLAZIONEINIZIALE AGGIORNAMENTO DELLA POPOLAZIONE CALCOLO DELLA FUNZIONE OBIETTIVO SELEZIONE PER LA SOPRAVVIVENZA MUTAZIONE CASUALE DEL PATRIMONIOGENETICO SELEZIONE CASUALE DEI GENITORI FIGLI COME INCROCIODI PATRIMONIO GENETICO 43

  44. AUTOMAZIONE 1 POPOLAZIONE ATTUALE RICOMBINAZIONEDEL PATRIMONIO GENETICO POPOLAZIONE FUTURA 1 1 0 1 1 0 1 0 1 0 0 1 0 0 1 1 0 1 1 1 1 0 1 1 0 1 INSERIMENTO DEI CROMOSOMI CHE PIÙ SI AVVICINANO ALL’OTTIMO GENITORI 0 1 1 0 1 0 1 0 1 1 1 0 ELABORAZIONE CON ALGORITMI GENETICI ALGORITMI GENETICI MUTAZIONICASUALI 1 0 1 1 0 1 1 1 0 1 1 0 1 0 1 0 1 0 0 1 1 0 1 0 0 1 1 0 1 0 0 1 1 1 1 0 FIGLI FIGLI DOPO LA MUTAZIONE 44

  45. AUTOMAZIONE 1 RETI DI BAYES RETI BAYES 45

  46. AUTOMAZIONE 1 EFFETTO E CERTEZZE INCERTEZZE RETI DI BAYES RETI BAYES CONNESSIONE IN LOGICA BINARIA O FUZZY CAUSA 1 . . . . . . CAUSA N DECISIONE CAUSA C1 . . . . . . CAUSA Ci . . . . . . CAUSA Cn CONNESSIONE DI TIPO PROBABILISTICO PROBABILITÀ CHE SI VERIFICHI LA CAUSA Ci PROBABILITÀ CHE SI VERIFICHI L’EFFETTO E COME CONSEGUENZA DELL’ESSERSI VERIFICATA LA CAUSA Ci PROBABILITÀ CHE L’EFFETTO E SIA GENERATO DALLA CAUSA Ci PROBABILITÀ CHE SI VERIFICHI L’EFFETTO E 46

  47. AUTOMAZIONE 1 CARATTERISTICA STATICA - INTELLIGENTI - EMERGENTI VARIABILI CONTROLLATE - CONSOLIDATE PUNTO DI LAVORO PARAMETRI OPERATIVI VARIABILI DI FORZAMENTO CONVENIENZA DEL CONTROLLO INTELLIGENTE LIMITI DI FUNZIONAMENTO PER LA VALIDITÀ DELLE PRESTAZIONI MODALITÀ DI CONTROLLO 47

  48. AUTOMAZIONE 1 OTTIMIZZAZIONE DEL FUNZIONAMENTO OTTIMIZZAZIONE DEL FUNZIONAMENTO IL FUNZIONAMENTO DI TUTTO IL SISTEMA CONTROLLATO CONDIZIONA LA MODALITÀ DI CONTROLLO MODALITÀ DI CONTROLLO FISSATE IN MODO FLESSIBILE DAGLI OPERATORI DI IMPIANTO E/O DAL “CONTROLLORE INTELLIGENTE” OTTIMIZZAZIONE DELLA EVOLUZIONE OTTIMIZZAZIONE DELLA EVOLUZIONE COORDINAMENTO COORDINAMENTO IL FUNZIONAMENTO DEI SINGOLI SISTEMI CONTROLLATI È CONDIZIONATODALLA MODALITÀ DI CONTROLLO LE MODALITÀ DI CONTROLLO SONO RIGIDAMENTE PREFISSATE TRAMITE P L C – P I D REGOLAZIONE REGOLAZIONE RUOLO DEL CONTROLLO INTELLIGENTE STRUTTURA GERARCHICA DI UN SISTEMA DI AUTOMAZIONE 48

  49. AUTOMAZIONE 1 CONTROLLO EMERGENTE CONTROLLO CONSOLIDATO CONTROLLO INTELLIGENTE SUPER VISIONE COORDINAMENTO CAMPO INSERIMENTO DEL CONTROLLO INTELLIGENTE MISURA DI VARIABILI VIRTUALI CONTROLLO ASSISTITO DA SISTEMA ESPERTO ADATTAMENTO DELLE MODALITÀ DI CONTROLLO ALLE CONDIZIONI OPERATIVE CONTROLLO MANUALE P L C P L C AUTOTUNING DEI P I D P I P I D CONVENZIONALE TUNING ON-LINE DEI P I D SISTEMA CONTROLLATO 49

  50. AUTOMAZIONE 1 ORGANIZZAZIONE DELLA PROGETTAZIONE ORGANIZZAZIONE RAZIONALIZZATA NEI SEGUENTI PASSI 1 - SCOPO DEL PROGETTO 1 - SCOPO DEL PROGETTO 2 - PROGETTATIONE CONCETTUALE 2 - PROGETTATIONE CONCETTUALE 3 - PRE INGEGNERIA 4 - INGEGNERIA 5 - PROGETTAZIONE SISTEMA DI CONTROLLO 5 - PROGETTAZIONE SISTEMA DI CONTROLLO 6 - REALIZZAZIONE DEL SISTEMA CONTROLLATO 7 - COLLAUDO PRESSO I FORNITORI 8 - INSTALLAZIONE 9 - PROVE DI FUNZIONAMENTO DELLE APPARECCHIATURE 9 - PROVE DI FUNZIONAMENTO DELLE APPARECCHIATURE 10 - MESSA IN PRODUZIONE 50

More Related