Skip to Main Content (Press Enter)

Logo UNIBS
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione

Competenze & Professionalità
Logo UNIBS

|

Competenze & Professionalità

unibs.it
  • ×
  • Home
  • Persone
  • Strutture
  • Competenze
  • Pubblicazioni
  • Professioni
  • Corsi
  • Insegnamenti
  • Terza Missione
  1. Insegnamenti

ING0266 - MODELLISTICA E SIMULAZIONE

insegnamento
Tipo Insegnamento:
Ins. uff. con erogazioni e cop.
Durata (ore):
60
CFU:
6
SSD:
AUTOMATICA
Sede:
BRESCIA
Url:
Dettaglio Insegnamento:
INGEGNERIA DELL'AUTOMAZIONE INDUSTRIALE/PERCORSO COMUNE Anno: 1
Anno:
2025
Course Catalogue:
https://permalink.unibs.it/suacds/afcc/2025?corso=...
  • Dati Generali
  • Syllabus
  • Corsi

Dati Generali

Periodo di attività

Primo Semestre (15/09/2025 - 23/12/2025)

Syllabus

Obiettivi Formativi

1) CONOSCENZA E CAPACITÀ DI COMPRENSIONE
(Descrittore di Dublino 1 – Knowledge and Understanding)
Il corso fornisce allo studente le conoscenze metodologiche e applicative necessarie per costruire, analizzare e utilizzare correttamente modelli matematici di simulazione e previsione. Lo studente acquisirà una comprensione approfondita della modellistica dei sistemi complessi, delle tecniche per la simulazione di sistemi dinamici lineari e non lineari, dei criteri di stabilità, delle biforcazioni e della fenomenologia dei sistemi non lineari. Inoltre, svilupperà competenze nell’identificazione di modelli a partire dai dati, nella caratterizzazione dell’incertezza, nelle tecniche di stima parametrica e nei modelli stocastici previsionali.

2) CAPACITÀ DI APPLICARE CONOSCENZA E COMPRENSIONE
(Descrittore di Dublino 2 – Applying Knowledge and Understanding)
Lo studente sarà in grado di applicare in modo autonomo metodi e strumenti per costruire modelli matematici basati sulla fenomenologia o sui dati, definire scenari di simulazione, simulare sistemi dinamici lineari e non lineari, e valutare la stabilità e le proprietà strutturali dei sistemi modellati. Saprà identificare modelli in condizioni di incertezza, utilizzare tecniche di regressione e stimatori statistici, e costruire modelli previsionali basati su serie temporali discrete. Le esercitazioni in laboratorio informatico permetteranno di implementare e validare modelli numerici su casi reali di studio.

3) AUTONOMIA DI GIUDIZIO
(Descrittore di Dublino 3 – Making Judgements)
Lo studente sarà in grado di valutare criticamente la validità e l’adeguatezza di un modello rispetto al fenomeno reale, scegliendo le tecniche di modellizzazione, identificazione e simulazione più appropriate. Saprà interpretare la qualità della stima e il grado di incertezza associato ai modelli, riconoscere fenomeni complessi come attrattori, biforcazioni e isteresi, e valutare l’affidabilità delle previsioni generate dai modelli. Svilupperà inoltre la capacità di integrare dati sperimentali, conoscenza teorica e risultati di simulazione nella formulazione di giudizi autonomi.

4) ABILITÀ COMUNICATIVE
(Descrittore di Dublino 4 – Communication Skills)
Lo studente acquisirà la capacità di presentare e comunicare in modo chiaro i risultati delle attività di modellizzazione e simulazione attraverso relazioni tecniche, documentazione, grafici, e discussioni in contesti tecnici e multidisciplinari. Sarà in grado di descrivere i modelli, gli algoritmi utilizzati, i criteri di validazione e gli scenari di simulazione utilizzando una terminologia appropriata alla modellistica dei sistemi complessi.

5) CAPACITÀ DI APPRENDIMENTO
(Descrittore di Dublino 5 – Learning Skills)
Il corso fornisce allo studente le basi metodologiche per approfondire autonomamente tecniche avanzate di simulazione, modellistica e previsione. Sarà in grado di utilizzare testi specializzati, articoli scientifici, banche dati e manuali software per migliorare continuamente le proprie competenze. Le abilità acquisite gli permetteranno di affrontare problemi complessi in ambito accademico o professionale e di aggiornarsi su metodologie emergenti nella modellazione dei sistemi complessi.

Prerequisiti

Nozioni di base di analisi e controllo dei sistemi dinamici.

Metodi didattici

Lezioni frontali ed esercitazioni in laboratorio informatico.

Verifica Apprendimento

REGOLE DI AMMISSIONE:
All’esame sono ammessi tutti gli studenti regolarmente iscritti al corso.

TIPOLOGIA DELLE PROVE:
L’esame consiste in un’unica prova composta da tre esercizi:
Esercizio 1: modellizzazione model-based
Esercizio 2: linearizzazione di sistemi non lineari
Esercizio 3: modellizzazione data-driven

MODALITÀ DI SVOLGIMENTO:
L’esame si svolge in laboratorio informatico.

CRITERI DI VALUTAZIONE:
Esercizio 1: massimo 8 punti
Esercizio 2: massimo 12 punti
Esercizio 3: massimo 12 punti
Ai candidati e alle candidate che ottengono una valutazione maggiore o uguale a 31 punti viene attribuita la lode.

NOTE ORGANIZZATIVE:
Gli esami si svolgono solitamente in laboratorio informatico.

Testi

Dispense (Comunità Moodle del corso)
P. Bolzern, R. Scattolini, N. Schiavoni, Fondamenti di controlli automatici, Mc-Graw Hill.
D.G Luenberger, Introduction to Dynamic Systems. Theory, Models and Applications, John Wiley & Sons, ISBN 0-471-02594-1

Contenuti

Modellistica e simulazione di sistemi dinamici non lineari. Analisi di stabilità dei punti di equilibrio. Stabilità strutturale e biforcazioni. Identificazione di modelli stocastici previsionali ARX stazionari e non stazionari. Sistemi di supporto alle decisioni.

Lingua Insegnamento

Italiano

Altre informazioni

Potranno essere svolti seminari su invito di ricercatori e professionisti nel settore.

Corsi

Corsi

INGEGNERIA DELL'AUTOMAZIONE INDUSTRIALE 
Laurea Magistrale
2 anni
No Results Found
  • Assistenza
  • Privacy
  • Utilizzo dei cookie
  • Note legali

Realizzato con VIVO | Designed by Cineca | 25.12.1.0