Questo sito utilizza cookie tecnici e di terze parti. Se vuoi saperne di più o negare il consenso consulta l'informativa sulla privacy. Proseguendo la navigazione o cliccando su "Chiudi" acconsenti all'uso dei cookie. Chiudi
vai al contenuto vai al menu principale vai alla sezione Accessibilità vai alla mappa del sito
Login  Docente | Studente | Personale | Italiano  English
 
Home page Home page

Insegnamenti a scelta curriculum Circuiti e sistemi elettronici

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023

Modulo: FISICA TECNICA PER L'ELETTRONICA

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-IND/11
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente MARINA MISTRETTA
Obiettivi Il corso mira a fornire agli studenti le conoscenze dei meccanismi di trasmissione del calore al fine dell'acquisizione di competenze atte alla risoluzione di problemi relativi ai sistemi di raffreddamento delle apparecchiature elettroniche.
Alla fine del corso lo studente avrà acquisito conoscenza e comprensione dei meccanismi di scambio termico, con particolare riguardo all’ambito dell’ingegneria elettronica, e del controllo termico e refrigerazione di componenti elettronici. Lo studente dovrà essere in grado di applicare tali conoscenze, avendo acquisito strumenti metodologici, capacità interpretativa e autonomia di giudizio per affrontare con specifica competenza casi concreti, sia dal punto di vista teorico che applicativo, relativi a tali aspetti.
Il raggiungimento degli obiettivi formativi specifici previsti sarà accertato tramite una prova orale che verterà su temi inerenti gli argomenti del corso.

OBIETTIVI FORMATIVI SPECIFICI - RISULTATI DI APPRENDIMENTO ATTESI
Conoscenza e capacità di comprensione
Lo studente acquisirà specifiche conoscenze teoriche, metodologiche e operative nel campo della Fisica Tecnica. Sarà in grado di comprendere le complesse relazioni che i processi di conversione dell’energia nel settore dell'elettronica.
Capacità di applicare conoscenza e comprensione
Lo studente acquisirà la capacità di:
- analizzare le problematiche della conversione tra le diverse forme dell’energia con riguardo particolare alla presenza della forma termica;
- descrivere i sistemi termici e le trasformazioni più significative utilizzate nella realizzazione applicativa dei processi di scambio termico;
- analizzare i principali meccanismi della trasmissione del calore al fine di risolvere alcuni semplici casi di scambio termico;
- applicare i principi fisici ai casi reali per poi integrarli nelle scelte delle tecniche per la scelta delle componenti elettroniche.
Autonomia di giudizio
L’acquisizione dei metodi di indagine proposti consentirà allo studente di affrontare le problematiche connesse con il calcolo delle prestazioni energetiche degli edifici, formulare valutazioni sull’efficacia di soluzioni progettuali e suggerire soluzioni di risparmio energetico.
Abilità comunicative
Le modalità di svolgimento del corso e quelle della verifica finale sono mirate a promuovere le capacità di comunicazione da parte dello studente verso un’utenza esterna, costituita dai portatori di interesse privati ed istituzionali.
Capacità d’apprendimento:
Acquisizione di competenze tecniche in applicazione delle conoscenze di base dei corsi pregressi. Acquisizione di terminologie, linguaggi, metodologie numeriche e descrittive, al fine di:
1. fornire allo studente le conoscenze di base per analizzare le problematiche della conversione tra le diverse forme dell’energia con riguardo particolare alla presenza della forma termica;
2. fornire allo studente l’approccio metodologico per l’analisi dei principali meccanismi della trasmissione del calore al fine di risolvere alcuni semplici casi di scambio termico;
3.fornire allo studente le conoscenze di base per affrontare i problemi legati al miglioramento delle prestazioni energetiche e i metodi di indagine per l'analisi energetica, secondo la normativa vigente.

MOTALITA' DI VALUTAZIONE
L’esame di profitto consisterà in un colloquio orale, concernente quesiti di natura sia applicativa che teorica, riguardanti gli argomenti trattati nel Corso. L'esame è volto a verificare la capacità dello studente di applicare le conoscenze acquisite durante il corso e di risolvere semplici problemi di fisica tecnica.
La votazione, espressa in trentesimi, verrà assegnata sulla base del livello di raggiungimento dei risultati attesi secondo gli indicatori di Dublino.
Per gli studenti che ottengano un risultato insufficiente o si ritirino durante la prova, il docente valuterà se potranno sostenere nuovamente l'esame nella stessa sessione o dovranno presentarsi solo a partire dalla sessione successiva.
Esso sarà dato secondo la seguente scala di giudizio:
Eccellente 30 - 30 e lode: Ottima conoscenza degli argomenti, ottima proprietà
di linguaggio, buona capacità analitica, lo studente è in grado di applicare le
conoscenze per risolvere i problemi proposti.
Molto buono 26 - 29: Buona padronanza degli argomenti, piena proprietà di
linguaggio, lo studente è in grado di applicare le conoscenze per risolvere i
problemi proposti.
Buono 24 - 25: Conoscenza di base dei principali argomenti, discreta proprietà di linguaggio, con limitata capacità di applicare autonomamente le conoscenze alla soluzione dei problemi proposti.
Soddisfacente 21 – 23: Non ha piena padronanza degli argomenti principali dell’insegnamento ma ne possiede le conoscenze, soddisfacente proprietà di linguaggio, scarsa capacità di applicare autonomamente le conoscenze acquisite.
Sufficiente 18 – 20: Minima conoscenza di base degli argomenti principali dell’insegnamento e del linguaggio tecnico, scarsissima o nulla capacità di applicare autonomamente le conoscenze acquisite.
Insufficiente: Non possiede una conoscenza accettabile dei contenuti degli argomenti trattati nell'insegnamento.
Programma TRASMISSIONE DEL CALORE IN REGIME STAZIONARIO
CONDUZIONE: Legge di Fourier - Equazione generale della conduzione - Conduzione in regime stazionario - Conduzione monodimensionale stazionaria senza generazione di calore: pareti piane, cilindriche e sferiche con conducibilità termica costante o variabile con la temperatura - Pareti composte piane, cilindriche e sferiche con conducibilità termica costante - Analogia elettrica - Coefficiente globale di scambio termico per geometrie piane e cilindriche - Spessore critico di un isolante – Conduzione monodimensionale stazionaria con generazione di valore – Conduzione bi e tridimensionale in regime stazionario.
CONVEZIONE: convezione forzata, naturale e mista - Numeri di Nusselt, Prandtl e Grashof - Equazioni fondamentali del moto non isotermo - Analisi dimensionale.
IRRAGGIAMENTO: Radiazioni termiche - Grandezze fondamentali: potere emissivo monocromatico, angolare ed integrale - Leggi dell’irraggiamento: di Lambert, di Planck, di Wien, di Stefan-Boltzmann - Coefficienti di riflessione, trasmissione ed assorbimento - Corpi neri - Corpi grigi e corpi reali - Emissività - Legge di Kirchoff - Radiosità - Fattori di vista - Relazioni fra i fattori di vista: di reciprocità, di additività e di chiusura - Scambio termico fra superfici nere – Scambio termico fra superfici grigie.

TRASMISSIONE DEL CALORE IN REGIME TRANSITORIO
Studio dei sistemi a parametri concentrati (sistemi con resistenza interna trascurabile) – Conduzione termica in regime variabile in superfici piane, cilindriche e sferiche – Metodi numerici di soluzione dell’equazione di scambio termico in transitorio – Metodo delle differenze finite - Formulazione esplicita esplicita ed implicita.

RAFFREDDAMENTO DELLE APPARECCHIATURE ELETTRONICHE
Il carico termico nelle apparecchiature elettroniche – Raffreddamento di apparecchiature elettroniche e led - Raffreddamento per conduzione – Raffreddamento ad aria (in convezione naturale ed irraggiamento; in convezione forzata) – Raffreddamento a liquido – Raffreddamento ad immersione - Sistemi di raffreddamento – Alette e piastre di raffreddamento – Ventilatori – Sistemi di rilevamento della temperatura (termocamere).

RAFFREDDAMENTO DEI SISTEMI FOTOVOLTAICI
Energia solare - Sfruttamento dell’energia solare per la produzione di energia elettrica e termica – Raffreddamento dei sistemi fotovoltaici mediante scambiatori di calore – Metodo della Differenza di Temperatura media logaritmica – Metodo dell’efficienza - - Pannelli fotovoltaici termici (Sistemi PVT) -
Potenza ed efficienza - Sistemi di accumulo energetico.
Testi docente Y.A. Cengel, “Termodinamica e Trasmissione del Calore”, McGraw-Hill.
Erogazione tradizionale
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: Modelli numerici per campi elettromagnetici e circuiti

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-IND/31
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente GIOVANNI ANGIULLI
Obiettivi Obiettivi Formativi: Nello sviluppo e nella progettazione di dispositivi elettromagnetici spesso si affrontano situazioni caratterizzate da geometrie complesse e proprietà dei materiali non standard. L'applicazione delle procedure analitiche introdotte nel corso "Campi elettromagnetici" risulta nella maggior parte dei casi insoddisfacente e l'applicazione di tecniche numeriche si rende necessaria. Il corso si propone di illustrare le più comuni tecniche numeriche adottate per la modellistica elettromagnetica.

Conoscenza e comprensione: : Al termine del corso - lo studente dovrà aver acquisito le principali conoscenze di base della teoria degli operatori e delle tecniche proiettive di risoluzione delle equazioni operatoriali e aver assimilato i fondamenti de. Lo studente dovrà possedere conoscenze approfondite sui fondamenti logico-procedurali delle metodologie numeriche di risoluzione dei modelli matematici descriventi fenomeni elettromagnetici di di interesse ingegneristico. Dall'insieme di queste conoscenze, le principali abilità acquisite (capacità di applicare le conoscenze acquisite e di adottare con autonomia di giudizio l’opportuno approccio, consisteranno nella capacita' di selezionare la tecnica numerica più appropriata per risolvere uno specifico problema elettromagnetico e di implementare codici numerici per risolvere problemi specifici, abilità nella valutazione dei risultati forniti e capacità di sviluppare autonomamente semplici valutazioni sulla qualità delle soluzioni numeriche adottate basate sull'estensione e l'applicazione delle conoscenze acquisite.

In termini di abilità comunicative lo studente avrà acquisito il linguaggio proprio della disciplina e sarà in grado di comprendere e rivolgersi agli operatori del settore.

L'esame consta in una prova orale accompagnata dalla discussione di un elaborato, corredato da una serie di codici realizzati in ambiente di programmazione Matlab, inerente ciascuno degli argomenti previsti nel programma dell'insegnamento.

L'elaborato ha lo scopo di accertare la capacità dello studente di applicare le conoscenze acquisite durante il corso alla risoluzione di problemi

La prova orale è volta ad accertare il livello di conoscenza e comprensione dei contenuti del corso, di valutare l'autonomia di giudizio, la capacità di apprendimento e le abilità comunicative. La prova orale consiste nella discussione della prova scritta, in domande e/o esercizi sui contenuti del corso.

Il voto finale delle prove di esame è determinato tenendo conto sia dell'elaborato che della prova orale.

Il voto finale delle prove di esame è determinato tenendo conto sia dell'elaborato che della prova orale. La griglia di valutazione adottata è definita come segue:

Se lo studente dimostrerà una conoscenza di base degli argomenti principali, una conoscenza di base del linguaggio tecnico, una sufficiente capacità interpretativa, una sufficiente capacità di applicare le conoscenze di base acquisite il punteggio conseguito sarà compreso tra 18 e 19;
Se lo studente dimostrerà una conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, una soddisfacente proprietà di linguaggio, una corretta capacità interpretativa, una più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti il punteggio conseguito sarà compreso tra 20 e 23;
Se lo studente dimostrerà una conoscenza degli argomenti con un buon grado di padronanza, una buona proprietà di linguaggio, una corretta e sicura capacità interpretativa, una buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti il punteggio conseguito sarà compreso tra 24 e 27;
Se lo studente dimostrerà una conoscenza completa e approfondita degli argomenti, una ottima proprietà di linguaggio, una completa ed efficace capacità interpretativa e sarà in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti il punteggio conseguito sarà compreso tra 28 e 30;
Il punteggio di 30 e lode sarà conseguito dallo studente capace di dimostrare una conoscenza completa, approfondita e critica degli argomenti, una eccellente proprietà di linguaggio, una completa ed originale capacità interpretativa e una piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;


Programma Fondamenti di Analisi Lineare ed Algebra Lineare Numerica: spazi lineari, Spazi di Prodotto scalare, spazi normati, spazi di Hilbert, approssimazione in spazi di Hilbert, operatori in spazi di Hilbert, teorema proiettivo, metodo di Galerkin Il Metodo delle Differenze Finite . Il Metodo dei Momenti. Il Metodo degli Elementi Finiti. Il Metodo degli Elementi al Contorno. Tecniche Variazionali. Applicazioni a problemi di elettrostatica e magnetostatica
Testi docente Materiale didattico fornito dal docente. Appunti delle lezioni.
Erogazione tradizionale
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale
Valutazione test attitudinale No
Valutazione progetto
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: Principi di Ingegneria neurale

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-IND/31
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione 1001593 Principi di ingegneria neurale e intelligenza artificiale in Ingegneria Elettrica ed Elettronica LM-29 LM-28 MAMMONE NADIA, IERACITANO COSIMO
Docente Nadia Mammone
Obiettivi CONOSCENZA E COMPRENSIONE:
Il corso si propone di completare la preparazione dello studente magistrale arricchendolo di conoscenze e competenze nell’ambito dell’intelligenza artificiale (con particolare attenzione alle tecniche di deep learning), focalizzando l’attenzione sugli aspetti maggiormente collegati alle neuroscienze. Vengono proposte applicazioni all'elaborazione di segnali elettroencefalografici (EEG) sia per discriminazione di stati cerebrali sia per Brain Computer Interface (BCI). Lo studente, in autonomia, svolgerà un proprio elaborato suggerito dal docente.
CAPACITA' DI APPLICARE CONOSCENZA E COMPRENSIONE:
Il corso è orientato a far acquisire allo studente competenze sulla progettazione e sviluppo di algoritmi, basati su metodi di Deep Learning, per applicazioni nell’ambito delle neuroscience. Tale obiettivo viene perseguito anche attraverso esercitazioni laboratoriali durante le quali lo studente avrà modo di progettare i propri esperimenti, acquisire i segnali elettroencefalografici ed elaborarli.
AUTONOMIA DI GIUDIZIO:
A fine corso, e in particolare al superamento dell’esame, lo studente sarà in grado, in completa autonomia, di: definire paradigmi ed esperimenti di acquisizione di bio-segnali secondo quelli che sono gli obiettivi del proprio studio; progettare algoritmi per l’elaborazione dei segnali acquisiti al fine di raggiungere l’obiettivo dello studio. Lo studente potrà contare sul bagaglio di metodi trattati durante il corso nonché sulla propria capacità di approfondire autonomamente ulteriori metodi presenti in letteratura, grazie ad un’acquisita padronanza dei concetti fondamentali del deep learning.
ABILITA' COMUNICATIVE:
Attraverso una continua interazione docente-studente, il corso orienterà all’acquisizione del linguaggio proprio dell’intelligenza artificiale e della computational neuroscience, permettendo inoltre allo studente di affinare la capacità di esprimersi attraverso un linguaggio tecnico appropriato.
CAPACITA' DI APPRENDIMENTO:
Al superamento dell’esame, lo studente avrà acquisito la capacità di progettare algoritmi basati su reti neurali artificiali, sia di tipo shallow sia di tipo deep. Sarà in grado di definire paradigmi ed esperimenti per l’acquisizione di segnali elettroencefalografici (EEG) secondo quelli che sono gli obiettivi dello studio; acquisire tali segnali; elaborarli mediante algoritmi di Deep Learning sviluppati ad-hoc; integrare tali algoritmi con piattaforme per l’interfacciamento in tempo reale con il sistema di acquisizione EEG. Viceversa, l’applicazione pratica dei concetti teorici permetterà di comprenderli a fondo e rielaborarli; lo studente svilupperà così in generale un approccio teorico-pratico alle materie ingegneristiche.
Programma FONDAMENTI DI ELABORAZIONE DIGITALE DEL SEGNALI (1 CFU)
Introduzione ai segnali e sistemi a tempo discreto. Rappresentazione del segnale nel dominio del tempo, trasformata di Fourier. Teorema del campionamento. Sistemi lineare tempo-invariante. Trasformata discreta di Fourier. Fast Fourier Transform. Trasformata Z. Fondamenti di progettazione di filtri digitali.
FONDAMENTI DELL’INGEGNERIA NEURALE E DEI SEGNALI CEREBRALI (1 CFU)
Fondamenti di ingegneria neurale. Panoramica sulle applicazioni dell’ingegneria neurale. Necessità di una nuova prospettiva negli approcci basati su modelli.
Introduzione ai campi elettrici del cervello e all'Elettroencefalografia (EEG). Concetti fondamentali sulla generazione dei ritmi EEG. Registrazione e acquisizione di segnali EEG. Pattern EEG normali e anormali. Disturbi neurologici e loro effetti sulle onde cerebrali (morbo di Alzheimer, epilessia, ictus, morbo di Parkinson, ecc.). Brain Computer Interfaces (BCI) e BCI basate su EEG. Applicazione dell'intelligenza artificiale ai segnali EEG.

IL NEURONE ARTIFICIALE E I TIPI DI APPRENDIMENTO (3 CFU)
Proprietà generali dei sistemi di elaborazione neurale. Modello di neurone biologice. Neurone artificiale di McCulloch-Pitts. Discesa del gradiente. Non linearità: sigmoidale, tangente iperbolica, funzioni di attivazione di ReLu. Processo di apprendimento. Correzione dell'errore. Regola Widrow-Hopf. Hebbian Learning. Apprendimento competitivo. Apprendimento supervisionato e non supervisionato. Apprendimento con rinforzo. Natura statistica del processo di apprendimento. Architetture di rete: modelli feedforward. Modelli competitivi e auto-organizzativi. Rappresentazione della conoscenza. Visualizzazione dei processi nelle reti neurali. Perceptrons. Multi-layer Perceptrons. Radial Basis Functions. Reti ricorrenti. Mappe auto-organizzanti. Modelli teorici dell'informazione. Elaborazione temporale con reti neurali.

DEEP LEARNING (3 CFU)
Modelli Deep e Shallow. Convolutional Neural Networks. Visualizzazione e comprensione delle reti convoluzionali, visualizzazione di modelli di classificazione delle immagini e saliency maps, comprensione delle reti neurali attraverso la deep visualization. Dropout, un metodo per impedire l'overfitting delle reti neurali. Controllo a livello umano attraverso un apprendimento di rinforzo profondo.
Generative Adversarial Networks. Spiegazione e utilizzo reti antagoniste generative, Generative Adversarial Nets, Conditional GAN, Super-Resolution GAN, CycleGAN Stacked AutoEncoders and Variational AutoEncoders. Metodi di Explainable Machine Learning.

APPLICAZIONE DELL'INTELLIGENZA ARTIFICIALE AI SEGNALI EEG (2 CFU)
Fondamenti di elaborazione dei segnali EEG. Analisi dei segnali EEG nel domino del tempo. Analisi spettrale e tempo-frequenza. Analisi dinamica e teoria del caos applicata all’EEG. Analisi entropica e tramite altri descrittori di complessità. Teoria dei grafi applicata all'EEG. Elaborazione del segnale EEG basata su reti neurali. Analisi delle componenti principali, analisi delle componenti indipendenti e analisi delle componenti sparse applicate all'EEG. Decomposizione EEG multidimensionale. Classificazione degli stati cerebrali tramite reti neurali. Soluzione del problema inverso nell'analisi EEG.

ESPERIENZE DI LABORATORIO (2 CFU)
Utilizzo del Deep Learning toolbox di Matlab e/o Python.
Progettazione di paradigmi per applicazioni BCI EEG-based tramite OpenViBE e BCILab. Set up dei sistemi di acquisizione dei segnali EEG. Registrazione ed elaborazione di EEG. Acquisizione dei segnali destinati allo sviluppo del progetto finale.
Testi docente José C. Principe, Neural and Adaptive Systems: Fundamentals Through Simulations, Wiley
Ian Goodfellow, Yoshua Bengio and Aaron Courville, “Deep Learning” (www.deeplearningbook.org), An MIT Press book
Zhang, A., Lipton, Z. C., Li, M., & Smola, A. J. (2021). Dive into deep learning. arXiv preprint arXiv:2106.11342 (https://d2l.ai/index.html)
Paul L. Nunez and Ramesh Srinivasan, Electric fields of the brain - the Neurophysics of EEG (second edition), Oxford University Press
Sani-Chambers, EEG Signal Processing, IEEE- Wiley
Simon Haykin, Neural Networks, IEEE Press
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: MACCHINE ELETTRICHE PER AZIONAMENTI INDUSTRIALI

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-IND/32
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente MARIO VERSACI
Obiettivi L'obiettivo formativo del corso di "Macchine Elettriche per Azionamenti Industriali" è trasferire agli studenti i principi fondamentali e le leggi fisiche alla base del funzionamento delle macchine elettriche di uso comune negli azionamenti industriali. Vengono affrontati i concetti base dei principi di funzionamento delle macchine a corrente continua, sincrone e asincrone con particolare riferimento al controllo della velocità di rotazione. Inoltre, una parte del corso è dedicata allo studio dei principi di funzionamento di motori speciali quali motori brushless e motori a dimensione ridotta. Parallelamente, ciascun Partecipante al corso elaborerà un progetto di un azionamento industriale a scelta sfruttante le macchine elettriche studiate durante il corso.
L'obiettivo generale del corso è quello di facilitare l'Allievo nell'acquisizione di un appropriato livello di autonomia nella conoscenza teorica e nell’utilizzo degli strumenti di base, di stimolare la sua capacità di riflessione, di analisi e progettazione e di comunicare le nozioni acquisite attraverso un linguaggio scientifico adeguato.

Conoscenza e comprensione: al superamento dell’esame lo studente conosce e ha compreso i principi di funzionamento delle principali macchine elettriche di utilizzo industriale utilizzabili negli azionamenti.

Capacità di applicare conoscenza e comprensione: al superamento dell’esame lo studente è in grado di applicare le conoscenze teoriche acquisite per la risoluzione di problemi anche complessi di macchine elettriche utilizzando le relative leggi fondamentali.

Autonomia di giudizio: al superamento dell’esame lo studente è in grado di esaminare criticamente i risultati ottenuti nella risoluzione di problemi. A seguito del superamento dell’esame, lo studente sarà in grado di riconoscere situazioni in cui applicare le competenze acquisite, di identificare la tipologia di problema e di valutare autonomamente possibili alternative per la sua risoluzione.

Abilità comunicative: a seguito del superamento dell’esame, lo studente è in grado di comunicare le conoscenze acquisite attraverso un linguaggio tecnico-scientifico adeguato a interlocutori specialisti e non specialisti.

Capacità di apprendimento: a seguito del superamento dell’esame, lo studente è in grado di approfondire in autonomia le conoscenze acquisite e di applicarle autonomamente allo studio dei nuovi argomenti da affrontare nella prosecuzione del proprio percorso di studio e in ambito lavorativo.


Modalità di accertamento e valutazione
L’esame consiste in due prove, una progettuale e una orale.
La prova progettuale ha lo scopo di accertare la capacità dello studente di lavorare in autonomia per la stesura di un elaborato ingegneristico che miri al dimensionamento di un azionamento industriale utilizzante una macchina elettrica.

La prova orale è volta ad accertare il livello di conoscenza e comprensione dei contenuti del corso, di valutare l'autonomia di giudizio, la capacità di apprendimento e le abilità comunicative. La prova orale consiste nella discussione dell'elaborato progettuale, in domande e/o esercizi sui contenuti del corso.
Il voto finale delle prove di esame è determinato tenendo conto sia della prova progettuale che della prova orale.


Modalità di valutazione
30 e lode: conoscenza completa, approfondita e critica degli argomenti, eccellente proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
28 - 30: conoscenza completa e approfondita degli argomenti, ottima proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;
24 - 27: conoscenza degli argomenti con un buon grado di padronanza, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, buona capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
20 - 23: conoscenza adeguata degli argomenti ma limitata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, più che sufficiente capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 19: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, sufficiente capacità interpretativa, sufficiente capacità di applicare le conoscenze di base acquisite;
<18 Insufficiente: lo studente non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma Materiali magnetici, conduttori e isolanti. Il trasformatore. Macchine a commutazione . Avvolgimenti AC. Macchine a induzione. Macchine sincrone. Motore brushless. Regolazione della Velocità. Azionamenti industriali.
Testi docente E. Fitzgerald e C. jr. Kinsley, Macchine Elettriche, Franco Angeli Editore.
Erogazione tradizionale
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale
Valutazione test attitudinale No
Valutazione progetto
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: Progettazione VLSI

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-INF/01
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente FORTUNATO PEZZIMENTI
Obiettivi N.D.
Programma N.D.
Testi docente N.D.
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: INTERNET OF THINGS

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-INF/03
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione 1000593 INTERNET OF THINGS in Ingegneria Informatica e dei sistemi per le Telecomunicazioni LM-27 MOLINARO ANTONELLA
Docente Antonella MOLINARO
Obiettivi Il corso si propone di fornire le nozioni di base relative al paradigma in forte ascesa nello scenario dell’ICT, l’Internet of Things (IoT), alle tecnologie che lo caratterizzano e alle soluzioni di rete che sottendono alle infrastrutture globali per l’interoperabilità di elementi di una IoT. Particolare attenzione sarà data alle reti inter-veicolari per la realizzazione del paradigma Internet of Vehicles (IoV).

CONOSCENZA E COMPRENSIONE: a seguito del superamento dell’esame, lo studente conosce le principali soluzioni tecnologiche e protocollari impiegate nell'ambito dell’IoT e delle sue applicazioni.

CAPACITÀ DI APPLICARE CONOSCENZE: a seguito del superamento dell’esame, lo studente è in grado di analizzare e progettare soluzioni basate sulle tecnologie e i protocolli presentati durante il corso.

AUTONOMIA DI GIUDIZIO: per il superamento dell'esame lo studente deve rispondere autonomamente a domande teoriche sui concetti erogati durante il corso e sapere impostare campagne di misure sperimentali per l'analisi prestazionale delle tecnologie e protocolli presentati ed è quindi portato a sviluppare autonomia di giudizio nel commentare in maniera critica i risultati ottenuti.

ABILITÀ COMUNICATIVE: il corso e l’esame aiutano lo studente a migliorare la capacità di comunicazione dello studente che deve essere in grado di illustrare le motivazioni teoriche e tecniche che sono alla base delle principali tecnologie IoT e IoV, e presentare i tool utilizzati e i risultati ottenuti nella prova pratica.

CAPACITÀ DI APPRENDIMENTO: a seguito del superamento dell’esame, lo studente è in grado di apprendere in autonomia possibili evoluzioni delle tecnologie e protocolli presentati durante il corso, applicare le metodologie di valutazione apprese a nuove tecnologie, e utilizzare strumenti per la valutazione delle prestazioni.

MODALITÀ DI ACCERTAMENTO E VALUTAZIONE:
Gli esami di accertamento e di valutazione consistono:
- in una prova progettuale, da svolgere in gruppo, volta ad accertare la capacità di analizzare il comportamento dei protocolli e delle tecnologie presentati durante il corso tramite strumenti sperimentali e di valutarne le prestazioni.
- in una prova orale, finalizzata ad accertare la comprensione delle tecnologie e dei protocolli presentati durante il corso.

Ai fine del superamento dell’esame con votazione minima di 18/30 è necessario che le conoscenze/competenze della materia siano almeno ad un livello elementare, sia per la prova progettuale che per quella orale. È attribuito un voto compreso fra 20/30 e 24/30 quando lo studente sia in grado di realizzare correttamente la parte progettuale e possegga competenze sufficienti nella parte teorica. È attribuito un voto compreso fra 25/30 e 30/30 quando lo studente sia in grado di svolgere correttamente la parte progettuale e dimostri buone competenze nella parte orale. Agli studenti che abbiano acquisito competenze eccellenti sia nella parte progettuale che in quella teorica può essere attribuita la lode.
Programma Introduzione al concetto di IoT
La prima generazione di IoT: Tagged Things
• Principali innovazioni
• Principali soluzioni architetturali: rete EPCglobal, architetture per comunicazioni Machine-to-Machine, architetture per integrazione RFID e WSN in IoT
• Principali progetti correlati, principali risultati di ricerca, principali sperimentazioni industriali
La seconda generazione di IoT: completa interconnessione delle "cose" e web of things
• Principali innovazioni
• Principali soluzioni architetturali: 6loWPAN, CoRe Architecture, Web of Things
• Principali progetti correlati, principali risultati di ricerca, principali sperimentazioni industriali
La terza generazione di IoT: l'era del “cloud computing”, “virtualizzazione” e “future internet”
• Principali innovazioni
• Principali soluzioni architetturali: IoT e Cloud computing, Edge e Fog computing per IoT, Edge AI, virtualizzazione e digital twin, IoT e ICN
• Principali progetti correlati, principali risultati di ricerca, principali sperimentazioni industriali
Scenari applicativi per ambienti intelligenti: dalla smart home alla smart city alla smart grid
• Principali innovazioni
• Principali tecnologie abilitanti layer-2: dalle reti WPAN alle reti LPWAN (SigFox, LoRA, LTE-M, NB-IoT)
• Principali progetti correlati, principali risultati di ricerca, principali sperimentazioni industriali
Il caso di Internet dei Veicoli (IoV)
• Principali innovazioni
• Principali soluzioni architetturali: verso la guida autonoma e connessa; il protocollo IEEE WAVE/802.11p; le comunicazioni sidelink; V2X e la rete cellulare 5G
• Principali progetti correlati, principali risultati di ricerca, principali sperimentazioni industriali

Durante il corso saranno tenute alcune lezioni pratiche e di laboratorio su argomenti specifici (es. OMA Lightweight M2M, COAP, MQTT, ecc.).
Testi docente Materiale didattico
• Lucidi preparati dal docente
• The Internet of Things: From RFID to the Next-Generation Pervasive Networked Systems, Auerbach Pub. 2008
• Interconnecting Smart Objects with IP: The Next Internet, Jean-Philippe Vasseur and Adam Dunkels, Morgan Kaufmann, 2010
• The Internet of Things in the Cloud: A Middleware Perspective, Honbo Zhou, Taylor & Francis
• 6LoWPAN: The Wireless Embedded Internet, Zach Shelby, Carsten Bormann, Wiley 2009
• Vehicular ad hoc Networks, Standards, Solutions, and Research, Springer, 2015
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: Introduzione alla CyberSecurity

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-INF/05
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione 1001478 CyberSecurity in Ingegneria Informatica e dei sistemi per le Telecomunicazioni LM-27 BUCCAFURRI FRANCESCO ANTONIO
Docente Francesco BUCCAFURRI
Obiettivi OBIETTIVI FORMATIVI

Gli obiettivi formativi del corso, in accordo ai descrittori di Dublino, sono
i seguenti:

1) Conoscenze e capacità di comprensione
Conoscenza dei concetti fondamentali, delle metodologie, degli algoritmi, dei protocolli, delle tecnologie e degli standard di base nel dominio della cybersecurity.

2) Utilizzazione delle conoscenze e capacità di comprensione
Capacità basilare di applicare le conoscenze per la progettazione di misure di sicurezza di un sistema IT.

3) Capacità di trarre conclusioni
Capacità basilare di valutare in maniera critica diverse soluzioni di sicurezza
Programma Parte I: Introduzione
Concetti basilari.
Minaccia di vulnerabilità, attacco
L'attaccante
Ingegneria sociale
Policy, threat model, mechanisms
Introduzione a SSL e null prefix attack
Introduzione a Buffer overflow
Anonimato in rete, cenni a Tor, ESNI, VPN, Domain Fronting
HSTS Hypertext Strict Trusted Security
Cookie di autenticazione e configurazioni di sicurezza, SOP policy
Sistemi di autenticazione: usability, deployabilty, security
Cenni a Incident Response e SOC
BOTNET
Gestione e pianificazione della sicurezza informatica
Standard per sistemi di gestione della sicurezza delle informazioni
ISO-IEC 27001-27002

Parte II. Crittografia
Introduzione alla crittografia.
Funzioni one-way e trap-door
Ciphers
Cifratura simmetrica e a chiave pubblica
Principi di confusione e diffusione
Crittografia classica
Attacchi e criptoanalisi
Modelli di attacco
• Known Ciphertext Attack
• Known Plaintext Attack
• Chosen Plaintext Attack
• Chosen Ciphertext Attack
Crittografia moderna
Crittografie a blocchi e crittografie a flusso
Rete di Feistel
Data Encryption Standard (DES).
Inconvenienti di DES
• Chiavi deboli
• Dimensione della chiave
• Meet in the middle attack
Triple DES
AES
Modalità di funzionamento della cifratura a blocchi
• ECB
• CBC
• Cipher feedback
• Counter
Pseudo and True Random Number Generators (PRNG and TRNG)
Stream Ciphers
• RC4.
Hash crittografico
• SHA1 - SHA-256
Attacco del compleanno
Crittografie a chiave pubblica
• RSA
Vulnerabilità di RSA
Autenticazione dei messaggi basata su crittografia simmetrica e a chiave pubblica
Autenticazione dei messaggi basata su hash crittografici (MAC):
• Prefisso segreto
• Postfisso segreto
• HMAC
Crittografia a chiave pubblica e firma digitale
Blind signature
PKI X.509 e autorità di certificazione
Firma elettronica qualificata
PKCS # 7
Vulnerabilità della firma digitale
Aspetti normativi europei e nazionali

Parte III. Sicurezza di rete
introduzione
Servizi di sicurezza e meccanismi di sicurezza (X.800)
Peer Entity Authentication: protocolli challenge-response
Controllo degli accessi e autorizzazioni
Algoritmo Diffie-Hellman e scambio di chiavi
Approcci basati su KDC (Key Distribution Center)
• Kerberos
Approcci basati su PKI X.509
SAML e Open-ID Connect
OTP (One time password)
Schema di Lamport per l'autenticazione
Standard per l'autenticazione
Sicurezza IP
• IPsec: Transport and Tunneling, Authentication Header (AH) e Encapsulating Security Payload (ESP).
DNS poisoning
Sicurezza web
• TLS

Parte IV: nozioni avanzate
Malware (virus, worm, spyware, trojan, ecc.).
BOTNETS
Incident Response e SOC (Security Operation Center)
Information Hiding (Watermarking e Steganografia)
Introduzione a Blockchain
Testi docente William Stallings, Sicurezza delle reti: Applicazioni e standard – 3 - Ed.
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: MISURE PER L'AUTOMAZIONE E LA PRODUZIONE INDUSTRIALE

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare ING-INF/07
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Docente ROSARIO MORELLO
Obiettivi Il corso affronta le tematiche inerenti il controllo di processi e l’automazione in ambito industriale.
L'insegnamento di Misure per l'Automazione e la Produzione Industriale ha lo scopo di fornire agli allievi le necessarie nozioni per la corretta gestione dei moderni sistemi di misura e controllo di processi produttivi industriali. Nel Corso andranno sviluppate le nozioni fondamentali e le metodologie per una corretta gestione delle misure nell’automazione dei processi. Obiettivo finale è guidare gli allievi nella progettazione metodologica di esperimenti e realizzazione di strumentazione virtuale per il monitoraggio di impianti e il collaudo della produzione. Si dovranno fornire inoltre le basi per la messa a punto di prove per la caratterizzazione e il controllo dell’affidabilità, qualità e miglioramento di un processo produttivo industriale. Il corso ha una forte connotazione sperimentale legata ad un uso intenso del laboratorio al fine di far comprendere le nozioni base relative all’acquisizione ed elaborazione dati tramite sistemi distribuiti, e al controllo remoto della strumentazione di misura mediante protocolli di rete.
Si intende quindi facilitare l’allievo nell’acquisizione di un appropriato livello di autonomia sia nella conoscenza teorica sia nell’utilizzo degli strumenti di misura di base. Si intende stimolare la sua capacità di riflessione e di comunicazione delle nozioni acquisite attraverso un linguaggio scientifico adeguato.

La prova d’esame consiste in una verifica orale preceduta da una prova pratica di laboratorio. Il superamento della prova pratica con un punteggio pari almeno a 18/30 consente di accedere alla prova orale.
Il superamento della prova pratica dà diritto a sostenere l'esame orale solo nell'appello nel quale è stato superato l'esame di natura pratica.

Le votazioni di ciascuna prova saranno espresse in trentesimi (/30). Il voto finale sarà ottenuto dalla media aritmetica delle due votazioni maggiorata per eccesso.

Nella prova pratica saranno valutate le capacità di natura tecnica raggiunte dallo Studente ed il rigore metodologico delle risoluzioni proposte in risposta ai quesiti formulati. Tale prova ha la durata massima di un’ora, e allo Studente sarà consentito l’accesso ad un personal computer presso il Laboratorio di Misure per lo svolgimento della sola prova pratica. La prova orale consiste in un colloquio sugli argomenti del programma del corso e si valuta la capacità dello studente di comunicare le nozioni acquisite attraverso un linguaggio scientifico adeguato, nonché la capacità di esposizione dei contenuti teorici che stanno alla base della prova pratica.

Il voto finale sarà attribuito secondo il seguente criterio di valutazione:
30 - 30 e lode: conoscenza completa, approfondita e critica degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, piena capacità di applicare autonomamente le conoscenze per risolvere le attività pratiche proposte;
26 - 29: conoscenza completa e approfondita degli argomenti, piena proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere le attività pratiche proposte;
24 - 25: conoscenza degli argomenti con un buon grado di apprendimento, buona proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere le attività pratiche proposte;
21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere le attività pratiche proposte;
18 - 20: conoscenza di base degli argomenti principali, conoscenza di base del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze basilari acquisite;
Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma Sistemi di acquisizione dati. Dispositivi di campo: sensori, attuatori, e controllori. Caratteristiche metrologiche dei sensori. Circuiti di condizionamento. Tecniche di elaborazione dei dati per l'estrazione dell'informazione di misura: filtraggio digitale, deconvoluzione. Tecniche di immunità ai disturbi e rumori. Schermi e filtri per la riduzione delle interferenze sui sistemi di misura. Sistemi automatici di misura. Architetture distribuite. Standard di comunicazione tra strumentazione di misura: RS232, IEEE 488, Ethernet, PXI, VME/VXI. Problematiche relative ad applicazioni Real-Time. Ambiente di programmazione dedicato alla strumentazione: LabVIEW. Strumentazione virtuale per il monitoraggio e collaudo della produzione. Taratura della strumentazione ed e-calibration. Tecniche per il miglioramento produttivo industriale. Metodi per il controllo dell’affidabilità e attendibilità dei risultati. Progettazione degli esperimenti e ottimizzazione parametrica. Carte di controllo. Tecniche avanzate di aggancio in fase di segnali e sincronizzazione nell’acquisizione di segnali provenienti da diversi sistemi di acquisizione. Sviluppo di applicazioni per il controllo remoto di strumentazione digitale tramite Matlab, LabVIEW. Realizzazione di strumenti virtuali per il controllo di processi industriali critici in tempo reale, misure a distanza (Internet).
L’attività di laboratorio riguarderà esercitazioni pratiche inerenti l’utilizzazione di strumentazione automatica di misura, di schede di acquisizione dati, l’impiego delle interfacce standard di comunicazione precedentemente elencate e lo sviluppo di procedure per la gestione di strumentazione su scheda per PC. L’obiettivo principale delle esercitazioni consisterà nella realizzazione di strumenti virtuali per il controllo di processi industriali critici in tempo reale, misure a distanza (Internet), sviluppo di applicazioni per il controllo remoto di strumentazione digitale tramite Java, C/C++, Matlab, LabVIEW.
Esercitazioni pratiche di Laboratorio:
1) Implementazione di un misuratore di temperatura a termoresistenza. Realizzazione del circuito di condizionamento, taratura e verifica delle prestazioni e caratteristiche metrologiche.
2) Implementazione di un misuratore di temperatura basato su microcontoller attraverso l’utilizzo di termocoppie e sensori elettronici a chip. Costruzione dei circuiti di condizionamento, taratura e verifica delle prestazioni. Confronto con le prestazioni del sistema di misura a termoresistenza.
3) Sistema di misura per grandezze tempovarianti: acquisizione automatica del transitorio di scarica di un sistema RC. Scrittura di un programma di gestione della misura, verifica delle prestazioni impiegando strumentazione esterna ed interfaccia RS232/IEEE488. Analisi dei problemi legati alla discretizzazione temporale.
4) Ripetizione dell'esperienza impiegando una scheda di acquisizione dati interna al calcolatore. Scrittura di un programma di gestione della scheda in ambiente Windows ed uso dei pacchetti integrati. Confronto delle prestazioni ottenibili con i due metodi.
5) Miglioramento dell'accuratezza di misura di temperatura in transitorio tramite elaborazione digitale dei segnali.
6) Stazione automatica per il controllo della temperatura di un ambiente. Controllo della temperatura e rischi decisionali: decision-making, ISO 14253 e carte di controllo.
7) Stazione automatica per la misura della differenza di fase tra due segnali mediante l’uso di un oscilloscopio: circuito RC.
8) Stazione automatica per la misura della potenza attiva e reattiva di un circuito RC mediante l’uso di un oscilloscopio. Confronto della misura con un contatore numerico.
9) Stazione automatica per la caratterizzazione di un motorino elettrico.
10) Realizzazione di una resistenza variabile mediante scheda di attuatori e matrice di switch.
11) Stazione automatica per la caratterizzazione metrologica di un convertitore A/D.

NI RealTime e FPGA LabView Tools
Testi docente - Clyde F. Coombs, Jr, “Electronic Instrument Handbook”, Second Edition McGraw-Hill, Inc.
- D.A.Patterson, J.L.Hennessy, Computer organization and design, Morgan Kaufmann, 1998 (edito anche in italiano, Jackson Libri 1999).
- P.Lapsley, J.Bier, A.Shoham, E.A.Lee, DSP Processor Fundamentals - Architectures and Features, IEEE Press, New York, 1997
- Nello Polese, Stefano De Falco, “Misure per la gestione - Assicurazione di qualità, logiche decisionali, progettazione degli esperimenti, normativa”, Ed. ESI, Cod. ISBN: 9788849519761, 2010.
- C. De Capua, S. De Falco, A. Grillo, R. Morello, “Accreditamento e gestione in qualità di un laboratorio metrologico tradizionale e distribuito su rete geografica”, Casa Editrice ARACNE Roma, 240 pagine, 2009.
Erogazione tradizionale
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale
Valutazione test attitudinale No
Valutazione progetto
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: TEORIA DEI GRAFI

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare MAT/03
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione 1000274 TEORIA DEI GRAFI in Ingegneria Informatica e dei sistemi per le Telecomunicazioni LM-27 BONANZINGA VITTORIA, FAILLA GIOIA
Docente Vittoria BONANZINGA
Obiettivi Conoscenza delle nozioni di base della teoria dei Grafi:grafo semplice,ciclo, multigrafo, grafo completo, grafo bipartito, cammini, circuiti, connettività, componenti, punto di taglio. Rappresentazione di grafi. Alberi e grafi planari. Matrice di adiacenza. Matrice di incidenza.
Conoscenza degli strumenti e delle tecniche proprie della teoria dei Grafi: Copertura minimale di un grafo, k-colorazione, percorso minimo,albero di copertura minimale. Capacità di comprendere e utilizzare strumenti matematici adeguati per la risoluzione di problemi di connessione tramite l'utilizzo dei grafi. Capacità di comunicare le conoscenze acquisite attraverso un linguaggio tecnico-scientifico adeguato.
Conoscenze relative agli aspetti metodologico-operativi della Teoria dei grafi, ai fini dell’interpretazione e descrizione di applicazioni nell’ambito dell’Ingegneria, ad esempio applicazioni nell'ambito delle reti elettriche, problemi di flusso e dei trasporti.

Modalità di accreditamento e valutazione:

I possibili argomenti su cui verterà l'esame sono:
1. ciclo, multigrafo, grafo completo, grafo bipartito, cammini, circuiti, connettività, componenti, punto di taglio.
2. Rappresentazione di grafi. Alberi e grafi planari. Grafi diretti.
3. Problema di cammino minimo. Matrice di adiacenza. Matrice di incidenza. Cammini e circuiti euleriani.
4. Grafi e colorazioni. Alberi con radice. Alberi di copertura minimali.
5. Circuito Hamiltoniano. Grafo euleriano. Grafo Hamiltoniano. Flussi. Teorema di Eulero. Algoritmo di Dijkstra.
6. Teoria di Ramsey


Nelle verifiche in itinere si valutano le capacità critiche raggiunte dallo Studente nell'inquadrare le tematiche oggetto del Corso ed il rigore metodologico delle risoluzioni proposte in risposta ai quesiti formulati. La prova orale consiste in un colloquio sugli argomenti delle verifiche in itinere e sugli argomenti teorici che fanno parte del programma del corso. Si valuta la capacità dello studente di comunicare le nozioni acquisite attraverso un linguaggio scientifico adeguato e la capacità di esposizione.

Il voto finale sarà attribuito secondo il seguente criterio di valutazione:
30 - 30 e lode: ottima conoscenza degli argomenti, ottima proprietà di linguaggio, completa ed originale capacità interpretativa, spiccata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
26 - 29: conoscenza completa degli argomenti, buona proprietà di linguaggio, completa ed efficace capacità interpretativa, in grado di applicare autonomamente le conoscenze per risolvere i problemi proposti;
24 - 25: conoscenza degli argomenti con un buon grado di apprendimento, discreta proprietà di linguaggio, corretta e sicura capacità interpretativa, capacità di applicare in modo corretto la maggior parte delle conoscenze per risolvere i problemi proposti;
21 - 23: conoscenza adeguata degli argomenti, ma mancata padronanza degli stessi, soddisfacente proprietà di linguaggio, corretta capacità interpretativa, limitata capacità di applicare autonomamente le conoscenze per risolvere i problemi proposti;
18 - 20: conoscenza di base degli argomenti principali e del linguaggio tecnico, capacità interpretativa sufficiente, capacità di applicare le conoscenze acquisite;
<18 Insufficiente: non possiede una conoscenza accettabile degli argomenti trattati durante il corso.
Programma Origini: problema dei ponti di Königsberg. Definizioni e concetti fondamentali: definizioni, ciclo, multigrafo, grafo completo, grafo bipartito, cammini, circuiti, connettività, componenti, punto di taglio. Rappresentazione di grafi. Alberi e grafi planari. Grafi diretti. Matrici e spazi vettoriali di grafi. Cammini e circuiti euleriani. Problema di cammino minimo. Matrice di adiacenza. Matrice di incidenza. Matching. Grafi e colorazioni. Alberi con radice. Alberi di copertura minimali. Reti. Cammini nelle reti. Circuito Hamiltoniano. Grafo euleriano. Grafo Hamiltoniano. Flussi. Teoria di Ramsey. Teorema di Eulero. Algoritmi: di Dijkstra, di Kruskal e di Prim. Applicazioni della teoria dei grafi ai trasporti, alle reti elettriche, alle reti di calcolatori per la distribuzione e l’immagazzinamento di informazioni.
Testi docente 1) W. D. Wallis, A Beginner’s Guide to Graph Theory, Second edition, Birkhäuser, 2007.
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Modulo: CALCOLO NUMERICO

Corso Ingegneria Elettrica ed Elettronica LM-29
Curriculum Circuiti e sistemi elettronici
Orientamento Orientamento unico
Anno Accademico 2022/2023
Crediti 6
Settore Scientifico Disciplinare MAT/08
Anno Secondo anno
Unità temporale Secondo semestre
Ore aula 48
Attività formativa Attività formative a scelta dello studente (art.10, comma 5, lettera a)

Canale unico

Erogazione 1001186 CALCOLO NUMERICO in Ingegneria Informatica e dei sistemi per le Telecomunicazioni LM-27 COTRONEI MARIANTONIA
Docente Mariantonia COTRONEI
Obiettivi N.D.
Programma ARITMETICA FLOATING-POINT E ANALISI DEGLI ERRORI
Rappresentazione dei numeri in un calcolatore. Precisione numerica. Aritmetica floatingpoint. Errori e loro propagazione. Condizionamento di un problema matematico. Stabilità di un algoritmo.

SISTEMI DI EQUAZIONI LINEARI
Richiami di calcolo matriciale. Analisi di stabilità per sistemi lineari. Numero di condizionamento di una matrice.
Metodi diretti. Risoluzione di sistemi triangolari. Metodo di eliminazione di Gauss. Pivoting. Fattorizzazione LU.
Metodi iterativi. Matrice di iterazione. Convergenza e rapidità di convergenza. Criteri d'arresto. Metodo di Richardson e del gradiente.

APPROSSIMAZIONE DI FUNZIONI E DI DATI
Interpolazione polinomiale. Polinomio interpolatore nella forma di Lagrange. Interpolazione trigonometrica e FFT. Effetto Runge. Interpolazione con funzioni spline. Spline lineari e cubiche.
Approssimazione nel senso dei minimi quadrati. Sistemi sovradeterminati.

OTTIMIZZAZIONE NUMERICA
Ottimizzazione non vincolata.
Metodi per funzioni monodimensionali: bisezione, Newton, di ricerca dicotomica, sezione aurea, interpolazione parabolica.
Metodi di discesa: gradiente, Newton, quasi-Newton, gradiente coniugato.
Cenni su metodi di ottimizzazione vincolata.

INTRODUZIONE AL MATLAB
Ambiente di calcolo scientifico Matlab: comandi principali, matrici, funzioni matematiche. Istruzioni per la grafica. Progettazione e sviluppo dei programmi.
Implementazione di metodi numerici e analisi/validazione dei risultati su problemi test.
Testi docente A. Quarteroni, F. Saleri, P. Gervasio. Calcolo Scientifico. Esercizi e problemi risolti con MATLAB e Octave, Springer.
Erogazione tradizionale No
Erogazione a distanza No
Frequenza obbligatoria No
Valutazione prova scritta No
Valutazione prova orale No
Valutazione test attitudinale No
Valutazione progetto No
Valutazione tirocinio No
Valutazione in itinere No
Prova pratica No

Ulteriori informazioni

Nessun materiale didattico inserito per questo insegnamento
Nessun avviso pubblicato
Nessuna lezione pubblicata
Codice insegnamento online non pubblicato

Cerca nel sito

 

Posta Elettronica Certificata

Direzione

Tel +39 0965.1693217/3252

Fax +39 0965.1693247

Indirizzo e-mail


Protocollo

Tel +39 0965.1693422

Fax +39 0965.1693247

Indirizzo e-mail

Didattica e orientamento

Tel +39 0965.1693386/3385

Fax +39 0965.1693247

Indirizzo e-mail


Segreteria studenti

Tel +39 0965.1691475

Fax +39 0965.1691474

Indirizzo e-mail

Amministrazione

Tel +39 0965.1693214

Fax +39 0965.1693247

Indirizzo e-mail


Ricerca

Tel +39 0965.1693422

Fax +39 0965.1693247

Indirizzo e-mail

Social

Facebook

Twitter

YouTube

Instagram