-
Lingua Insegnamento:ITALIANO
-
Testi di riferimento:Testi e materiali di riferimento saranno indicati dal docente all'inizio e durante il corso. Materiale didattico, articoli scientifici, standard tecnici, dataset ed eventuali notebook/software utilizzati nelle esercitazioni saranno resi disponibili o segnalati attraverso la piattaforma didattica di Ateneo, e-learning. Testi consigliati: R. Isermann, Fault-Diagnosis Systems: An Introduction from Fault Detection to Fault Tolerance, Springer; S. M. Kay, Fundamentals of Statistical Signal Processing: Detection Theory, Prentice Hall; S. Haykin, Neural Networks and Learning Machines, Pearson. Ulteriori riferimenti specialistici saranno forniti per le applicazioni biomedicali e aerospaziali.
-
Obiettivi formativi:L'insegnamento mira a fornire conoscenze e competenze per la progettazione e la valutazione di sistemi diagnostici destinati ad applicazioni aerospaziali e biomedicali in ambiente aerospaziale. Al termine del corso lo studente dovra essere in grado di: comprendere i requisiti funzionali, di affidabilita e di robustezza di una catena diagnostica; selezionare sensori e modalita di acquisizione coerenti con l'applicazione; progettare procedure di preprocessing, estrazione di feature e fusione di dati; applicare metodi di rilevamento, isolamento e identificazione dei guasti e tecniche di anomaly detection; utilizzare metodi di machine learning per classificazione e prognostica; valutare le prestazioni mediante metriche appropriate (sensibilita, specificita, accuratezza, falsi allarmi, robustezza); discutere vincoli di implementazione embedded e real-time; interpretare criticamente risultati sperimentali e comunicare le scelte progettuali.
Conoscenza e capacita di comprensione: conoscenza dei principi di sensoristica, elaborazione dei segnali e diagnostica automatica in contesti aerospaziali. Capacita di applicare conoscenza e comprensione: sviluppo di pipeline diagnostiche a partire da dati reali o simulati. Autonomia di giudizio: scelta motivata di sensori, algoritmi, metriche e strategie di validazione. Abilita comunicative: presentazione chiara di metodi, risultati e limiti. Capacita di apprendimento: consultazione autonoma di letteratura scientifica e documentazione tecnica specialistica. -
Prerequisiti:Sono richieste conoscenze di base di analisi matematica, probabilita e statistica, segnali e sistemi, elettronica e programmazione. Sono utili conoscenze introduttive di sensoristica biomedicale, elaborazione numerica dei segnali e uso di MATLAB e/o Python. Eventuali richiami necessari saranno forniti durante il corso.
-
Metodi didattici:Lezioni frontali integrate con esempi applicativi, esercitazioni numeriche e attivita di laboratorio informatico. Verranno analizzati casi di studio relativi a diagnostica di sistemi, monitoraggio di sensori e segnali fisiologici in ambiente aerospaziale. Parte delle attivita sara dedicata allo sviluppo guidato di algoritmi in MATLAB e/o Python e all'analisi critica dei risultati. Potranno essere proposti seminari specialistici e lavori individuali o di gruppo.
-
Modalità di verifica dell'apprendimento:La verifica dell'apprendimento e finalizzata ad accertare la comprensione dei principi teorici e la capacita di applicarli a problemi di diagnostica aerospaziale. La prova finale consiste in un colloquio orale, integrato dalla discussione di un elaborato/progetto sviluppato durante il corso. Il colloquio comprende domande sugli argomenti del programma e puo includere la discussione di un caso applicativo, di risultati sperimentali o di una procedura algoritmica. La valutazione considera: correttezza e completezza delle conoscenze, capacita di collegamento tra dispositivi, segnali e algoritmi, appropriatezza delle scelte metodologiche, capacita di interpretazione critica dei risultati e chiarezza espositiva. Le modalita definitive e l'eventuale peso dell'elaborato saranno comunicati dal docente all'inizio del corso.
-
Obiettivi Agenda 2030 per lo sviluppo sostenibile:L'insegnamento contribuisce in particolare ai seguenti Obiettivi dell'Agenda 2030: Obiettivo 3 - Salute e benessere, attraverso lo studio di tecnologie per il monitoraggio fisiologico e la tutela della salute in ambienti estremi; Obiettivo 4 - Istruzione di qualita, attraverso lo sviluppo di competenze avanzate e interdisciplinari; Obiettivo 9 - Imprese, innovazione e infrastrutture, attraverso lo studio di sensoristica, diagnostica intelligente, affidabilita e tecnologie innovative per sistemi complessi.
-
Altre Informazioni:Il materiale didattico e le comunicazioni relative al corso saranno resi disponibili attraverso la piattaforma didattica di Ateneo. Per le attivita applicative e consigliata la disponibilita di un computer portatile con MATLAB e/o Python. Gli studenti non frequentanti sono invitati a contattare il docente per concordare il materiale di studio e le modalita di preparazione.
Il corso introduce i principi, i dispositivi e gli algoritmi impiegati per il monitoraggio, la diagnostica e la prognostica in applicazioni aerospaziali, con particolare attenzione agli aspetti di interesse per la bioingegneria. Sono trattati: ambiente aerospaziale e requisiti di affidabilita; sensori e catene di acquisizione; condizionamento ed elaborazione dei segnali; estrazione di caratteristiche e fusione sensoriale; tecniche di Fault Detection, Isolation and Identification (FDI); metodi model-based, statistici e data-driven; machine learning per classificazione, anomaly detection e prognostica; implementazione embedded e real-time; monitoraggio fisiologico dell'equipaggio e dispositivi indossabili; validazione delle prestazioni diagnostiche. Il corso comprende esercitazioni e attivita applicative su dati sperimentali o dataset di interesse aerospaziale/biomedicale.
PROGRAMMA ESTESO - 60 ORE
1. Introduzione ai sistemi diagnostici aerospaziali - 6 ore. Caratteristiche dell'ambiente aerospaziale. Effetti di vibrazioni, accelerazioni, radiazioni, temperatura e condizioni operative sui sistemi di misura. Concetti di affidabilita, disponibilita, safety, fault tolerance e health monitoring. Architetture di monitoraggio e diagnostica di bordo. Specificita delle applicazioni biomedicali in ambiente aerospaziale.
2. Sensori e dispositivi diagnostici - 8 ore. Principi di trasduzione e caratteristiche metrologiche. Sensori di temperatura, pressione, deformazione, vibrazione e accelerazione; IMU; sensori ottici. Sensori e dispositivi per parametri fisiologici. Catena di acquisizione, condizionamento, conversione A/D, calibrazione, deriva, rumore, interferenze, ridondanza e affidabilita della misura.
3. Elaborazione dei segnali per la diagnostica - 10 ore. Campionamento e preprocessing. Filtraggio digitale. Analisi nel dominio del tempo e della frequenza. FFT e analisi spettrale. Rimozione di artefatti. Estrazione e selezione di caratteristiche. Indicatori diagnostici. Correlazione, analisi multivariata e principi di sensor fusion. Esempi su segnali di vibrazione e segnali fisiologici.
4. Diagnostica model-based, statistica e data-driven - 8 ore. Definizione e classificazione dei guasti. Fault Detection, Isolation and Identification (FDI). Generazione e valutazione dei residui. Soglie decisionali. Richiami di detection theory e test statistici. Sensibilita ai guasti e robustezza alle incertezze. Metodi basati su modelli e metodi basati sui dati. Valutazione di falsi positivi e falsi negativi.
5. Machine learning per diagnostica e prognostica - 10 ore. Preparazione dei dati e suddivisione training/validation/test. Classificazione supervisionata. Metodi non supervisionati e clustering. Anomaly detection. Introduzione alle reti neurali per segnali e serie temporali. Overfitting, regolarizzazione e cross-validation. Metriche di classificazione. Cenni di prognostica, predictive maintenance e stima della Remaining Useful Life (RUL). Interpretabilita e limiti dei modelli data-driven.
6. Algoritmi embedded e sistemi real-time - 6 ore. Requisiti computazionali e temporali. Implementazione di algoritmi diagnostici su piattaforme embedded. Latenza, memoria, consumo energetico e complessita. Edge computing ed edge AI. Riduzione della complessita. Verifica, validazione e robustezza dell'algoritmo in applicazioni safety-critical.
7. Applicazioni biomedicali in ambiente aerospaziale - 6 ore. Monitoraggio fisiologico dell'equipaggio. ECG, PPG, SpO2, frequenza respiratoria e altri parametri di interesse. Dispositivi wearable e sistemi multimodali. Artefatti da movimento e alterazioni dovute alle condizioni operative. Fusione di parametri fisiologici e ambientali. Esempi di supporto alla decisione e rilevamento di condizioni anomale.
8. Esercitazioni e progetto applicativo - 6 ore. Analisi di dataset sperimentali o simulati. Costruzione di una pipeline completa: acquisizione/importazione, preprocessing, feature extraction, addestramento o definizione dell'algoritmo diagnostico, validazione e interpretazione dei risultati. Utilizzo di MATLAB e/o Python. Discussione finale dei risultati e dei limiti della soluzione proposta.
Scopri cosa vuol dire essere dell'Ud'A
SEDE DI CHIETI
Via dei Vestini,31
Centralino 0871.3551
SEDE DI PESCARA
Viale Pindaro,42
Centralino 085.45371
email: info@unich.it
PEC: ateneo@pec.unich.it
Partita IVA 01335970693
