Modelli data-driven per il controllo predittivo: limitazioni e soluzioni nel campo ingegneristico

Nel seguente elaborato verranno studiati gli alberi di regressione come strutture di supporto ai controlli predittivi di tipo Data Driven. Dopo una panoramica sulle tecniche classiche di Model-Based Control (MBC) e sul Model Predictive Control (MPC), verranno esposti i van- taggi e le criticità dell’impiego di un modello fisico, ottenuto tramite la determinazione delle relative equazioni, e, parallelamente, si parlerà di soluzioni alternative ricavate partendo dai da- ti, in cui il modello talvolta non risulta nemmeno necessario. L’elaborato approfondisce quindi le caratteristiche strutturali e metodologiche degli alberi di regressione, illustrandone i principi teorici, i criteri di costruzione e le tecniche di potatura. Il lavoro si concluderà con una simulazione relativa alla costruzione di un albero di regressione a partire da un sistema fisico di cui non si conosce il modello, ma per il quale sono disponibili le misure fornite da sensori sugli ingressi e sulle uscite, raccolte in un apposito dataset. Il risultato verrà poi confrontato direttamente con il modello tradizionale di regressione lineare. L’obiettivo complessivo è mostrare come gli alberi di regressione possano costituire una so- luzione efficace e versatile per la predizione e il supporto decisionale nei moderni sistemi di controllo.