(ultimo aggiornamento 2024.05.14)

Augusto Montisci è professore associato nel settore scientifico-disciplinare Elettrotecnica. Ha conseguito il dottorato di ricerca in progettazione meccanica presso l'Università di Cagliari (Italia). Dal 2002 ha lavorato presso il Dipartimento di Ingegneria Elettrica ed Elettronica dell'Università di Cagliari in qualità di Ricercatore, ed è divenuto Professore Associato nel 2016. La sua attività di insegnamento riguarda la teoria dei circuiti, l'elaborazione dei segnali e l'impiego dei Campi Elettromagnetici in ambito industriale. E' membro del collegio docenti del Dottorato in Ingegneria Industriale dell'Università di Cagliari, dove contribuisce all'attività didattica come supervisor e impartendo corsi per gli studenti di dottorato. La sua attività scientifica riguarda Reti Neurali Artificiali, Ottimizzazione, Test non distruttivi, Diagnosi dei guasti, Fonti di energia rinnovabile, Magnetoidrodinamica. È autore di circa 90 opere indicizzate, che hanno ricevuto più di 590 citazioni, ottenendo un h-index di 13 (database Scopus). La sua attività editoriale comprende la revisione di numerose riviste e conferenze internazionali, è stato membro del comitato tecnico di conferenze internazionali, dove è stato presidente di sessioni. È stato chairman dell'International Conference on Fundamentals and Applied MHD (PAMIR 2016). Ha fatto parte del comitato fondatore della European Society of Magnetohydrodynamics (EuMHD) della quale ricopre attualmente la carica di presidente. 

Ha partecipato a oltre 20 progetti internazionali e nazionali, in molti dei quali ha ricoperto un ruolo di coordinamento:

1. FSE della Comunità Europea, Regione Autonoma della Sardegna: “SINEQUAL sviluppo di un SIstema NEurale per il controllo di QUALità di circuiti stampati”,

2. Progetto di cooperazione internazionale finanziato dalla L.R. n. 19/96, partner University of Oran, Algeria, 2001: “Controllo di qualità dei prodotti dell’industria agro-alimentare in Algeria”.

3. Programma di ricerca in collaborazione con i paesi in via di sviluppo, finanziato dalla L.R. 43/90 e L.R. 26/96, partner University of NoviSad, Yugoslavia, 2001: “Decision Trees in Machine learning”.

5. Progetto di cooperazione internazionale finanziato dalla L.R. n. 19/96, partner University of Oran, Algeria, 2002: “Controllo di qualità dei prodotti dell’industria agro-alimentare in Algeria”.

6. Collaborazione Italo-Britannica per la ricerca e l’istruzione superiore, finanziato da CRUI e British Council, partner University of Leeds, UK. 2002-03: “Forecasting Hydrological Series using Neural Networks”

7. Progetto di cooperazione internazionale finanziato dalla L.R. n. 19/96, partner University of Oran, Algeria, partner University of Science and Technology of Oran (Algeria), e Istituto per il Monitoraggio degli Agrosistemi – CNR di Sassari, 2003-2005: “Diffusione e trasferimento di tecnologie “smart” per la gestione delle risorse idriche ed alimentari in Algeria”

8. PRIN 2003: “Studio e sperimentazione di diagnostiche non distruttive per tratti non accessibili di condutture”

9. POR Sardegna 2000-6, Mis. 3.13: “Sistemi Automatici Multisensoriali per l’Analisi del Comportamento dell’Animale da laboratorio”

10. PRIN 2007 “Studio e sperimentazione di un sistema di comunicazione ad onde convogliate in impianti elettrici navali”

11. PRIN 2009 “Diagnostica non distruttiva ad ultrasuoni tramite sequenze pseudo-ortogonali per imaging e classificazione automatica di prodotti industriali”

12. ENPI CBCMED 2012 “LANDCARE MEDiterranean cross-border network for local rural governance improvement to enhance rural waste management”

13. POR FSER 2007-13 “Realizzazione di un sistema innovativo di acquisizione e trascrizione automatica di partiture musicali da strumenti acustici tradizionali ed etnici con una particolare attenzione verso le Launeddas”

14. EUROPEAID 2017 "Development of a Model Municipal Solid Waste Management Program for the Protection of the Saniq River Basin in Southem Lebanon"

 

L’attività scientifica svolta riguarda principalmente i seguenti campi:

Diagnosi mediante Reti Neurali Le reti neurali artificiali sono utilizzate per risolvere problemi di diagnosi di guasti e difetti, formulando la diagnosi in termini di problema di classificazione. La metodologia è stata applicata a diverse tipologie di sistemi, quali circuiti elettrici, per i quali sono diagnosticati guasti di deviazione e guasti catastrofici, circuiti stampati, per i quali si effettua la diagnosi per ispezione visiva dei difetti di montaggio, tubature interrate, dove i guasti sono costituiti da punti di erosione e vengono rilevati tramite il riconoscimento delle onde sonore riflesse in un punto di ispezione.

Algoritmi di Sintesi di Reti Neurali Artificiali La possibilità di utilizzare efficacemente le reti neurali artificiali in problemi di classificazione, regressione, predizione, identificazione parametrica, progettazione, inversione, dipende criticamente dal grado di attendibilità della rete neurale su cui il metodo specifico è incardinato. Per questo motivo si è proceduto allo sviluppo di algoritmi di sintesi delle reti neurali che permettessero di stabilire in modo deterministico il grado di precisione della rete neurale prodotta. Si è prima sviluppato un metodo che consente di sviluppare classificatori neurali senza errori sul training set, dopodiché si è esteso il metodo per la costruzione di reti neurali con funzioni di regressione non lineare, per le quali è possibile stabilire a priori la precisione in corrispondenza degli esempi di addestramento. Tali algoritmi sono basati su tecniche di programmazione lineare e per questo sono esenti da problemi di intrappolamento in minimi locali, tipici degli algoritmi di apprendimento basati sul gradiente. Infine si è sviluppata una tecnica di addestramento di reti neurali localmente ricorrenti nelle quali si utilizza un algoritmo basato sul gradiente dell’errore, calcolato in modo esplicito rispetto a tutti i parametri della rete, compresi i parametri di retroazione.

Diagnosi di guasto basata sull’analisi di Testabilità Accanto all’approccio alla diagnosi definita come un problema di classificazione per punti, nel caso particolare della diagnosi di circuiti analogici è stato sviluppato un metodo di diagnosi che trae vantaggio dall’analisi di Testabilità a priori del circuito, per definire insiemi di addestramento coerenti per le reti neurali. Con questa impostazione le reti neurali diventano un mezzo per ottenere la soluzione delle equazioni di guasto senza doverle risolvere analiticamente. L’analisi di testabilità viene utilizzata essenzialmente per definire i gruppi di ambiguità, cioè quelle configurazioni di guasto che non possono essere distinte mutuamente solo sulla base di misurazioni. Allo scopo sono stati utilizzati metodi reperiti in letteratura, basati sulla linearizzazione del sistema delle equazioni di guasto, ma è stato proposto anche un metodo alternativo, nel quale non si assume la condizione che l’entità del guasto sia tale da permettere una linearizzazione del problema. Questo approccio utilizza le basi di Gröbner e può essere applicata in termini simbolici, quindi con un costo computazionale modesto.

Metodi di ottimizzazione e inversione basati su reti neurali Sono state sviluppate tecniche di ottimizzazione basate sulle reti neurali. In tali tecniche il calcolo della funzione obiettivo viene effettuato per un insieme limitato di esempi mediante tecniche agli elementi finiti, quindi con un onere computazionale molto elevato. Sfruttando tale insieme, si costruisce un modello neurale, che permette di sostituire gli elementi finiti, rendendo molto più veloce l’ispezione della funzione obiettivo. Il metodo di ottimizzazione sfrutta la struttura stessa della rete neurale che realizza l’approssimazione del sistema in esame. Esso infatti consiste nel risolvere un problema inverso, nel quale si impone in uscita di una rete neurale il valore cercato della funzione obiettivo, e si determina il corrispondente valore in ingresso, che rappresenta la soluzione al problema di ottimizzazione. La precisione del modello neurale che calcola la funzione obiettivo è cruciale per la bontà della soluzione che può essere ottenuta. Allo scopo si è tratto vantaggio dalle tecniche di sintesi delle reti neurali descritte in precedenza.

Test non Distruttivi Sono state applicate tecniche non distruttive (NDT) alla diagnosi di apparecchiature metalliche e di opere murarie di pregio. Come segnale di test si sono utilizzati gli ultrasuoni, applicati e rilevati tramite trasduttori piezometrici, che uniscono agli ottimi parametri operativi la possibilità di controllare facilmente le caratteristiche del segnale di eccitazione. La tecnica sviluppata prevede la realizzazione di un insieme di riferimento per l’addestramento di un modello neurale del sistema, in modo da limitare fortemente l’onere delle prove di test. Il sistema sotto test, sia esso un dispositivo metallico o un’opera muraria, viene simulato mediante un codice agli elementi finiti in modo da poter determinare il comportamento in presenza di diverse tipologie di difetto, che in qualche modo si possano ritenere canoniche. Un certo numero di indagini sul campo si rende necessario per effettuate la taratura del modello e la sua successiva validazione. Sulla base di un significativo numero di esempi in simulazione è possibile definire una sequenza di operazioni che permette di effettuare i test sull’oggetto reale. Diverse tecniche sono state messe a confronto per la risoluzione del problema di diagnosi, tra questi si è fatto uso delle reti neurali artificiali, metodi basati sullo studio delle caratteristiche del segnale acquisito, e infine tecniche di inversione tomografica, per la quale sono stati sviluppati algoritmi originali.

Trasmissione a onde convogliate La trasmissione di segnali su linee di potenza è una tecnica in uso da alcuni decenni, ma fino a pochi anni fa l’impiego era limitato alla trasmissione di segnali di controllo. Di recente la tecnica è stata estesa alla trasmissione di segnali audio e video, il che ha posto una serie di problemi legati a interferenza, velocità di trasmissione, banda passante, e numerosi altri. Per individuare soluzioni tecniche percorribili per affrontare tali problemi, sono stati sviluppati approcci che mettono a frutto le competenze maturate in altri ambiti e che sono descritti nei punti precedenti. In particolare, si è fatto ricorso alle tecniche di ottimizzazione multi obiettivo per individuare le soluzioni di miglior compromesso tra le esigenze in conflitto di aumentare la velocità di trasmissione (Bit Rate), di limitare il tasso di errore (Bit Error Rate) e di limitare la potenza impiegata. Successivamente si è affrontato il problema della limitazione dei picchi di potenza in trasmissione (Peak-to-Average Power Ratio), che rappresentano un serio problema nella gestione dei sistemi ad onde convogliate sia perché sono causa di interferenze sulle apparecchiature circostanti, sia perché possono compromettere l’integrità del segnale trasmesso.

Sistemi Innovativi per la Produzione di Energia Elettrica Allo scopo di incrementare l’efficienza di conversione dell’energia o di rendere possibile un incremento dello sfruttamento delle fonti rinnovabili, sono stati proposti sistemi innovativi per la produzione di energia elettrica. In particolare, sono stati presentati un generatore elettrico magnetoidrodinamico (MHD) a induzione e un sistema integrato nell’edificio per lo sfruttamento dell’energia eolica nelle aree urbane. Il primo sistema rappresenta un’evoluzione rispetto allo schema funzionale dei generatori MHD che suscitarono grande interesse durante gli anni ’60, ma che furono poi progressivamente abbandonati a favore di altri sistemi di conversione, come le turbine a gas che avevano subito un forte impulso da parte dell’industria aeronautica. Lo schema funzionale a induzione si pone in alternativa a quello dei vecchi generatori MHD e di fatto ne elimina i limiti che ne hanno pregiudicato l’impiego su larga scala, cioè la necessità di lavorare a temperature molto alte, di generare campi magnetici molto intensi, di addizionare il fluido operativo con additivi che ne aumentassero la conducibilità.

Il sistema denominato “tetto eolico” allo stesso tempo svolge la funzione di copertura come un normale tetto e funziona da convogliatore di flusso che fa convergere il vento verso una turbina centripeta ad asse verticale posta al centro del sistema. La particolare conformazione dei condotti di convogliamento è studiata in modo tale da limitare le turbolenze dell’aria e inoltre il flusso si avvantaggia delle zone di depressione che si creano al di sopra dell’edificio e nella parete opposta a quella esposta al vento. La turbina ad asse verticale permette di fare a meno di complessi sistemi di orientamento delle pale, e le dimensioni ridotte rispetto alla sezione trasversale del flusso d’aria intercettato, permettono di trarre numerosi vantaggi, quali un basso costo specifico di istallazione e manutenzione, un ampio intervallo di velocità del vento compatibili con il funzionamento della turbina, bassi livelli di rumorosità. Infine, il fatto che il sistema di generazione sia invisibile all’esterno evita qualunque problema di carattere urbanistico. Queste caratteristiche offrono prospettive interessanti, sia dal punto di vista tecnico sia da quello economico, per l’auto-produzione di energia elettrica da fonte rinnovabile nei centri abitati.

 

Principali Pubblicazioni

Delogu R.S.; Montisci A.; Pimazzoni A.; Savarese M.; Serianni G.; Sias G.STRIKE Heat Flux Reconstruction by Using Neural Networks: Application to the Experimental Results (2022) IEEE Transactions on Plasma Science, 50(11), pp. 3935-3940

Carcangiu S.; Fanni A.; Montisci A.Optimal Design of an Inductive MHD Electric Generator (2022) Sustainability (Switzerland), 14(24), art. no. 16457

Montisci, A., Porcu, M.C., A Satellite Data Mining Approach Based on Self-Organized Maps for the Early Warning of Ground Settlements in Urban Areas (2022) Applied Sciences (Switzerland), 12 (5), art. no. 2679, . 

Carcangiu, S., Fanni, A., Montisci, A., A Closed Form Selected Mapping Algorithm for PAPR Reduction in OFDM Multicarrier Transmission (2022) Energies, 15 (5), art. no. 1938, . 

Brekis, A., Alemany, A., Alemany, O., Montisci, A., Space thermoacoustic radioisotopic power system, spacetrips: The magnetohydrodynamic generator (2021) Sustainability (Switzerland), 13 (23), art. no. 13498, . 

Montisci, A., Caredda, M., A static hybrid renewable energy system for off-grid supply (2021) Sustainability (Switzerland), 13 (17), art. no. 9744, . 

Montisci, A., Carcangiu, S., Sias, G., Cannas, B., Fanni, A., A real time bolometer tomographic reconstruction algorithm in nuclear fusion reactors (2021) Mathematics, 9 (11), art. no. 1186, . 

Calledda, C., Montisci, A., Porcu, M.C., Optimal design of earthquake-resistant buildings based on neural network inversion (2021) Applied Sciences (Switzerland), 11 (10), art. no. 4654, . 

Foddis, M.L., Montisci, A., Trabelsi, F., Uras, G., An MLP-ANN-based approach for assessing nitrate contamination (2019) Water Science and Technology: Water Supply, 19 (7), pp. 1911-1917. 

Delogu, R.S., Montisci, A., Pimazzoni, A., Serianni, G., Sias, G., Neural network based prediction of heat flux profiles on STRIKE (2019) Fusion Engineering and Design, 146, pp. 2307-2313. 

Cannas, B., Carcangiu, S., Fanni, A., Farley, T., Militello, F., Montisci, A., Pisano, F., Sias, G., Walkden, N., Towards an automatic filament detector with a Faster R-CNN on MAST-U (2019) Fusion Engineering and Design, 146, pp. 374-377. 

Carcangiu, S., Fanni, A., Montisci, A.,  Electric capacitance tomography for nondestructive testing of standing trees (2019) International Journal of Numerical Modelling: Electronic Networks, Devices and Fields, 32 (4), art. no. e2252, . 

Carcangiu, S., Fanni, A., Montisci, A., Optimization of a power line communication system to manage electric vehicle charging stations in a smart grid (2019) Energies, 12 (9), art. no. 1767, . 

Alsari, M., Pearson, A.J., Wang, J.T.-W., Wang, Z., Montisci, A., Greenham, N.C., Snaith, H.J., Lilliu, S., Friend, R.H., Degradation Kinetics of Inverted Perovskite Solar Cells (2018) Scientific Reports, 8 (1), art. no. 5977, . 

Carcangiu, S., Fanni, A., Forcinetti, R., Montisci, A., Multiobjective Tabu Search algorithm for the optimal design of a Thermo-Acoustic Magneto-Hydro-Dynamic electric generator, (2018) International Journal of Applied Electromagnetics and Mechanics, 56 (S1), pp. S133-S142. 

Alemany, A., Forcinetti, R., Masson, F., Montisci, A., FEM analysis of the inflation process of magnetoplasma sails (2017) Magnetohydrodynamics, 53 (2), pp. 329-340. 

Carcangiu, S., Forcinetti, R., Montisci, A., Simulink model of an iductive MHD generator (2017) Magnetohydrodynamics, 53 (2), pp. 255-265. 

Foddis, M.L., Matzeu, A., Montisci, A., Uras, G., The Arborea plain (Sardinia - Italy) nitrate pollution evaluation (2017) Italian Journal of Engineering Geology and Environment, 2017 (Specialissue1), pp. 67-76. 

Foddis, M.L., Ackerer, P., Montisci, A., Uras, G., ANN-based approach for the estimation of aquifer pollutant source behaviour (2015) Water Science and Technology: Water Supply, 15 (6), pp. 1285-1294. 

Foddis, M.L., Matzeu, A., Montisci, A., Uras, G., Application of three different methods to evaluate the nitrate pollution of groundwater in the Arborea plain (Sardinia - Italy) (2015) Rendiconti Online Societa Geologica Italiana, 35, pp. 136-139. 

Alemany, A., Carcangiu, S., Forcinetti, R., Montisci, A., Roux, J.P., Feasibility analysis of an MHD inductive generator coupled with a thermoacoustic resonator (2015) Magnetohydrodynamics, 51 (3), pp. 531-542. 

Carcangiu, S., Montisci, A., Performance assessment of an aeolian roof for the exploitation of wind power in urban areas (2012) Renewable Energy and Power Quality Journal, 1 (10), art. no. 559, pp. 1002-1006. 

Carcangiu, S., Montisci, A., Pintus, R., Performance analysis of an inductive MHD generator (2012) Magnetohydrodynamics, 48 (1), pp. 115-124. 

Cannas, B., Delogu, R.S., Fanni, A., Montisci, A., Sonato, P., Zedda, K., Geometrical kernel machine for prediction and novelty detection of disruptive events in TOKAMAK machines (2010) Journal of Signal Processing Systems, 61 (1), pp. 85-93. 

Carcangiu, S., Fanni, A., Mereu, A., Montisci, A., Grid-enabled tabu search for electromagnetic optimization problems (2010) IEEE Transactions on Magnetics, 46 (8), art. no. 5513013, pp. 3265-3268. 

Cannas, B., Fanni, A., Montisci, A., Algebraic approach to ambiguity-group determination in nonlinear analog circuits (2010) IEEE Transactions on Circuits and Systems I: Regular Papers, 57 (2), art. no. 5061543, pp. 438-447. 

Carcangiu, S., Fanni, A., Montisci, A., A constructive algorithm of neural approximation models for optimization problems (2009) COMPEL - The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, 28 (5), pp. 1276-1289. 

Carcangiu, S., Fanni, A., Montisci, A., Multiobjective tabu search algorithms for optimal design of electromagnetic devices (2008) IEEE Transactions on Magnetics, 44 (6), art. no. 4526820, pp. 970-973. 

Delogu, R., Fanni, A., Montisci, A., Geometrical synthesis of MLP neural networks (2008) Neurocomputing, 71 (4-6), pp. 919-930. 

Carcangiu, S., Di Barba, P., Fanni, A., Mognaschi, M.E., Montisci, A., Comparison of multi-objective optimisation approaches for inverse magnetostatic problems (2007) COMPEL - The Int. J. for Computation and Mathematics in Electrical and Electronic Engineering, 26 (2), pp. 293-305. 

Cau, F., Di Mauro, M., Fanni, A., Montisci, A., Testoni, P., A neural networks inversion-based algorithm for multiobjective design of a high-field superconducting dipole magnet (2007) IEEE Transactions on Magnetics, 43 (4), pp. 1557-1560. 

Cau, F., Fanni, A., Montisci, A., Testoni, P., Usai, M., A signal-processing tool for non-destructive testing of inaccessible pipes (2006) Engineering Applications of Artificial Intelligence, 19 (7), pp. 753-760. 

Cannas, B., Cau, F., Fanni, A., Montisci, A., Testoni, P., Usai, M., Neural NDT by means of reflected longitudinal and torsional waves modes in long and inacessible pipes (2005) WSEAS Transactions on Systems, 4 (11), pp. 2129-2137. 

Cherubini, D., Fanni, A., Montisci, A., Testoni, P., A fast algorithm for inversion of MLP networks in design problems (2005) COMPEL - The International Journal for Computation and Mathematics in Electrical and Electronic Engineering, 24 (3), pp. 906-920. 

Cherubim, D., Fanni, A., Montisci, A., Testoni, P., Inversion of MLP neural networks for direct solution of inverse problems (2005) IEEE Transactions on Magnetics, 41 (5), pp. 1784-1787. 

Cannas, B., Fanni, A., Manetti, S., Montisci, A., Piccirilli, M.C., Neural network-based analog fault diagnosis using testability analysis (2004) Neural Computing and Applications, 13 (4), pp. 288-298. 

Fanni, A., Montisci, A., A neural inverse problem approach for optimal design (2003) IEEE Transactions on Magnetics, 39 (3 I), pp. 1305-1308. 

Fanni, A., Giua, A., Marchesi, M., Montisci, A., Neural network diagnosis approach for analog circuits, (1999) Applied Intelligence, 11 (2), pp. 169-186.