Informačný list predmetu

INFORMAČNÝ LIST PREDMETU
Vysoká škola: Technická univerzita v Košiciach
Fakulta: Fakulta elektrotechniky a informatiky
Pracovisko: Katedra kybernetiky a umelej inteligencie
Kód predmetu: 2609991 Názov predmetu: Riadenie a umelá inteligencia
Druh, rozsah a metóda vzdelávacích činností:
Forma výučby: Prednáška, Cvičenie laboratórne, Projektová práca
Odporúčaný rozsah výučby (v hodinách):
Denná forma štúdia (hodiny za týždeň): 2,1,1
Externá forma štúdia (hodiny za semester): 26,13,13		 Vyučujúci:
doc. Ing. Anna Jadlovská, PhD. - garant
Odporúčaný semester: 1. rok LS
Počet kreditov:
6		 Podmieňujúce predmety:
Podmienky pre absolvovabnie predmetu: Zápočet a skúška
Priebežné hodnotenie:
Študent prospeje v PH a získa zápočet, keď splní podmienku získať min. 21% z 40%. V priebehu semestra študenti absolvujú jednu písomku za 20bodov, v ktorej budú analyticko/algoritmicky riešiť definované príklady a následne získané výsledky overia simuláciou na PC. Súčasťou hodnotenia za semester je algoritmické vypracovanie a obhájenie navrhnutého programového riešenia na PC pre úlohy inteligentného modelovania a riadenia modelov fyzikálnych systémov definované v 3-ch zadaniach/projektoch (v súčte za 20b). Z priebežného hodnotenia študent môže získať 40b (min. počet je 21b).		 Záverečné hodnotenie:
Študent prospeje v ZH a úspešne vykoná skúšku, keď splní podmienku získať min. 31% z 60%. Skúška pozostáva z dvoch častí: praktická časť obsahuje výpočtovo/algoritmické riešenie aplikačných príkladov v jazyku Matlab/Simulink s následným simulačným overením na PC, teoretická časť skúšky spočíva vo vypracovaní teoretických otázok vyplývajúcich z obsahu prednášok predmetu. Zo skúšky môže študent získať 60b (min 31b).
Výsledky vzdelávania:
Hlavným cieľom predmetu je zvládnutie vybraných moderných metód a techník pri modelovaní a inteligentnom riadení nelineárnych dynamických systémov (NDS) na teoretickej a algoritmickej úrovni, ktoré využívajú vlastnosti dopredných neurónových sietí MLP v rôznych aplikáciách ako: neurónový model NARX/NISS nelineárneho systému, neurónový regulátor a neurónový estimáto. Poukázať na možnosť navrhnuté modifikované algoritmy stavového optimálneho a prediktívneho riadenia na báze neurónových modelov verifikovať na simulačných modeloch DS (hydraulický systém, robot manipulátor) v riadiacich štruktúrach implementovaných do programového prostredia Matlab/Simulink s využitím funkcií Neural, NNSID, NNCTRL MPC toolboxov. Predmet ďalej umožňuje získanie znalostí a zručností z numerického a algoritmického riešenia aplikácie niekoľkých typov algoritmov diskrétnych PSD/polynomiálnych regulátorov v riadení simulačných modelov dynamických systémov (výmeník tepla, hydraulický systém, gulička na tyči, žeriav) a reálnych laboratórnych výukových modelov - (helikoptéra, gulička na ploche, hydraulický systém) v programovom systéme Matlab/Simulink, Control a Real Time toolbox-ov v zvolených riadiacich štruktúrach. Ďaľším cieľom je poukázať na etapy návrhu algoritmov adaptívnych regulátorov (STC) a to: algoritmy experimentálnej identifikácie fyzikálneho modelu z nameraných V/V dát s následnou syntézou STC regulátora za podpory Ident a STC Tool za účelom ich porovnania s inteligentným riadením.
Stručná osnova predmetu:
• Prehľad a vývoj klasických/moderných metód automatického riadenia, súčasné trendy modelovania a riadenia fyzikálnych systémov s využitím metód umelej inteligencie
• Algoritmizácia metód syntéz pre PID/PSD regulátory v simulačnom jazyku Matlab/Simulink, typy aproximácií, rýchlostný algoritmus, overenie algoritmov na simulačných a lab. výukových modeloch v riadiacich štruktúrach
• Modifikácie číslicových PID regulátorov, wind-up regulátora, Takahassiho vzťah, riadenie systémov s dopravným oneskorením
• Experimentálna identifikácia dynamických systémov s neznámymi/premenlivými parametrami s využitím funkcií Identification Toolboxu pre použitie v adaptívnych algoritmoch riadenia (STC), modely stochastických systémov – ARX/ARMAX
• Algoritmy adaptívnych číslicových PID regulátorov založených na modifikovanom Ziegler-Nichols kritériu a metóde rozloženia pólov,
• Modelovanie nelineárnych fyzikálnych systémov pomocou dopredných neurónových sietí, dynamické dopredné neurónové modely NARX, NARMAX a NISS, matica zosilnenia, aplikačné využitie funkcií Neural a NNSID Toolboxov
• Inteligentné metódy a algoritmy riadenia nelineárnych systémov (optimálne a prediktívne riadenie) s využitím UNS MLP
• Algoritmy pre získanie dopredných a inverzných neurónových modelov, riadiace štruktúry na báze inverzného neurónového modelu: priame inverzné riadenie (Direct Inverse Control - DIC), riadenie s vnútorným modelom (Internal Model Control - IMC), riadiace štruktúry na báze dopredného neurónového modelu - riadenie s dopredným regulátorom (Feed-forward Control - FFC), prediktívne riadenie (Neural Model Predictive Control - NMPC), funkcie knižnice NNCTRL
• Štruktúry riadenia na základe odhadov parametrov nelineárneho systému - algoritmy NSTC a NGPC (adaptívne riadenie a zovšeobecnené prediktívne riadenie) na výpočet riadiaceho zákona s neurónovým modelom pre nelineárny systém
Odporúčaná literatúra:
• POKORNÝ, M.: Umělá inteligence v modelování a řízení, BEN, Praha 1996
• MIKLEŠ - HUTLA: Teória automatického riadenia, Bratislava 1995
• BÍLA, J.: Umělá Inteligence a neurónové sitě, ČVUT Praha 1998
• ŠVARC, I. - ŠEDA, M. - VÍTEČKOVÁ, M.: Automatické řízení, Akademické nakladatelství, Cerm, Brno 2007 BALÁTĚ, J.: Automatické řízení, Ben - technická literatura, Praha 2004
• BALÁTĚ, J.: Automatické řízení, Ben – technická literatura, Praha, 2004
• JADLOVSKÁ, A. - JADLOVSKÁ, S.: Moderné metódy modelovania a riadenia nelineárnych systémov, FEI TU, elfa, Košice, 2013
• JAJČIŠIN, Š. – JADLOVSKÁ, A.: Návrh algoritmov prediktívneho riadenia s využitím nelineárnych modelov fyzikálnych systémov, FEI TU, elfa, Košice, 2013
Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu: slovenská
Poznámky:
Hodnotenie predmetu:
známka A B C D E FX
Dátum poslednej zmeny:
01.09.2015		 Schválil: doc. Ing. Anna Jadlovská, PhD.