Detail předmětu
Vyšší formy řízení
FSI-VVF Ak. rok: 2018/2019 Zimní semestr
Kurz je zaměřen na moderní metody návrhu a syntézy regulačních obvodů s využitím metod umělé inteligence. Prezentovány jsou vybrané metody umělé inteligence, optimální a adaptivní metody řízení, fuzzy řízení a neuronový regulátor. Student si osvojí jak teoretickou tak praktickou implementaci prezentovaných metod a RT řízení. Předmět rozšiřuje znalosti specifických částí aplikované informatiky do oblasti pokročilého řízení. Využita je nejmodernější softwarová i hardwarová technologie firem B&R Automation a Mathworks (Matlab/Simulink) i podstatné know-how autorů předmětu.
Jazyk výuky
čeština
Počet kreditů
5
Garant předmětu
Zajišťuje ústav
Výsledky učení předmětu
Vybavit posluchače moderními nástroji pro řešení složitých úloh automatického řízení s využitím metod umělé inteligence.
Schopnost analyzovat a navrhovat moderní regulační systémy. Studenti získají základní znalosti o optimálním řízení, adaptivním řízení, fuzzy řízení a řízení pomocí umělých neuronových sítí.
Prerekvizity
Základní znalosti metod používaných v analýze a navrhování lineárních spojitých systémů řízení. Základní znalosti metod používaných v analýze a navrhování nelineárních spojitých systémů řízení a diskrétních systémů řízení. Základní principy programovatelných automatů (PLC). Diferenciální rovnice systémů, přenosy, impulsní a přechodové funkce a charakteristiky, frekvenční přenos a frekvenční charakteristiky, stabilita systémů. Matematické programování a optimalizace.
Plánované vzdělávací činnosti a výukové metody
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách. Výuka je doplněna laboratorním cvičením.
Způsob a kritéria hodnocení
Podmínky udělení zápočtu: Základní podmínkou pro udělení zápočtu je aktivní absolvování všech laboratorních cvičení a zpracování elaborátů podle pokynů učitele. Zkouška je písemná a ústní. V písemné části student shrnuje dvě základní témata, která byla přednášena a řeší tři příklady. Ústní část zkoušky obsahuje diskuzi o těchto úlohách a možné doplňující otázky.
Učební cíle
Cílem předmětu je poskytnout studentům znalosti optimálního řízení, adaptivního řízení, fuzzy řízení a neuronového řízení.
Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky
Účast na cvičení je povinná. Vedoucí cvičení provádějí průběžnou kontrolu přítomnosti studentů, jejich aktivity a základních znalostí. Neomluvená neúčast je důvodem k neudělení zápočtu. Jednorázovou neúčast je možno nahradit cvičením s jinou studijní skupinou v tomtéž týdnu nebo zadáním náhradních úloh, delší neúčast se nahrazuje písemným vypracováním náhradních úloh podle pokynů cvičícího.
Použití předmětu ve studijních plánech
Program M2I-P: Strojní inženýrství, magisterský navazující
obor M-AIŘ: Aplikovaná informatika a řízení, povinný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Vyučující / Lektor
Osnova
Přednášky jsou rozděleny do 6 tématických bloků.
Blok 1: Technologie: B&R Automation, Mathworks (Matalab/Simulink a vybrané toolboxy: RTT, RTW, Fuzzy, ANN) a dSpace a další v kurzu užité technologie.
Blok 2: Adaptivní řízení a regulace (samočinně se nastavující regulátor, možnosti umělé inteligence, rekurzivní metody nejmenších čtverců, regresní model, regulátory založené na metodě pole placement, delta modely).
Blok 3: Optimální řízení a automatické generování regulačního zákona (aplikovaná gramatická evoluce, genetické programování, metody nelineární optimalizace, algoritmus HC12)
Blok 4: Fuzzy regulátory (teorie fuzzy množin, principy inference, fuzzifikace a defuzzifikace, PI/PD/PID regulátory, normované tvary univerza, fuzzy supervizor, fuzzy přepínač, fuzzy regulátor s více vstupy).
Blok 5: Neuronové sítě v řídící technice (teorie vybraných neuronových sítí, neuronový PID regulátor, regulátory s modelem, adaptivní formy, adaptivní řízení nelineárních systémů).
Blok 6: Moderní trendy v umělé inteligenci a automatickém řízení (závěr kurzu).
Cvičení s počítačovou podporou
14 hod., povinná
Vyučující / Lektor
Osnova
1C: Matlab/Simulink (varianty PID/PSD regulátorů, metody nastavení).
2C: Matlab/Simulink (optimální řízení a distribuce simulačního modelu).
3C: Automation Studio (koncepce a prostředí pro real-time implementace).
4C: Optimální řízení (nelineární optimalizace, HC12 optimalizace, pole-placement).
5C: Automatické generování regulačního zákona.
6C: Fuzzy regulátor.
7C: Neuronový regulátor.