450-8707/01 – Nekonvenční metody řízení mechatronických systémů (NMŘMS)
| Garantující katedra | Katedra kybernetiky a biomedicínského inženýrství | Kredity | 4 |
| Garant předmětu | Ing. Zdeněk Slanina, Ph.D. | Garant verze předmětu | Ing. Zdeněk Slanina, Ph.D. |
| Úroveň studia | pregraduální nebo graduální | Povinnost | povinný |
| Ročník | 2 | Semestr | zimní |
| | Jazyk výuky | čeština |
| Rok zavedení | 2011/2012 | Rok zrušení | |
| Určeno pro fakulty | USP, FS | Určeno pro typy studia | navazující magisterské |
Cíle předmětu vyjádřené dosaženými dovednostmi a kompetencemi
Cílem předmětu je seznámit studenty s moderními a efektivními metodami řízení, které využívají nenumerických popisů řídicího zákona v rámci vědního oboru umělé inteligence. Student získá znalosti z oblasti fuzzy množinové matematiky a fuzzy logiky, umělých neuronových sítí a evolučních algoritmů. Nabude dovednosti v návrhu, ladění i aplikacích fuzzy regulátorů, neuronových regulátorů a speciálních inteligentních regulátorů a jejich optimalizací pomocí pokročilých genetických algoritmů. Pro návrh a simulace regulátorů je použito prostředí Matlab-Simulink.
Vyučovací metody
Přednášky
Cvičení (v učebně)
Projekt
Anotace
Obsahem předmětu jsou základy vybraných metod umělé inteligence, aplikované v oblasti syntézy nekonvenčních regulátorů mechatronických systémů. Použity jsou přístupy fuzzy regulátorů typu Mamdani a Takagi-Sugeno a fuzzy-neuronových regulátorů. Pro adaptaci a optimalizaci struktur a parametrů regulátorů jsou použity genetické algoritmy. Počítačové simulace jsou prováděny v prostředí Matlab-Simulink.
Povinná literatura:
Doporučená literatura:
Forma způsobu ověření studijních výsledků a další požadavky na studenta
Podmínky udělení zápočtu:
student může dosáhnout 40 (min 21) bodů za elaboráty a vypracování semestrální práce.
Absolvování předmětu:
student musí obdržet zápočet a složit závěrečnou zkoušku. Závěrečná zkouška má dvě části
- písemnou se ziskem 40 (min 10) bodů a
- ústní se ziskem 20 (min 6) bodů
K absolvování předmětu musí student absolvovat obě části závěrečné zkoušky.
E-learning
Další požadavky na studenta
Žádné další požadavky na studenta nejsou kladeny
Prerekvizity
Předmět nemá žádné prerekvizity.
Korekvizity
Předmět nemá žádné korekvizity.
Osnova předmětu
1. Základy umělé inteligence, nekonvenční popisy chování složitých soustav.
2. Princip a přístupy znalostního nenumerického modelování a řízení.
3. Základy fuzzy množinové matematiky a fuzzy lingvistické logiky.
4. Pravidlové fuzzy modelování, přibližné usuzování a interpretace závěrů, expertní systémy.
5. Anylýza a syntéza fuzzy logických regulátorů, struktury a jejich vlastnosti ve srovnání s regulátory konvenčními.
6. Aplikace fuzzy řízení v mechatronických systémech.
7. Umělé neuronové sítě, jejich struktury a principy samoučení.
8. Syntéza neuronových regulátorů a diskuze jejich vlastností.
9. Kombinované fuzzy-neuronové regulátory.
10. Evoluční a genetické algoritmy v optimalizaci struktur a parametrů nekonvenčních regulátorů.
11. Problematika aplikací genetických algoritmů, pokročilé genetické algoritmy a jejich vlastnosti.
12. Strukturální a parametrická optimalizace nekonvenčních regulátorů s použitím genetických algoritmů.
13. Výpočtová inteligence, integrované fuzzy-neuro-genetické struktury v řízení.
14. Inteligentní regulátory, jejich struktury a použití.
Podmínky absolvování předmětu
Výskyt ve studijních plánech
Výskyt ve speciálních blocích
Hodnocení Výuky