Detail předmětu

Vyšší formy řízení

FSI-VVF-KAk. rok: 2018/2019

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.

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.

Doporučená nebo povinná literatura

Švarc,I.:: Automatizace-Automatické řízení, skriptum VUT FSI Brno, CERM 2002, ISBN 80-214-2087-1
Vegte, V.D.J.: Feedback Control Systems, Prentice-Hall, New Jersey 1990, ISBN 0-13-313651-5
Levine, W.S. (1996) : The Control Handbook, CRC Press, Inc., Boca Raton, Florida 1996 , ISBN 0-8493-8570-9
Morris,K.: Introduction to Feedback Control, Academic Press, San Diego, California 2002, ISBN 0-12-507660-6

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.

Jazyk výuky

čeština

Cíl

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.

Zařazení předmětu ve studijních plánech

  • Program M2I-K magisterský navazující

    obor M-AIŘ , 2. ročník, zimní semestr, 6 kreditů, povinný
    obor M-AIŘ , 2. ročník, zimní semestr, 6 kreditů, povinný

Typ (způsob) výuky

 

Konzultace

13 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).

Laboratorní cvičení

4 hod., povinná

Vyučující / Lektor

Osnova

1L: Matlab/Simulink a prostředky Data Acquisition, Real-Time Toolbox, Real-Time Workshop (regulace tepelné soustavy)
2L: Automation Studio a technologie B+R Automation 1/2 (regulace tepelné soustavy)
3L: Projekt: Řízení pohonů (ACOPOS, IClA, Maxon)
4L: Projekt: Magnetická levitace, Helikoptéra
5L: Projekt: Stabilizace plošiny
6L: Závěrečné prezentace projektů.

Řízené samostudium

35 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.