Detail předmětu

Simulace a řízení v reálném čase

FSI-RPOAk. rok: 2019/2020

Studenti se na přednáškách seznámí s pokročilými technikami simulací v reálném čase, identifikací systémů, návrhem pokročilých řídicích algoritmů (lineární i nelineárních) a s odhadem stavů a parametrů v reálném čase. Teoretické poznatky budou použity při řešení týmového projektu, jehož cílem je kompletní návrh řízení reálného laboratorního modelu.

Jazyk výuky

čeština

Počet kreditů

4

Výsledky učení předmětu

Studenti získají znalosti a dovednosti v těchto oblastech:
• rychlé prototypování řídicích systémů a HIL (principy, SW nástroje a HW)
• identifikace systémů
• stavové řízení
• Kalmanův filtr
• nelineární řízení
• zpracování komplexního týmového projektu.

Prerekvizity

Znalosti z předmětů RMW, RDO, RKD.

Plánované vzdělávací činnosti a výukové metody

Přednášky, laboratoře.

Způsob a kritéria hodnocení

Předmět je hodnocen na základě:
• aktivní účasti na cvičení,
• zpracování zadaného týmového projektu s jasným vymezení podílu jednotlivých členů týmu,
• průběžných testů a zápočtového testu.

Učební cíle

Studenti se seznámí s pokročilými technikami simulací v reálném čase a souvisejícím SW a HW. Teoretické poznatky budou v laboratorním cvičení demonstrovány na procesu identifikace a návrhu pokročilého řízení pro reálný laboratorní model.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na cvičení je povinná. Kontrola výuky se provádí na cvičení dle kritérií hodnocení.

Základní literatura

Valášek, M.: Mechatronika, skriptum ČVUT, 1995
Grepl, R.: Modelování mechatronických systémů v Matlab/SimMechanics, BEN - technická literatura, ISBN 978-80-7300-226-8
BOLTON, W. Mechatronics: Electronic Control Systems in Mechanical Engineering. Pearson Education, 1999. 372 p. ISBN: 9780582357051.
NELLES, O. Nonlinear System Identification: From Classical Approaches to Neural Networks and Fuzzy Models. Springer, 2000-12-12. 814 p. ISBN: 9783540673699.

Doporučená literatura

Valášek, M.: Mechatronika, skriptum ČVUT, 1995
NELLES, O. Nonlinear System Identification: From Classical Approaches to Neural Networks and Fuzzy Models. Springer, 2000-12-12. 814 p. ISBN: 9783540673699.

eLearning

Zařazení předmětu ve studijních plánech

  • Program M2A-P magisterský navazující

    obor M-MET , 1. ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

Osnova

• Úvod do real-time simulací v mechatronice. Rychlé prototypování řídicích systémů, Hardware-In-the-Loop simulace.
• Úvod do identifikace systémů
• Identifikace systémů – metoda nejmenších čtverců, aplikační příklady, nelineární metoda nejmenších čtverců.
• Identifikace systémů – odhadování parametrů simulačních modelů
• Identifikace systémů – black box modely.
• Stavové řízení (opakování). Příklady vztahující se k reálným laboratorním modelům.
• Stavový pozorovatel – deterministický pozorovatel, Kalmanův filtr. EKF, další aplikace Kalmanova filtru.
• Vybrané metody nelineárního řízení (přímovazební řízení, kompenzace tření, zpětnovazební linearizace, SMC (klouzavé řízení)).
• HW a SW nástroje pro real-time simulace. Simulátory dSPACE. Platforma PXI.
• Automatické generování kódu ze Simulinku. Aplikace pro simulátory i embedded zařízení.
• Úvod do aplikací FPGA. Programování FPGA pomocí nástrojů pro automatické generování HDL kódu ze Simulinku (System Generator).
• Definice zadání týmových studentských projektů. Vybrané poznámky z projektového řízení a osobního time managementu.

Laboratorní cvičení

26 hod., povinná

Vyučující / Lektor

Osnova

• Identifikace systémů - řešení úloh.
• Stavové řízení - řešení úloh.
• Kalmanův filtr - řešení úloh.
• Řešení zadání týmového projektu – identifikace systému, návrh a testování řízení.
• Konzultace k řešení týmového projektu.
• Prezentace týmových projektů.

eLearning