Detail předmětu

Vybrané kapitoly řídicí techniky

FEKT-DKC-AM1Ak. rok: 2020/2021

V rámci předmětu jsou studovány metody návrhu pokročilých řídicích algoritmů včetně klasických regulačních struktur ale i algoritmů robustního, adaptivního a prediktivního řízení. Pozornost je věnována rovněž algoritmům zpracování informací a stavovým pozorovatelům pro realizaci tzv. virtuálních senzorů a algoritmů bezsnímačového řízení. Tradiční metody pro řízení a zpracování informace jsou doplněny o přístupy založené na prvcích umělé inteligence. Kromě teoretických aspektů dané problematiky jsou řešeny i ukázkové aplikace algortimů v oblasti pokročilých pohonů, mechatronických systémů a mobilních robotů.

Výsledky učení předmětu

Absolvent kurzu by měl být schopen navrhovat, realizovat, seřizovat, porovnávat a vyvíjet nové velmi složité řídicí algoritmy klasického typu i s prvky umělé inteligence.

Prerekvizity

Základy teorie spojitého řízení. Základy teorie diskrétního řízení. Stavová teorie.

Doporučená nebo povinná literatura

Skogestad S., Postletwaite I.: Multivariable Feedback Control, John Wiley & Sons, 2007. (EN)
Slotine J. J. E., Li W.: Applied Nonlinear Control, Prentice-Hall, 1991 (EN)
Gu D.-W., Petkov P. H.: Robust Control Design with MATLAB, Springer, 2013 (EN)
Russell S., Norvig P.: Artificial Intelligence a Modern Approach. Prentice Hall 2010 (EN)
Voseelman G., Mass H-G. Airborne and Terrestrial Laser Scanning, CRC Press, 2010 (EN)
Goodwin G.C., Seron M.M. , Doná J.A. Constrained Control and Estimation, Springer, 2005 (EN)
Hermann R. ,Krener A., Nonlinear controllability and observability, IEEE Transactions on Automatic Control, vol. 22, no. 5, pp. 728–740, 1977 (EN)

Plánované vzdělávací činnosti a výukové metody

Metody vyučování zahrnují přednášky a samostatné studium. Předmět využívá e-learning (Moodle)

Způsob a kritéria hodnocení

Vypracování 2 - 3 projektů (max 30 bodů). Ústní zkouška doktorand (max 70 bodů) doktoranda.

Jazyk výuky

čeština

Osnovy výuky

1. Moderní přístupy v automatickém řízení
2. Robustní řízení dynamických systémů s uvažováním neurčitostí
3. Specifické problémy adaptivního řízení
4. Stavový regulátor jako základní struktura pro prediktivní řízení s modelem
5. Teorie pozorovatelnosti stavu nelineárních dynamických systémů
6. Principy použití virtuálních senzorů pro bezsnímačového řízení, příklad aplikací řízení pro pohony s asynchronními a synchronními motory
7. Umělé neuronové sítě (NS) a jejich metody učení.
8. Teorie řízení a umělá inteligence, řídicí algoritmy na bázi NS.
9. Identifikace systémů pomocí NS, adaptivní optimální regulátor s identifikací pomocí NS.
10. Moderní metody autonomní sebelokalizace ve vnějším a vnitřním prostředí.
11-12. Pokročilé 3D mapování - snímače, metody datové fúze, reprezentace dat, praktické využití.
13. Shrnutí

Cíl

Cílem předmětu je rozvoj znalostí a kompetencí studentů doktorského studia v oblasti návrhu pokročilých řídicích algoritmů a algoritmů pro zpracování informací založených jak na klasických matematických postupech, tak i prvcích umělé inteligence, včetně možných pokročilých aplikací jako je např. mobilní robotika.

Zařazení předmětu ve studijních plánech

  • Program DKC-EKT doktorský, libovolný ročník, zimní semestr, 4 kredity, povinně volitelný
  • Program DKC-KAM doktorský, libovolný ročník, zimní semestr, 4 kredity, povinně volitelný
  • Program DKC-MET doktorský, libovolný ročník, zimní semestr, 4 kredity, povinně volitelný
  • Program DKC-SEE doktorský, libovolný ročník, zimní semestr, 4 kredity, povinně volitelný
  • Program DKC-TLI doktorský, libovolný ročník, zimní semestr, 4 kredity, povinně volitelný
  • Program DKC-TEE doktorský, libovolný ročník, zimní semestr, 4 kredity, povinně volitelný

Typ (způsob) výuky

 

Konzultace

39 hod., nepovinná

Vyučující / Lektor

Seminář

39 hod., nepovinná

Vyučující / Lektor

eLearning