Detail předmětu

Selected Chaps From Automatic Control

FEKT-DKA-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

angličtina

Osnovy výuky

1. Modern approaches in automatic control
2. Robust control of dynamic systems with uncertainty considerations
3. Specific Adaptive Control Problems
4. State controller as the basic structure for model based predictive control
5. State observability theory of nonlinear dynamic systems
6. Principles of using virtual sensors for sensorless control, example of control applications for actuators with asynchronous and synchronous motors
7. Artificial neural networks (NS) and their learning methods.
8. Control theory and artificial intelligence, NS-based control algorithms.
9. Identification of systems using NS, adaptive optimal controller based on NS identification.
10. Modern methods of autonomous outdoor and indoor self-localisation.
11-12. Advanced 3D mapping - sensors, data fusion methods, data representation, practical use.
13. Summary

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