Detail předmětu

Selected Chaps From Automatic Control

FEKT-DKA-AM1Ak. rok: 2021/2022

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.

Jazyk výuky

angličtina

Počet kreditů

4

Garant předmětu

prof. Ing. Pavel Václavek, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

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.

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.

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

Učební cíle

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.

Základní 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)

Doporučená literatura

Goodwin G.C., Seron M.M. , Doná J.A. Constrained Control and Estimation, Springer, 2005 (EN)
Gu D.-W., Petkov P. H.: Robust Control Design with MATLAB, Springer, 2013 (EN)
Hermann R. ,Krener A., Nonlinear controllability and observability, IEEE Transactions on Automatic Control, vol. 22, no. 5, pp. 728–740, 1977 (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)

Zařazení předmětu ve studijních plánech

  • Program DKA-EKT doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-KAM doktorský 0 ročník, zimní semestr, povinný
  • Program DKA-MET doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-SEE doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-TEE doktorský 0 ročník, zimní semestr, povinně volitelný
  • Program DKA-TLI doktorský 0 ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Konzultace

39 hod., nepovinná

Vyučující / Lektor

prof. Ing. Pavel Václavek, Ph.D.

Osnova

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