Sztuczna inteligencja w automatyce

103000 - Wydział Elektroniki i Technik Informacyjnych

SZAU

1

Celem przedmiotu jest zapoznanie studentów z zastosowaniami sztucznej inteligencji (podejścia określane wspólną nazwą "soft computing") w automatyce. W szczególności, zostaną omówione sztuczne sieci neuronowe oraz systemy rozmyte w problemach modelowania i sterowania. Ponadto, przedstawione zostaną algorytmy genetyczne i ich zastosowanie do projektowania układów regulacji automatycznej.
Zajęcia pozwalają na nabycie umiejętności wykorzystania sieci neuronowych i systemów rozmytych do modelowania procesów nieliniowych oraz projektowania nieliniowych algorytmów regulacji bazujących na tych modelach.

Celem przedmiotu jest zapoznanie studentów z zastosowaniami sztucznej inteligencji (podejścia określane wspólną nazwą "soft computing") w automatyce. W szczególności, zostaną omówione sztuczne sieci neuronowe oraz systemy rozmyte w problemach modelowania i sterowania. Ponadto, przedstawione zostaną algorytmy genetyczne i ich zastosowanie do projektowania układów regulacji automatycznej.

Zajęcia pozwalają na nabycie umiejętności wykorzystania sieci neuronowych i systemów rozmytych do modelowania procesów nieliniowych oraz projektowania nieliniowych algorytmów regulacji bazujących na tych modelach.


Treść wykładu
(1 jd). Wstęp - przykłady zastosowań systemów rozmytych, sieci
neuronowych i algorytmów genetycznych w automatyce.



(2 jd). Przypomnienie podstawowych wiadomości z zakresu algorytmów
regulacji automatycznej oraz optymalizacji punktu pracy:

• algorytm regulacji PID,


• algorytm ze sprzężeniem od stanu,


• idea algorytmów regulacji predykcyjnej,


• hierarchiczna struktura sterowania.

• pojęcia neuronu, wagi, funkcji aktywacji,


• rodzaje najpopularniejszych sieci neuronowych (MLP, RBF),


• algorytmy doboru parametrów sieci neuronowych (uczenie).

• układ regulacji z modelem odwrotnym,


• układ regulacji typu IMC,


• linearyzacja w pętli sprzężenia zwrotnego,


• regulatory predykcyjne bazujące na modelach neuronowych.

• pojęcia: zbioru rozmytego, funkcji przynależności, schematu
  wnioskowania,


• wnioskowanie Mamdaniego,


• modele Takagi-Sugeno.

• metody doboru parametrów modeli rozmytych,


• dostrajanie modeli rozmytych z wykorzystaniem rozmytych sieci
  neuronowych.

• regulator regułowy PID,


• regulator obszarowy PID,


• regulator obszarowy ze sprzężeniem od stanu,


• regulatory predykcyjne bazujące na modelach rozmytych.

• pojęcia: chromosom, osobnik, populacja, operatory genetyczne,
  selekcja,


• zasada działania algorytmów genetycznych,


• przegląd algorytmów genetycznych,


• przykłady zastosowania algorytmów genetycznych w optymalizacji
  nieliniowej oraz projektowaniu układów regulacji.

Do wykładu opracowano skrypt, jest on dostępny dla studentów.

W trakcie semestru przeprowadzane są 2 dwugodzinne kolokwia, na koniec semestru przewidziany jest termin kolokwium poprawkowego. Każde kolokwium oceniane jest w skali 0-25 pkt., dwa pierwsze projekty oceniane są w skali 0-20 pkt., natomiast trzeci projekt w skali 0-10 pkt. (razem 100 pkt.).

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej

103100 - Instytut Automatyki i Informatyki Stosowanej