- Nazwa przedmiotu:
- Sztuczna inteligencja w automatyce
- Koordynator przedmiotu:
- Maciej Ławryńczuk, Piotr Marusak
- Status przedmiotu:
- Fakultatywny ograniczonego wyboru
- Poziom kształcenia:
- Studia II stopnia
- Program:
- Automatyka i Robotyka
- Grupa przedmiotów:
- Przedmioty techniczne - zaawansowane
- Kod przedmiotu:
- SZAU
- Semestr nominalny:
- 4 / rok ak. 2012/2013
- Liczba punktów ECTS:
- 5
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- - udział w wykładach: 15 x 2 godz. = 30 godz.
- realizacja zadań projektowych: 15 x 2 godz. = 30 godz.
- udział w konsultacjach związanych z zadaniami domowymi oraz przed kolokwiami: 5 godz.
- przygotowanie do bieżących zajęć (wykładów i ćwiczeń): 10 godz.
- rozwiązywanie zadań domowych: 20 godz.
- przygotowanie do kolokwiów: 30 godz.
Łączny nakład pracy studenta: 125 godz., co odpowiada 5 ECTS
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- 30 (wykład) + 4 (konsultacje) + 1 (oddawanie projektów)=35, co odpowiada 1,5 ECTS
- Język prowadzenia zajęć:
- polski
- Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
- 30 godz., co odpowiada 1 ECTS
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład30h
- Ćwiczenia0h
- Laboratorium0h
- Projekt30h
- Lekcje komputerowe0h
- Wymagania wstępne:
- Wiadomości na temat projektowania podstawowych algorytmów regulacji (PID oraz najprostszych algorytmów regulacji predykcyjnej)
- Limit liczby studentów:
- 36
- Cel przedmiotu:
- 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.
- Treści kształcenia:
- (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.
(3 jd). Sztuczne sieci neuronowe ? zagadnienia podstawowe:
pojęcia neuronu, wagi, funkcji aktywacji,
rodzaje najpopularniejszych sieci neuronowych (MLP, RBF),
algorytmy doboru parametrów sieci neuronowych (uczenie).
(2 jd). Zastosowanie sieci neuronowych do modelowania nieliniowych zależności statycznych i dynamicznych.
(4 jd). Wykorzystanie sieci neuronowych w automatyce:
układ regulacji z modelem odwrotnym,
układ regulacji typu IMC,
linearyzacja w pętli sprzężenia zwrotnego,
regulatory predykcyjne bazujące na modelach neuronowych.
(2 jd). Systemy rozmyte - zagadnienia podstawowe:
pojęcia: zbioru rozmytego, funkcji przynależności, schematu wnioskowania,
wnioskowanie Mamdaniego,
modele Takagi-Sugeno.
(3 jd). Zastosowanie systemów rozmytych do modelowania nieliniowych zależności statycznych i dynamicznych:
metody doboru parametrów modeli rozmytych,
dostrajanie modeli rozmytych z wykorzystaniem rozmytych sieci neuronowych.
(3 jd). Wykorzystanie systemów rozmytych w automatyce:
regulator regułowy PID,
regulator obszarowy PID,
regulator obszarowy ze sprzężeniem od stanu,
regulatory predykcyjne bazujące na modelach rozmytych.
(4 jd). Algorytmy genetyczne - zagadnienia podstawowe:
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.
- Metody oceny:
- 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.). Aby zaliczyć przedmiot należy uzyskać co najmniej 50 pkt.
- Egzamin:
- nie
- Literatura:
- Maciej Ławryńczuk, Piotr Marusak: Soft computing w automatyce. Skrypt, Warszawa, 2011.
- Witryna www przedmiotu:
- http://eres.elka.pw.edu.pl/eres/wwersje$.startup?Z_ID_PRZEDMIOTU=SZAU&Z_NR_WERSJI=1&Z_CHK=23255
- Uwagi:
Efekty uczenia się
Profil ogólnoakademicki - wiedza
- Efekt Wpisz opis
- Wiedza na temat zastosowania algorytmów genetycznych do modelowania obiektów nieliniowych i projektowania algorytmów regulacji.
Weryfikacja: kolokwia, projekty
Powiązane efekty kierunkowe:
K_W01, K_W04, K_W05, K_W06, K_W09
Powiązane efekty obszarowe:
T2A_W01, T2A_W02, T2A_W07, T2A_W01, T2A_W03, T2A_W04, T2A_W05, T2A_W07, T2A_W02, T2A_W03, T2A_W04, T2A_W07
Profil ogólnoakademicki - umiejętności
- Efekt Wpisz opis
- Umiejętność wykorzystania algorytmu genetycznego do modelowania obiektów nieliniowych i do projektowania algorytmów regulacji.
Weryfikacja: projekty
Powiązane efekty kierunkowe:
K_U08, K_U09
Powiązane efekty obszarowe:
T2A_U08, T2A_U09