Popis předmětu - XP35FMC1

Přehled studia | Přehled oborů | Všechny skupiny předmětů | Všechny předměty | Seznam rolí | Vysvětlivky               Návod
XP35FMC1 Fuzzy modelování a řízení
Role:S, PV Rozsah výuky:2P+2C
Katedra:13135 Jazyk výuky:CS
Garanti:Hušek P. Zakončení:ZK
Přednášející:Hušek P. Kreditů:4
Cvičící:Hušek P. Semestr:

Anotace:

Student bude seznámen s filozofií návrhu výše zmíněných stabilizujících regulátorů a způsobem důkazů, tak aby byl schopen tyto znalosti použít při své vědecké práci. V úvodních lekcích jsou probírány základy fuzzy logiky, fuzzy množin a fuzzy operací a relací v rozsahu nutném pro jejich aplikace v modelování a řízení dynamických systémů. Poté jsou studenti seznámeni s metodikou přibližného zdůvodňování a její interpretace pomocí báze fuzzy pravidel s odvozením různých typů inferenčních mechanizmů. Fuzzy systém je dále interpretován jako nelineární zobrazení, jsou diskutovány jeho vlastnosti a možnosti aproximace funkcí. Tyto možnosti jsou využity při modelování fuzzy systémů z naměřených dat, a to pomocí gradientních metod a metody nejmenších čtverců. Dále jsou podrobně probrány metody fuzzy shlukové analýzy včetně 3 nejpoužívanějších algoritmů -fuzzy c-means, algoritmů Gustafson-Kessel a Gath-Geva. Další lekce jsou věnovány analýze a syntéze Takagi-Sugeno fuzzy systémů, tedy systémů založených na modelu, který je získán buď linearizací podél trajektorie nebo metodou sekcí - oba přístupy jsou srovnány. Podrobně jsou probírány různé Ljapunovovy funkce používané u těchto systémů - kvadratické, po částech kvadratické, fuzzy sdílející stejné rozdělení stavového prostoru jako lokální submodely. Úlohy jsou převedeny na metody konvexní optimalizace s využitím Lineárních maticových nerovností (LMI) a Sum-of-Squares (SOS). Dále jsou ukázány základní metody návrhu fuzzy adaptivních regulátorů, a to jak přímé (backstepping, fuzzy sliding mode control) tak nepřímé (Fuzzy Model Reference Adaptive Control). Obdobné metody jsou nakonec aplikovány při řízení s využitím neuronových sítí.

Cíle studia:

Cílem předmětu je seznámit se s nejnovějšími trendy a výsledky v oblasti modelování a řízení nelineárních systémů s využitím principů fuzzy logiky a neuronových sítí. Jedná se především o analýzu a syntézu Takagi-Sugeno fuzzy systémů, využití fuzzy systémů a neuronových sítí při řízení nelineárních systémů při aproximaci neznámých funkcí vyskytujících se v popisu systému a návrh adaptivních fuzzy systémů, přímých i nepřímých.

Osnovy přednášek:

Osnova přednášek
1. Úvod do fuzzy logiky, historie využití fuzzy logiky v modelování a řízení systémů
2. Základní pojmy a principy fuzzy logiky - fuzzy množina, fuzzy operace a relace, lingvistická proměnná
3. Přibližné zdůvodňování, báze pravidel, inferenční mechanismy
4. Fuzzy modelování - návrh fuzzy systémů pomocí gradientních metod, nejmenších čtverců
5. Fuzzy shluková analýza (rekurzivní a nerekurzivní algoritmy fuzzy c-means, Gustafson-Kessel a Gath-Geva)
6. Analýza Takagi-Sugeno fuzzy systémů s využitím různých typů Ljapunovových funkcí
7. Syntéza Takagi-Sugeno fuzzy systémů s využitím různých typů Ljapunovových funkcí
8. Využití LMI a SOS při analýze a syntéze Takagi-Sugeno fuzzy systémů
9. Návrh přímých adaptivních fuzzy regulátorů
10. Návrh nepřímých adaptivních fuzzy regulátorů
12. Modelování systémů s využitím neuronových sítí
13. Řízení nelineárních systémů s využitím fuzzy logiky a neuronových sítí - sliding mode control, backstepping
14. Příklady aplikací

Osnovy cvičení:

Cvičení jsou vedena jako konzultace k semestrální práci

Literatura:

Povinná literatura: Li-Xin Wang: A Course in Fuzzy Systems and Control, Prentice Hall, 1997, ISBN 978-0135408827. Kromě této monografie budou studentům zadávány k přečtení vybrané články z časopisů IEEE Transactions on Fuzzy Control, IEEE Transactions on Systems, Man and Cybernetics, Fuzzy Sets and Systems, IEEE Transactions on Cybernetics. Doporučená literatura: Tanaka, K. and H.O. Wang: Fuzzy Control Systems Design and Analysis: A Linear Matrix Inequality Approach, John Wiley and Sons, 2001, ISBN 978-0471323242 Jang, J.-S.R., Sun, C.-T. and Mizutani, E.: Neuro-Fuzzy and Soft Computing, Prentice Hall, 1997, ISBN 978-0132610667 Norgaard, M., Ravn, O., Poulsen, N.K. and L.K. Hansen: Neural Network for Modelling and Control of Dynamic Systems, Springer 2000, ISBN 978-1852332273

Požadavky:

Základní znalost diferenciálního počtu a matematické logiky

Klíčová slova:

fuzzy logika, modelování, řízení systémů

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr
DKYR_2020 Před zařazením do oboru PV
DOKP Před zařazením do oboru S
DOKK Před zařazením do oboru S


Stránka vytvořena 21.6.2024 15:50:48, semestry: Z,L/2023-4, Z/2024-5, připomínky k informační náplni zasílejte správci studijních plánů Návrh a realizace: I. Halaška (K336), J. Novák (K336)