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 práciLiteratura:
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 978-1852332273Požadavky:
Základní znalost diferenciálního počtu a matematické logikyKlíčová slova:
fuzzy logika, modelování, řízení systémůPředmět je zahrnut do těchto studijních plánů:
| Plán | Obor | Role | Dop. semestr |
| DOKP | Před zařazením do oboru | S | – |
| DOKK | Před zařazením do oboru | S | – |
| DKYR_2020 | Před zařazením do oboru | PV | – |
| Stránka vytvořena 27.4.2024 17:51:58, semestry: Z/2024-5, Z,L/2023-4, připomínky k informační náplni zasílejte správci studijních plánů | Návrh a realizace: I. Halaška (K336), J. Novák (K336) |