Інтелектуальні мехатронні системи (2 курс ком)

Під час вивчення курсу ви ознайомитесь із сучасною прикладною теорією та принципами побудови систем автоматизованого управління мехатронними пристроями. Розглянете питання, пов’язані з оцінкою та проектуванням мехатронних пристроїв у виробничих системах, засобів моделювання процесів управління, що ґрунтуються на класичних, лінійних законах регулювання, нелінійних законах на базі нечіткої логіки (Fuzzy Logic) та класичних штучних нейронних мережах. Впровадженням основних властивостей штучного інтелекту при проектуванні інтелектуальних мехатронних систем (ІМС) на рівні систем управління.

Метою курсу є розгляд практичних питань застосування нечіткої логіки та штучних нейронних мереж для реалізації задач керування технічними системами. Курс базується на знаннях, отриманих студентом під час вивчання таких предметів, як «Теорія автоматичного керування», «Теорія оптимального керування», «Теорія прийняття рішень», «Автоматизований електропривод», «Мікропроцесорна техніка», окремих розділів вищої математики (диференційне числення, теорія ймовірності, теорія множин)

Задачами курсу є отримати знання у наступних питаннях: реалізація сучасних методів та принципів управління мехатронними системами; математичний апарат нечітких множин та принципами створення систем управління мехатронними системами на основі нечіткої логіки та штучних нейронних мереж; застосовування теорії нечіткої логіки та штучних нейронних мереж для задач синтезу керування мехатронними системами; застосовувати сучасних програмних засобів при вирішення задач синтезу та аналізу управління мехатронними системами.

Результатом вивчення дисципліни є розвиток навичок володіти концептуальними та методологічними знаннями в галузі автоматизації та приладобудування, бути здатним застосовувати їх до професійної діяльності на межі предметних галузей. Знання методології синтезу оптимальних та адаптивних автоматизованих систем управління. Вміння задавати конфігурацію або виконувати цільове програмування  окремих засобів автоматизації, або проектувати алгоритмічне забезпечення для розподілених автоматизовані систем,  для виконання безпосередньо на місці встановлення, або дистанційно: управління динамікою перехідних процесів у проектованих системах; управління алгоритмом функціонування елементів системи. Вміння проектно визначити оптимальні параметри налагодження системи управління/приладу та перевірити їх у часовій і частотній областях з допомогою експерименту.

Тема 1. Основні поняття та визначення інтелектуальних систем керування.

Поняття штучного інтелекту та напрямки досліджень систем штучного інтелекту. Загальні принципи побудови та функціонування інтелектуальних систем, типові схеми вирішення задач із їх залученням. Експертні системи та принципи їх побудови. Загальна структура побудови експертних систем, сфери їх застосування. Побудова експертних систем апріорного визначення керування та систем реального часу. Поняття та структура побудови інтелектуальних систем керування, інтелектуальний зворотній зв’язок. Формалізація задач інтелектуального керування, переваги та недоліки інтелектуальних систем. Тема 2. Мехатронні системи. Концепція побудови мехатронних систем. Структура та принципи інтеграції мехатронних систем. Електромеханічні модулі мехатронних систем Двигуни-редуктори. Поступальні та обертальні модулі. Мехатронні модулі класу «двигун – робочій орган». Інтелектуальні мехатронні модулі руху. Сучасні мехатронні системи. Мобільні роботи для ремонту підземних комунікацій та гексаподи. Лазерний робото-технічний комплекс. Робототехнологічні комплекси механообробки. Транспортні мехатронні засоби. Мікроманіпуляційні системи (ММС). Структура ММС. Модулі руху ММС. Датчики та п’єзо приводи ММС. Тема 4. Нечіткі системи та теорія нечітких множин. Поняття нечітких множин та нечіткої логіки. Історія розвитку нечіткої логіки та практики її застосування для побудови нечітких систем, доля ринку пристроїв із нечітким керуванням. Сфери використання нечітких систем. Доля ринку пристроїв, в яких використовується нечітке керування. Процес проектування нечіткої системи: етапи опису змінних та правил функціонування системи, offline – оптимізація, online – оптимізація, реалізація.  Тема 4. Проектування та моделювання нечітких регуляторів. Математичний апарат нечіткої логіки та операції із нечіткими множинами. Поняття лінгвістичних змінних, функції приналежності до нечітких множин та математичні операції над ними. Поняття нечіткого алгоритму та структура побудови правил прийняття рішення. Процедура фаззифікації вихідної інформації, формування механізму (функції) виводу, дефаззифікація вихідної множини та визначення керуючого впливу. Основні види механізмів виводу та дефаззифікації. Приклад формування нечіткого алгоритму управління резервуаром із водою. Тема 5. Побудова інтелектуальних систем керування (ІСК) за використанням нечіткої логіки. Загальні принципи побудови ІСК. Призначення та сфери застосування нечітких моделей. Типова структурна схема систем нечіткого керування, призначення її елементів. Фаззифікація вхідних та вихідних змінних за принципом Мамдані та Сугено. Формування та опис нечітких правил співставлення вхідних та вихідних нечітких множин. Концепція керування на випередження та її реалізація у ІМС. Блок-схема нечіткого регулятора. Тема 6. Побудова адаптивних систем управління з використанням нечіткої логіки. Структури ІСК із нечітким та ПІД - регуляторами. Переваги застосування комбінованих схем керування. Узагальнена процедура синтезу нечіткого алгоритму керування. Формування таблиці правил та аналіз повноти зв’язків вхідних та вихідних змінних. Синтез адаптивної системи автоматичного керування (САК) із еталонною моделлю, побудованою за використанням нечіткої логіки. Практичні приклади застосування ІСК, нечіткий регулятор для керування нестійким об’єктом. Тема 7. Штучні нейронні мережі (ШНМ). Проектування нечітких регуляторів на базі ШНМ. Проектування ІМС на базі нейронних мереж. Загальні поняття. Визначення та історія виникнення ШНМ. Структурна схема нейронної мережі. Математична модель нейрона та принципи його функціонування. Функції активації нейрона. Методи навчання ШНМ та алгоритми їх адаптації: метод зворотного розповсюдження. Сфери застосування ШНС. Побудова нечіткого регулятора по методу FAM. Застосування нейронних мереж та контролерів для мехатронних систем. Тема 8. Розпізнавання зображень. Системи розпізнавання зображень. Формування зображень в технічних системах. Методи розпізнавання зображень. Фільтрація та обробка зображнь. Використання персептронних мереж для навчання.

60 балів за виконання практичних завдань під час лабораторних робіт. 30 балів - результати написання двох КМР та активності та 10 балів за результатами роботи під час семінарських занять при опрацюванні матеріалу самостійного вивчення.