|
|
|
|
|
|
Detalji |
Projekt: |
Umjetna inteligencija u upravljanju složenim nelinearnim dinamičkim sustavima |
Voditelj: |
Branko Novaković |
Ustanova: |
Fakultet strojarstva i brodogradnje, Zagreb |
Sažetak: |
Ključna polazišna spoznaja jest da konvencionalni algoritmi upravljanja nisu pogodni za primjenu kod složenih nelinearnih dinamičkih sustava. Zbog toga, između ostalog, glavni cilj istraživanja na ovom projektu jest razviti nove upravljačke algoritme koristeći elemente umjetne inteligencije (umjetne neuronske mreže, sustavi neizrazite logike i genetički, odnosno evolucijski algoritmi), te iste primijeniti na vođenje složenih nelinearnih dinamičkih sustava. Predloženo istraživanje na ovom projektu sadrži slijedeće pretpostavke: (i) inteligentno, odnosno iterativno upravljanje energijom složenih nelinearnih mehaničkih sustava može rezultirati značajnim uštedama u potrošnji energije, (ii) primjenom analitičkog neizrazitog upravljanja moguće je eliminirati dva bitna nedostatka konvencionalne teorije neizrazitog upravljanja (eksponencijalni rast broja pravila ponašanja sustava s porastom broja varijabli i otežano postavljanje analitičkog kriterija stabilnosti), (iii) primjenom umjetne inteligencije moguće je postaviti dinamički model, te kontrolu upravljanja i stabilnosti vođenja oblika i pozicije plazme kod fuzijskih reaktora tipa TOKAMAK, (iv) kombinacijom u prethodnom projektu razvijenih algoritama umjetnih neuronskih mreža i sustava neizrazite logike, te pridodavanjem genetičkih algoritama, moguće je objediniti sve prednosti koje oni imaju u identifikaciji dinamike sustava, implementaciji upravljačkih algoritama, te traženju optimalnog rješenja.
Očekivani rezultati predloženog istraživanja odnose se na opće unapređenje znanja, kao i na primjenu umjetne inteligencije u slijedećim segmentima: (i) umjetne neuronske mreže (UNM) za identifikaciju i vođenje složenih industrijskih sustava ( mobilnih i fleksibilnih robota, okretnih granika, te brzoreznih alatnih strojeva), (ii) sustavi analitičke neizrazite logike (SANL) za vođenje složenih energetskih sustava, kao i navedenih složenih industrijskih sustava, (iii) kombinacija UNM, SANL i genetičkih algoritama (GA) za optimiranje i poboljšanje vođenja navedenih sustava, (iv) rezultati predloženog istraživanja mogu se koristiti i kod biomedicinskih i društvenih sustava, te kod modernih vojnih sustava. Dobiveni rezultati provjerit će se preko računalnih simulacija i eksperimentalno. Važnost predloženih istraživanja jest u održavanju kompetencije na svjetskoj razini, te u primjeni na robotizirane, proizvodne, energetske, transportne, biomedicinske i vojne sustave. |
|
|
|
|
|
|