Mesterséges Intelligencia labor

A tantárgy angol neve: Artificial Intelligence Laboratory

Adatlap utolsó módosítása: 2008. november 6.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar

Mérnök informatikus szak, MSc képzés   

Autonóm irányító rendszerek és robotok szakirány   

Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIIIM303 3 0/0/3/f 4  
3. A tantárgyfelelős személy és tanszék Dr. Harmati István,
4. A tantárgy előadója

Dr. Harmati István egyetemi docens

Dr. Katona László egyetemi adjunktus

Szádeczky-Kardoss Emese egyetemi tanársegéd

Prohászka Zoltán egyetemi tanársegéd

5. A tantárgy az alábbi témakörök ismeretére épít Szabályozástechnika, Fuzzy rendszerek és genetikus algoritmusok
6. Előtanulmányi rend
Ajánlott:
Lágy számítási módszerek
7. A tantárgy célkitűzése

A tantárgy célja, hogy jártasságot adjon az irányítástechnikában és a rendszermodellezésben egyre intenzívebben alkalmazott korszerű, lágy számítási technikákon alapuló mesterséges intelligencia módszerek, továbbá a folyamat-vizualizáció és a navigációs célú jelfeldolgozás területén. A módszerek alkalmazását tipikus irányítástechnikai és robotikai tervezési feladatok keretében korszerű eszközök felhasználásával mutatja be.

 A tantárgyat sikeresen abszolváló hallgatók közre tudnak működni komplex rendszerek modellezésében, rendszer optimalizációs és döntési feladatok megoldásában, továbbá irányítási, felügyeleti és navigációs rendszerek fejlesztésében és megvalósításában. Hosszú távon hasznosítható készségekkel rendelkeznek a lágy számítási módszerek műszaki területeken való alkalmazásában és a mesterséges intelligencia módszereket igénylő informatikai rendszerek fejlesztésében és kutatásában.

8. A tantárgy részletes tematikája 1. Mérés: Nemlineáris rendszerek PID elvű fuzzy irányítása. A mérés során a priori tudásbázis alapján a specifikációknak megfelelő fuzzy szabályozó tervezése és a szabályozó hatékonyságának vizsgálata a feladat.

 

2. Mérés: Nemlineáris rendszerek irányításának tervezése genetikus algoritmusokkal. A mérés célja (1) különböző tesztfüggvények globális minimumhelyének keresése genetikus algoritmusokkal és (2) háromtárolós rendszer PID szabályozójának tervezése genetikus algoritmussal.

 

3. Mérés: Rendszeridentifikáció (függvényapproximáció) fuzzy rendszerekkel. A mérés célja ismeretlen rendszer identifikációja (1) nulladrendű Sugeno rendszer hiba-visszaterjesztésen alapuló paraméterhangolásával, (2) legközelebbi szomszéd elvű klaszterezési algoritmussal, (3) fuzzy rendszer adaptív szabályfelvételével.

 

4. Mérés: Adaptív Sugeno-fuzzy irányítási algoritmusok fejlesztése. A mérés célja egy ismeretlen nemlineáris rendszer (1) Indirekt (modellre alapozott) 1. típusú adaptív fuzzy irányítása, (2) Indirekt  2. típusú adaptív fuzzy irányítása, (3) Direkt (nem modellre alapozott) 1. típusú adaptív fuzzy irányítása, (4) Direkt 2. típusú adaptív fuzzy irányítása.

 

5. mérés: Rendszeridentifikáció és irányítás neurális hálózatokkal. A mérés célja (1) ismeretlen nemlineáris rendszer identifikációja neurális hálózattal különböző (backpropagation, Widrow-Huff, Levenberg-Marquadt) hangolási technikákkal és különböző tanítópont eloszlások mellett, (2) ismeretlen nemlineáris rendszer irányítása adaptív neurális irányítással.

 

6. Mérés: Magasszintű blokkorientált folyamatvizualizáló nyelv megismerése. Listák és grafikus objektumok kezelésének begyakorlása. Sorrendi irányítás tervezése és leírása folyamatvizuáló nyelven, tesztelés és verifikálás.

 

7. Mérés: Navigációs célú jelfeldolgozás gyorsulásérzékelő, giroszkóp, mágneses iránytű és GPS bevonásával. Állapotbecslés megvalósítása Kalman-szűrőkkel beágyazott architektúrán.

 

8. Mérés: Ismeretlen nemlineáris rendszer identifikációja szubtraktív klaszterezéssel és ANFIS technikával.

 

9. Mérés. Formációban haladó járművek stabil irányítása potenciálfüggvényen alapuló technikával. Formáció váltás (lineáris, ortogonális és V-alakú konfigurációk) megvalósítása.

 

10. Mérés. Passzivitás-elvű tervezés szinkronizált pályakövetés megvalósítására. Kapcsolatgráf, pályaparaméterezés, időskálázás, decentralizált irányítás, kommunikációs csúszás hatásának analizálása.

 

 

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) A tárgy 10 laboratóriumi mérésből. A mérések egyenként 4 órásak.
10. Követelmények

A 10 mérés mindegyikét a szorgalmi időszakban kell elvégezni legalább elégséges eredménnyel. A félévközi jegy a mérési osztályzatok átlaga.

11. Pótlási lehetőségek

Az elmulasztott vagy sikertelen mérések pótlására 2 pótmérési alkalmat biztosítunk a szorgalmi időszakban. A mérések pótlására a pótlási héten már nincsen lehetőség.

12. Konzultációs lehetőségek A mérések előtti héten a mérésvezetőknél, hallgatói igény szerint.
13. Jegyzet, tankönyv, felhasználható irodalom Harmati-Katona-Szádeczky-Prohászka-Lantos: Mesterséges intelligencia labor segédletek 1-10. BME Irányítástechnika és Informatika Tanszék, 2008.
14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
Kontakt óra42
Félévközi készülés órákra42
Felkészülés zárthelyire
Házi feladat elkészítése18
Kijelölt írásos tananyag elsajátítása18
Vizsgafelkészülés
Összesen120
15. A tantárgy tematikáját kidolgozta

Dr. Harmati István egyetemi docens

Dr. Katona László egyetemi adjunktus

Szádeczky-Kardoss Emese egyetemi tanársegéd

Prohászka Zoltán egyetemi tanársegéd

Dr. Lantos Béla egyetemi tanár