Układy sterowania

stacjonarne

II stopnia

wybieralny

W 16/Zo, C 12/+, L 12/+, razem: 40 godz., 3 pkt ECTS

1. Podstawy automatyki/ wymagania wstępne: zrealizowane elementy auto-matyki i analizy układów automatyki

2. Podstawy robotyki/ wymagania wstępne: zrealizowane zagadnienia robo-tyki

3. Cyfrowe układy regulacji/ wymagania wstępne: zrealizowane zagadnienia cyfrowych układów regulacji

Semestr II / kierunek Mechatronika/ specjalność Inżynieria systemów obrony powietrznejl.

dr inż. Michał Siwek

Aktywność / obciążenie studenta w godz.

1. Udział w wykładach / 16

2. Udział w laboratoriach / 12

3. Udział w ćwiczeniach / 12

4. Udział w seminariach / 0

5. Samodzielne studiowanie tematyki wykładów / 10

6. Samodzielne przygotowanie do laboratoriów / 20.

7. Samodzielne przygotowanie do ćwiczeń / 20.

8. Samodzielne przygotowanie do seminarium / 0.

9. Realizacja projektu / 0

10. Udział w konsultacjach / 4

11. Przygotowanie do egzaminu / 0.

12. Przygotowanie do zaliczenia / 6.

13. Udział w egzaminie / 0.

Sumaryczne obciążenie pracą studenta: 100 godz./ 3 ECTS

Zajęcia z udziałem nauczycieli (1+2+3+4+9+10+13): 44 godz./1,5 ECTS

Zajęcia o charakterze praktycznym 64 godz./ 2 ECTS

Moduł obejmuje zagadnienia związane z projektowaniem i implementacją cy-frowych algorytmów sterowania w układach mechatronicznych. Metody pro-jektowania regulatorów cyfrowych. Implementacja algorytmów regulacji w napędach wybranych systemów uzbrojenia oraz w układach regulacji proce-sami przemysłowymi przy wykorzystaniu powszechnie używanych języków programowania.

Wykłady

1. Modelowanie i analiza modeli obiektów mechatronicznych (SISO i MIMO). Klasyfikacja i budowa układów sterowania i regulacji. Analiza warstwowej struktury sterowania. Metody modelowania obiektów w strukturze warstwowej. Stabilność i badanie stabilności dyskretnych systemów liniowych. / 2 / Studenci zapoznają się ze sposobami opisu matematycznego obiektów i procesów fizycznych, klasyfikacją i budową układów sterowania ze szczególną uwagą na układy sterowania obiektami MIMO.

2. Analiza problematyki projektowania regulatorów. Identyfikacja modeli obiektów – metoda najmniejszych kwadratów (LS) i rekurencyjna metoda najmniejszych kwadratów (RLS). Adaptacyjna identyfikacja parametrów obiektów online i offline. / 2 / Zagadnienia obejmują problematykę doboru regulatora do obiektu/procesu. Studenci zapoznają się z metodami identyfikacji nieznanych parametrów modelu lub procesu w trybie offline i online wykorzystując metody najmniejszych kwadratów (LS) i rekurencyjną najmniejszych kwadratów (RLS).

3. Klasyczne metody regulacji PID i jej rozszerzenia. Dyskretna implementacja regulatora PID i zagadnienie próbkowania. Adaptacyjny regulator PID. / 2 /

4. Projektowanie regulatora z kryterium liniowo-kwadratowym (LQ)./ 2 / Studenci zapoznają się z metodyką projektowania regulatora od stanu z kryterium liniowo-kwadratowym.

5. Sterowanie predykcyjne (MPC) – zasada działania i ograniczenia. Analiza algorytmów DMC (Dynamic Matrix Control) oraz GPC (Generalized Predictive Control) dla obiektu SISO. Dobór parametrów algorytmów MPC. /2/ Studenci zapoznają się z ideą sterowania predykcyjnego na podstawie analizy algorytmów DMC i GPC. Poznają metody dobory parametrów dla w/w algorytmów.

6. Wprowadzenie do sztucznych sieci neuronowych (NN). Rekurencyjne i konwolucyjne sieci neuronowe. Dobór odpowiedniej architektury sieci do zadania i kluczowe aspekty podczas uczenia NN. /2/ Studenci zapoznają się z rodzajami, budową i procesem nauczania sztucznych sieci neuronowych.

7. Zastosowanie sztucznych sieci neuronowych w zagadnieniach identyfikacji parametrów modelu obiektu i optymalizacji nastaw regulatorów. /2/ Studenci poznają możliwości zastosowania sztucznych sieci neuronowych w zadaniach związanych z identyfikacją parametrów modeli obiektów i możliwości wykorzystania do adaptacji nastaw regulatorów na przykładzie regulatora PID.

8. Metody naprowadzania i samonaprowadzania obiektów MIMO / 2 / Studenci zapoznają się z metodami naprowadzania i samonaprowadzania obiektów MIMO.

Ćwiczenia

1. Implementacja metody LS i RLS do identyfikacji parametrów modelu obiektu MIMO / 2 / Studenci implementują algorytmy LS i RLS do identyfikacji parametrów modelu matematycznego obiektu MIMO wykorzystując środowisko Matlab/Simulink i język Python.

2. Obliczanie i implementacja regulatora LQ dla obiektu SISO. /2/ Studenci implementują regulator LQ dla obiektu SISO wykorzystując środowisko Matlab/Simulink i język Python.

3. Projekt adaptacyjnego układu sterowania z regulatorem PID i sztucznymi sieciami neuronowymi dla obiektu MIMO / 4 / Studenci przeprowadzają procedurę projektowania regulatora dla obiektu MIMO na przykładzie regulatora PID z adaptacją nastaw online i offline przy wykorzystaniu sztucznych sieci neuronowych i środowiska Matlab/Simulink.

4. Analiza parametrów samonaprowadzania obiektów MIMO / 4 / Studenci zapoznają się z metodami doboru parametrów metod samonaprowadzania obiektów MIMO przy wykorzystaniu środowiska Matlab/Simulink i języka Python.

Laboratoria

1. Identyfikacja online parametrów modelu dynamicznego robota mobilnego o napędzie różnicowym / 4 / Studenci na stanowisku laboratoryjnym dokonują implementacji algorytmu RLS do identyfikacji parametrów modelu matematycznego robota mobilnego. Do tego celu wykorzystują środowisko Matlab/Simulink i jezyk Python.

2. Projekt regulatora PID i adaptacyjnego regulatora PID do sterowania robotem mobilnym realizującym zadanie ruchu po zadanej trajektorii / 4 / Studenci na stanowisku laboratoryjnym realizują projekt i implementację regulatorów PID do sterowania robotem mobilnym w środowisku Matlab/Simulink i języku Python.

3. Badanie trajektorii samonaprowadzania obiektów MIMO / 4 / Studenci badanie trajektorii samonaprowadzania obiektów MIMO przy wykorzystaniu środowiska Matlab/Simulink i języka Python.

Podstawowa:

1. Dorf R. C., Bishop R. H., Systemy sterowania automatycznego. PWN, 2025

2. Koziński W., Projektowanie regulatorów. Wybrane metody klasyczne i optymalizacyjne. Oficyna Wydawnicza Politechniki Warszawskiej, 2004

3. Kuźnik J., Regulatory i układy regulacji., Wydawnictwo politechniki Ślą-skiej, 2002

4. Weidman S., Uczenie głębokie od zera. Podstawy implementacji w Py-thonie., Helion, 2020

5. Krzywicki T., Sztuczne sieci neuronowe i uczenie głębokie., Wydawnic-two Uniwersytetu Warmińsko-Mazurskiego w Olsztynie, 2022

6. Rybarczyk A., Sztuczne sieci neuronowe. Laboratorium., Wydawnictwo Politechniki Poznańskiej, 2007

7. J. Brzózka: Ćwiczenia z automatyki w Matlabie i Simulinku, WNT.

8. Materiały Mathworks

9. M. Siwek: Materiały własne

10. J. Panasiuk: Materiały własne

Uzupełniająca:

9. Kneusel R. T., Matematyka w Deep Learningu. Co musisz wiedzieć aby zrozumieć sieci neuronowe., Helion, 2022

10. Tatjewski P., Sterowanie zaawansowane obiektów przemysłowych, AOW-EXIT.

W1 / Ma poszerzoną i pogłębioną wiedzę w zakresie wybranych problemów projektowania i wytwarzania układów mechatronicznych. Ma uporządkowaną wiedzę w zakresie systemów informatycznych wspomagających sterowanie systemu mechatronicznego. Zna podstawowe metody, techniki i narzędzia stosowane przy rozwiązywaniu zadań inżynierskich z zakresu mechatroniki. / K_W03, K_W04, K_W05.

U1 / Potrafi wykorzystać poznane metody i modele matematyczne, w razie potrzeby odpowiednio je modyfikując, do analizy i projektowania elementów, układów mechatronicznych lub proce-sów zachodzących z ich udziałem. Po-trafi zapewnić sterowanie elementem lub układem wykorzystując do tego celu specjalistyczne techniki i narzędzia. Potrafi integrować elementy mechanicz-ne, elektroniczne i informatyczne w system mechatroniczny. / K_U07, K_U12, K_U14.

Przedmiot zaliczany jest na podstawie: zaliczenia na ocenę.

Ćwiczenia zaliczane są na podstawie: obecności na zajęciach, testu wej-ściowego oraz zrealizowanych, i zaliczonych zadań projektowych

Ćwiczenia laboratoryjne zaliczane są na podstawie: obecności na zajęciach oraz opracowanych, i zaliczonych sprawozdań z ćwiczeń laboratoryjnych

Warunkiem dopuszczenia do zaliczenia przedmiotu jest uzyskanie pozytyw-nej oceny z ćwiczeń i zaliczenia ćwiczeń laboratoryjnych

Przedmiot zaliczany jest na podstawie: zaliczenia na ocenę.

Ćwiczenia zaliczane są na podstawie: obecności na zajęciach, testu wejściowego oraz zrealizowanych, i zaliczonych zadań projektowych

Ćwiczenia laboratoryjne zaliczane są na podstawie: obecności na zajęciach oraz opracowanych, i zaliczonych sprawozdań z ćwiczeń laboratoryjnych

Warunkiem dopuszczenia do zaliczenia przedmiotu jest uzyskanie pozytywnej oceny z ćwiczeń i zaliczenia ćwiczeń laboratoryjnych

Osiągnięcie efektu K_W03/4/4 - weryfikowane jest na podstawie udziału w ćwiczeniach

Osiągnięcie efektu K_U07/12/14- sprawdzane jest podczas ćwiczeń laboratoryjnych

Ocenę bardzo dobrą otrzymuje student, który osiągnął poziom wymagany na ocenę dobrą plus, ale potrafi także przy wykorzystaniu literatury przedstawić podobne rozwiązania w różny sposób, wykorzystując inne elementy składowe układu.

Ocenę dobrą plus otrzymuje student, który osiągnął poziom wymagany na ocenę dobrą, ale potrafi także oprócz dobrania elementów uzasadnić swój wybór i rodzaj danego układu.

Ocenę dobrą otrzymuje student, który osiągnął poziom wymagany na ocenę dostateczną plus, ale potrafi także przedstawić rozwiązanie alternatywne dla danego układu przy zastosowaniu podobnych elementów.

Ocenę dostateczną plus otrzymuje student, który osiągnął poziom wymagany na ocenę dostateczną oraz rozumie działanie podstawowych układów sterowania. Posiada też wiedzę umożliwiającą zaprojektowanie takiego prostego układu.

Ocenę dostateczną otrzymuje student, który zna podstawową strukturę układu sterowania i metodykę dobory regulatora do obiektu Potrafi także, korzystając z literatury zaproponować odpowiedni regulator do postawionego zadania.

Ocenę niedostateczną otrzymuje student, który nie zna struktury układów sterowania, nie zna podstawowych metod modelowania obiektów mechatronicznych nie potrafi korzystając z literatury dobrać odpowiednich metod sterowania do postawionego zadania.