Optimální řízení a identifikace

• 26 hod. přednášky
• 13 hod. projekty

• 100 bodů závěrečná zkouška

Znalost problémů optimálního řízení, statická a dynamická optimalizace,  determinovaného, stochastického a adaptivního řízení. Seznámení s dynamickou optimalizací, tvary funkce ztrát, okrajovými  podmínkami,  Eulerova-Lagrangeovou rovnicí. Znalosti omezení ve tvaru nerovnic na řízení a Pontrjaginouva principu minima. Přehled v oblasti dynamického programování, konstrukce funkce ztrát, rovnice Hamiltona-Jakobiho-Bellmana. Seznámení s lineárním regulátorem, konstrukcí funkce ztrát, Riccatiho rovnicí. Zopakování charakteristik náhodných procesů, střední hodnoty, disperse, korelace, kovariance, Wiener-Chinčinových vztahů, Parcevalova teorému, bílého a  "barevného" šumu, transformace náhodného signálu lineární  soustavou. Přehled Bayesovských odhadů, funkce ztrát a rizika, obecného principu dynamické filtrace. Znalost lineárního dynamického (Kalmanova) filtru, odvození, přechodu na diskrétní filtr, zobecnění lineárního dynamického filtru, Wienerouva filtru. Znalost problematiky současné identifikace parametrů soustavy a trajektorie, rozšířeného stavového vektoru, linearizovaného Kalmanova filtru, konstrukce vybraných nelineárních filtrů. Přehled o stochastickém řízení, lineární kvadratická Gaussově úloze, o spojitém a diskrétním stochastickém stavovém regulátoru a servomechanismu. Znalost adaptivních systémů, současné identifikace stavu a parametrů a řízení, nejčastější struktury adaptivních systémů.

Předmět si klade za cíl přiměřenou formou vysvětlit principy automatického řízení. Problémy optimálního řízení budou formulovány obecně, jako optimalizační úlohy. Stejně se přistupuje i k vysvětlení stochastických metod řízení a identifikace. Klasické metody řízení budou chápány jako dílčí obecné úlohy řešené soudobým matematickým aparátem a možnostmi.

Základní znalosti zpracování signálu a matematické statistiky.

Orientační osnova výuky je uvedena níže. Témata přednášek budou upřesněna na úvodní lekci předmětu podle znalostí studentů. Na konci předmětu se předpokládá výuka formou seminářů a samostatných prezentací.

1. Problémy optimálního řízení, statická a dynamická optimalizace, determinované, stochastické a adaptivní řízení, vymezení pojmů.
2. Dynamická optimalizace, tvary funkce ztrát, okrajové podmínky a omezení, základy variačního počtu, Eulerova-Lagrangeova rovnice.
3. Omezení ve tvaru nerovnic na řízení, Pontrjaginův princip minima.
4. Dynamické programování, konstrukce funkce ztrát, rovnice Hamiltona-Jakobiho-Bellmana.
5. Příklady optimálních systémů, lineární regulátor, konstrukce funkce ztrát. Riccatiho rovnice, lineární servomechanismus.
6. Opakování a/nebo výklad - charakteristiky náhodných procesů, střední hodnota, disperse, korelace, kovariance, spektrální vyjádření, Wiener-Chinčinovy vztahy, Parcevalův teorém, Bílý a "barevný" šum, transformace náhodného signálu lineární soustavou, kmitočtová i časová oblast.
7. Bayesovské odhady, funkce ztrát a riziko, aplikace na dynamické soustavy, obecný princip dynamické filtrace.
8. Lineární dynamický (Kalmanův) filtr, odvození, přechod na diskrétní filtr, zobecnění lineárního dynamického filtru, Wienerův filtr.
9. Současná identifikace parametrů soustavy a trajektorie, rozšířený stavový vektor, linearizovaný Kalmanův filtr, konstrukce vybraných nelineárních filtrů.
10. Stochastické řízení, lineární kvadratická Gaussova úloha, spojitý a diskrétní stochastický stavový regulátor a servomechanismus.
11. Adaptivní systémy, současná identifikace stavu a parametrů a řízení, nejčastější struktury adaptivních systémů.

Individuální projekty, jejichž výsledky budou prezentovány v závěru výuky předmětu formou semináře.

Prezentace projektu formou semináře.