Stručni studij

Nazad   Loomen   Raspored   Engleski

Uvod u robotiku i inteligentno upravljanje SIA601

ECTS 5 | P 30 | A 15 | L 15 | K 0 | ISVU 41160 | Akademska godina: 2018./2019.

Grupe studenata

Prikaži sve grupe na predmetu

Nastavnici na predmetu

CUPEC ROBERT, nositelj

Sadržaj

Uvodna razmatranja o robotima: osnovni pojmovi, klasifikacija i primjene robota. Opis pozicije i orijentacije krutog tijela. Transformacije između koordinatnih sustava. Direktna i inverzna kinematika robotskog manipulatora. Dinamički model robotskog manipulatora. Upravljanje robotskim manipulatorom po poziciji te sili i momentu. Senzori koji se primjenjuju u robotici. Osnove robotskog vida. Fleksibilni proizvodni sustavi. Osnove teorije neizrazitih skupova. Primjena neizrazite logike u upravljanju. Strukture neizrazitih regulatora. Osnovne strukture neuronskih mreža. Statičke i dinamičke neuronske mreže. Algoritmi učenja. Primjena neuronskih mreža za modeliranje, identifikaciju i upravljanje sustavima. Genetički algoritmi.

Znanja i vještine koje se stječu uspješnim svladavanjem kolegija

Znanja potrebna za izgradnju kinematičkog i dinamičkog modela robotskog manipulatora na temelju njegovih mehaničkih specifikacija, te primjenu tih modela za upravljanje robotskim manipulatorom. Upoznavanje sa senzorima koji se primjenjuju u robotici i osnovnim principima robotskog vida. Upoznavanje s fleksibilnim proizvodnim sustavima. Temeljna znanja o inteligentnim metodama upravljanja.

Oblici provođenja nastave

Predavanja i laboratorijske vježbe.

Obveze studenata

Definirano Okvirima kriterija ocjenjivanja studenata FERIT-a i stavkom 1.9

Praćenje rada studenata

Definirano Okvirima kriterija ocjenjivanja studenata FERIT-a i stavkom 1.9

Način provjere znanja

Kolokviranje laboratorijskih vježbi, seminarski rad, ispit.

Osnovna literatura

1. 1 Kovačić, Z; Bogdan, S; V. Krajči. Osnove robotike Zagreb: Graphis, 2002.


Pretraži literaturu na:

Dopunska literatura

1. 1 J. J. Craig Introduction to Robotics: Mechanics and Control Addison

2. 2 C. T. Lin, C. S. G. Lee Neural Fuzzy Systems - A Neuro-Fuzzy Synergism to Intelligent Systems Prentice Hall, 1996.

Način polaganja ispita

Seminarski rad i usmeni ispit.

Način praćenja kvalitete i uspješnosti izvedbe kolegija

Provođenje sveučilišnih anketa o nastavnicima (pristup prema studentima, transparentnost kriterija, motivacija na izvršavanje aktivnosti, jasnoća izlaganja, i sl.). Provođenje fakultetskih anketa o predmetima (nakon položenog predmeta samoevaluacija studenata o usvojenim ishodima učenja, te o opterećenosti u usporedbi s ECTS-ima aktivnosti i predmeta u cjelini).

Pregled ishoda učenja, nastavnih metoda i procjena ishoda učenja

Ishodi učenja:

1. ocijeniti mogućnost primjene robota u proizvodnim i uslužnim procesima

2. formulirati kinematički model robotskog manipulatora metodom Denavit-Hartenberga na temelju njegovih mehaničkih specifikacija

3. nabrojati vrste pogona i senzora koji se koriste u robotici i objasniti osnovne načine na koje se u robotici koriste senzori

4. izraditi jednostavan program za upravljanje robotskim manipulatorom

5. opisati osnovni princip rada genetskog algoritma

6. eksperimentalno ispitati funkcionalnost neuronske mreže za odgovarajuću primjenu



Aktivnosti studenta:

Aktivnost studenta Broj radnih sati ECTS (Broj radnih sati/30) Ishod(i) učenja Nastavna
metoda
Metoda procjene Bodovi
Pohađanje 6021,2,3,4,5,6Predavanja (PR), Laboratorijske vježbe (LV)Predavanja (PR), Laboratorijske vježbe (LV)310
Pisanje priprema za LV, analiza rezultata, te pisanje izvještaja3012,4,5,6Laboratorijske vježbe (LV)Provjera pripreme za LV, nadzor provođenja LV-a, provjera napisanih izvještaja1230
Priprema za usmeni ispit i usmeno odgovaranje na pitanja401.31,2,3,5,6Usmeni ispitProvjera danih odgovora2040
Seminarski rad200.71,5,6Samostalni radOcjena seminarskog rada820