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: 2019./2020.

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: Vidi tablicu aktivnosti