• Ваздухопловство, 3. семестар, позиција 4
• Аутоматско управљање, 3. семестар, позиција 4
• Системи наоружања, 3. семестар, позиција 4
• Механика, 3. семестар, позиција 4

• Упознавање са методама за анализу и пројектовање интелигентних система управљања. • Стицање практичног знања о неколико главних техника за интелигентно управљање и увод у најновије правце истраживања. • Примена рачунара за симулацију и евалуацију интелигентних система управљања.

По успешном завршетку овог курса, студенти би требало да буду оспособљени да: • Разумеју принципе и функционисање различитих техника интелигентног управљања. • Разумеју теоријске основе са становишта управљања. • Изврше синтезу и анализу интелигентних система управљања заснованих на комбинацији различитих теорија: неуронске мреже, фази системи, симулација, генетски алгоритми, биолошки инспирисани алгоритми, итд. • Користе рачунар у симулацији и евалуацији интелигентних система управљања кроз програмски пакет Matlab/Simulink, као и практична реализација алгоритама управљања на различитим објектима управљања коришћењем пакета Matlab/Simulink.

Увод у интелигентно управљање. Класично и интелигентно управљање. Основе вештачких неуронских мрежа: архитектура, класификација, основна својства. Закони учења, принципи: Хебов закон учења, закон учења Видроуа, делта правило. Једнослојне вештачке неуронске мреже без повратних спрега: перцептрон, линеарна мрежа. Вештачке неуронске мреже са поврaтним простирањем грешке. Вештачке неуронске мреже са радијалном базисном функцијом. Метода потпорних вектора. Динамичке вештачке неуронске мреже. Примена вештачких неуронских мрежа у моделовању идентификацији нелинеарних динамичких система. Примена вештачких неуронских мрежа у управљању: директно и индиректно управљање, директно инверзно управљање, моделско предиктивно управљање. Дубоке и конволуционе неуронске мреже. Биолошки инспирисани и еволутивни алгоритми.

PA: Практична настава укључује рачунске задатке који прате садржај курса. ПЛ: Експериментални рад: примена рачунара у симулацији и евалуацији интелигентних система управљања, као и њихова практична реализација коришћењем пакета Matlab/Simulink на различитим објектима управљања у склопу модуларног едукационог система управљања у реалном времену (обрнуто клатно, систем проточних резервоара, DC серво мотор, струјно термички процес).

Дефинисано курикулумом студијског програма/модула.

• Mодуларни едукациони систем управљања у реалном времену са различитим објектима управљања (DC серво мотор, обрнуто клатно, двоструко обрнуто клатно, куглица-шина систем, струјно термички објект, систем од два проточна резервоара), са аквизиционим хардвером и софтвером. • PC и PC Embedded рачунари, Siemens Simatic PLC, National Instruments контролери. • Инсталација за испитивање управљачких система и аквизицију електричних величина. •Лабораторија за интелигентне системе управљања, Лабораторија за управљачке системе.

Укупан фонд часова: 75

Ново градиво: 20
Разрада и примери (рекапитулација): 10

Аудиторне вежбе: 15
Лабораторијске вежбе: 10
Рачунски задаци: 0
Семинарски рад: 5
Пројекат: 0
Консултације: 0
Дискусија/радионица: 0
Студијски истраживачки рад: 0

Преглед и оцена рачунских задатака: 0
Преглед и оцена лабораторијских извештаја: 0
Преглед и оцена семинарских радова: 6
Преглед и оцена пројекта: 0
Колоквијум са оцењивањем: 4
Тест са оцењивањем: 0
Завршни испит: 5

Активност у току предавања: 5
Тест/колоквијум: 50
Лабораторијска вежбања: 5
Рачунски задаци: 0
Семинарски рад: 0
Пројекат: 0
Завршни испит: 40
Услов за излазак на испит (потребан број поена): 30

Radiša Jovanović, Inteligentni sistemi upravljanja, Skripta u elektronskom obliku, Mašinski fakultet u Beogradu, 2023.; Simon Haykin, Neural Networks and Learning Machines, Vol. 3. Upper Saddle River, NJ, USA:: Pearson, 2009.; Радиша Јовановић, Mаtlab и Simulink у аутоматском управљању, Машински факултет Београд, ISBN 978-86-7083-896-3, 2021.