Cilji in kompetence
Ob koncu tega predmeta bodo študenti znali:
• samostojno sestaviti inteligentni nadzorni sistem in ga ovrednotiti pri reševanju določenega tehničnega problema avtomatizacije,
• sestaviti porazdeljene mehatronske sisteme v nadrejen SCADA sistem.
• uporabiti metode umetne inteligence in softverska orodja pri načrtovanju SCADA sistemov,
• vrednotiti zgradbo in uporabo značilnih aplikacij kompleksnih nadzornih sistemov v obdelovalni in proizvodni tehniki.
•Zmožnost načrtovanja in vrednotenja kognitivnih nadzornih sistemov v proizvodnih procesih.
Vsebina
Uvod v inteligentne/kognitivne nadzorne sisteme (SCADA sisteme): Pojmi, zgradba, komponente nadzora, signalne povezave med elementi, metode inteligentnega računalniškega inženiringa.
•Uporaba mehke logike in umetne inteligence za namene vodenja, nadzora in sprejemanja odločitev.
•Arhitektura inteligentnih/kognitivnih nadzornih in diagnostičnih sistemov: struktura, komunikacijske topologije, senzorji, obdelava signalov in potrebni podsistemi.
•Nadzorne strukture: Porazdeljene, centralizirane, decentralizirane, samoučljive, na napake odporne-dinamične varnostne strukture.
•Avtomatizacija procesov nadzora.
•Povezovanje in vključevanje nadzornih sistemov v nadrejene sisteme vodenja.
•Snovanje inteligentnih nadzornih sistemov v proizvodni tehniki.
•Sistemi nadzora in diagnostike v obdelovalnih procesih: metode odkrivanja nenormalnih stanj v procesu obdelave, odkrivanje motenj v delovanju (kolizija, lom orodja, obraba orodja, drdranje, meritve za namene avtomatične prepoznave in ukrepanja v primeru nastanka motenj.
•Vizualni nadzorni sistemi v procesih odrezavanja.
•Orodja za nadzor, konfiguriranje simulacijskega okolja, animacijo in vizualizacijo nadzora.
•Primeri značilnih aplikacij kompleksnih inteligentnih in kognitivnih nadzornih sistemov (SCADA sistemov) v obdelovalni tehniki.
Metode poučevanja in učenja
• predavanja,
• seminar.
Predvideni študijski rezultati - znanje in razumevanje
Ob koncu tega predmeta bodo študenti zmožni:
•načrtovati in sestaviti inteligenten ali kognitivni nadzorni sitem proizvodnega procesa z uporabo simulacijskih, vizualizacijskih ter nadzornih softverskih orodij.
•združiti posamezne mehatronske sisteme v celoten nadrejen nadzorni sistem (SCADA sistem)
•uporabiti metodo umetnih nevronskih mrež in mehke logike za izdelavo inteligentnega nadzornega algoritma in simulacijskega modela
•uporabiti softverska orodja za izdelavo nadzorne plošče z vključeno vizualizacijo procesa
•razčleniti in vrednotiti vizualne nadzorne sisteme v obdelovalni tehniki
•zagovarjati in upravičiti smiselnost izdelave kibernetsko –fizičnih nadzornih sistemov
Temeljni literatura in viri
Obvezni / Compulsory:
• Dorf, R. C., & Bishop, R. H. (2014). Modern control systems (12th ed., Pearson new international ed., str. 1042). Pearson. https://plus.cobiss.net/cobiss/si/sl/bib/18358806
• Altintas, Y. (2012). Manufacturing automation: metal cutting mechanics, machine tool vibrations, and CNC design (2nd ed., str. XII, 366). Cambridge University Press. https://plus.cobiss.net/cobiss/si/sl/bib/16594966
•Aggarwal, C. C. (2018). Neural networks and deep learning: a textbook (str. XXI, 497). Springer. https://link.springer.com/book/10.1007/978-3-319-94463-0. https://plus.cobiss.net/cobiss/si/sl/bib/21911830
Priporočljivi / Recommended:
Pham, D. T., & Liu, X. (1995). Neural networks for identification, prediction and control (str. XIV, 238). Springer. https://plus.cobiss.net/cobiss/si/sl/bib/ukm/175444
•Wang, L. G., Robert X. (2006). Condition Monitoring and Control for Intelligent Manufacturing. Springer London. https://plus.cobiss.net/cobiss/si/sl/bib/1000000000229113
Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti
/
Podrobnosti o izvedbi in ocenjevanju • izdelek 100%
