Wykorzystanie algorytmów sztucznej inteligencji
W dziedzinie wykorzystania metod sztucznej inteligencji w zagadnieniach modelowania, identyfikacji i sterowania realizowane są następujące tematy badawcze:
- Identyfikacja i modelowanie dynamiki czujników termoelektrycznych o nieliniowych własnościach dynamicznych za pomocą sztucznych sieci neuronowych typu perceptron wielowarstwowy (MLP) oraz sieci rekurencyjne, z wykorzystaniem serii wymuszeń skokowych o narastającej amplitudzie. Metoda ta pozwoliła na zbudowanie dokładniejszych niż stosowane dotychczas modeli dynamicznych czujników temperatury.
- Korekcja błędów dynamicznych czujników przy zastosowaniu sztucznych sieci neuronowych. Opracowano neuronowe korektory czujników, które odwzorowują model odwrotny do modelu dynamicznego czujników termoelektrycznych. Uzyskano bardzo dobre wyniki korekcji dla czujników o nieliniowych własnościach dynamicznych.
- Identyfikacja inkluzji - temat realizowany we współpracy z Instytutem Elie Cartan w Uniwersytecie Nancy we Francji oraz Instytutem Badań Systemowych PAN w Warszawie. Sztuczne sieci neuronowe zastosowano do rozwiązania problemu odwrotnego – identyfikacji inkluzji w metalowej płycie na podstawie znajomości wartości określonych funkcjonałów.
- Modelowanie procesu przędzenia za pomocą sztucznych sieci neuronowych - temat jest realizowany we współpracy z Katedrą Technologii i Budowy Przędz P.Ł. Opracowano modele hybrydowe analityczno neuronowe oraz wyznaczono modele cząstkowe odzwierciedlające wpływ ważnych parametrów procesu na parametry jakościowe przędzy bawełnianej i przędz mieszankowych.
- Wykorzystanie teorii zbiorów rozmytych i logiki rozmytej w przetwarzaniu sygnałów pomiarowych oraz modelowaniu i sterowaniu obiektów przemysłowych, w tym obiektów nieliniowych o stałych rozłożonych. Zbiory rozmyte pozwalają uzyskać poprawę jakości procesów technologicznych umożliwiając wprowadzanie do algorytmów pomiarowo - sterujących informacji o charakterze jakościowym, dotyczących zarówno specyficznych cech obiektu jak też przebiegu procesu technologicznego.
- Wzbogacanie ilościowego opisu obrazów tekstur o nowe cechy oparte na samopodobieństwie obrazu oraz rozpoznawanie tekstur z wykorzystaniem sieci neuronowych i systemów neuronowo-rozmtych. Wzbogacenie istniejących modeli o nowe cechy umożliwiło poprawę wyników rozpoznawania tekstur reprezentujących różne stadia angiosarcomy (złośliwy nowotwór naczyń krwionośnych).
- Budowa systemu ekspertowego, w oparciu o systemy neuro-fuzzy, wspomagającego wybór odpowiedniego algorytmu szkieletyzacji dla konkretnego obrazu 3D.
- Wykorzystanie algorytmów genetycznych dla potrzeb projektowania Wieloczęstotliwościowych Sygnałów Binarnych (MBS) wykorzystywanych w identyfikacji obiektów przemysłowych. Metoda pozwala na wyznaczenie optymalnego przebiegu sygnału testowego dopasowanego do potrzeb konkretnego obiektu i eksperymentu identyfikacyjnego.
- Wykorzystanie algorytmów sztucznych sieci neuronowych do wyznaczania parametrów cieplnych nagrzewanych indukcyjnie wsadów stalowych.
Zespół:
prof. dr hab. inż. Dominik Sankowski
prof. dr hab. inż. Dominik Sankowski
dr hab. inż. Jacek Kucharski
dr inż. Lidia Jackowska-Strumiłło
dr inż. Marcin Janaszewski
dr inż. Piotr Urbanek
mgr inż. Hubert Kołodziejski
dr inż. Lidia Jackowska-Strumiłło
dr inż. Marcin Janaszewski
dr inż. Piotr Urbanek
mgr inż. Hubert Kołodziejski
Redakcja:
Jacek Kucharski
Piotr Jarosław Urbanek
Lidia Jackowska-Strumiłło
Dominik Sankowski
Ostatnia modyfikacja:
2012-11-12 09:51:16,
Wojciech Bieniecki
