témavezető: Zelei Ambrus Miklós
helyszín (magyar oldal): BME Műszaki Mechanikai Tanszék helyszín rövidítés: MM
A kutatási téma leírása:
a.) Előzmények
Komplex mechanikai rendszerek (mobil robotok, kvadkopterek) irányítása gyakran vezet olyan feladatokhoz, amelyek a hagyományos (hard) számítási módszerekkel nehezen vagy egyáltalán nem kezelhetők. Ilyen probléma például a fizikai korlátozásokat betartó, nemlineáris optimális irányítás valós idejű megvalósítása, a környezeti változásokhoz való alkalmazkodás illetve az összetett feladatok végrehajtásához szükséges referenciatrajektóriák megtervezése. Ezen problémák megoldása szükségessé teszi, hogy a hagyományos, fizikai és matematikai elven alapuló modellezési és irányítási módszereket kiegészítsük a mérési adatokra épülő, gépi tanulást használó eljárásokkal. Ezen (soft) számítási módszerek lehetővé teszik a környezeti változásokhoz való gyors alkalmazkodást, az irányítás minőségi tulajdonságainak tanulás alapú javítását, a szabályozóalgoritmusok hatékony implementációját és irányítási célú rendszermodell létrehozását olyan esetekben is, ahol a fizikai elvű modellezés nagy nehézségekbe ütközik.
b.) A kutatás célja
A doktori munka célja hatékony, korlátozásokat betartó irányítási módszerek kidolgozása nemlineáris mechanikai rendszerekre, a modell prediktív (NPMC) algoritmusok és a gépi tanuláson alapuló módszerek (pl. Gaussian process) kombinációjával. Kitűzött cél továbbá a fizikai elvek alapján létrehozott mechanikai modellek kiegészítése olyan tanuló struktúrákkal, melyekkel a modell működés közben adaptálható a környezeti változásokhoz. A kidolgozott eljárások elsősorban kétlábú robot és kvadkopter modelleken kerülnének bemutatásra.
c.) Az elvégzendő feladatok, azok fő elemei, időigénye
1. Irodalmi áttekintés a gépi tanuláson alapuló szabályozási algoritmusok témakörében. A nemlineáris mechanikai rendszerekre alkalmazható kutatási szempontból releváns már kidolgozott módszerek tesztelése alacsony szabadsági fokú dinamikai rendszereken (időigény: kb. 12 hónap).
2. Gépi tanuláson alapuló szabályozási algoritmusok kidolgozása és tesztelése nagyobb szabadsági fokú rendszereken (időigény: kb. 24 hónap).
3. A szabályozási algoritmusok felhasználása a bibedális robotok szabályozásának és az emberi helyváltoztatás biomechanikájának területén (időigény: kb. 12 hónap).
4. A szoft számításokon alapuló szabályozási módszerek összehasonlítása a hard számításokra támaszkodó modell alapú módszerekkel a pontosság, stabilitás, robosztusság, számítási igény tekintetében (időigény: kb. 12 hónap, a 3. ponttal párhuzamosan).
d.) A szükséges berendezések
Az elvégzett munka elsősorban numerikus szimulációkra alapul. Az ehhez szükséges számítógépek és programok a Műszaki Mechanikai tanszéken rendelkezésre állnak. Esetlegesen kísérleti berendezések építésére kerül sor, amelyek a hasonló témájó kutatási projektekből finanszírozhatók.
e.) Várható tudományos eredmények
A kutatás kimenetei nemlineáris mechanikai rendszerekre általánosan alkalmazható algoritmusok lesznek. Emellett bipedális helyváltoztatással kapcsolatos konkrét eredmények is várhatóak, amelyek a bipedális robotok szabályozásában és a biomechanikában is alkalmazhatók lesznek.
f.) Irodalom
Ambrus Zelei, Bernd Krauskopf, Petri Piiroinen, Tamás Insperger: Stable periodic motion of a controlled segmented leg model of pedal locomotion with inelastic ground-foot collision, Nonlinear Dynamics (2019, in Press), doi:10.1007/s11071-019-04911-z.
Maziar Raissia, Paris Perdikarisb, George Em Karniadakisa: Machine learning of linear differential equations using Gaussian processes, Journal of Computational Physics (2017), 348(1): 683-693, doi:10.1016/j.jcp.2017.07.050.
Xiangjun Jin, Jie Shao, Xin Zhang, Wenwei An, Reza Malekian: Modeling of nonlinear system based on deep learning framework, Nonlinear Dynamics (2016), 84(3):1327-1340, 2016, doi:10.1007/s11071-015-2571-6.
Liang Yang, Zhi Liu, Yun Zhang: Online walking control system for biped robot with optimized learning mechanism: an experimental study, Nonlinear Dynamics (2016), 86(3):2035-2047, doi:10.1007/s11071-016-3013-9.
felvehető hallgatók száma: 1
Jelentkezési határidő: 2019-10-12
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
