BM0629 Autonomo transportlīdzekļu sistēmu projektēšana

Kods BM0629
Nosaukums Autonomo transportlīdzekļu sistēmu projektēšana
Statuss Obligātais/Ierobežotās izvēles
Līmenis un tips Pamatstudiju, Profesionālais
Tematiskā joma Transports
Struktūrvienība Būvniecības un mašīnzinību fakultāte
Mācībspēks Mihails Gorobecs
Kredītpunkti 15.0
Daļas 2
Anotācija Studiju kurss veltīts viedo transporta sistēmu projektēšanai ar autonomiem bezvadītāja transportlīdzekļiem un to vadībai. Sistēmas darbspēja un efektivitāte bez cilvēka piedalīšanās vadības procesos ir sasniedzamā gan ar aparatūras līdzekļiem, tādiem kā mikrokontrolleru un iegulto datoru sistēmas, sensoru sistēmas, bezvadu telekomunikācijas sistēmas un tml., gan ar programmatūras līdzekļiem un informācijas tehnoloģijām, tādām kā adaptīvās un optimālās vadības algoritmi, intelektuālie aģenti, sarakstu teorija, neironu tīkli, ģenētiskie algoritmi un to programmēšana un tml. Autonomo transportlīdzekļu sistēmas raksturo spējas pieņemt vadības lēmumus un pašapmācīties bez cilvēka iesaistīšanas. Šim nolūkam studiju kursa ietvaros tiek apskatīti lēmumu pieņemšanas formālas struktūras, klasiskie un atvasinātie lēmumu pieņemšanas kritēriji un sakarības starp šiem kritērijiem, situāciju kvantitatīvie raksturojumi, elastīgie kritēriji un lēmumu variantu risku analīze un novērtēšana. Studiju kursa gaitā tiks risināti daudzmērķu lēmumu pieņemšanas uzdevumi un tiks projektētas un modelētas transportlīdzekļu sistēmu spējas bez cilvēka dalības pieņemt operatīvās un stratēģiskās vadības lēmumus pielāgoties apkārtējas vides izmaiņām..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Pasaules tendences autonomu bezvadītāju transportlīdzekļu un to sistēmu attīstībai. 2 2 1 3
Transporta automatizācijas un autonomijas līmeņu klasifikācija. 2 2 1 3
Autonomu transportlīdzekļu sistēmu definīcijas, klasifikācija un pamatjēdzieni. 2 2 1 3
Autonomu transportlīdzekļu sistēmas vadības stratēģijas un pamatprincipi. 2 2 1 3
Autonomā transportlīdzekļa arhitektūra. 4 4 2 6
Autonomu transportlīdzekļu elektriskās vilces elementi, to darbības funkcijas un vadība. 4 4 2 6
Autonomu transportlīdzekļu sensoru sistēmas, to darbības funkcijas un vadība. 4 4 2 6
Autonomu transportlīdzekļu bezvadu komunikācijas sistēmas, to darbības funkcijas un vadība. 4 4 2 6
Autonomu transportlīdzekļu vadības elementi un to darbības funkcijas. 4 4 2 6
Bezvadītāja transportlīdzekļu vadības sistēmu racionālā uzvedība. 4 4 2 6
Lēmumu pieņemšanas galvenā formāla struktūra autonomā transporta uzdevumos. 4 4 2 6
Sistēmas drošuma un drošības, optimālās vadības mērķa funkcijas un kritēriji. 4 4 2 6
Sakarības starp kritērijiem autonomā transporta vadībā. 4 4 2 6
Lēmumu pieņemšanas autonomā transporta situāciju kvantitatīvie raksturojumi. 4 4 2 6
Elastīgie lēmumu pieņemšanas kritēriji autonomā transporta vadībā un projektēšanā. 4 4 2 6
Subjektīvi noteicamie parametri autonomā transporta vadībā un projektēšanā. 4 4 2 6
Lēmumu pieņemšanas autonomā transporta vadības situāciju analīze. 4 4 2 6
Lēmumu variantu lietderība autonomā transporta vadībā un projektēšanā. 4 4 2 6
Lēmumu variantu riska novērtēšana un analīze autonomā transporta vadībā un projektēšanā. 4 4 2 6
Daudzmērķu risinājumi autonomajā transportā. 4 4 2 6
Lēmumu pieņemšanas alternatīvās metodes un perspektīvas autonomajā transportā. 4 4 2 6
Neironu tīkli un intelektuālo aģentu programmas autonomā transporta sistēmās. 4 4 2 6
Orientēto grafu neironu tīkla struktūra autonomā transporta uzdevumos. 4 4 2 6
Neironu tīklu arhitektūra un aktivācijas (pārejas) funkcijas autonomā transporta uzdevumos. 4 4 2 6
Perceptronu tīkls un tā apmācības metodes autonomā transporta uzdevumos. 4 4 2 6
Daudzslāņu neironu tīkls autonomā transporta uzdevumos. 4 4 2 6
Neironu tīkla pašapmācības metodes autonomā transporta uzdevumos. 4 4 2 6
Neironu tīkla mikrokontrolleru vadības sistēmas projektēšana. 4 4 2 6
Elektrotransporta autonomās vadības sistēmas projektēšana ar neironu tīkliem. 4 4 2 6
Ievads ģenētiskajos algoritmos autonomā transporta uzdevumos. 4 4 2 6
Ģenētisko algoritmu pamatprinicpi autonomā transporta uzdevumos. 4 4 2 6
Piemērotības funkcijas definēšana autonomā transporta uzdevumos. 4 4 2 6
Ģenētisko algoritmu operatori, parametru un procesu noteikšana. 4 4 2 6
Ģenētiskā programmēšana autonomā transporta uzdevumos. 4 4 2 6
Regresijas un automātiskās vadības autonomā transporta uzdevums. 4 4 2 6
Risinājuma-programmas attēlošana autonomā transporta uzdevumiem. 4 4 2 6
Optimālas ātruma uzdevums un vadības sistēmas projektēšana autonomajā transportā. 16 16 8 24
Optimāla enerģijas patēriņa uzdevums un vadības sistēmas projektēšana autonomajā transportā. 16 16 8 24
Optimāla kustības saraksta uzdevums un vadības sistēmas projektēšana autonomajā transportā. 16 16 8 24
Drošības uzdevums un intelektuālā aģenta projektēšana un programmēšana autonomajā transportā. 16 16 8 24
Kopā: 200 200 100 300
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Studiju kursa mērķis attīstīt prasmes projektēt autonomo transportlīdzekļu sistēmas un to vadību, konstruēt un apmācīt neironu tīklus autonomā transporta vadības uzdevumos un lietot ģenētiskos algoritmus vadības procesu pilnveidošanai. Studiju kursa uzdevumi ir: 1) veidot izpratni par lēmumu pieņemšanas sistēmām un to struktūru, par mākslīgo neironu tīklu konstruēšanas principiem un par ģenētisko algoritmu darbības principiem un to parametru variācijām; 2) sniegt zināšanas par lēmumu pieņemšanas metodēm, par apakšsistēmu struktūras izvēles paņēmieniem, par algoritmu mērķa funkciju un operatoru matemātisko definēšanu; 3) formēt iemaņas definēt lēmumu pieņemšanas kritērijus, veikt riska un citu parametru analīzi un pieņemt lēmumus, iemācot neironu tīklu un ģenētiskos algoritmus optimālai vadībai izmantošanu; 4) attīstīt prasmes projektēt transporta sistēmas, kuras spējīgas automātiski pieņemt vadības lēmumus, pašapmācīties un evolucionēt, pielāgojot funkcionalitāti apkārtējas vides izmaiņām bez cilvēka dalības.
Sasniedzamie studiju
rezultāti un to vērtēšana 		Pārzina lēmumu pieņemšanas sistēmas un to struktūru, mākslīgo neironu tīklu konstruēšanas principus un par ģenētisko algoritmu darbības principus un to parametru variācijas. - Eksāmens. Kontroldarbi.
Prot izmantot lēmumu pieņemšanas metodes un apakšistēmu struktūras izvēles paņēmienus un matemātiski definēt algoritmu mērķa funkciju un operatorus. - Eksāmens. Kontroldarbi.
Spēj definēt lēmumu pieņemšanas kritērijus, veikt riska un citu parametru analīzi un pieņemt lēmumus, apmācīt neironu tīklu un izmantot ģenētiskos algoritmus optimālai vadībai. - Eksāmens. Praktiskie un laboratorijas darbi. Studiju darbs.
Spēj projektēt transporta sistēmas, kuras spējīgas automātiski pieņemt vadības lēmumus, pašapmācīties un evolucionēt, pielāgojot funkcionalitāti apkārtējas vides izmaiņām bez cilvēka dalības. - Praktiskie un laboratorijas darbi. Studiju darbs.
Studiju rezultātu vērtēšanas kritēriji
Atbildes uz eksāmenu jautājumiem un uzdevumu izpilde - 35%
Kontroldarbu izpilde - 15%
Praktisko un laboratorijas darbu izpilde - 20%
Studiju darba izpilde - 30%
 
Priekšzināšanas Transporta sistēmu projektēšana un programmēšana, mikroprocessoru sistēmas, datortehnoloģijas, ritošā sastāva uzbūve, dzelzceļa infrastruktūra un ekspluatācija, sakaru sistēmas, drošība un automātika, vilcienu kustības organizācija.
Studiju kursa plānojums
Daļa KP Stundas Pārbaudījumi
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs
1 7.5 50.0 30.0 20.0 *
2 7.5 50.0 30.0 20.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]