Module also offered within study programmes:
General information:
Name:
Optymalizacja
Course of study:
2019/2020
Code:
RAIR-2-201-AM-n
Faculty of:
Mechanical Engineering and Robotics
Study level:
Second-cycle studies
Specialty:
Automatic Control and Metrology
Field of study:
Automatics and Robotics
Semester:
2
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
dr hab. inż. Sibielak Marek (sibielak@agh.edu.pl)
Module summary

Celem zajęć jest zapoznanie studenta z metodami optymalizacji statycznej. W ramach prowadzonych przedstawiane są metody wyznaczania rozwiązań optymalny dla zadań optymalizacji z ograniczenia i bez ograniczeń. Student zapoznaje się się z algorytmami numerycznymi oraz analitycznymi metodami rozwiązywania tego typu zadań. Pozyskuje podstawową wiedzę na temat optymalizacji dynamicznej.

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence: is able to
M_K001 Posiada umiejętność komunikowania się w środowisku interdyscyplinarnym w celu realizacji postawionych zadań. AIR2A_K01 Activity during classes
Skills: he can
M_U001 Potrafi wykorzystać wiedzę z zakresu metod optymalizacji zarówno do formułowania zagadnień jak i ich rozwiązywania. AIR2A_U06 Examination
M_U002 Potrafi wykorzystać wiedzę z zakresu teorii optymalizacji w syntezie systemów sterowania. AIR2A_U06 Activity during classes,
Test
Knowledge: he knows and understands
M_W001 Zna i rozumienia zagadnienia teorii optymalizacji. AIR2A_W05 Examination
M_W002 Zna i rozumie wybrane metody optymalizacji dla zagadnień liniowych i nieliniowych. AIR2A_W05 Examination
M_W003 Zna i rozumie wybrane metody numeryczne stosowane do rozwiązywania zadań optymalizacji. AIR2A_W05 Examination
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
28 14 0 14 0 0 0 0 0 0 0 0
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Posiada umiejętność komunikowania się w środowisku interdyscyplinarnym w celu realizacji postawionych zadań. - - + - - - - - - - -
Skills
M_U001 Potrafi wykorzystać wiedzę z zakresu metod optymalizacji zarówno do formułowania zagadnień jak i ich rozwiązywania. - - + - - - - - - - -
M_U002 Potrafi wykorzystać wiedzę z zakresu teorii optymalizacji w syntezie systemów sterowania. - - + - - - - - - - -
Knowledge
M_W001 Zna i rozumienia zagadnienia teorii optymalizacji. + - - - - - - - - - -
M_W002 Zna i rozumie wybrane metody optymalizacji dla zagadnień liniowych i nieliniowych. + - - - - - - - - - -
M_W003 Zna i rozumie wybrane metody numeryczne stosowane do rozwiązywania zadań optymalizacji. + - - - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 105 h
Module ECTS credits 4 ECTS
Udział w zajęciach dydaktycznych/praktyka 28 h
Preparation for classes 35 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 10 h
Realization of independently performed tasks 30 h
Examination or Final test 2 h
Module content
Lectures (14h):

1. Klasyfikacja zadań optymalizacji, wskaźniki jakości, formułowanie zadań optymalizacji, podstawy matematyczne.
2. Zadania optymalizacji statycznej bez ograniczeń, numeryczne metody wyznaczania rozwiązań.
3. Zadania optymalizacji statycznej z ograniczeniami, metoda sympleks.
4. Numeryczne metody wyznaczania rozwiązań nieliniowych zadań optymalizacji statycznej z ograniczeniami.
5. Zadania optymalizacji dynamicznej wskaźniki jakości.
6. Liniowe zadania optymalizacji dynamicznej z kwadratowymi wskaźnikami jakości.
7. Nieliniowe zadania optymalizacji, zasada maksimum Pontryagina.

Laboratory classes (14h):

1. Metody analitycznego wyznaczania rozwiązań zadań optymalizacji statycznej.
2. Numeryczne metody wyznaczania rozwiązań zadań optymalizacji statycznej.
3. Analityczne metody wyznaczania rozwiązań zadań optymalizacji statycznej z ograniczeniami.
4. Metoda sympleks przykłady.
5. Zastosowanie numerycznych metody wyznaczania rozwiązań nieliniowych zadań optymalizacji statycznej z ograniczeniami.
6. Analityczne wyznaczanie rozwiązań liniowych zadań optymalizacji dynamicznej z kwadratowymi wskaźnikami jakości.

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Laboratory classes: Podczas zajęć audytoryjnych studenci na tablicy rozwiązują zadane wcześniej problemy. Prowadzący na bieżąco dokonuje stosowanych wyjaśnień i moderuje dyskusję z grupą nad danym problemem.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Wiedza z wykładu jest sprawdzana na egzaminie.
Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego.
Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może
zostać zweryfikowane w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie
zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu
wszystkich zajęć laboratoryjnych.
Student zalicza ćwiczenia projektowe na podstawie wykonanego samodzielnie projektu oraz umiejętności zastosowania wiedzy uzyskanej na wykładzie w formie ustnej lub pisemnej.
Student ma prawo do jednego zaliczenia poprawkowego na zasadach wyżej wymienionych w trakcie
pierwszej części sesji egzaminacyjnej.
Dopuszczenie do egzaminu na podstawie zaliczenia ćwiczeń laboratoryjnych.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Laboratory classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci przystępując do ćwiczeń są zobowiązani do przygotowania się w zakresie wskazanym każdorazowo przez prowadzącego (np. w formie zestawów zadań). Ocena pracy studenta może bazować na wypowiedziach ustnych lub pisemnych w formie kolokwium, co zgodnie z regulaminem studiów AGH przekłada się na ocenę końcową z tej formy zajęć.
Method of calculating the final grade:

Ocena z ćwiczeń (30%) + ocena egzamin (70%)

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

W przypadku braku obecności na zajęciach laboratoryjnych możliwe jest odrobienie zajęć z inną grupą. Jeżeli jest to niemożliwe dopuszczalne jest samodzielne wykonanie projektu zleconego przez prowadzącego zajęcia pod warunkiem że liczba nieobecności nie przekracza dwóch ćwiczeń.
Brak obecności na ćwiczeniach projektowych można odrobić uczestnicząc w zajęciach innej grupy.
Możliwe jest za zgodą prowadzącego wykonanie samodzielnie projektu. Po sprawdzeniu poprawności wykonania oraz weryfikacji umiejętności zastosowania wiedzy z wykładu w formie ustnej lub pisemnej uznaje się zajęcia za zaliczone.

Prerequisites and additional requirements:

Znajomość podstawowego kursu Teorii Sterowania

Recommended literature and teaching resources:

1. T. Kaczorek Teoria Sterowania
2. A. wierzbicki Teoria i metody obliczeniowe optymalizacji.

Scientific publications of module course instructors related to the topic of the module:

Application of an SMA spring for vibration screen control / Waldemar RĄCZKA, Marek SIBIELAK, Janusz KOWAL, Jarosław KONIECZNY // Journal of Low Frequency Noise Vibration and Active Control ; ISSN 1461-3484. — 2013vol. 32 no. 1&2, s. 117–131
Bench tests of slow and full active suspension in terms of energy consumption / Jarosław KONIECZNY, Janusz KOWAL, Waldemar RĄCZKA, Marek SIBIELAK // Journal of Low Frequency Noise Vibration and Active Control ; ISSN 1461-3484. — 2013 vol. 32 no. 1&2, s. 81–98.
Optimal controller for vibration isolation system with controlled hydraulic damper by piezoelectric stack / Marek SIBIELAK // Mechanical Systems and Signal Processing ; ISSN 0888-3270. — 2013 vol. 36 spec. iss. 1 Piezoelectric Technology, s. 118–126. — Bibliogr. s. 126,
Optimal control based on a modified quadratic performance index for systems disturbed by sinusoidal signals / Marek SIBIELAK, Waldemar RĄCZKA, Jarosław KONIECZNY, Janusz KOWAL // Mechanical Systems and Signal Processing ; ISSN 0888-3270. — 2015 vol. 64–65, s. 498–519
Optimal control of slow-active vehicle suspension – results of experimental data / Marek SIBIELAK, Jarosław KONIECZNY, Janusz KOWAL, Waldemar RĄCZKA, Dorota MARSZALIK // Journal of Low Frequency Noise Vibration and Active Control ; ISSN 1461-3484. — 2013 vol. 32 no. 1&2, s. 99–116.
Zrobotyzowany punkt przesypowy URB/ZS-3 – badania dołowe : [abstrakt] — Robotized setup URB/ZS-3 for transfer of minerals – underground tests : [abstract] / Krzysztof KRAUZE, Waldemar RĄCZKA, Marek SIBIELAK, Jarosław KONIECZNY // W: Mechanizacja, automatyzacja i robotyzacja w górnictwie : V międzynarodowa konferencja : Wisła, 13–15 czerwca 2018r. :
Zrobotyzowany punkt przesypowy – wyniki badań — Roboted re-loading place – tests results / Krzysztof KRAUZE, Waldemar RĄCZKA, Marek SIBIELAK, Jarosław KONIECZNY // W: Mechanizacja, automatyzacja i robotyzacja w górnictwie : IV międzynarodowa konferencja : Wisła, 21–23 czerwca 2017 r. : streszczenia referatów. — [Polska : s. n.], 2017. — S. 116.
Optimal controller for active vehicle suspension disturbed by sinusoidal signals / SIBIELAK Marek, RĄCZKA Waldemar, KONIECZNY Jarosław, KOWAL Janusz // Diffusion and Defect Data – Solid State Data. Part B, Solid State Phenomena ; ISSN 1012-0394. — 2016 vol. 248, s. 127–134. — Bibliogr. s. 133–134,

Additional information:

None