Gépitanuláson Alapuló Adatvezérelt Polytopikus Modellezés és Robusztus Szabályozás Tudományos Műhely

DE vezető kutatók részterületenként 

  • Matematika: Prof. Dr. Kocsis Imre, MTMT-táblázat, MTMT-lista, SCOPUS, WOS, GS
  • Gépészeti modellezés: Dr. Hajdu Sándor, MTMT-táblázat, MTMT-lista, SCOPUS, WOS, GS
  • Robusztus szabályozás: Prof. Dr. Korondi Péter, MTMT-táblázat, MTMT-lista, SCOPUS, WOS, GS

Kiemelt külső támogatók

  • Dr. Botzheim János | egyetemi docens, ELTE IK Mesterséges Intelligencia Tanszék
  • Prof. Dr. Baranyi Péter | Corvinus Egyetem

DE MK tagok

  • Dr. Husam A. Almusawi | adjunktus, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Dr. Szemes Péter Tamás | egyetemi docens, DE MK Járműmérnöki Tanszék
  • Korsoveczki Gyula | tanársegéd, PhD hallgató, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Kis Károly Árpád | tanszéki mérnök, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Keczán László | tanársegéd, PhD hallgató, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Mikuska Róbert | tanársegéd, PhD hallgató, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Katona Kornél | tanársegéd, PhD hallgató, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Nusser Dávid | tanszéki mérnök, PhD hallgató, DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Elek Donát | DE MK Villamosmérnöki és Mechatronikai Tanszék
  • Dr. Kézi Csaba Gábor | egyetemi docens, DE MK Műszaki Alaptárgyi Tanszék
  • Dr. Burján-Mosoni Boglárka | adjunktus, DE MK Műszaki Alaptárgyi Tanszék
  • Nemes Dániel | tanársegéd, PhD hallgató, DE MK Gépészmérnöki Tanszék
  • Dr. Hancz Gabriella | egyetemi docens, DE MK Építőmérnöki Tanszék
  • Dr. Kocsis Dénes László | egyetemi docens, DE MK Környezetmérnöki Tanszék
  • Aminu Babangida | PhD hallgató, DE Informatikai Tudományok Doktori Iskola

DE nem MK tagok

  • Dr. Csukonyi Csilla | adjunktus, DE BTK Pszichológiai Intézet
  • Dr. Őrsi Balázs | tanársegéd, DE BTK Pszichológiai Intézet 
  • Dr. Kovács Karolina Eszter | adjunktus, DE BTK Pszichológiai Intézet
  • Dr. Gilányi Attila László | egyetemi docens, DE IK Információ Technológia Tanszék

Magyar Partnerek 

  • Csapó Ádám | Corvinus Egyetem
  • Sudár Anna | Corvinus Egyetem
  • Prof. Dr. Kovács Szilveszter | egyetemi tanár, ME GEIK Általános Informatikai Intézeti Tanszék
  • Dr. Nagy Balázs | adjunktus, ELTE IK Mesterséges Intelligencia Tanszék
  • Dr. Korcsok Beáta  | tudományos segédmunkatárs, ELTE TTK Etológiai Tanszék
  • Domonkos Márk | PhD hallgató, ELTE IK Mesterséges Intelligencia Tanszék

Külföldi Partnerek 

  • Prof. Dr. Mihoko Niitsuma | Chuo University, Japan
  • Dr. Dávid Vincze | Chuo University, Japan
  • Prof. Dr. Trygve Thomessen | PPT AG, Norway
  • Prof. Dr. Naoyuki Kubota | Tokyo Metropolitan University, Japan

Előzmények

Előzményekként több PhD disszertációt és egy tankönyvet tudunk megjelölni.

Általános leírás

  • Gépitanulás: A gépi tanulás a 21. század fontos matematikai eszköze minden mérnöki területen, így néhány évtized múlva ennek kiemelése talán majd furcsán fog hatni, talán most még a kutatásaink jellegének megadásában egy fontos kulcsszó. Hangsúlyozni szeretnénk, hogy számunkra a gépi tanulás nem a kutatás célja, hanem az eszköze. Ezzel kapcsolatban felidézhetjük Archimédesz történetét, aki az egyszerű gépeket kutatva tett egy sokat idézet kijelenté „Adjatok egy fix pontot, és én kifordítom sarkaiból a világot.” Ma ez a gépitanulással kapcsolatban úgy hangozhatna „Adjatok egy fix fitness funciont, és én megoldom a világ minden optimalizációs problémáját.” Természetesen sem az Archimédesz által keresett fix pont, sem a mindent megoldó fitness funcion sem létezik. Így nekünk minden problémára mérnöki tudásra alapozott egyedi fitness funciont kell keresni.
  • Adatvezérelt politopikus modellezés: Ennek lényege, hogy a szokásos differenciálegyenletekre alapozott mérnöki modellezés helyett akár méréssel, akár más módon generált adatokat egy több dimenziós tömbbe rendezzük, dimenziónként szingulárisérték felbontás segítségével a redundanciákat kiszűrve, egy politopikus modellt állítunk.
  • Robusztus szabályozás: A szabályozás lényege, hogy egy részben ismeretlen, illetve külső hatások miatt a működését megváltoztató rendszerre valamilyen módon úgy hassunk, hogy annak működése egy általunk meghatározott keretekben folyjék. Ha működés közben áthangoljuk a szabályozónkat, akkor adaptív szabályozásról beszélünk (amelynek számos előnye és hátránya van). A robusztus szabályozás az áthangolás nélküli performancia garanciákról szól. 

Kutatási irányok

1. Bakteriális Memetikus Algoritmusok paraméter identifikációra, modell inverzió és adatvezérelt fuzzy modellezésre

  • Vannak olyan mérnöki rendszerek, amelyek komplex fizikai jelenségei miatt a közvetlen fizikai alapú modellezés túlságosan összetett modellhez vezet, de általában ez a gyakorlati alkalmazáshoz nem szükséges. Célszerű egy méréseken alapuló egyszerűsített modellt bevezetni. A kutatás célja kettős: egyrészt mérnöki rendszerek statikus (állandósult állapotú) jellemzőinek mérése, másrészt a méréseken alapuló nemlineáris modellezés. Az előbbi egy paraméteres modellhez vezet, amely sok esetben egyszerű görbeillesztésnek tekinthető, és a bevezetett paraméterek fizikailag értelmezhetők. Ebben a BMA paraméter identifikációt segíti. Akár a tervezésnél, akár szabályozásnál modell inverzióra van szükség. A rendszer kimeneti változóira van valamilyen előírásunk és ehhez keressük a megfelelő bemeneti értékeket. A kutatásaink egy része a rendszermodell BMA alapú inverziójával foglalkozik.
  • A rendszer fizikai tulajdonságaitól teljesen független olyan adatvezérelt fuzzy modellt is létre tudunk hozni a BMA segítségével, amely tisztán mérési eredményeken és soft computing módszereken alapul. Ebben az esetben a fizikai tartalom teljesen elvész, de ez a modell is matematikailag invertálható, és ez mérnöki tervezéshez és szabályozás megvalósításához is alkalmazható. 
  • Gyakorlatban alkalmazások: súrlódás kompenzáció, villamos hajtásszabályozás, telemanipulácios rendszerek, Termoelektromos generátor

2. Statikai rendszerek mérési eredményeinek tenzorszorzat alapú politopikus modellezése, képletének zárt alakban felírása stb. 

  • Gyakorlati szempontból olyan új alkalmazási területeket keressük, ahol e módszert még nem alkalmazták. Így e tudományos műhely a kar különböző tanszékei között tud szinergiát teremteni. Ilyen a víz és akusztikus szennyeződések, továbbá akkumulátor töltöttségének modellezése. Kiépülnek karközi kapcsolatok is, mert ez a módszer alkalmazható érzelmi és egyéb pszichológiai jelenségek modellezésére is.

3. Dinamikai rendszerek idősor mérési eredményeinek tenzorszorzat alapú politopikus leírása, modellezése, képletének zárt alakban felírása stb.

  • Az előző ponthoz képest az az alapvető különbség, hogy itt valamilyen állapotot írunk le és a dinamikai rendszereknek van memória tulajdonsága, ezért ha egy időpontban van egy új mért állapot értékünk, akkor ehhez néhány múltbeli értéket is hozzá kell rendelni, mert csak így érvényesülhet a memória jelleg. Az irodalomban a különböző ARMA megközelítések és a Markov-lánc a legismertebb módszerek az idősorok modellezésére. Itt is egy alternatívát kívánunk bemutatni.  A vizsgálat tárgya az, hogy ez az alternatíva mikor jobb vagy rosszabba az ismert módszereknél. Alapszabály, hogy minden időpillanatban annyi múltbeli értékre van szükség, mint ahányadik rendű differenciálegyenlettel írható le a rendszer működése. Erre jelenleg nincs mintapéldánk, A karon jelenleg Nemes Dániel dolgozik ezen. Ezt a módszert akkor lehet érdemes alkalmazni, ha jellegére sem ismerjük a rendszer működését leíró differenciálegyenletet, de a végén zárt alakú képletet szeretnénk kapni a súlyfüggvények tanulmányozásával. 

4. LPV modellek tenzorszorzat alapú politopikus leírása és szabályozása

  • Az első ponthoz képest az az alapvető különbség, hogy minden bemenő paraméter halmazhoz nem egy értéket, hanem egy rendszer mátrixot rendelünk hozzá. Annak ellenére, hogy az idő is lehet paraméter, ezt inkább úgy tekinthetjük, hogy annyi dimenziós statikai modellt számítunk, ahány változó paraméterünk van a rendszermátrixban. Itt a rendszermátrix a kimenet így annak nincs memória tulajdonsága, csak a rendszermátrix segítségével számított állapotváltozónak. Ha egy változó több mátrixelemben is megjelenik, az nem új dimenzió, hanem az adott dimenzióban párhuzamos számítás. Ha a rendszermátrixban pl. csak egyetlen változó paraméterünk van, de az több mátrix-elemben is megjeleni, akkor azt a számítást egy-dimenziósnak kell tekinteni, de a több elemre párhuzamosan számolva. Annak ellenére, hogy a modellezés statikai probléma, maga a rendszer dinamikus, amelyhez szabályozót tervezünk pólus áthelyezéssel, csúszómódban és Lineáris Mátrixegyenlőtlenségre alapozva.

5. Csúszómód szabályozás

  • A mérnöki munkában előforduló különféle jelenségek modellezése mindig a valós folyamatok egyfajta egyszerűsítése, amelynek célja egy olyan modell létrehozása, ahol elegendő egy bizonyos szintű matematikai elmélet és számítási eljárások alkalmazása. Néhány mérnöki területen azonban a mérnöki és matematikai modellek és eszköztárak harmonizált fejlesztése szükséges a hatékony megoldások megtalálásához. Ilyen példa a változó struktúrájú rendszerek ideális csúszómódban történő modellezése, amely leírása olyan matematikai eszköztárat igényel, amely messze túlmutat az általános mérnöki kompetencián, nevezetesen a hatvanas években Filippov által bevezetett jobboldalán nem folytonos differenciálegyenletek elmélete, amely az ideális csúszómód egzakt matematikai leírásához szükséges. Bár egy ideális szúszómód a valóságban nem valósítható meg, a valós rendszerek kellően közel tarthatók hozzá, ezért az ideális modell megoldásának tárgyalása fontos a gyakorlati alkalmazások szempontjából.
  • A csúszómód szabályozás népszerű a gyakorlatban, mert mérnökileg viszonylag egyszerű megvalósítani, és az alkalmasához sokszor nincs szükség a teljes matematikai arzenál felvonultatására. A teljesítményelektronikai eszközök tipikusan a változó struktúrájú rendszerek körébe tartoznak így a gyakorlati alkalmazásaink közvetlenül a teljesítményelektronikával, illetve a teljesítményelektronikai elemeket tartalmazó mozgásszabályozási rendszerekkel foglalkozik.

Ezt a tudományos műhelyt 2024. végén alapítottuk a Debreceni Egyetemen. Jelenleg kb. tíz cikk készül ebben a témakörben párhuzamosan. Várható, hogy lesz közöttük D1 és Q1 cikk is. 

Legutóbbi frissítés: 2025. 09. 12. 17:31