automatizácia a riadenie v teórii a praxi artep 2013 viacnásobné ...
automatizácia a riadenie v teórii a praxi artep 2013 viacnásobné ...
automatizácia a riadenie v teórii a praxi artep 2013 viacnásobné ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
VIACNÁSOBNÉ VYUŽITIE UMELEJ INTELIGENCIE V MODERNOM<br />
REHABILITAČNOM ZARIADENÍ<br />
Marián VESELINY 1 - Ondrej LÍŠKA 1 - Ivo BUKOVSKÝ 2 - Boris Jobbágy 1<br />
Abstract: Modern automated rehabilitation device must meet several criteria. The device described in this<br />
article deals with the application of artificial intelligence in modern rehabilitation devices. Another unusual<br />
ability of this device is its power. It's unconventional move by pneumatic artificial muscles. The use of<br />
artificial intelligence in the device can be in several areas. Some options are the intelligent increase and<br />
decrease of a load or adaptive control of position during exercising and extending the range of arm motion of<br />
a patient.<br />
Abstrakt: Moderné automatizované rehabilitačné za<strong>riadenie</strong> musí spĺňať viacero kritérií. Za<strong>riadenie</strong> popísané<br />
v tomto článku sa zaoberá aplikáciou umelej inteligencie (UI) v modernom rehabilitačnom zariadení. Ďalšou<br />
netradičnou vlastnosťou tohto zariadenia je jeho pohon. Jedná sa totiž o rozvíjajúci sa nekonvenčný pohyb<br />
pomocou pneumatických umelých svalov. Využitie umelej inteligencie v tomto zariadení je možné vo viacerých<br />
oblastiach. Možnostmi jsou napríklad inteligentné zvyšovanie a znižovanie záťaže alebo adaptívne <strong>riadenie</strong><br />
polohy svalu pri precvičovaní a rozširovaní rozsahu pohyblivosti pacienta, ktoré sú v článku rozoberané.<br />
Key words: rehabilitation device, JavaNNS, pneumatic artificial muscles, artificial intelligence, neural<br />
networks<br />
Kľúčové slová: rehabilitačné za<strong>riadenie</strong>, JavaNNS, pneumatické umelé svaly, umelá inteligencia, neurónové<br />
siete<br />
ÚVOD<br />
Tento článok popisuje rôzne možnosti využitia umelej inteligencie v rehabilitačnom<br />
procese. Či už sa jedná o vylepšenie automatického rehabilitačného zariadenia pomocou umelej<br />
inteligencie, alebo o jej využitie pri riadení umelých pneumatických svalov. Takto realizované<br />
za<strong>riadenie</strong> má za úlohu nahradiť prácu rehabilitačných pracovníkov. Rehabilitačný proces je<br />
totiž veľmi náročný a ovplyvňuje ho viacero faktorov, ako napríklad typ poškodenia končatiny,<br />
či zdravotný stav pacienta a mnoho iných okolností.<br />
Simulácia realizovaná v programe JavaNNS popisuje vylepšenie činnosti<br />
rehabilitačného zariadenia a využitie neurónových sietí pri automatickom inteligentnom<br />
zvyšovaní a znižovaní záťaže.<br />
1 ROZDELENIE REHABILITAČNÝCH ZARIADENÍ<br />
V súčasnosti vývoj v oblasti rehabilitácie neustále napreduje, aj vďaka pokroku<br />
v oblasti robotických zariadení. S rozvojom rôznych oblastí a metód sa zlepšuje aj rehabilitačný<br />
proces a tým sa zvyšujú nároky kladené na automatizované rehabilitačné zariadenia.<br />
1 Ing. Marián Veseliny, Technická univerzita v Košiciach, Strojnícka fakulta, Katedra automatizácie, riadenia<br />
a komunikačných rozhraní. Kontakt: Letná 9, 042 00 Košice, marian.veseliny@tuke.sk<br />
2<br />
doc. Ing. Ivo Bukovský, Ph.D., České Vysoké Učení Technické v Praze, Fakulta Strojní, Ústav přístrojové a<br />
řídicí techniky, Technická 4, 166 07, ivo.bukovsky@fs.cvut.cz<br />
00-1
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
Automatizované rehabilitačné zariadenia môžeme podľa rôznych kritérií rozdeliť do<br />
viacerých skupín. V prvom rade ich môžeme deliť podľa rehabilitovanej časti tela a to na<br />
rehabilitačné zariadenia určené na rehabilitáciu :<br />
• horných končatín<br />
• dolných končatín<br />
• chrbtice<br />
Ďalej by sme rehabilitačné zariadenia mohli rozdeliť podľa odporu, ktorý pôsobí proti<br />
pacientovi na rehabilitačné zariadenia:<br />
• so záťažou<br />
• bez záťaže ( vhodné pre pacientov hneď po operácii)<br />
• kombinované<br />
Podľa druhu pohonu môžeme rehabilitačné zariadenia rozdeliť:<br />
• s elektrickým pohonom<br />
• s pneumatickým pohonom<br />
• poháňané umelými svalmi<br />
• bez pohonu<br />
• kombinované<br />
Podľa konštrukcie je možné rehabilitačné zariadenia rozdeliť:<br />
• stojanové<br />
• lôžkové<br />
• exosceletonové<br />
• joystickové<br />
• multifunkčné<br />
Je mnoho ďalších kritérií podľa ktorých by bolo možné rozdeliť automatizované<br />
rehabilitačné zariadenia súčasnosti.<br />
2 REHABILITAČNÉ ZARIADENIE S NEKONVENČNÝM POHONOM<br />
Nekonvenčný pohon využívaný v rehabilitačnej technike je jednoznačne pneumatický<br />
umelý sval. Oblasť zaoberajúca sa umelými svalmi značne napreduje. Mnoho odvetví sa<br />
zaoberá ich širokou škálou využitia. V súčasnosti je elektrický motor hlavnou hnacou silou<br />
robotov. Avšak ich obmedzené rozmery, veľká váha, komplikovaný prevod, zložité tvary<br />
spôsobili zmenu v návrhu týchto systémov. Tieto obmedzenia rozbehli vývoj takzvaných<br />
umelých svalov, fungujúcich na princípe prirodzeného ľudského svalu.<br />
Umelý sval so schopnosťou dynamického pohybu podobného ľudskému svalu otvára<br />
nové terapeutické možnosti pre tých, ktorí trpia rôznymi ochrnutiami.<br />
00-2
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
V súčasnej dobe jeden z najúčinnejších spôsobov, ako ozdraviť poškodené končatiny,<br />
alebo udržať pružnosť ochrnutých končatín, je jemný a plynulý pohyb kĺbov. To si často<br />
vyžaduje zvýšenú pozornosť po dlhú dobu, čo je pre terapeuta nemožné, byť neustále<br />
prítomný. Z tohto hľadiska sa zdá využitie umelých svalov v rehabilitačnej technike, ako<br />
nenahraditeľné.<br />
Automatizované rehabilitačné za<strong>riadenie</strong> budúcnosti má za úlohu využívať<br />
najmodernejšie poznatky z oblasti automatizácie, robotiky a samotnej rehabilitačnej činnosti.<br />
Ak sa k tomu pridá aj oblasť umelej inteligencie, vznikne moderné automatizované<br />
rehabilitačné za<strong>riadenie</strong>. V kombinácii s nekonvenčnými pohonmi sa možnosti takto<br />
navrhnutého zariadenia ďalej rozširujú. [1][2]<br />
3 KOMBINÁCIA REHABILITAČNÝCH ZARIADENÍ S UI<br />
Jednou z možností aplikácie umelej inteligencie v rehabilitačných zariadeniach je<br />
<strong>riadenie</strong> rehabilitačného zariadenia pomocou umelej inteligencie. Vhodnou kombináciou<br />
rôznych snímacích prvkov a umelej inteligencie je možné dosiahnuť za<strong>riadenie</strong>, ktoré bude mať<br />
schopnosť sa učiť a samostatne zlepšovať. Dokáže rozpoznať užívateľa a po cvičení si<br />
zapamätá jeho pokroky, ktoré počas rehabilitácie dosiahol. Pri zlepšení kondície užívateľa mu<br />
samostatne zvýši záťaž a naopak, ak zaznamená zníženie sily tak okamžite reaguje znížením<br />
odporu. Takéto za<strong>riadenie</strong> bude vhodné najmä pre užívateľov, ktorí sú napríklad hneď po<br />
operácii. Takýto pacienti začnú s minimálnym zaťažením (odporom) a za<strong>riadenie</strong> im<br />
samostatne zvyšuje záťaž nie len podľa nastaveného programu, ale aj podľa aktuálnej kondície.<br />
Je, ale nutné zadefinovať, ktoré prvky umelej inteligencie môže byť najvhodnejšie pre<br />
<strong>riadenie</strong> rehabilitačného zariadenia. Do úvahy pripadajú neurónové siete, neuro-fuzzy systémy,<br />
genetické algoritmy či fuzzy-relačné siete.<br />
4 UI AKO ČASŤ RIADENIA REHABILITAČNÉHO ZARIADENIA<br />
Využitie UI v rehabilitačnom zariadení spočíva v pôsobení na riadiaci systém. Pričom<br />
riadený systém je v tomto prípade samotné rehabilitačné za<strong>riadenie</strong>. Postupnosť riadenia je<br />
nasledovná: Na základe senzorov sa prenáša informácia zosnímaná z riadeného systému do<br />
riadiaceho systému a neurónovej siete. Riadiaci systém na základe poznatkov získaných<br />
pomocou senzorov a podnetov napríklad z neurónovej siete (NN) zadáva riadiace príkazy pre<br />
riadený systém. Týmto spôsobom sa zabezpečí pôsobenie neurónovej siete v riadiacom<br />
procese.<br />
Riadenie automatizovaného rehabilitačného zariadenia s využitím NN, poháňaného<br />
pneumatickými umelými svalmi, je znázornené na (Obr. 1). Riadiaci systém je znázornený PC<br />
stanicou. Poznatky získané z riadeného systému (automatizovaného rehabilitačného zariadenia)<br />
sú znázornené modrou šípkou a riadiace príkazy červenou.<br />
00-3
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
Obr. 1 Automatizované rehabilitačné za<strong>riadenie</strong> s využitím UI<br />
5 SIMULÁCIA RIADENIA ZÁŤAŽE NEURONOVOU SIETÍ V PROGRAME<br />
JAVANNS<br />
Na simuláciu neurónovej siete bol použitý program JavaNNS. Pred samotným návrhom<br />
neurónovej siete (NN) je nutné si zadefinovať vstupy a výstupy. Hodnoty vstupov závisia od<br />
problému, ktorý má NN riešiť. Ak chceme docieliť, aby navrhovaná neurónová sieť dokázala<br />
rozpoznať aktuálnu fyzickú kondíciu pacienta a jeho prípadné zlepšenia, je potrebné určiť,<br />
ktoré snímané veličiny nás budú zaujímať. Najviac zaujímavé veličiny teda aj vstupy sú<br />
rýchlosť a smer. Na základe veľkosti rýchlosti zosnímanej zo zariadenia dokážeme určiť<br />
aktuálnu kondíciu. Ak sa rýchlosť pohybu zvyšuje pri nezmenenej záťaži NN zaznamená<br />
zlepšenie kondície a jej úlohou je zvýšiť záťaž. A naopak ak zaznamená zníženie rýchlosti<br />
reaguje znížením záťaže. O definovaní vstupov a im pridelených výstupoch je popísané<br />
v predchádzajúcej publikácii: Neurónové siete v modernom rehabilitačnom zariadení [3] a sú<br />
znázornené v (Tab. 1).<br />
Tabuľka 1 Vstupy a výstupy NN[3]<br />
VSTUPY<br />
SPEED_T<br />
SPEED_T-1<br />
LOAD<br />
PROGRAM<br />
DIRECTION<br />
VÝSTUPY<br />
LOAD_1<br />
LOAD_2<br />
LOADD_3<br />
PROGRAM_1<br />
PROGRAM_2<br />
00-4
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
DIRECTION_T<br />
DIRECTION_T-1<br />
ANGLE<br />
PULZ<br />
PROGRAM_3<br />
STOP<br />
Na základe definovaných vstupov a výstupov vytvoríme NN. Topológia navrhnutej<br />
siete pozostáva z jednej vstupnej vrstvy, jednej skrytej a jednej výstupnej vrstvy. Navrhnutá<br />
NN je zobrazená na obrázku. (Obr. 2)<br />
Obr. 2 Navrhnutá NN v programe JavaNNS<br />
Za pomoci Control Panelu následne prebehne učenie neurónovej siete. Pri učení NN je<br />
možné nastavovať rôzne parametre a vybrať si z viacerých učiacich funkcií, ktoré sú<br />
00-5
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
v programe prednastavené. Priebeh učenia je možné sledovať pomocou Error grafu. Na osy X<br />
je znázornený počet učiacich cyklov a na osy Y je suma štvorcov odchýlok Σe 2 .(Obr. 3)<br />
Obr. 3 Error graf pre vytvorenú NN<br />
Neurónová sieť zobrazená na (Obr.2) vykazuje prijateľnú chybu učenia. Následne bude<br />
testovaná a vykonané vyhodnotenie jej testovania porovnaním skutočných a očakávaných<br />
výsledkov. [4]<br />
6 VYUŽITIE UI PRI RIADENÍ PNEUMATICKÝCH SVALOV<br />
Ďalšou možnosťou využitia umelej inteligencie v automatizovanom rehabilitačnom<br />
zariadení je jej využitie pri riadení nafukovania a vyfukovania pneumatických svalov.<br />
00-6
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
Pneumatické umelé svaly patria do skupiny neštandardných pohonov so zaujímavými<br />
vlastnosťami podobnými biologickým svalom. Tento druh svalu je nelineárny a má hysterézne<br />
správanie a preto je na ňom možné uplatniť rôzne pokročilé techniky riadenia. Postupnosť<br />
riadenia je zjednodušene znázornená na (Obr.4). [5]<br />
Obr. 4 Riadenie umelých svalov pomocou NN<br />
Meracia karta MF 624 (Obr. 4) ponúka riešenie pomocou Real-time toolboxu v prostredí<br />
Matlab/Simulink. Jedno z uvažovaných a vyvíjaných riešení je identifikácia dynamiky<br />
pneumatického aktuátora neurónovou sieťou a optimalizácia pohybu robotickej ruky<br />
adaptívnym regulátorom ako odozva v reakcii na prejavenú ale nedostatočnú snahu o zmenu<br />
polohy ruky pacientom.<br />
Schopnosť pacienta vyvinúť silu rukou v určitom smere môže byť využitá pre vygenerovanie<br />
primeranej zmeny žiadanej veličiny (polohy ruky) a rehabilitačné za<strong>riadenie</strong> tak umožní<br />
pacientovi precvičovať pohyb formou hry, kde cieľom je rozširovať pohyblivosť pacienta<br />
podľa jeho aktuálnych možností.<br />
Pri spojitom ovládaní tlaku vzduchu na vstupe jedného z pneumatických svalov (napr.<br />
elektronickým regulátorom tlaku EPR 50) dá sa uvažovať o regulačnom obvode pre <strong>riadenie</strong><br />
polohy pneumatického aktuátora v antagonistickom zapojení podľa (Obr. 5). Táto regulačná<br />
slučka obsahuje P regulátor pre ovládanie tlaku vzduchu na vstupe jedného z dvoch svalov a<br />
môže byť ďalej optimalizovaná nelineárnym adaptívnym stavovým regulátorom - neurónovou<br />
sieťou, viď napríklad [7][8][9][10]. Zmenu žiadanej veličiny w je možné generovať na základe<br />
detekcie snahy pohybu pacienta rukou (pacient precvičuje ruku v rozsahu, ktorý má tendenciu<br />
zvládať a rehabilitačné za<strong>riadenie</strong> mu pomáha – regulačný obvod napomáha pacientovi v<br />
pohybe kam až dokáže pôsobiť aspoň trochu silou svojej ruky).<br />
00-7
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
Pre adaptáciu stavového regulátora podľa (Obr. 5) je najprv vhodné identifikovať P slučku<br />
s pneumatickým aktuátorom ako dynamický model ([11][12]). Pre simuláciu merania dát na<br />
P-slučke pneumatického aktuátora v antagonistickom zapojení bol použitý skôr vyvinutý<br />
simulační model v Matlab Simulink [6][5] (kde sme spojitú reguláciu tlaku regulátorom tlaku<br />
nahradili pulznou šírkovou moduláciou).<br />
Obr. 5 Štúdia regulačnej slučky s P regulátorom a optimalizované adaptívnym stavovým<br />
regulátorom – skokové zmeny žiadanej veličiny w môžu byť generované na základe detekcie snahy<br />
pacienta o pohyb rukou v danom smere.<br />
Na ďalšom obrázku (Obr. 6) je znázornený výsledok simulačnej štúdie regulačnej<br />
slučky (Obr. 5) s modelom pneumatického aktuátora [5] a ďalej optimalizovaný na dynamiku<br />
referenčného modelu pomocou kvadratickej neurónovej jednotky (QNU, [7][10][12]) ako<br />
stavového regulátora optimalizovaného algoritmom backpropagation through time<br />
(BPTT,[10][12]). Z (Obr. 6) je zjavné zlepšenie regulačného pochodu pričom kmitanie<br />
regulovanej veličiny je spôsobené využitím šírkovej pulznej modulácie v simulačnej schéme a tu<br />
ju zatiaľ chápeme, ako šum ktorý je sústave vďaka simulovanej PWM vlastný. Znížením nosnej<br />
frekvencie pulznej šírkovej modulácie sa dajú kmity regulovanej veličiny celkom odstrániť.<br />
Navrhovaný spôsob regulácie a využitie kvadratického neurónu bol aplikovaný napríklad v [8],<br />
je však potrebné tu prezentované teoretické aspekty pre pneumatický aktuátor overiť aj na<br />
reálnom zariadení. Ďalej môže byť potrebné preskúmať aj využitie iných typov neurónových<br />
00-8
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
sietí (MLP, RBF) pre identifikáciu a <strong>riadenie</strong> aktuátora ak by QNU nevyhovoval vzhľadom<br />
k typu nelinearity skutočného aktuátora.<br />
Obr. 6 Štúdia regulačnej slučky pneumatického aktuátora s P regulátorom a optimalizovaným<br />
adaptívnym stavovým regulátorom QNU [7][10] a algoritmom BPTT ([10][12])<br />
7 ZÁVER<br />
Kombinácia umelých svalov a prvkov umelej inteligencie sa pri konštruovaní<br />
automatizovaného rehabilitačného zariadenia javí ako výhodná. Takto navrhovaný<br />
rehabilitačný prístroj dokáže pracovať takmer samostatne. Pre zvládnutie nelinearity<br />
pneumatických umelých svalov je vhodné využiť pokročilé systémy riadenia. Jednou<br />
z možností je aj využitie NN, alebo iných prvkov UI pri riadení automatizovaného<br />
rehabilitačného zariadenia. Simulácia navrhovanej NN preukázala možnosti použitia UI<br />
v rehabilitačnom zariadení.<br />
Poznámka: Projekt zo štrukturálnych fondov EÚ, operačný program Výskum a vývoj, opatrenie 2.2<br />
Prenos poznatkov a technológií získaných výskumom a vývojom do praxe: Názov projektu: Výskum a<br />
vývoj inteligentných nekonvenčných aktuátorov na báze umelých svalov ITMS kód: 26220220103.<br />
00-9
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
Podporujeme výskumné aktivity na Slovensku / Projekt je spolufinancovaný zo zdrojov ES.<br />
Studie využití nekonvenčních neuronových architektur byla částečně podpořeno grantem<br />
SGS12/177/OHK2/3T/12.<br />
Príspevok vznikol v rámci riešenia grantovej úlohy VEGA 1/1162/11 Teoretické princípy, metódy a<br />
prostriedky diagnostiky a rehabilitácie mobility seniorov.<br />
LITERATÚRA<br />
[1] PITEĽ, Ján - BALARA, Milan - BORŽÍKOVÁ, Jana : Control of the actuator with<br />
pneumatic artificial muscles in antagonistic connection. Sborník vědeckých prací Vysoké<br />
školy báňské - Technické univerzity Ostrava. Vol. 53, no. 2 (2007), p. 101-106, ISSN<br />
1210-0471.<br />
[2] PITEĽ, Ján - BALARA, Milan : Model aktuátora s pneumatickými umelými svalmi.<br />
Process control 2006. Pardubice : Univerzita Pardubice, 2006. ISBN 8071948608.<br />
[3] VESELINY, Marián - LÍŠKA, Ondrej : Neurónové siete v modernom rehabilitačnom<br />
zariadení. - 1 elektronický optický disk (CD-ROM). In: Automatizácia a <strong>riadenie</strong> v teórii<br />
a <strong>praxi</strong> 2012 : ARTEP 2012 - Košice : TU, 2012 S. 66-1-66-10. - ISBN 978-80-553-<br />
0835-7<br />
[4] FISCHER, Igor - HENNECKE, Fabian - BANNES, Christian - ZELL, Andreas: Java<br />
Neural Network Simulator - User Manual, Version 1.1, Dostupné na internete:<br />
<br />
[5] HOŠOVSKÝ, Alexander - NOVÁK-MARCINČIN, Jozef - PITEĽ, Ján - BORŽÍKOVÁ,<br />
Jana - ŽIDEK, Kamil : Model-based Evolution of a Fast Hybrid Fuzzy Adaptive<br />
Controller for a Pneumatic Muscle Actuator. - International Journal of Advanced<br />
Robotic Systems. Vol. 9 (56) (2012), p. 1-11. - ISSN 1729-8806 Dostupné na internete:<br />
<br />
[6] HOŠOVSKÝ, Alexander – HAVRAN, Michal : “Dynamic modelling of one degree of<br />
freedom pneumatic muscle-based actuator for industrial applications”, Tehnički vjesnik,<br />
Vol.19 No.3 Rujan 2012.<br />
[7] BUKOVSKY, Ivo – SANJEEVAKUMAR, Redlapalli – MADAN, M. Gupta : “<br />
Quadratic and Cubic Neural Units for Identification and Fast State Feedback Control of<br />
Unknown Non-Linear Dynamic Systems”, Fourth International Symposium on<br />
Uncertainty Modeling and Analysis ISUMA 2003, IEEE Computer Society, 2003,<br />
Maryland USA, ISBN 0-7695-1997-0, p.p.330-334<br />
00-10
AUTOMATIZÁCIA A RIADENIE V TEÓRII A PRAXI<br />
ARTEP <strong>2013</strong><br />
WORKSHOP ODBORNÍKOV Z UNIVERZÍT, VYSOKÝCH ŠKÔL A PRAXE<br />
20. 2. – 22. 2. <strong>2013</strong><br />
STARÁ LESNÁ, SR<br />
[8] SMETANA, Ladislav: Nonlinear Neuro¬-Controller for Automatic Control Laboratory<br />
System, Master’s Thesis, Czech Tech. Univ. in Prague, 2008.<br />
[9] RODRIGUEZ, Ricardo - BUKOVSKY, Ivo - HOMMA, Noriyasu : “Potentials of<br />
Quadratic Neural Unit for Applications”, in International Journal of Software Science<br />
and Computational Intelligence (IJSSCI) ,vol 3, issue 3, IGI Global, Publishing, Hershey<br />
PA, USA ISSN 1942-9045, DOI: 10.4018/jssci.2011070101 July-September 2011, pp.1-<br />
12.<br />
[10] MADAN, M. Gupta - BUKOVSKY, Ivo - HOMMA, Noriyasu - SOLO, M. G. A -<br />
HOU, Z.-G. : “Fundamentals of Higher Order Neural Networks for Modeling and<br />
Simulation“, in Artificial Higher Order Neural Networks for Modeling and Simulation,<br />
ed. M. Zhang, IGI Global, 2012.<br />
[11] WERBOS, J. PAUL : “Backpropagation through time: What it is and how to do it,”<br />
Proc. IEEE, vol. 78, no. 10, pp. 1550–1560, Oct. 1990.<br />
[12] BUKOVSKY, Ivo - HOMMA, Noriyasu : “Dynamic Backpropagation and Prediction<br />
(Dynamický backpropagation a predikce)” (in Czech), In: Automatizace, Vol. 53, No. 1-<br />
2, Prague, Czech Republic, Jan-Feb 2010, p.61-66, ISSN 0005-125X.<br />
00-11
Change language