20.500.12556/RUL-183584 Povzetek dispozicije doktorske disertacije Načrtovanje eksperimentov na podlagi samorazvijajočega se nevro-mehanskega modela za identifikacijo nelienarnih dinamičnih sistemov Summary of a doctoral dissertation proposal: Neuro-fuzzy model-based design of experimentation for identification of nonlinear dynamical system Dispozicija doktorske disertacije predstavlja nacrtovanje eksperimentov na podlagi samorazvijajo ˇ cega ˇ se nevro-mehkega modela za identifikacijo nelinearnih dinamicnih sistemov. Tradicionalno modelno osnovano ˇ spremljanje procesov in programski senzorji zahtevajo pogosto ponovno umerjanje zaradi lezenja sistema, nenadnih sprememb in kompleksnosti procesov. Z zdruzevanjem samorazvijajo ˇ cega se nevro-mehkega modela ˇ z adaptivnim nacrtovanjem eksperimentov si doktorska raziskava prizadeva razviti metode za samodejno izbiro ˇ informativnih spremenljivk, optimizacijo signalov vzbujanja in zanesljivo identifikacijo v prisotnosti suma, ˇ manjkajocih podatkov in nestacionarnih pogojev. Pri ˇ cakovani rezultat je sistem za adaptivne programske ˇ senzorje, ki bo izboljsal natan ˇ cnost napovedi, stro ˇ skovno u ˇ cinkovitost in dolgoro ˇ cno uporabnost v industrijskih ˇ okoljih ob minimalnem clove ˇ skem posredovanju. This dissertation proposal introduces an evolving neuro-fuzzy model-based design of experiments for the identification of nonlinear dynamical systems. Traditional model-based process monitoring and soft sensors require frequent recalibration due to system drift, sudden shifts, and process complexity. The proposed research will investigate how evolving systems, capable of online learning from data streams, can adapt both their structure and parameters to improve robustness and reduce manual intervention. By integrating evolving neuro-fuzzy inference with adaptive design of experiments, the study aims to develop methods for automated selection of informative variables, optimization of excitation signals, and reliable identification under noisy, incomplete, and nonstationary conditions. The expected outcome is a framework for adaptive soft sensors that enhance prediction accuracy, cost efficiency, and long-term applicability in industrial environments with minimal human intervention. samorazvijajoči se sistemi mehla kogika načrtovanje eksperimentov programski senzorji true false true Slovenski jezik Angleški jezik Članek v reviji 2026-06-15 15:11:32 2026-06-15 15:11:42 2026-06-16 04:04:32 0000-00-00 00:00:00 2025 0 0 Str. 300-304 št. 5 Letn. 92 2025 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 621.87 0013-5852 280557315 RAZ_Ozbot_Miha_2025.pdf RAZ_Ozbot_Miha_2025.pdf 1 8546F124BAEFF2FB15A79AC5B680176D 9a2733f6294f9defe8d23687b9350a9406901e579f57914ce7d67520ef74067c b4b62c5b-68bb-11f1-9b0d-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=235676 https://ev.fe.uni-lj.si/5-2025/Ozbot.pdf 0 caa1c94d-68bb-11f1-9b0d-0050569b8976 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=235677 Fakulteta za elektrotehniko 0 0 0