Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Identification and signals analysis
Tok studiów:
2013/2014
Kod:
RMS-1-602-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Mechatronics with English as instruction languagege
Semestr:
6
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Staszewski Wiesław (w.j.staszewski@agh.edu.pl)
Osoby prowadzące:
Krótka charakterystyka modułu

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Has basic knowledge of signal and system description in time domain Wykonanie ćwiczeń laboratoryjnych,
Zaliczenie laboratorium,
Wynik testu zaliczeniowego
M_W002 Has basic knowledge of signal and system description in frequency domain Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W003 Knows and understands sampling effects of continuous-time signals Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W004 Has basic knowledge of analog filters and mechanical system models Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W005 Has basic knowledge of nonparametric spectrum estimation methods Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W006 Has basic knowledge of system identification using frequency methods and modal analysis Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
Umiejętności
M_U001 Can perform sampling of time-continuous signals Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego
M_U002 Can perform basic spectral signal analysis using suitable instruments and Matlab Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego
M_U003 Can perform identification of simple second-order systems Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
Kompetencje społeczne
M_K001 Understands the need of continuous knowledge updating Aktywność na zajęciach,
Zaangażowanie w pracę zespołu
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Inne
Zaj. terenowe
Zaj. warsztatowe
E-learning
Wiedza
M_W001 Has basic knowledge of signal and system description in time domain + - + + - - - - - - -
M_W002 Has basic knowledge of signal and system description in frequency domain + - + - - - - - - - -
M_W003 Knows and understands sampling effects of continuous-time signals + - + - - - - - - - -
M_W004 Has basic knowledge of analog filters and mechanical system models + - + - - - - - - - -
M_W005 Has basic knowledge of nonparametric spectrum estimation methods + - + - - - - - - - -
M_W006 Has basic knowledge of system identification using frequency methods and modal analysis + - + - - - - - - - -
Umiejętności
M_U001 Can perform sampling of time-continuous signals + - + - - - - - - - -
M_U002 Can perform basic spectral signal analysis using suitable instruments and Matlab + - + - - - - - - - -
M_U003 Can perform identification of simple second-order systems + - + - - - - - - - -
Kompetencje społeczne
M_K001 Understands the need of continuous knowledge updating + - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

1. Introduction to signals and systems
• Deterministic & stochastic signals
• Energy and power signals
• Continuous- and discrete-time signals
• Sampling and coding
• Linear time invariant (LTI) systems
2. Time domain analysis
• Dirac delta, time domain models
• Identification in time domain, impulse response
• Convolution model
• Stability and causality
3. Frequency domain analysis
• Fourier transform
• Frequency response, Bode diagram
• Modeling mechanical systems
• Time-frequency analysis
4. Sampling and Laplace transform
• Sampling of time-continuous signals
• Laplace transform, transfer function
• Poles and zeros, stability
• Analog filters
5. Discrete Fourier transform
• Truncation in time
• Rectangular window and sinc function
• Discrete Fourier transform (DFT)
• Nonparametric spectral estimation (periodogram)
6. Introduction to modal analysis
• Modal models
• Frequency response function
• Excitation techniques
• Frequency domain decomposition

Ćwiczenia laboratoryjne:

Introduction to Matlab
Signal processing in time domain
Modeling of mechanical systems
Signal processing in frequency domain
Time-frequency methods and wavelets
Elements of linear algebra
Regression models
Method of least squares
Prediction error method
Nonparametric identification
Evaluation of estimators’ performance
Model analysis – presentation

Ćwiczenia projektowe:
-
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 105 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 15 godz
Udział w ćwiczeniach laboratoryjnych 30 godz
Przygotowanie do zajęć 30 godz
Przygotowanie sprawozdania, pracy pisemnej, prezentacji, itp. 30 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Based on laboratory results (marks)

Wymagania wstępne i dodatkowe:

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:
  • J. S. Bendat, A.G. Piersol, Random Data: Analysis & Measurement Procedures, John Willey and Sons, New York, 2000
  • B. Mulgrew,P. Grandt, J. Thompson, Digital Signal Processing, Concepts and applications, Palgrave Macmillan, Second edition, 2003
  • R.B. Randall, Frequency Analysis, Brüel&Kjær, 1987
  • S. Braun, Discover signal processing. An interactive guide for engineers, Wiley, 2008.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak