Module also offered within study programmes:
General information:
Name:
Komputerowa identyfikacja systemów dynamicznych
Course of study:
2015/2016
Code:
RBM-2-104-II-s
Faculty of:
Mechanical Engineering and Robotics
Study level:
Second-cycle studies
Specialty:
Informatyka w inżynierii mechanicznej
Field of study:
Mechanical Engineering
Semester:
1
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr inż. Ciesielka Wojciech (ghciesie@cyf-kr.edu.pl)
Academic teachers:
dr inż. Ciesielka Wojciech (ghciesie@cyf-kr.edu.pl)
Module summary

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
M_K001 ma potrzebę ciągłego dokształcania się oraz podnoszenia kompetencji zawodowych i osobistych BM2A_K02 Activity during classes,
Execution of laboratory classes
Skills
M_U001 ma umiejętność modelowania i obliczania złożonych układów dynamicznych z wykorzystaniem komputerowych metod identyfikacji BM2A_U03 Activity during classes,
Test,
Execution of laboratory classes
M_U002 potrafi planować i przeprowadzać eksperymenty, w tym pomiary i symulacje komputerowe, interpretować uzyskane wyniki i wyciągać wnioski w celu identyfikacji systemu dynamicznego BM2A_U10 Activity during classes,
Test,
Execution of laboratory classes
Knowledge
M_W001 posiada wiedzę z zakresu formułowanie równań modelowych i zna metody ich rozwiązywania, identyfikacji i weryfikacji parametrów systemu BM2A_W05 Activity during classes,
Test,
Execution of laboratory classes
M_W002 ma uporządkowaną i podbudowaną teoretycznie wiedzę w zakresie komputerowej identyfikacji systemów dynamicznych BM2A_W04, BM2A_W01 Activity during classes,
Test,
Execution of laboratory classes
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
Others
E-learning
Social competence
M_K001 ma potrzebę ciągłego dokształcania się oraz podnoszenia kompetencji zawodowych i osobistych - - + - - - - - - - -
Skills
M_U001 ma umiejętność modelowania i obliczania złożonych układów dynamicznych z wykorzystaniem komputerowych metod identyfikacji - - + - - - - - - - -
M_U002 potrafi planować i przeprowadzać eksperymenty, w tym pomiary i symulacje komputerowe, interpretować uzyskane wyniki i wyciągać wnioski w celu identyfikacji systemu dynamicznego - - + - - - - - - - -
Knowledge
M_W001 posiada wiedzę z zakresu formułowanie równań modelowych i zna metody ich rozwiązywania, identyfikacji i weryfikacji parametrów systemu + - + - - - - - - - -
M_W002 ma uporządkowaną i podbudowaną teoretycznie wiedzę w zakresie komputerowej identyfikacji systemów dynamicznych + - + - - - - - - - -
Module content
Lectures:
  1. Identyfikacja

    Wprowadzenie do identyfikacji.Podstawowe pojęcia. Problem identyfikacji. Realizacja procesu identyfikacji: informacje a piori i a posteriori.

  2. Analiza systemów

    System.Składowe systemu. Atrybuty, elementy, relacje.System i podsystemy.Klasyfikacja systemów. Cykl życia systemu. Planowanie i projektowanie koncepcyjne systemu.Koncepcja utrzymania systemu.

  3. Analiza sygnałów

    Analiza sygnałów. Sygnał a informacja. Klasyfikacja sygnałów. Parametry sygnałów. Analiza w dziedzinie amplitud, czasu i częstotliwości.

  4. Modelowanie

    Proces modelowania. Model nominalny, fizyczny i matematyczny.
    Podział modeli: strukturalne, funkcjonalne,ciągłe, dyskretne, liniowe, nieliniowe, stacjonarne, niestacjonarne, statyczne, dynamiczne,losowe,zdeterminowane,z czasem ciągłym i czasem dyskretnym, proste, odwrotne, uogólnione, jednowymiarowe i wielowymiarowe, jednowejściowe i wielowejściowe.
    Sterowalność, obserwowalność i identyfikowalność modeli.

  5. Eksperyment w identyfikacji

    Eksperyment w identyfikacji. Eksperyment bierny i czynny. Planowanie eksperymentu. Wykorzystanie sygnałów harmonicznych, impulsowych i losowych w eksperymencie. Program badań. Tor pomiarowy i jego elementy.

  6. Estymacja parametrów

    Teoria estymacji. Cechy estymatorów. Rodzaje estymatorów.
    Analiza regresyjna. Estymatory Bayesa i największej wiarygodności. Estymacja najmniejszych kwadratów, estymacja Markowa.

  7. Weryfikacja modeli i metod identyfikacji

    Realizowalność fizyczna systemu. Badania stabilności. Obserwacja parametrów wyestymowanych. Badania reakcji obiektu i modelu. Jakość zbudowanego modelu.

  8. Identyfikacja systemów liniowych

    Detekcja liniowości. Zasada superpozycji.Metoda zaburzenia postaci drgań.metoda detekcji harmonicznych.Metoda funcji koherencji.Metoda przekształcenia Hilberta. Metoda przestrzeni fazowej. Charakterystyki częstościowe i czasowe. Odpowiedź impulsowa systemu.

  9. Identyfikacja parametryczna

    Modele parametryczne.Modele :AR,MA,ARMA,ARX,ARMAX,Box-Jenkins, OE.

  10. Identyfikacja systemów nieliniowych

    Metody identyfikacji w dziedzinie czasu i częstotliwości. Metoda bezpośrednia identyfikacji parametrów modelu. Metoda NARMAX. Metoda funkcji przejścia wyższych rzędów.

  11. Metody identyfikacji z dostarajaniem modelu

    Funkcje jakości modelu. Teoria filtru Wienera.Powierzchnia błędu średniokwadratowego. Równanie normalne.Filtry adaptacyjne o skończonej i nieskończonej odpowiedzi impulsowej. Algorytmy LMS i RLS. Zastosowania układów adaptacyjnych do identyfiakcji systemów dynamicznych.

  12. Wykorzystanie metod wizyjnych w identyfikacji systemów dynamicznych

    Obraz. Struktura obrazów cyfrowych.Metody pozyskiwania obrazów. Metody komputerowego przetwarzania obrazów. Przekształcenia geometryczne, punktowe. Filtracja obrazów. Transformacja Fouriera. Przekształcenia morfologiczne: erozja, dylatacja, otwarcie, zamknięcie, detekcja ekstremów, ścienianie. Analiza obrazów.Zastosowanie systemów wizyjnych.

  13. Identyfikacja systemów z wykorzystanie sieci neuronowych

    Sieć neuronowa. Neuron i jego modele. Liniowe sieci neuronowe. Uczenie pojedynczego neuronu i sieci liniowej.Nieliniowe sieci neuronowe. Właściwości i uczenie neuronu i sieci nieliniowej. Algorytmy uczenia sieci neuronowych. Różne struktury i topologie sieci neuronowych. Zastosowanie sieci neuronowych w identyfikacji.

Laboratory classes:
  1. Analiza systemów
  2. Modelowanie systemów
  3. Eksperyment w identyfikacji
  4. Analiza sygnałów w dziedzinie amplitud
  5. Analiza sygnałów w dziedzinie czasu
  6. Analiza sygnałów w dziedzinie częstości
  7. Estymacja parametrów
  8. Identyfikacja systemów liniowych
  9. Identyfikacja systemów nieliniowych
  10. Identyfikacja parametryczna
  11. Metody identyfikacji z dostarajaniem modelu
  12. Wykorzystanie metod wizyjnych w identyfikacji
  13. Identyfikacja systemów z wykorzystanie sieci neuronowych
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 102 h
Module ECTS credits 4 ECTS
Participation in lectures 26 h
Participation in laboratory classes 26 h
Preparation for classes 20 h
Realization of independently performed tasks 24 h
Examination or Final test 6 h
Additional information
Method of calculating the final grade:

Aktywność studentów na zajęciach laboratoryjnych – 10 %
Zaliczenie laboratoriów – 40 %
Kolokwium zaliczeniowe 50 %

Prerequisites and additional requirements:

Znajomość i umiejętność posługiwania się środowiskiem inżynierskim MATLAB

Recommended literature and teaching resources:

1. Giergiel J., Uhl T.: Identyfikacja układów mechanicznych. PWN. Warszawa 1990
2. Eykhoff P.: Identyfikacja w układach dynamicznych. PWN. Warszawa 1980.
3. Mańczak K., Nahorski Z.:Komputerowa identyfikacja obiektów dynamicznych.
PWN.Warszawa 1983
4. Mańczak K.: Metody identyfikacji wielowymiarowych obiektów sterowania.
WNT, Warszawa 1970 r
5. Rutkowski L. Filtry adaptacyjne i adaptacyjne przetwarzanie sygnałów.
WNT, Warszawa 1994.
6. Rutkowska D., Piliński M., Rutkowski L. Sieci neuronowe, algorytmy
genetyczne i systemy rozmyte. Wydawnictwo Naukowe PWN Warszawa 1997.
7. Soderstrom T., Stoica P.: Identyfikacja systemów. Wydawnictwa Naukowe PWN.
Warszawa 1997
8. Szabatin J.: Podstawy teorii sygnałów. WKŁ Warszawa 1990.
9. Tadeusiewicz R.: Sieci neuronowe. Akademicka Oficyna Wydawnicza RM Warszawa 1993
10. Tadeusiewicz R., Korohoda P.: Komputerowa analiza i przetwarzanie obrazów.
Wydawnictwo Fundacji postępu technicznego. Kraków 1997
11.Uhl T.: Komputerowo wspomagana identyfikacja modeli konstrukcji mechanicznych.
WNT. Warszawa 1997
12.Wykłady z przedmiotu Komputerowa Identyfikacja Systemów Dynamicznych

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

Additional scientific publications not specified

Additional information:

None