Module also offered within study programmes:
General information:
Name:
Analiza sygnałów i identyfikacja
Course of study:
2019/2020
Code:
RAIR-1-503-n
Faculty of:
Mechanical Engineering and Robotics
Study level:
First-cycle studies
Specialty:
-
Field of study:
Automatics and Robotics
Semester:
5
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Part-time studies
Course homepage:
 
Responsible teacher:
dr hab. inż, prof. AGH Snamina Jacek (snamina@agh.edu.pl)
Module summary

Moduł obejmuje zagadnienia z zakresu pomiarów, przetwarzania i analizy sygnałów zdeterminowanych i stochastycznych oraz metody wyznaczania modeli obiektów ciągłych i dyskretnych

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: is able to
M_K001 Student rozumie potrzebę ciągłego doskonalenia wiedzy. AIR1A_K03 Participation in a discussion
Skills: he can
M_U001 Student potrafi wykonać analizę sygnałów stosując odpowiednią aparaturę laboratoryjną. AIR1A_U07 Execution of a project,
Execution of exercises,
Test results
M_U002 Sudent umie przeprowadzić identyfikację podstawowych obiektów. AIR1A_U07 Execution of a project,
Execution of laboratory classes,
Test results
Knowledge: he knows and understands
M_W001 Student posiada wiedzę z zakresu analizy sygnałów losowych i zdeterminowanych. AIR1A_W07 Execution of a project,
Execution of laboratory classes,
Test results
M_W002 Student posiada wiedzę z zakresu identyfikacji sygnałów i obiektów. AIR1A_W07 Execution of a project,
Execution of laboratory classes,
Test results
Number of hours for each form of classes:
Sum (hours)
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
24 14 0 10 0 0 0 0 0 0 0 0
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
Prace kontr. przejść.
Lektorat
Social competence
M_K001 Student rozumie potrzebę ciągłego doskonalenia wiedzy. + - + - - - - - - - -
Skills
M_U001 Student potrafi wykonać analizę sygnałów stosując odpowiednią aparaturę laboratoryjną. + - + - - - - - - - -
M_U002 Sudent umie przeprowadzić identyfikację podstawowych obiektów. + - + - - - - - - - -
Knowledge
M_W001 Student posiada wiedzę z zakresu analizy sygnałów losowych i zdeterminowanych. + - + - - - - - - - -
M_W002 Student posiada wiedzę z zakresu identyfikacji sygnałów i obiektów. + - + - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 129 h
Module ECTS credits 5 ECTS
Udział w zajęciach dydaktycznych/praktyka 24 h
Preparation for classes 55 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 10 h
Realization of independently performed tasks 40 h
Module content
Lectures (14h):

• Parametry sygnałów zdeterminowanych: całka sygnału, wartość średnia sygnału, energia i moc sygnału, RMS sygnału. Sygnały o ograniczonej energii oraz sygnały o ograniczonej mocy. Składowa stała i składowa zmienna sygnału. Momenty sygnałów.
• Sygnały okresowe. Trygonometryczny i zespolony szereg Fouriera. Dyskretne widmo sygnału okresowego. Widmo mocy sygnału okresowego. Sygnały prawie-okresowe. Przekształcenie
Fouriera – widmo sygnału. Twierdzenie Parsevala.
• Korelacja wzajemna stacjonarnych procesów stochastycznych. Gęstość widmowa mocy (PSD) procesu stochastycznego. Związek gęstości widmowej mocy z funkcją autokorelacji. Wzajemna
gęstość widmowa mocy procesów stochastycznych. Funkcja koherencji procesów. Przejście sygnału stochastycznego przez układ liniowy.
• Zadania proste i odwrotne, identyfikacja obiektów. Metody bezpośredniej identyfikacji prostych obiektów na podstawie odpowiedzi skokowej i impulsowej oraz na podstawie
charakterystyk częstotliwościowych.
• Modele parametryczne identyfikowane metodą najmniejszych kwadratów: schemat równoległy, identyfikacja ciągów wagowych, schemat szeregowo równoległy.
• Podstawowe modele dyskretne obiektów: ARX, ARMAX, OE, BJ. Identyfikacja parametryczna metodą największej wiarygodności dla modelu ARMAX.

Laboratory classes (10h):

• Akwizycja danych. Przetwarzanie analogowo cyfrowe sygnałów. Dyskretyzacja i kwantyzacja sygnału. Dobór częstotliwości próbkowania, zjawisko aliasingu. Wyznaczanie parametrów statycznych sygnałów.
• Funkcja korelacji własnej i wzajemnej. Wyznaczanie prędkości rozchodzenia się dźwięku za pomocą funkcji korelacji.
• Wyznaczanie widma sygnałów okresowych i zakłóconych. Funkcja gęstości widmowej mocy.
• Identyfikacja obiektu SISO/MISO za pomocą funkcja gęstości widmowej mocy.
• Modele dyskretne obiektów ciągłych. Identyfikacja parametrów modeli: ARX, IV.

Additional information
Teaching methods and techniques:
  • Lectures: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Laboratory classes: W trakcie zajęć laboratoryjnych studenci samodzielnie rozwiązują zadany problem praktyczny, dobierając odpowiednie narzędzia. Prowadzący stymuluje grupę do refleksji nad problemem, tak by otrzymane wyniki miały wysoką wartość merytoryczną.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Ćwiczenia laboratoryjne:
Zaliczenie zajęć laboratoryjnych odbywa się na podstawie obecności, sprawozdań i ocen uzyskanych w trakcie ćwiczeń. Przewiduje się możliwość jednokrotnego zaliczenia poprawkowego, które będzie zorganizowane w wyznaczonym przez prowadzącego ćwiczenia laboratoryjne terminie sesji zasadniczej.
Nieobecność na trzech lub większej ilości zajęć trwających przez cały semestr skutkuje brakiem zaliczenia ćwiczeń.

Participation rules in classes:
  • Lectures:
    – Attendance is mandatory: No
    – Participation rules in classes: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego.
  • Laboratory classes:
    – Attendance is mandatory: Yes
    – Participation rules in classes: Studenci wykonują ćwiczenia laboratoryjne zgodnie z materiałami udostępnionymi przez prowadzącego. Student jest zobowiązany do przygotowania się w przedmiocie wykonywanego ćwiczenia, co może zostać zweryfikowane kolokwium w formie ustnej lub pisemnej. Zaliczenie zajęć odbywa się na podstawie zaprezentowania rozwiązania postawionego problemu. Zaliczenie modułu jest możliwe po zaliczeniu wszystkich zajęć laboratoryjnych.
Method of calculating the final grade:

Na podstawie oceny z laboratorium.

Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach:

Nieobecności na zajęciach laboratoryjnych należy odrobić w ciągu tygodnia od powrotu po okresie nieobecności w sposób wskazany przez prowadzącego ćwiczenia laboratoryjne.

Prerequisites and additional requirements:

• zaliczony przedmiot “Podstawy Automatyki”,
• podstawy rachunku prawdopodobieństwa.

Recommended literature and teaching resources:

• Bendat J.S., Piersol A.G. – Metody analizy i pomiaru sygnałów losowych,
Biblioteka Naukowa Inżyniera, PWN, Warszawa 1976.
• Bielińska Ewa i inni. – Identyfikacja Procesów, Wyd. Politechniki Śląskiej,
Gliwice 1997.
• Kamen E., – Introduction to Signals and Systems, Macmillan Publishing
Company, New York, 1987.
• Larminat P., Thomas Y. – Automatyka – układy liniowe, Sygnały i układy,
Wydawnictwo Naukowo-Techniczne, Warszawa 1983.
• Larminat P., Thomas Y. – Automatyka – układy liniowe, Identyfikacja,
Wydawnictwo Naukowo-Techniczne, Warszawa 1983.
• Mańczak K., Nahorski Z., – Komputerowa Identyfikacja Obiektów
Dynamicznych, Biblioteka Naukowa Inżyniera, PWN, Warszawa 1983.
• Niderliński A., – Systemy i Sterowanie, Wstęp do Automatyki i Cybernetyki
Technicznej PWN, Warszawa 1983.
• Soderstrom T., Stoica P., Identyfikacja systemów, PWN, Warszawa 1997.
• Szabatin J., – Podstawy teorii sygnałów, Wydawnictwa Komunikacji i
Łączności, Warszawa 1982.
• Zieliński T.P. – Od teorii do cyfrowego przetwarzania sygnałów, Wydział EAIiE,
Kraków 2002.

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

Complex vibration modes in magnetorheological fluid-based sandwich beams / Mateusz ROMASZKO, Bogdan SAPIŃSKI, Jacek SNAMINA // Composite Structures ; ISSN 0263-8223. — 2018 vol. 204, s. 475–486. — Bibliogr. s. 485–486, Abstr.. — Publikacja dostępna online od: 2018-07-19. — tekst: https://www-1sciencedirect-1com

Identification of complex shear modulus of MR layer placed in three-layer beam. Pt. 1, Finite element / Mateusz ROMASZKO, Jacek SNAMINA // W: Mechatronics, robotics and control / ed. A. Kot. — Switzerland : Trans Tech Publications, cop. 2015. — (Applied Mechanics and Materials ; ISSN 1660-9336 ; vol. 759). — ISBN: 978-3-03835-466-6. — S. 1–13. Publikacja dostępna online od: 2015-05-18. — tekst: http://www.scientific.net.atoz.wbg2.bg.agh.edu.pl/AMM.759.1.pdf

Automotive vehicle engine mount based on an MR squeeze-mode damper: modeling and simulation / Bogdan SAPIŃSKI, Jacek SNAMINA // Journal of Theoretical and Applied Mechanics ; ISSN 1429-2955. — 2017 vol. 55 iss. 1, s. 377–388. — Bibliogr. s. 387–388

Additional information:

None