Module also offered within study programmes:
General information:
Name:
Komputerowa identyfikacja systemów dynamicznych
Course of study:
2019/2020
Code:
RMBM-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)
Module summary

Moduł pozwala na opanowanie podstawowych kompetencji pomiarowych, obliczeniowych i projektowych z komputerowej identyfikacji systemów dynamicznych.

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 ciągłego dokształcania się oraz podnoszenia kompetencji zawodowych i osobistych MBM2A_K02 Activity during classes,
Participation in a discussion
M_K002 myśleć i działać w sposób przedsiębiorczy wykorzystując wiedzę i umiejętności z komputerowej identyfikacji systemów dynamicznych MBM2A_K01 Activity during classes,
Participation in a discussion
Skills: he can
M_U001 modelować i wykonywać obliczenia złożonych układów dynamicznych z wykorzystaniem komputerowych metod identyfikacji MBM2A_U03 Activity during classes,
Test,
Execution of laboratory classes
M_U002 planować i przeprowadzać eksperymenty, w tym pomiary i symulacje komputerowe, interpretować uzyskane wyniki i wyciągać wnioski w celu identyfikacji systemu dynamicznego MBM2A_U10 Activity during classes,
Test,
Execution of laboratory classes
Knowledge: he knows and understands
M_W001 zasady formułowanie równań modelowych i metody ich rozwiązywania, identyfikacji i weryfikacji parametrów systemu MBM2A_W05 Activity during classes,
Test,
Execution of laboratory classes
M_W002 podstawy teoretyczne z zakresu komputerowej identyfikacji systemów dynamicznych MBM2A_W01, MBM2A_W04 Activity during classes,
Test,
Execution of laboratory classes
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
52 26 0 26 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 ciągłego dokształcania się oraz podnoszenia kompetencji zawodowych i osobistych - - + - - - - - - - -
M_K002 myśleć i działać w sposób przedsiębiorczy wykorzystując wiedzę i umiejętności z komputerowej identyfikacji systemów dynamicznych - - - - - - - - - - -
Skills
M_U001 modelować i wykonywać obliczenia złożonych układów dynamicznych z wykorzystaniem komputerowych metod identyfikacji - - + - - - - - - - -
M_U002 planować i przeprowadzać eksperymenty, w tym pomiary i symulacje komputerowe, interpretować uzyskane wyniki i wyciągać wnioski w celu identyfikacji systemu dynamicznego - - + - - - - - - - -
Knowledge
M_W001 zasady formułowanie równań modelowych i metody ich rozwiązywania, identyfikacji i weryfikacji parametrów systemu + - + - - - - - - - -
M_W002 podstawy teoretyczne z zakresu komputerowej identyfikacji systemów dynamicznych + - + - - - - - - - -
Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 110 h
Module ECTS credits 4 ECTS
Udział w zajęciach dydaktycznych/praktyka 52 h
Preparation for classes 21 h
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 10 h
Realization of independently performed tasks 25 h
Examination or Final test 2 h
Module content
Lectures (26h):
  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 (26h):
  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
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:

W celu zaliczenia ćwiczeń laboratoryjnych wymagane jest zaliczenie wszystkich tematów ćwiczeń, wymaganych sprawozdań i pisemnych kolokwiów. Zakres wymaganych sprawozdań i kolokwiów zaliczeniowych określony jest w trybie ustalonym przez prowadzącego. Dopuszcza się jeden termin poprawkowy zaliczenia każdego kolokwium. Możliwe jest także jednokrotne poprawianie oceny pozytywnej jednego z wymaganych kolokwiów. Do zajęć należy się rzetelnie przygotowywać. Stopień przygotowania jest sprawdzany i oceniany w drodze dyskusji lub kolokwium. Nie dopuszcza się nieobecności nieusprawiedliwionych na tych zajęciach. W uzasadnionych przypadkach dopuszcza się odrabianie danych zajęć na innej grupie (pod warunkiem występowania wolnych miejsc na sali).

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:

Ocenę końcową (OK) modułu oblicza się według wzoru:

OK = 0,6*E + 0,4*L
gdzie
E – ocena uzyskana z egzaminu
L – ocena uzyskana z laboratoriów

W przypadku uzyskania pozytywnej oceny z egzaminu dopiero w drugim terminie (E1 = 2,0; E2 – pozytywna), ocena E = 0,25*2,0 + 0,75*E2.
W przypadku uzyskania pozytywnej oceny z egzaminu dopiero w trzecim terminie (E1 = 2,0; E2 = 2,0; E3 – pozytywna), ocena E = 0,4*2,0 + 0,6*E3.
W przypadku uzyskania oceny pozytywnej z ćwiczeń laboratoryjnych dopiero w terminie poprawkowym, jako ocenę L przyjmowana jest ocena ostateczna (z terminu poprawkowego).
W przypadku zaliczenia ćwiczeń laboratoryjnych oraz uzyskania pozytywnej oceny z egzaminu, ocena końcowa wynosi co najmniej 3,0.
W przypadku braku pozytywnej oceny z ćwiczeń laboratoryjnych lub z egzaminu ocena końcowa nie jest wystawiana.

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

Ewentualne zaległości wyrównywane są poprzez samodzielne nadrabianie tych zaległości przez studenta oraz w przypadku ćwiczeń laboratoryjnych poprzez indywidualnie zaliczenie zajęć, na których student był nieobecny, zgodnie z poniżej opisanymi zasadami.
Osoby nieobecne z przyczyn losowych na ćwiczeniach laboratoryjnych z danego tematu zobowiązane są do ich indywidualnego ustnego zaliczenia (niezależnie od kolokwiów zaliczeniowych) w trybie ustalonym przez prowadzącego ćwiczenia (w ten sposób możliwe jest zaliczenie co najwyżej trzech zajęć). Zakres zaliczenia ćwiczeń laboratoryjnych w trybie indywidualnym obejmuje znajomość tematyki i celów zajęć, zakresu i sposobu wykonania czynności z części praktycznej ćwiczeń, stosowanej aparatury, zasady jej działania i obsługi, ewentualnych wyników uzyskiwanych na ćwiczeniach oraz wniosków wynikających z tych ćwiczeń (wymaganych w ewentualnym sprawozdaniu).

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