Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Mechatronic system indentification
Tok studiów:
2019/2020
Kod:
RIMA-2-104-MD-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia II stopnia
Specjalność:
Mechatronic Design
Kierunek:
Mechatronic Engineering with English as instruction language
Semestr:
1
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
prof. dr hab. inż. Staszewski Wiesław (w.j.staszewski@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

Opis efektów uczenia się dla modułu zajęć
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Powiązania z KEU Sposób weryfikacji i oceny efektów uczenia się osiągniętych przez studenta w ramach poszczególnych form zajęć i dla całego modułu zajęć
Wiedza: zna i rozumie
M_W001 Knows and understands relations between signal and system description in time- and frequency domain IMA2A_W07 Sprawozdanie,
Wykonanie projektu,
Wykonanie ćwiczeń,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W002 Knows and understands relations between continuous-time and discrete-time descriptions Sprawozdanie,
Wykonanie ćwiczeń,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W003 Has basic knowledge of analog and digital filters IMA2A_W07, IMA2A_W01 Projekt,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W004 Has basic knowledge of nonparametric and parametric spectrum estimation methods IMA2A_W07, IMA2A_W01 Sprawozdanie,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_W005 Has basic knowledge of system identification with focus on modal analysis IMA2A_W07, IMA2A_W01 Sprawozdanie,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
Umiejętności: potrafi
M_U001 Can perform experimental modal anamysis IMA2A_U12 Sprawozdanie,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych,
Zaliczenie laboratorium
M_U002 Can perform sampling of time-continuous signals and design anti-aliasing filter IMA2A_U11, IMA2A_U07 Projekt,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Zaliczenie laboratorium
M_U003 Can modify frequency responce of a dynamic structure using Laplace and z-transform IMA2A_U01, IMA2A_U07 Egzamin,
Projekt,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_U004 Can perform analysis of dynamical systems using Matlab IMA2A_U07 Projekt,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
M_U005 Can design an analog filter and convert it to digital form IMA2A_U07 Projekt,
Sprawozdanie,
Wykonanie ćwiczeń laboratoryjnych,
Wynik testu zaliczeniowego,
Zaliczenie laboratorium
Liczba godzin zajęć w ramach poszczególnych form zajęć:
SUMA (godz.)
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
96 42 0 26 28 0 0 0 0 0 0 0
Matryca kierunkowych efektów uczenia się w odniesieniu do form zajęć i sposobu zaliczenia, które pozwalają na ich uzyskanie
Kod MEU Student, który zaliczył moduł zajęć zna i rozumie/potrafi/jest gotów do Forma zajęć dydaktycznych
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Prace kontr. przejść.
Lektorat
Wiedza
M_W001 Knows and understands relations between signal and system description in time- and frequency domain + - + + - - - - - - -
M_W002 Knows and understands relations between continuous-time and discrete-time descriptions + - + + - - - - - - -
M_W003 Has basic knowledge of analog and digital filters + - + + - - - - - - -
M_W004 Has basic knowledge of nonparametric and parametric spectrum estimation methods + - + + - - - - - - -
M_W005 Has basic knowledge of system identification with focus on modal analysis + - + + - - - - - - -
Umiejętności
M_U001 Can perform experimental modal anamysis - - + + - - - - - - -
M_U002 Can perform sampling of time-continuous signals and design anti-aliasing filter + - + + - - - - - - -
M_U003 Can modify frequency responce of a dynamic structure using Laplace and z-transform + - + + - - - - - - -
M_U004 Can perform analysis of dynamical systems using Matlab - - + + - - - - - - -
M_U005 Can design an analog filter and convert it to digital form + - + + - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 175 godz
Punkty ECTS za moduł 7 ECTS
Udział w zajęciach dydaktycznych/praktyka 96 godz
Przygotowanie do zajęć 16 godz
przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania 50 godz
Samodzielne studiowanie tematyki zajęć 11 godz
Egzamin lub kolokwium zaliczeniowe 2 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (42h):

1. Introduction to system identification
• Signal classification
• System models
• Non-parametric vs. parametric identification
2. Time domain analysis
• Linear time invariant systems
• Convolution, impulse response
• Impulse and step response
• Stability and causality
3. Frequency domain analysis
• Fourier series and Fourier transform
• Frequency response, Bode diagram
• Modeling mechanical systems
• Time-frequency analysis
4. Sampling and Laplace transform
• Sampling time-continuous signals
• Aliasing effects and anti-aliasing filters
• Laplace transform
• Poles and zeros, stability
• Analog filters
5. Discrete Fourier transform
• Truncation in time
• Discrete Fourier transform (DFT and FFT)
• DFT estimation, windows and zero-padding
6. Discrete-time systems
• Z-transform
• Relation between z- and s-plane
• Digital filter design methods
• Frequency domain decomposition
7. Stochastic signals
• Auto- and cross-correlation
• Power spectrum and coherence
• Nonparametric spectral estimation (periodogram, Welch method)
• Least squares model-based spectrum estimation

Ćwiczenia laboratoryjne (26h):

Zaicev machine
Experimental model analysis (parametric)
Experimental modal analysis, impulse test (active)
Experimental modal analysis, impulse test (parameter estimation)
Operational modal analysis (passive test)
Operational modal analysis (parameter estimation)
Application of modal analysis (structure modification)
Application of modal analysis (structure modification verification)
Lamb waves

Ćwiczenia projektowe (28h):

Convolution and RLC circuits
Sampling, decimation and down-sampling
Identification of audio system
Denoising
Filtering methods
Signal identification

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: Treści prezentowane na wykładzie są przekazywane w formie prezentacji multimedialnej w połączeniu z klasycznym wykładem tablicowym wzbogaconymi o pokazy odnoszące się do prezentowanych zagadnień.
  • Ćwiczenia laboratoryjne: 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.
  • Ćwiczenia projektowe: Studenci wykonują zadany projekt samodzielnie, bez większej ingerencji prowadzącego. Ma to wykształcić poczucie odpowiedzialności za pracę w grupie oraz odpowiedzialności za podejmowane decyzje.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: 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.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: 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.
  • Ćwiczenia projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Sposób obliczania oceny końcowej:

Based on laboratory results (marks)

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

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Nie podano wymagań wstępnych lub dodatkowych.

Zalecana literatura i pomoce naukowe:
  • Zhi-Fang Fu, Jimin He, Modal analysis, Butterworth_Heinemann, 2001
  • J. S. Bendat, A.G. Piersol, Random Data: Analysis & Measurement Procedures, John Willey and Sons, New York, 2000
  • L. Ljung, System Identification: Theory for the User (2nd Edition), Prentice Hall Information and System Sciences Series, 1999
  • R.B. Randall, Frequency Analysis, Brüel&Kjær, 1987
  • S. Braun, Discover signal processing. An interactive guide for engineers, Wiley, 2008.
    David McMahon, Signals and Systems DeMYSTiFieD. A self-teaching guide. Mc Graw Hill, 2006
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Brak