Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Signal processing and identification in monitoring of mechatronic devices
Tok studiów:
2019/2020
Kod:
RIMA-1-421-s
Wydział:
Inżynierii Mechanicznej i Robotyki
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Mechatronic Engineering with English as instruction language
Semestr:
4
Profil:
Ogólnoakademicki (A)
Język wykładowy:
Angielski
Forma studiów:
Stacjonarne
Strona www:
 
Prowadzący moduł:
dr inż. Klepka Andrzej (klepka@agh.edu.pl)
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć

The students learn the basic issues of signal processing, vision techniques, identification of mechanical systems, and maching learnig. It gives the knowledge in the field of modern control systems, monitoring and diagnostics of mechatronic devices.

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 Has basis knowledge on system identification using soft computing and vision methods. IMA1A_W01
M_W002 Has basic knowledhe on monitoring of mechatronic systems IMA1A_W06 Egzamin,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych
M_W003 Has basic knowledge of system identification using time and frequency methods and modal analysis IMA1A_W07 Egzamin,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych
Umiejętności: potrafi
M_U001 Can perform operation on analog and digital signals IMA1A_U07
M_U002 Can perform identification process for simple mechatronic systems IMA1A_U07, IMA1A_U08 Egzamin,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych
M_U003 Can select propoer methods for monitoring of mechatronic systems IMA1A_U07, IMA1A_U09 Egzamin,
Wykonanie projektu,
Wykonanie ćwiczeń laboratoryjnych
Kompetencje społeczne: jest gotów do
M_K001 Understands the need of continuous knowledge updating IMA1A_K02, IMA1A_K01 Aktywność na zajęciach,
Zaangażowanie w pracę zespołu
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
172 58 0 104 10 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 Has basis knowledge on system identification using soft computing and vision methods. - - - + - - - - - - -
M_W002 Has basic knowledhe on monitoring of mechatronic systems - - - + - - - - - - -
M_W003 Has basic knowledge of system identification using time and frequency methods and modal analysis - - - + - - - - - - -
Umiejętności
M_U001 Can perform operation on analog and digital signals - - - - - - - - - - -
M_U002 Can perform identification process for simple mechatronic systems - - - - - - - - - - -
M_U003 Can select propoer methods for monitoring of mechatronic systems - - - - - - - - - - -
Kompetencje społeczne
M_K001 Understands the need of continuous knowledge updating + - + - - - - - - - -
Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 422 godz
Punkty ECTS za moduł 15 ECTS
Udział w zajęciach dydaktycznych/praktyka 172 godz
Przygotowanie do zajęć 250 godz
Szczegółowe treści kształcenia w ramach poszczególnych form zajęć (szczegółowy program wykładów i pozostałych zajęć)
Wykład (58h):

Lecture 1 – Introduction – basic information about signals and systems
Lecture 2 – Sampling and quantification
Lecture 3 – Time domain signal processing
Lecture 4 – Frequency domain signal processing
Lecture 5 – Time – frequency analysis
Lecture 6 – Continuous linear systems and analog filtering
Lecture 7 – Discrete signals and discrete linear systems
Lecture 8 – Discrete filtering
Lecture 9 – Practical application of signal processing
Lecture 10 – Introduction to identification
Lecture 11 – Introduction to the theory of linear systems – wersja robocza
Lecture 12 – Identification of systems with nonparametric methods – wersja robocza
Lecture 13 – Identification of systems with parametric methods
Lecture 14 – Introduction to modal analysis

Ćwiczenia laboratoryjne (104h):

Laboratory no 1 – Basics of Matlab
Laboratory no 2 – Basics of Signal Analysis in Time Domain
Laboratory no 3 – Modelling of Dynamic Systems
Laboratory no 4 – Signal Processing in Frequency Domain
Laboratory no 5 – Time Frequency Signal Analysis
Laboratory no 6 – Linear Algebra
Laboratory no 7 – Least Squares Method
Laboratory no 8 – Parametric Model Identification
Laboratory no 9 – Prediction Error Method
Laboratory no 10 – Nonparametric Identification

Ćwiczenia projektowe (10h):

Topics will be given during the course

Pozostałe informacje
Metody i techniki kształcenia:
  • Wykład: The content presented at the lecture is provided in the form of a multimedia presentation in combination with a classical lecture.
  • Ćwiczenia laboratoryjne: During the laboratory classes, students independently solve the practical problem, choosing the right tools. The teacher motivates the group to work.
  • Ćwiczenia projektowe: Students carry out the project on their own without major intervention of the lecturer. This is to create a responsibility for group work and responsibility for making decisions.
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu:

Lectures – Exam
Laboratory – Test
Project – Project evaluation

Rules for correction exams, laboratory and project in accordance with the study regulations

Zasady udziału w zajęciach:
  • Wykład:
    – Obecność obowiązkowa: Nie
    – Zasady udziału w zajęciach: Students participate in the classes learning the topics according to the program included in the syllabus. Students should ask questions and explain doubts. Audiovisual recording of the lecture requires the teacher's consent.
  • Ćwiczenia laboratoryjne:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Students carry out laboratory exercises in accordance with materials provided by the teacher. The student is obliged to be prepared for topics of the exercise, which can be verified in an oral or written test. The classes can be pass when the solution of given problem is given. The module can be pass after when the all laboratory calsses are passed.
  • Ćwiczenia projektowe:
    – Obecność obowiązkowa: Tak
    – Zasady udziału w zajęciach: Students carry out practical work to obtain appropriate competences The project implementation method as well as the final result are evaluated.
Sposób obliczania oceny końcowej:

The final grade is a weighted average calculated as:

M = (3• E+2• L+P)/(6)
where:
M – final grade,
E – exam grade,
L – laboratory grade,
P – project grade.

For the final grade to be positive, each of the component of evaluation (E, L and P) must also be positive.

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

Classes with another laboratory group (only if the number of students is not exceeded)

Wymagania wstępne i dodatkowe, z uwzględnieniem sekwencyjności modułów :

Basics of MATLAB

Zalecana literatura i pomoce naukowe:

Bhagawandas P. Lathi and Roger Green ,Essentials of Digital Signal Processing,
Robert J. Schilling and Sandra L. Harris Fundamentals of Digital Signal Processing Using MATLAB ®
Douglas Elliott, Handbook of Digital Signal Processing
Sophocles J. Orfanidis INTRODUCTION TO Signal Processing

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Klepka, A., & Uhl, T. (2014). Identification of modal parameters of non-stationary systems with the use of wavelet based adaptive filtering. Mechanical Systems and Signal Processing, 47(1-2), 21-34.
Uhl, T., Petko, M., Karpiel, G., & Klepka, A. (2008). Real time estimation of modal parameters and their quality assessment. Shock and Vibration, 15(3, 4), 299-306.
Klepka, A., Strączkiewicz, M., Pieczonka, L., Staszewski, W. J., Gelman, L., Aymerich, F., & Uhl, T. (2015). Triple correlation for detection of damage-related nonlinearities in composite structures. Nonlinear dynamics, 81(1-2), 453-468.
Klepka, A. (2011). Wavelet based signal demodulation technique for bearing fault detection. Mechanics and Mechanical Engineering, 15(4), 63-71.

Informacje dodatkowe:

Brak