Detail předmětu

Modelování a identifikace

FEKT-MMIDAk. rok: 2016/2017

Předmět je zaměřen na:
- metody identifikace dynamických systémů
- postupy při neparametrické a zejména při parametrické identifikaci
- on-line a off-line identifikaci
- spektrální estimaci, ocenění vlivu šumu a poruch při identifikaci

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

doc. Ing. Petr Blaha, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

Absolvent předmětu je schopen provádět identifikaci a základní analýzu dynamických systémů zejména s pomocí univerzálního programového vybavení MATLAB-Simulink a jeho toolboxů.

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Podklady k přednáškám a ke cvičení jsou pro studenty dostupné z webových stránek předmětu. Student odevzdává jeden samostatný projekt.

Způsob a kritéria hodnocení

Numerická cvičení- Max 15 bodů.
Individuální projekt - Max. 15 bodů.
Závěrečná zkouška - Max. 70 bodů.

Osnovy výuky

1. Úvod do problematiky identifikace dynamických systémů
2. Neparametrické metody identifikace, korelační metody, získávání frekvenční charakteristiky.
3. Vstupní signály, stupeň persistentního buzení, binární pseudonáhodná posloupnost.
4. Metoda nejmenších čtverců, odvození metody, geometrický význam, vlastnosti.
5. Modely dynamických systémů. ARX, ARMAX, ARARX, obecný model, pseudolineární regrese.
6. Rekurzivní MNČ. Numericky stabilní metody založené na odmocninové filtraci.
7. Metody pomocných proměnných. Metoda se zpožděnými pozorováními, metoda s pomocným modelem.
8. Metody založené na vybělení chyby predikce. Identifikace šumového modelu.
9. Praktické poznámky k identifikaci. Předzpracování signálů.
10. Identifikace pomocí neuronových sítí a fuzzy modelování.
11. Další přístupy k identifikaci.
12. Identifikace nelineárních dynamických systémů.
13. Zopakování poznatků.

Učební cíle

Seznámit posluchače se základními technikami používanými pro identifikaci dynamických systémů a s možnými úskalími. Získat představu o vlivu šumu působícího na soustavu na výsledky identifikace

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Základní literatura

Fikar, M-Mikleš J.: Identifikácia systémov. STU Bratislava 1999 (SK)
Isemrann R., Munchhof M. : Identification of Dynamic Systems - An Introduction with Applications. Springer 978-540-78878-2, 2011. (EN)
Ljung, L.: System Identification, Theory for the User, Prentice Hall, 1987 (EN)
Noskievič, P.: Modelování a identifikace systémů. Montanex Ostrava 1999 (CS)
Soderstrom T., Stoica P.: System Identification. Prentice Hall International, 1989 (EN)
Šimandl, M.: Identifikace systémů a filtrace. Západočeská univerzita v Plzni, 2001, ISBN 80-7082-170-1. (CS)

Zařazení předmětu ve studijních plánech

  • Program EEKR-M1 magisterský navazující

    obor M1-BEI , 1 ročník, zimní semestr, volitelný oborový
    obor M1-KAM , 2 ročník, zimní semestr, volitelný oborový

  • Program EEKR-M magisterský navazující

    obor M-KAM , 2 ročník, zimní semestr, volitelný oborový
    obor M-BEI , 1 ročník, zimní semestr, volitelný mimooborový

  • Program EEKR-CZV celoživotní vzdělávání (není studentem)

    obor ET-CZV , 1 ročník, zimní semestr, volitelný oborový

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Petr Blaha, Ph.D.

Osnova

Úvod do problematiky identifikace dynamických systémů.
Neparametrické metody identifikace.
Lineární regrese, metoda nejmenších čtverců.
Budicí signály pro identifikaci, persistentní vybuzení, binární pseudonáhodný signál.
Metody chyby predikce.
Metody pomocné proměnné.
Rekurzivní metody identifikace, numericky stabilní metody.
Spektrální estimace, AR, MA a ARMA modely.
Identifikace v uzavřené smyčce.
Hodnocení věrohodnosti získaného modelu.
Kalmanův filtr a rozšířený Kalmanův filtr
Praktické poznámky k identifikaci.
Zopakování získaných poznatků z identifikace dynamických systémů.

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Ing. Luděk Buchta, Ph.D.

Osnova

Náhodné signály a jejich statistické vyhodnocení.
Základní neparametrické metody identifikace
Metoda nejmenších čtverců odchylek.
Generování testovacích signálů.
Rekurzivní metoda nejmenších čtverců
Vliv působení šumu v různých částech systému.
Příkazy MATLAB Identification Toolbox
Použití MATLAB Identifcation Toolbox.
Použití MATLAB Identifcation Toolbox.
Spektrální estimace diskrétních modelů.
Experimenty s Kalmanovým filtrem.
Hodnocení kvality identifikace.
Rezerva - zápočet