Detail předmětu
Modelling and Identification
FEKT-NMIDAk. rok: 2018/2019
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
angličtina
Počet kreditů
5
Garant předmětu
Zajišťuje ústav
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.
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.
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
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)
Soderstrom T., Stoica P.: System Identification. Prentice Hall International, 1989 (EN)
Ljung, L.: System Identification, Theory for the User, Prentice Hall, 1987 (EN)
Soderstrom T., Stoica P.: System Identification. Prentice Hall International, 1989 (EN)
Zařazení předmětu ve studijních plánech
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
Vyučující / Lektor
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.
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
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
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