Detail předmětu
Modelování a identifikace
FEKT-MKC-MIDAk. rok: 2024/2025
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
Počet kreditů
Garant předmětu
Zajišťuje ústav
Vstupní znalosti
Pravidla hodnocení a ukončení předmětu
Numerická cvičení- Max 15 bodů.
Individuální projekt - Max. 15 bodů.
Závěrečná zkouška - Max. 70 bodů.
Podmínkou udělení zápočtu je získání alespoň 10 bodů ze cvičení a projektu a účast na cvičeních.
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.
Učební cíle
Absolvent předmětu je schopen
- používat neparametrické metody identifikace
- zvolit vhodný typ vstupního signálu pro identifikaci
- naprogramovat a použít základní metodu nejmenších čtverců
- vysvětlit, jak vzniká posunutí odhadu a jak se dá odstranit
- používat postupy pro zvýšení kvality identifikace při praktickém použití
- využívat univerzálního programového vybavení MATLAB-Simulink a jeho toolboxů pro identifikaci dynamických systémů
Základní literatura
Soderstrom, T., Stoica, P.: System Identification. Prentice Hall International, 1989
Doporučená literatura
Isemrann, R., Munchhof, M. : Identification of Dynamic Systems - An Introduction with Applications. Springer 978-540-78878-2, 2011.
Noskievič, P.: Modelování a identifikace systémů. Montanex Ostrava 1999
Šimandl, M.: Identifikace systémů a filtrace. Západočeská univerzita v Plzni, 2001, ISBN 80-7082-170-1.
Elearning
Zařazení předmětu ve studijních plánech
- Program N-AIŘ-K magisterský navazující 2 ročník, zimní semestr, povinný
Typ (způsob) výuky
Přednáška
Vyučující / Lektor
Osnova
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.
Konzultace
Vyučující / Lektor
Osnova
Elearning