Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Modele i identyfikacja układów dynamicznych
Koordynator przedmiotu:
Dr inż. inż. Bartłomiej Beliczyński, Bartlomiej.Beliczyński@ee.pw.edu.pl, tel. +48222347282 Dr inż. Maciej Twardy, Maciej.Twardy@ee.pw.edu.pl
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia II stopnia
Program:
Automatyka i Robotyka
Grupa przedmiotów:
Obowiązkowe
Kod przedmiotu:
Semestr nominalny:
2 / rok ak. 2009/2010
Liczba punktów ECTS:
2
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
Formy zajęć i ich wymiar w semestrze:
  • Wykład0h
  • Ćwiczenia0h
  • Laboratorium30h
  • Projekt0h
  • Lekcje komputerowe0h
Wymagania wstępne:
Teoria sterowania
Limit liczby studentów:
Cel przedmiotu:
Oczekujemy, że student nabędzie praktyczne umiejętności zaprojektowania eksperymentów identyfikacyjnych i wyznaczania parametrów modeli a także użycia sieci neuronowych do modelowania obiektów nieliniowych.
Treści kształcenia:
Laboratorium obejmuje w zakresie merytorycznym treści wykładu. Ćwiczenia laboratoryjne dotyczą podstaw matematycznych: rozkład macierzy względem wartości singularnych, pseudoinversji, średniokwadratowego rozwiązania przybliżonego układu równań liniowych i rozwiązania rekurencyjnego; modeli obiektów dynamicznych: modeli ciągłych i dyskretnych, równoważności pomiędzy modelami ciągłymi i dyskretnymi dla określonej klasy sygnałów wejściowych, modeli w przestrzeni stanów i modeli ARMAX; estymacji parametrów modeli liniowych: zastosowania metod rekurencyjnych nierekurencyjnych, rozszerzeń i modyfikacji metody rekurencyjnej; identyfikacji modeli wielowejściowych/wielowyjściowych: wyznaczania macierzy układu w oparciu o parametry Markowa i macierze Hankela; aproksymacji funkcji i modelowania nieliniowych układów dynamicznych: aproksymacji funkcji za pomocą sieci neuronowych, uczenia sieci, metod regularyzacji, neuronowej architektury z linią opóźniającą.
Metody oceny:
Egzamin:
Literatura:
S. Soderstrom, P. Stoica: Identyfikacja systemów. PWN, 1999. A. Kielbasinski and H. Schwetlick: Numeryczna algebra liniowa. WNT 1994. E.Chong, S. Zak: An Introduction to Optimization. Wiley Interscience Pub., 2008. S. Osowski: Sieci neuronowe do przetwarzania informacji. WPW, 2006. J.N. Juang: Applied System Identification, Prentice Hall, 1994.
Witryna www przedmiotu:
Uwagi:

Efekty uczenia się