- Nazwa przedmiotu:
- Signals and Identification Methods
- Koordynator przedmiotu:
- prof. Janusz Narkiewicz
- Status przedmiotu:
- Obowiązkowy
- Poziom kształcenia:
- Studia II stopnia
- Program:
- Aerospace Engineering
- Grupa przedmiotów:
- Specialization
- Kod przedmiotu:
- ML.ANK 495
- Semestr nominalny:
- 2 / rok ak. 2020/2021
- Liczba punktów ECTS:
- 3
- Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
- 1) Number of hours that require the presence of a teacher - 32 , including:
a) attendance at the lectures - 15 hours;
b) attendance at the exercises - 15 hours;
c) consultancy meetings - 2 hours.
2) The number of hours of independent work of student: 45, including:
• systematic preparation for classes - 15 hours;
• work on homework (solving tasks) – 15 hours;
• preparation for class tests – 15 hours.
- Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
- 1.3 ECTS credits - 32 hours, including:
a) attendance at the lectures - 15 hours;
b) attendance at the exercises - 15 hours;
c) consultancy meetings - 2 hours.
- Język prowadzenia zajęć:
- angielski
- Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
- 1 ECTS credit.
- Formy zajęć i ich wymiar w semestrze:
-
- Wykład15h
- Ćwiczenia15h
- Laboratorium0h
- Projekt0h
- Lekcje komputerowe0h
- Wymagania wstępne:
- None, but it is recommended to have the base knowledge in modelling of systems and signal theory.
- Limit liczby studentów:
- -
- Cel przedmiotu:
- Present the background of methods for building reliable models of various systems and components and identification of their parameters.
- Treści kształcenia:
- Lecture: Basic definitions signal, model, identification, estimation, deterministic and stochastic signals. Transformation from time to frequency domain Analog / Digital conversion. Filters: analog and digital, filter optimization.. Signal coding. Modelling of static and dynamic processes. Estimation theory. The least squares method for estimation. Experiment planning. Data processing errors and their estimation. Tutorials: Examples of topic presented during lectures.
- Metody oceny:
- Three tests during semester.
- Egzamin:
- nie
- Literatura:
- Literature is given for each lecture using books from university and faculty library.
- Witryna www przedmiotu:
- http//zaiol.meil.pw.edu.pl
- Uwagi:
Efekty uczenia się
Profil ogólnoakademicki - wiedza
- Charakterystyka ML.ANK495_W1
- A student knows basic methods of mechanical systems identification: assumptions and limitations. She / he is able to select the proper method to various systems.
Weryfikacja: Test.
Powiązane charakterystyki kierunkowe:
Aero2_W09
Powiązane charakterystyki obszarowe:
- Charakterystyka ML.ANK495_W2
- She / he knows the selected filtering methods for deterministic signals. She / he knows the least squares approach.
Weryfikacja: Test.
Powiązane charakterystyki kierunkowe:
Aero2_W09
Powiązane charakterystyki obszarowe:
Profil ogólnoakademicki - umiejętności
- Charakterystyka ML.ANK495_U1
- She / he knows how to perform signal harmonic analysis and interpret the results.
Weryfikacja: Test.
Powiązane charakterystyki kierunkowe:
Aero2_U17
Powiązane charakterystyki obszarowe:
- Charakterystyka ML.ANK495_U1
- She / he knows how to perform signal harmonic analysis and interpret the results.
Weryfikacja: Test.
Powiązane charakterystyki kierunkowe:
Aero2_U09
Powiązane charakterystyki obszarowe:
- Charakterystyka ML.ANK495_U2
- She /he knows the background of Kalman filtering methods and can apply this method for filtering signals with stochastic disturbances.
Weryfikacja: Test.
Powiązane charakterystyki kierunkowe:
Aero2_U18
Powiązane charakterystyki obszarowe:
- Charakterystyka ML.ANK495_U2
- She /he knows the background of Kalman filtering methods and can apply this method for filtering signals with stochastic disturbances.
Weryfikacja: Test.
Powiązane charakterystyki kierunkowe:
Aero2_U09
Powiązane charakterystyki obszarowe: