PředmětyPředměty(verze: 965)
Předmět, akademický rok 2019/2020
  
Experimental Identification - AP445012
Anglický název: Experimental Identification
Zajišťuje: Ústav počítačové a řídicí techniky (445)
Fakulta: Fakulta chemicko-inženýrská
Platnost: od 2019 do 2020
Semestr: oba
Body: 0
E-Kredity: 0
Způsob provedení zkoušky:
Rozsah, examinace: 3/0, Jiné [HT]
Počet míst: zimní:neomezen / neurčen (neurčen)
letní:neurčen / neurčen (neurčen)
Minimální obsazenost: neomezen
Stav předmětu: vyučován
Jazyk výuky: angličtina
Způsob výuky: prezenční
Úroveň:  
Poznámka: student může plnit i v dalších letech
předmět lze zapsat v ZS i LS
Garant: Mareš Jan prof. Ing. Ph.D.
Záměnnost : N445021, P445012
Termíny zkoušek   Rozvrh   
Anotace -
Cílem předmětu je seznámit se s běžnými obecně platnými principy identifikace systémů analogových i diskrétních
Poslední úprava: Pátková Vlasta (19.11.2018)
Podmínky zakončení předmětu (Další požadavky na studenta) -
  • odevzdání projektů
  • ústní zkouška
Poslední úprava: Pátková Vlasta (19.11.2018)
Literatura -

Z:Tangirala A.K., Principles of System Identification:Theory and Practice, CRC Press, Boca Raton, 2015, ISBN 978-1-4398-9602-0

D:Ljung L.,Systém Identification. Theory for the User,Prentice Hall PTR,N.J.,1999,0136566952

Poslední úprava: Mareš Jan (22.04.2020)
Metody výuky -

přednášky, konzultace, projekty

Poslední úprava: Pátková Vlasta (19.11.2018)
Sylabus -

1. Experimentální identifikace - základní schéma, identifikace v širokém a úzkém smyslu

2. Výběr struktury operátoru modelu dynamiky procesů

3. Integrální transformace v identifikaci I

4. Integrální transformace v identifikaci II

5. Metoda nejmenších čtverců, rekurentní metoda nejmenších čtverců, rozšířená metoda nejmenších čtverců

6. Metoda Strejcova, Broidova, postupné integrace

7. Pokročilé statistické metody identifikace I

8. Pokročilé statistické metody identifikace II

9. Stochastické modely I

10. Stochastické modely II

11. Neuronové sítě v identifikaci I

12. Neuronové sítě v identifikaci II

13. Numerické metody pro identifikaci

14. Vyhodnocení projektů

Poslední úprava: Mareš Jan (22.04.2020)
Studijní opory -

interní materiály

Poslední úprava: Pátková Vlasta (19.11.2018)
Výsledky učení -

Studenti budou umět

  • pracovat s běžnými identifikačními metodami,
  • pracovat s jejich programovou implementací,
  • hodnotit jejich efektivitu.
  • V rámci předmětu absolvují komplexní úlohu (od naměření dat po získání modelu).
  • používat rozhraní pro identifikaci modelů v prostředí MATLAB.
Poslední úprava: Pátková Vlasta (19.11.2018)
Vstupní požadavky -

nejsou

Poslední úprava: Pátková Vlasta (19.11.2018)
Studijní prerekvizity -

nejsou

Poslední úprava: Pátková Vlasta (19.11.2018)
 
VŠCHT Praha