Cílem předmětu je seznámit se s běžnými obecně platnými principy identifikace systémů analogových i diskrétních
Poslední úprava: Pátková Vlasta (19.04.2018)
The main goal of the course is to familiarize the students with the common generally valid principles of system identification both analogue and discrete
Výstupy studia předmětu -
Poslední úprava: Pátková Vlasta (19.04.2018)
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 (19.04.2018)
Students will be able to:
• work with common identification methods
• work with their implementation
• evaluate their efficiency
• students will take part in one large complex work (beginning with data measuring up to model formulation)
• students will use MATLAB interface for model identification
Literatura -
Poslední úprava: Pátková Vlasta (19.04.2018)
D:Šimandl M.,Identifikace systémů a filtrace, Vydavatelství ZČU, Plzeň,1997,8070821701
Z:Noskievič P.,Modelování a identifikace systémů,Montanex a.s.,Ostrava,1999,80722250302
D:Ljung L.,Systém Identification. Theory for the User,Prentice Hall PTR,N.J.,1999,0136566952
Poslední úprava: Pátková Vlasta (19.04.2018)
R:Šimandl M.,Identifikace systémů a filtrace, Vydavatelství ZČU, Plzeň,1997,8070821701
R:Noskievič P.,Modelování a identifikace systémů,Montanex a.s.,Ostrava,1999,80722250302
A:Ljung L.,Systém Identification. Theory for the User,Prentice Hall PTR,N.J.,1999,0136566952
Studijní opory -
Poslední úprava: Pátková Vlasta (19.04.2018)
interní materiály
Poslední úprava: Pátková Vlasta (19.04.2018)
internal materials
Požadavky ke zkoušce (Forma způsobu ověření studijních výsledků) -
Poslední úprava: Pátková Vlasta (19.04.2018)
Student získá kredity po úspěšném absolvování zkoušky z předmětu
Poslední úprava: Pátková Vlasta (19.04.2018)
Student will obtain the credits after the successful finishing
Sylabus -
Poslední úprava: Pátková Vlasta (19.04.2018)
1. Experimentální identifikace - základní schema, identifikace v širokém a úzkém smyslu
2. Výběr struktury operátoru modelu dynamiky procesů
3. Signály a jejich vlastnosti, diskretizace signálů. Vstupní testovací signály, jejich volba
4. Kritéria adekvátnosti modelu a procesu, metoda nejmenších čtverců (MNČ) a její modifikace
5. Klasifikace metod identifikace, deterministické metody v časové a frekvenční oblasti
6. Identifikace dynamických soustav z přechodových charakteristik - projekt I
7. Metoda Strejcova, Broidova, postupné integrace - prokjekt II
8. Identifikace systémů ve frekvenční oblasti, metoda Kardašov-Karnjušinova
9. Statistické metody identifikace, korelační,spektrální analýza, metody statistické dynamiky
10. Stochastické modely diskrétního typu, modely šumu, popis driftu
11. Volba metody pro odhad parametrů diskrétního modelu, MNČ - obyčejná a vážená
12. Zobecněná, rozšířená, opakovaná MNČ, metoda maximální věrohodnosti
13. Numerické řešení MNČ, rekurzivní metody, robustní identifikace, bootstrap, jackknife - projekt III
14. Komplexní úloha
Poslední úprava: Pátková Vlasta (19.04.2018)
1. Experimental identification - basic scheme, wide and narrow definition of the branch
2. Structure model selection and process dynamics
3. Signals and their characteristics, signal discretization. Input testing signals, their selection
4. Adequacy criteria for models and processes, least square method, its modification
5. Identification methods classification, deterministic models in time and frequency domain
6. Dynamic system identification via transfer characteristics - project I
7. Methods of Strejc, Broid, progressive integration - project II
8. Frequency domain identification - method of Kardašov-Karnjušin
9. Frequency domain identification - correlation and spectral analysis, statistic dynamics methods
10. Stochastic models of discrete type, noise models, drift description
11. Parameter estimation methods for discrete models, least square - simple and weighted
12. Generalized, extended, repeated LSM, maximum credibility method
13. Numeric solution of LSM, recursive methods, robust identification, bootstrap, jackknife - project III
14. Large project
Studijní prerekvizity -
Poslední úprava: Mareš Jan doc. Ing. Ph.D. (18.06.2018)
žádné
Poslední úprava: Pátková Vlasta (19.04.2018)
Matematics II
Podmínky zakončení předmětu (Další požadavky na studenta)
Poslední úprava: Bártová Darina Ing. Mgr. Ph.D. (26.04.2018)
studenti budou hodnoceni zápočtem za samostatné práce/projekty v seminářích a známkou za ústní zkoušku
Zátěž studenta
Činnost
Kredity
Hodiny
Konzultace s vyučujícími
0.5
14
Účast na přednáškách
1.5
42
Příprava na přednášky, semináře, laboratoře, exkurzi nebo praxi