Detail předmětu

Modelování a identifikace

FEKT-MPC-MIDAk. rok: 2020/2021

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

čeština

Počet kreditů

6

Garant předmětu

doc. Ing. Petr Blaha, Ph.D.

Zajišťuje ústav

Ústav automatizace a měřicí techniky (UAMT)

Výsledky učení předmětu

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

Prerekvizity

Jsou požadovány znalosti na úrovni bakalářského studia.

Plánované vzdělávací činnosti a výukové metody

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT. Podklady k přednáškám a ke cvičení jsou pro studenty dostupné z webových stránek předmětu. Student odevzdává jeden samostatný projekt.

Způsob a kritéria hodnocení

Numerická cvičení- Max 15 bodů.
Individuální projekt - Max. 15 bodů.
Závěrečná zkouška - Max. 70 bodů.
Zkouška z předmětu bude probíhat prezenčně i online.

Osnovy výuky

1. Úvod do problematiky identifikace dynamických systémů
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.

Učební cíle

Seznámit posluchače se základními technikami používanými pro identifikaci dynamických systémů a s jejich možnými úskalími. Získat představu o vlivu šumu působícího na soustavu na výsledky identifikace.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.

Základní literatura

Ljung, L.: System Identification, Theory for the User, Prentice Hall, 1999 (EN)
Soderstrom, T., Stoica, P.: System Identification. Prentice Hall International, 1989 (EN)

Doporučená literatura

Fikar, M., Mikleš, J.: Identifikácia systémov. STU Bratislava 1999 (SK)
Noskievič, P.: Modelování a identifikace systémů. Montanex Ostrava 1999 (CS)
Šimandl, M.: Identifikace systémů a filtrace. Západočeská univerzita v Plzni, 2001, ISBN 80-7082-170-1. (CS)
Isemrann, R., Munchhof, M. : Identification of Dynamic Systems - An Introduction with Applications. Springer 978-540-78878-2, 2011. (EN)

eLearning

eLearning: aktuální otevřený kurz

Zařazení předmětu ve studijních plánech

  • Program MPC-KAM magisterský navazující, 2. ročník, zimní semestr, povinně volitelný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

doc. Ing. Petr Blaha, Ph.D.

Osnova

1. Úvod do problematiky identifikace dynamických systémů
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.

Cvičení na počítači

26 hod., povinná

Vyučující / Lektor

Ing. Ondřej Bartík

Osnova

1. Lehký úvod do identifikace.
2. Identifikace parametrů z přechodové a impulsové charakteristiky.
3. Identifikace za pomocí korelačních metod, frekvenční analýza.
4. Spektrální analýza.
5. Vstupní signály pro identifikaci, Metoda nejmenších čtverců.
6. Průběžná metoda nejmenších čtverců.
7. Metody pomocných proměnných.
8. System Identification Toolbox.
9. Metody identifikace založené na vybělení chyby predikce.
10. Vylepšená frekvenční analýza, identifikace parametrů PMSM motoru.
11. Identifikace pomocí metody nejmenších čtverců.
12. Test + práce na projektu.
13. Reálná úloha - DC motor.

eLearning

eLearning: aktuální otevřený kurz