Detail předmětu
Modelování a identifikace
FEKT-MKC-MID Ak. rok: 2025/2026 Zimní semestr
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
Zajišťuje ústav
Vstupní znalosti
Jsou požadovány znalosti na úrovni bakalářského studia.
Pravidla hodnocení a ukončení předmětu
Numerická cvičení- Max 15 bodů.
Individuální projekt – Max. 15 bodů.
Závěrečná zkouška – Max. 70 bodů.
Podmínkou udělení zápočtu je získání alespoň 10 bodů ze cvičení a projektu a účast na cvičeních.
Vymezení kontrolované výuky a způsob jejího provádění stanoví každoročně aktualizovaná vyhláška garanta předmětu.
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.
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
Použití předmětu ve studijních plánech
Program N-AIŘ-K: Aplikovaná informatika a řízení, magisterský navazující, povinný
Typ (způsob) výuky
Přednáška
26 hod., nepovinná
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.
Konzultace
26 hod., nepovinná
Osnova
Kozultace dle potřeb studentů.