|
Vyučující
|
-
Složil Čestmír, Ing. Ph.D.
-
Kalina Adam, Ing.
-
Mazín Petr, doc. Ing. Ph.D.
|
|
Obsah předmětu
|
1. Identifikace systémů vs. fyzikální (matematické) modelování, ilustrační příklady, typické úlohy, základní identifikační schéma 2. Parametrické a neparametrické metody identifikace, systém, struktura modelu, identifikační metody, experimentální podmínky (bohatost vstupního signálu, vliv zpětné vazby, vliv vlastností poruchy na odhad parametrů) 3. Lineární regrese, metoda nejmenčích čtverců, analýza odhadu parametrů, odhad variance chyby, výpočetní detaily 4. Parametrizace modelu, obecná struktura lineárního stochastického vstupně-výstupního modelu a jeho speciální případy 5. Optimální predikce pro obecný lineární stochastický model 6. Metoda chyby predikce, kritérium, vazba na parametrický model, analytické a numerické řešení 7. Metoda přídavné proměnné, Yule Walkerovy rovnice 8. Rekurzivní metody parametrické identifikace, metoda chyby predikce, metoda přídavné proměnné, metoda nejmenších a rozšířených nejmenších čtverců, metoda maximální věrohodnosti, metoda stochastické aproximace 9. Neparametrické metody identifikace, korelační a spektrální analýza 10. Modelování a estimace, strukturální a pravděpodobnostní modelování, Bayesův přístup k estimaci stavu, filtrace, predikce, vyhlazování, bodové odhady 11. Popis lineárního stochastického gaussovského systému ve stavové reprezentaci a odhad stavu pomocí Kalmanova filtru, odvození Kalmanova filtru z Bayesových rekurzivních vztahů 12. Odhad stavu nelineárního stochastického systému, lokální nelineární filtry, rozšířený Kalmanův filtr, filtr druhého řádu, iterační Kalmanův filtr, bezderivační filtry 13. Odhad stavu nelineárního stochastického systému, globální nelineární filtry, základní principy, směs normálních rozložení, bodové masy, simulační metody Monte Carlo
|
|
Studijní aktivity a metody výuky
|
Laboratorní praktika, Přednáška, Cvičení
- Kontaktní výuka
- 39 hodin za semestr
- Praktická výuka [vyjádření počtem hodin]
- 26 hodin za semestr
- Vypracování seminární práce v magisterském studijním programu [5-100]
- 50 hodin za semestr
- Příprava na zkoušku [10-60]
- 45 hodin za semestr
|
| Předpoklady |
|---|
| Odborné znalosti |
|---|
| aplikovat metody lineární algebry |
| aplikovat základní techniky integrálního a diferenciálního počtu |
| popsat vlastnosti náhodných veličin, stochastických procesů a stochastických systémů |
| interpretovat stavový a vstupně-výstupní popis systému |
| Odborné dovednosti |
|---|
| aplikovat techniky integrálního a diferenciálního počtu při práci s náhodnými veličinami |
| aplikovat metody lineární algebry při analýze vlastností lineárně transformované náhodné veličiny |
| převést vstupně-výstupní popis systému na stavový a naopak |
| Obecné způsobilosti |
|---|
| mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru., |
| mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i laikům informace o povaze odborných problémů a vlastním názoru na jejich řešení, |
| Výsledky učení |
|---|
| Odborné znalosti |
|---|
| formulovat problém odhadu neznámých parametrů na základě dostupných dat |
| analyzovat a vyhodnotit vlastnosti odhadu stavu i parametrů |
| vybrat vhodnou identifikační techniku pro danou formulaci problému odhadu parametrů |
| vybrat vhodnou filtrační techniku pro danou formulaci problému odhadu stavu |
| formulovat problém odhadu stavu stochastických dynamických systémů |
| Odborné dovednosti |
|---|
| navrhnout a aplikovat metodu nejmenších čtverců, metodu chyby predikce a metodu přídavné proměnné pro odhad parametrů vstupně-výstupních modelů |
| navrhnout a aplikovat metody globální filtrace pro odhad stavu stochastického dynamického systému (zejména metoda vícenásobné linearizace a metoda bodových mas) |
| navrhnout a aplikovat metody lokální filtrace pro odhad stavu stochastického dynamického systému (zejména rozšířený Kalmanův filtr a unscentovaný Kalmanův filtr) |
| Obecné způsobilosti |
|---|
| mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru., |
| mgr. studium: srozumitelně a přesvědčivě sdělují odborníkům i širší veřejnosti vlastní odborné názory, |
| Vyučovací metody |
|---|
| Odborné znalosti |
|---|
| Přednáška založená na výkladu, |
| Samostudium, |
| Cvičení (praktické činnosti), |
| Odborné dovednosti |
|---|
| Cvičení (praktické činnosti), |
| Obecné způsobilosti |
|---|
| Cvičení (praktické činnosti), |
| Samostudium, |
| Přednáška založená na výkladu, |
| Hodnotící metody |
|---|
| Odborné znalosti |
|---|
| Písemná zkouška, |
| Ústní zkouška, |
| Odborné dovednosti |
|---|
| Seminární práce, |
| Obecné způsobilosti |
|---|
| Písemná zkouška, |
| Ústní zkouška, |
| Seminární práce, |
|
Doporučená literatura
|
-
Eck V. Identifikace a modelování. ČVUT Praha, 1989.
-
Strejc V. Teorie automatického řízení II. ČVUT Praha, 1988.
-
Strejc, Vladimír. Stavová teorie lineárního diskrétního řízení. Vyd. 1. Praha : Academia, 1978.
-
Šimandl, Miroslav. Identifikace systémů a filtrace. Plzeň : ZČU, 1995. ISBN 80-7082-170-1.
|