Sveučilišni diplomski studij

Nazad   Raspored   Engleski

Modeliranje temeljeno na podacima DRb3-03

ECTS 7 | P 30 | A 0 | L 30 | K 0 | ISVU 149759 | Akademska godina: 2018./2019.

Grupe studenata

Prikaži sve grupe na predmetu

Nastavnici na predmetu

NYARKO EMMANUEL-KARLO, suradnik
SLIŠKOVIĆ DRAŽEN, nositelj

Ciljevi predmeta

Upoznavanje studenata s osnovama metodologije izlučivanja znanja o procesu sadržanog u raspoloživim mjernim podacima, te načinu kako na temelju ovih informacija izgraditi model procesa sa zahtijevanim svojstvima. Prezentiranje odgovarajućih vještina u radu s raspoloživim programskim alatima za analizu i obradbu mjernih podataka, kao i programskim alatima za izgradnju modela procesa na temelju ovih podataka. Upoznavanje s načinom uvođenja inteligencije u sustave automatskog upravljanja.

Uvjeti za upis predmeta

Ostvareni uvjeti za upis druge godine studija

Sadržaj

Modeliranje procesa, i drugih funkcionalnih odnosa u podacima, na temelju mjernih podataka. Mjerni podaci dobiveni zasebnim eksperimentom i pogonski (radni) podaci. Informativnost mjernih podataka. Odabir vremena uzorkovanja. Predobradba mjernih podataka i formiranje skupova podataka za izgradnju modela procesa. Izgradnja statičkog i dinamičkog modela. Odabir ulaznih i izlaznih veličina te strukture modela. Metode za procjenu parametara modela. Regresijsko modeliranje. Nerekurzivne i rekurzivne metode podešavanja parametara modela. Metode zasnovane na projekciji ulaznog prostora u latentni potprostor. Vrjednovanje izgrađenog modela procesa. Primjena umjetnih neuronskih mreža u modeliranju na podacima. Primjena programskog paketa Matlab u modeliranju na temelju podataka. Virtualni (soft) senzor i estimacija teško-mjerljive procesne veličine. Programska implementacija izgrađenih matematičkih modela u industrijski informacijski sustav.

Obveze studenata

Definirano Okvirima kriterija ocjenjivanja studenata FERIT-a i stavkom 1.9

Praćenje rada studenata

Definirano Okvirima kriterija ocjenjivanja studenata FERIT-a i stavkom 1.9

Osnovna literatura

1. 1 Perić, N., I. Petrović Identifikacija procesa FER, Zagreb, 2000.,

2. 2 Fortuna, L., S. Graziani, A. Rizzo, M.G. Xibilia Soft sensors for Monitoring and Control of Industrial Processes Springer-Verlag London Limited 2007.


Pretraži literaturu na:

Dopunska literatura

1. 1 Ljung, L. System Identification - Theory for the User Prentice-Hall, Eaglewood Cliffs, 1987.,

2. 2 Haykin, S. Neural Networks – A Comprehensive Foundation, 2nd edition Prentice Hall, 1999.,

3. 3 Martens, H., T. Naes, Multivariate Calibration, 2nd edition John Wiley & Sons, New York, 1991.

Način praćenja kvalitete i uspješnosti izvedbe kolegija

Provođenje sveučilišnih anketa o nastavnicima (pristup prema studentima, transparentnost kriterija, motivacija na izvršavanje aktivnosti, jasnoća izlaganja, i sl.). Provođenje fakultetskih anketa o predmetima (nakon položenog predmeta samoevaluacija studenata o usvojenim ishodima učenja, te o opterećenosti u usporedbi s ECTS-ima aktivnosti i predmeta u cjelini).

Pregled ishoda učenja, nastavnih metoda i procjena ishoda učenja

Ishodi učenja:

1. provesti prikupljanje, analizu i predobradu mjernih podataka

2. istaknuti prednosti i nedostatke određene metode u konkretnom slučaju identifikacije procesa

3. izraditi dinamički matematički model za dani problem odabirom odgovarajuće metode idenfitikacije procesa i njezinom implementacijom u programskom paketu Matlab

4. objasniti probleme nadzora procesa i realizacije sustava upravljanja uz postojanje teško-mjerljive procesne veličine, te rješenje problema primjenom estimatora

5. procijeniti prikladnost pojedine metode modeliranja zasnovane na projekciji ulaznog prostora podataka u latentni prostor za dani problem

6. izgraditi model procesa na temelju podataka, primjenom analiziranih metoda, pomoću programskog paketa Matlab



Aktivnosti studenta:

Aktivnost studenta Broj radnih sati ECTS (Broj radnih sati/30) Ishod(i) učenja Nastavna
metoda
Metoda procjene Bodovi
Pohađanje Predavanja (PR), Laboratorijske vježbe (LV)6021,2,3,4,5,6Predavanja (PR), Laboratorijske vježbe (LV)Predavanja (PR), Laboratorijske vježbe (LV)710
Pisanje priprema za LV, analiza rezultata, te pisanje izvještaja6022,3,5,6Laboratorijske vježbe (LV)Provjera pripreme za LV, nadzor provođenja LV-a, provjera napisanih izvještaja1530
Priprema za usmeni ispit i usmeno odgovaranje na pitanja6021,2,5,6Usmeni ispitProvjera danih odgovora1835
Rješavanje projektnog zadatka3011,2,3,4,5,6ProjektProvjera rješenja projektnog zadatka025