5 ECTS credits
130 u studietijd
Aanbieding 1 met studiegidsnummer 4001057ENR voor alle studenten in het 2e semester
met een verdiepend master niveau.
- Semester
- 2e semester
- Inschrijving onder examencontract
- Niet mogelijk
- Beoordelingsvoet
- Beoordeling (0 tot 20)
- 2e zittijd mogelijk
- Ja
- Onderwijstaal
- Nederlands
- Faculteit
- Faculteit Ingenieurswetenschappen
- Verantwoordelijke vakgroep
- Elektriciteit
- Onderwijsteam
- Joannes Schoukens
(titularis)
- Onderdelen en contacturen
- 0 contacturen Exam
24 contacturen Lecture
36 contacturen Practical exercises
- Inhoud
- Ingenieurs gebruiken wiskundige modellen om de omringende wereld te begrijpen en te manipuleren. Deze modellen worden getoetst aan de werkelijkheid door middel van metingen. Elke meting bevat fouten. In deze cursus wordt er nagegaan hoe men goede metingen kan maken, en vervolgens hoe men uit metingen wiskundige modellen kan extraheren. Hierbij wordt er in elke stap aandacht gegeven om de grootte en de invloed van (meet)fouten in te schatten.
Inhoud modelleren:
- Waarom heeft men identificatie nodig?
In dit deel wordt aan de hand van een heel eenvoudig voorbeeld uiteengezet dat stochastische meetfouten kunnen resulteren in systematische modelfouten zonder dat de gebruiker dit merkt. Het blijkt ook dat voor eenzelfde probleem verschillende schatters kunnen voorgesteld worden die allen een verschillende resultaat geven. Besluit: 1) er is een groot probleem, 2) er is nood aan een systematische aanpak
- Definieren van de 'ideale' schatter
Wat mag men redelijkerwijs eisen van een goede schatter. Begrippen als 'unbiased', consistent en efficient worden ingevoerd. Men leert dat er een (gemakkelijk) te berekenen ondergrens bestaat op de bereikbare nauwkeurigheid. Dit geeft meteen ook inzicht in het belang van goede experimenten en de mogelijkheid tot experiment design.
- Een systematische aanpak van het identificatieprobleem
Een familie van 4 schatters wordt ingevoerd en hun eigenschappen worden besproken (in de meeste gevallen niet bewezen).
Kleinste kwadraten, gewogen kleinste kwadraten, maximum likelihood en Bayes schatten.
- Schatten in de aanwezigheid van fouten op alle metingen (input en output)
Dit is de gevaarlijkste situatie voor het bouwen van modellen vanaf experimentele data. Spijtig genoeg behoren de meeste van de problemen tot deze groep. Het basisprobleem wordt uiteengezet en er worden een aantal mogelijke oplossingen uitgewerk: Errors-in-variables; instrumental variables; total least squares.
- Model selectie en modelvalidatie
In dit deel wordt nagedacht hoe complex een model moet zijn: te eenvoudige modellen resulteren in systematische fouten (ze kunnen de realiteit niet voldoende beschrijven) en te complexe modellen zijn overgevoelig aan de meetfouten. Een optimale balans dient gemaakt te worden.
- Numerieke optimizatie methoden
Heel bondig worden er hier 3 methoden ingevoerd die optimaal aangepast zijn om het optimizatieprobleem dat naar voor komt tijdens het identificeren numeriek op te lossen (gradient, newton, gauss-newton, marquardt).
- Recursief identificeren
Hier wordt getoont dat men de metingen realtime kan verwerken. Een nieuwe schatting wordt berekend telkens dat er een nieuwe meting binnenkomt.
- Kalman filtering
Dit is een heel bondige inleiding tot het schatten van de toestand van een systeem. Men kent de systeem vergelijkingen, men kent een deel van de inputs, men kent de outputs, en vanaf deze informatie wenst men vervolgens een optimale schatting te maken in welke toestand (die niet noodzakelijk rechtstreeks te meten is) het systeem zich bevindt.
Inhoud meten:
Meetmethodes
- Spectrale metingen.
- spectrale analyse ( FFT analyse + scanning technieken (RF) )
- netwerkanalyse voor lineair tijdsinvariante systemen. ( FFT + RF )
Analoge specificaties van meethardware
- Signaalconditionering
- Specificaties van analoge front-ends voor digitale meetsystemen.
- Interferentieproblemen.
Karakterisatie van meetnauwkeurigheid.
- uitwerken van het meetprobleem als een statistisch proces.
Computergestuurde meetapparatuur.
- Overzicht van gebruikte technieken
- Overzicht van bestaande standaardisatie.
- Case study : IEEE-488.
- Studiemateriaal
- Cursustekst (Vereist) : An introduction to system identification, cursusnota's, Schoukens, VUB
- Bijkomende info
De lessen worden in het Engels gegeven indien er anderstalige studenten ingeschreven zijn. De studenten kunnen echter hun vragen in het Nederlands stellen, en het examen wordt in het Nederlands afgenomen voor Nederlandstalige studenten.
- gebruikte literatuur:
- Standaardwerken over identificatie worden aan de studenten vermeld en zijn beschikbaar in de bibliotheek ;
- de te kennen leerstof is samengebracht in engelstalige cursusnota's bij VUB of ter beschikking gesteld door de titularis.
Referentiewerken :
P. Eykhoff, System Identification, London, John Wiley and Sons, 1974.
G.C. Goodwin and R.L. Payne, Dynamic System Identification. New York, Academic Press, 977.
L. Ljung, System Idnetification : theory for the user. Englewood Cliffs, Prentice-Hall, 1987.
J. P. Norton, An Introduction to Identification. London, Academic Press, 1986.
J. Schoukens and R. Pintelon, Identification of Linear Systems : A practical guideline for acuurate modeling. London, Pergamon Press 1991.
T. Soderstrom and P. Stoica, System Identification, Englewood Cliffs, Prentice-Hall, 1998.
The Fast Fourier Transform ( Oran E Brigham - Addison Wesley )
System Identification. A frequency domain approach. Pintelon and Schoukens. IEEE press, John Wiley, 2001.
Solving interference problems in electronics ( Morrisson - Wiley )
+ IEEE 488.2 Standard. (IEEE Press)
- Leerresultaten
-
Algemene competenties
-doelstellingen:
Modelleren: kennis en vaardigheid te verwerven over het bouwen van wiskundige modellen vertrekkende van met ruis verstoorde metingen.
Meten: Basiskennis op het gebied van meetproblematiek uitbreiden naar het frequentiedomein, signaalconditionering en automatisatie van meetsystemen.
Praktische ervaring opdoen in handelen met complexe meetapparaten.
-eindtermen en examenvereisten:
Kennis en het inzicht
leren omgaan met meetfouten en hun invloed kunnen kwantiseren ;
leren modeleren; een goede schatter kunnen kiezen; de eigenschappen van een schatter begrijpen en kunnen aantonen in functie van de experimentele condities.
leren relativeren : wat wil ik modeleren ? en waarom ?
Oordeelvorming
Een meet- en modelleringsprobleem geintegreerd kunnen aanpakken.
Keuzes kunnen maken tussen verschillende mogelijke alternatieven om een meet- en modelleringsprobleem op te lossen.
De opgedane kennis leren toepassen op echte problemen (labo's).
Communicatie
Op duidelijke wijze mondeling en schriftelijk kunnen rapporteren over de hierboven opgesomde onderwerpen
Leervaardigheden
Zelfstandig een meet- en modelleringsprobleem kunnen formuleren, analyseren, en oplossen. De kwaliteit van de oplossing kunnen beoordelen.
- Beoordelingsinformatie
-
De beoordeling bestaat uit volgende opdrachtcategorieën:
Examen Mondeling bepaalt 100% van het eindcijfer
Binnen de categorie Examen Mondeling dient men volgende opdrachten af te werken:
- theo + labo Modelleren & Meten
met een wegingsfactor 1
en aldus 100% van het totale eindcijfer.
Toelichting: - gesloten boek, mondeling examen ;
- klemtoon op begrijpen van de leerstof, reproduceren is niet genoeg.
Puntenverdeling
Theorie modelleren 4/15
Theorie meten 6/25
Labo modelleren 2/15
Labo meten 9/25
Al de proeven worden afgenomen op een halve dag. Afwezigheid op een of meer van de proeven resulteert in een afwezigheid voor het opleidingsonderdeel.
- Aanvullende info mbt evaluatie
- gesloten boek, mondeling examen ;
- klemtoon op begrijpen van de leerstof, reproduceren is niet genoeg.
Puntenverdeling
Theorie modelleren 4/15
Theorie meten 6/25
Labo modelleren 2/15
Labo meten 9/25
Al de proeven worden afgenomen op een halve dag. Afwezigheid op een of meer van de proeven resulteert in een afwezigheid voor het opleidingsonderdeel.
- Toegestane onvoldoende
- Kijk in het aanvullend OER van je faculteit na of een toegestane onvoldoende mogelijk is voor dit opleidingsonderdeel.
Academische context
Deze aanbieding maakt deel uit van de volgende studieplannen:
Master in de ingenieurswetenschappen: chemie en materialen: profiel procestechnologie
Master in de ingenieurswetenschappen: chemie en materialen: profiel materialen