POZNÁMKY K PŘEDMĚTU PROJEKT

Rozměr: px

Začít zobrazení ze stránky:

Download "POZNÁMKY K PŘEDMĚTU PROJEKT"

Lukáš Valenta
před 4 lety
Počet zobrazení:

1 POZNÁMKY K PŘEDMĚTU PROJEKT Ing. Ivo Bukovský, Ph.D. Obsah KOMENTÁŘE K MODELOVÁNÍ A ANALÝZE SYSTÉMŮ...2 ZADÁNÍ Bio Teoretická část (umělá data) Praktická část (reálná data) Analýza dat EKG Analýza dat EKG a PPT Analýza dat pohbu plic Analýza dat EEG Tech Teoretická část (umělá data) Praktická část (reálná data) Analýza dat sstému se šumem snímačů Analýza provozních dat parní turbín Analýza provozních dat práškového kotle...6 Struktura úložiště dat...6 Obrázk Obr. 1: Příklad statického prediktivního modelu s měřenou vstupní veličinou x a vektorem parametrů modelu w....2 Obr. 2: Příklad statického prediktivního modelu s měřenou vstupní veličinou x a měřenou modelovanou veličinou r na vstupu a vektorem parametrů modelu w...2 Obr. 3: Příklad dnamického prediktivního modelu s měřenou vstupními veličinou u a historií výstupní (modelované) veličin....2 Obr. 4: Reálnější příklad dnamického prediktivního modelu s měřenou modelovanou veličinou r a zpětnými vazbami s výstupní (modelovanou) veličinou ( pro model je měřením dostupná jediná veličina a to jen ta modelovaná)...2 Obr. 5: Obecné schema komplikovaného statického modelu s vektorem měřených vstupních veličin u a historií měřené (reálné) výstupní (modelované) veličin r, x označuje vstupní vektor do modelu...3 Obr. 6: Obecné schema dnamického modelu s externími vstupními veličinami u a zpětnými vazbami / 6

2 KOMENTÁŘE K MODELOVÁNÍ A ANALÝZE SYSTÉMŮ u( k) f ( u( k), w ) Obr. 1: Příklad statického prediktivního modelu s měřenou vstupní veličinou x a vektorem parametrů modelu w. r ( k) u( k) f ( r ( k), u( k), w) Obr. 2: Příklad statického prediktivního modelu s měřenou vstupní veličinou x a měřenou modelovanou veličinou r na vstupu a vektorem parametrů modelu w. zpoždění ( k) u( k) f ( ( k), u( k), w ) Obr. 3: Příklad dnamického prediktivního modelu s měřenou vstupními veličinou u a historií výstupní (modelované) veličin. m ě ř e n í x ( k ) ( k + n s 1) ( k + n s 2 ) ( k + n s 3) r ( k ) r ( k 1) r ( k 2 ) r ( k ) r ( k 1) zpoždění f ( x( k), W ) Obr. 4: Reálnější příklad dnamického prediktivního modelu s měřenou modelovanou veličinou r a zpětnými vazbami s výstupní (modelovanou) veličinou ( pro model je měřením dostupná jediná veličina a to jen ta modelovaná). 2 / 6

3 x ( k ) m ě ř e n í r ( k ) r ( k 1) r ( k 2 ) u1 ( k ) u1 ( k 1) u1 ( k 2 ) u 2 ( k ) u 2 ( k 1) f ( x( k), W ) Obr. 5: Obecné schema komplikovaného statického modelu s vektorem měřených vstupních veličin u a historií měřené (reálné) výstupní (modelované) veličin r, x označuje vstupní vektor do modelu. x ( k ) zpoždění m ě ř e n í ( k + n s 1) ( k + n s 2 ) ( k + n s 3) u1 ( k ) u1 ( k 1) u1 ( k 2 ) u 2 ( k ) u 2 ( k 1) f ( x( k), W ) Obr. 6: Obecné schema dnamického modelu s externími vstupními veličinami u a zpětnými vazbami od výstupu. Model na Obr. 5 počítá budoucí hodnotu výstupní (modelované) veličin statickou funkcí (1) ( k + ns ) = f ( x( k ), W ), (1) kde W je matice nebo vektor parametrů modelu, které je třeba nalézt analýzou a optimalizací a x je vektor všech vstupů do modelu. 3 / 6

4 Analýza b měla vést k optimálnímu (nebo alespoň vhovujícímu modelu, tj. konfiguraci x a n s,viz. předchozí obrázk ) Analýzou zde pro naše účel rozumíme : Matematicko fzikální analýzu pomocí fzikálních zákonů o např. rovnováha potenciálních a kinetických energií, rovnováha energetických bilancí, bilance hmotnostních toků,..., o tento postup je klasický, ale zřídka proveditelný a platný pro reálné složité sstém s nejasnými vazbami provozních veličin, při osazení snímači s nelineárními charakteristikami, neurčitostmi ve vstupech a měření,... Matematické analýz signálů (statistika, entropie) o Korelační analýza pro ověření lineární závislosti mezi vžd dvěma veličinami časově posunutými dvěma veličinami časově posunutými instancemi jedné veličin o Vzájemná informace pro ověření nelineární závislosti mezi dvěma veličinami více než dvěma veličinami najednou časově posunutými veličinami časově posunutými instancemi jedné veličin Optimalizaci různých odhadnutých matematických modelů s vhodnocením nejvhodnějšího modelu v závislosti na volené o konfiguraci vstupů modelu o architektuře modelu (nelinearit,...) o vzorkování o zpracování dat (odfiltrováním šumu,...) o... Návrh optimálního modelu komplikovaného sstému je většinou snergií výše uvedených analýz a. Volba period vzorkování b. Fourierova transformace c. Výkonová spektrální hustota d. Informační obsah signálu(entropie) e. Vzájená informace dvou signálů (nelineární závislost) f. Neurčitosti v přiřazení vstupů k výstupům (metoda falešných sousedů) g. Autokorelační funkce(periodicit v signálu, posouzení šumu) h. Rekurentní graf (periodicit v signálu, posouzení šumu) i. (ICA independent component analsis) j. PCA metoda redukce počtu vstupních proměnných Námět pro návrh modelu 4 / 6

5 ZADÁNÍ Analzujte měřená data s ohledem na bod a metod a. j. (viz výše) a vvoďte závěr pro návrh modelu ve smslu Obr. 1 Obr. 6. (upřesnění při hodině) Výstup: referát za skupinu min 30 stran, zhodnocení dílčích analýz, výsledný komentář, závěr, obrázk, vlastní text minimálně 10 stran dokumentace, komentářů výsledků, dílčích závěrů (a. j.) a výsledné zhodnocení návrhu modelu + 10 minutová prezentace výsledků (min. 10 slajdů). 1 Bio 1.1 Teoretická část (umělá data) stáhnout data 1.2 Praktická část (reálná data) Analýza dat EKG Analýza dat EKG a PPT Analýza dat pohbu plic Analýza dat EEG 2 Tech 2.1 Teoretická část (umělá data) stáhnout data 2.2 Praktická část (reálná data) 5 / 6

2.2.1 Analýza dat sstému se šumem snímačů 2.2.2 Analýza provozních dat parní turbín 2.2.3 Analýza provozních dat práškového kotle Struktura úložiště dat Software studentská licence Matlab download.

6 2.2.1 Analýza dat sstému se šumem snímačů Analýza provozních dat parní turbín Analýza provozních dat práškového kotle Struktura úložiště dat Software studentská licence Matlab download.cvut.cz nutné online připojení během práce Dataplore (demo, max délka dat 4096, výsledk ukládat přes PrtScr) Pthon 2.6x s knihovnami SciP 2.6x, NumP 2.6x, Notepad ++ Scilab, R,...? 6 / 6

Podobné dokumenty

1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15

Úvodní poznámky... 11 1. Vlastnosti diskretních a číslicových metod zpracování signálů... 15 1.1 Základní pojmy... 15 1.2 Aplikační oblasti a etapy zpracování signálů... 17 1.3 Klasifikace diskretních