SylabUZ
Course name | Modelling of Measurement Transducers |
Course ID | 06.0-WE-ED-MPP-SPiE |
Faculty | Faculty of Computer Science, Electrical Engineering and Automatics |
Field of study | Electrical Engineering |
Education profile | academic |
Level of studies | Second-cycle studies leading to MSc degree |
Beginning semester | winter term 2019/2020 |
Semester | 2 |
ECTS credits to win | 5 |
Course type | optional |
Teaching language | polish |
Author of syllabus |
|
The class form | Hours per semester (full-time) | Hours per week (full-time) | Hours per semester (part-time) | Hours per week (part-time) | Form of assignment |
Lecture | 30 | 2 | 18 | 1,2 | Exam |
Laboratory | 30 | 2 | 18 | 1,2 | Credit with grade |
- zapoznanie studentów z podstawowymi zasadami budowy modeli matematycznych przetworników pomiarowych,
- ukształtowanie podstawowych umiejętności w zakresie analizowania źródeł błędów podstawowych bloków funkcyjnych przetworników pomiarowych,
- ukształtowanie podstawowych umiejętności w zakresie prowadzenia badań symulacyjnych i doświadczalnych przetworników pomiarowych.
Ogólna charakterystyka inteligentnych przetworników pomiarowych. Charakterystyka podstawowych bloków funkcyjnych przetworników pomiarowych. Cechy odróżniające współczesne przetworniki pomiarowe od przetworników poprzednich generacji.
Uwagi ogólne o projektowaniu i roli modelu. Cel i etapy projektowania. Sekwencyjno-iteracyjny algorytm projektowania. Ograniczenia w procesie projektowania. Istota i zakres modelowania.
Podstawy budowania modeli. Etapy modelowania matematycznego. Analogie między zjawiskami fizycznymi. Sposoby tworzenia klasycznych modeli matematycznych i modeli neuronowych. Przykłady budowania modeli czujników i sprzętu analogowo-cyfrowego.
Podstawowe elementy przetworników i ich modele. Modele matematyczne obwodów wejściowych, analogowych bloków funkcyjnych, przetworników próbkująco - pamiętających i analogowo - cyfrowych. Zastosowanie sieci neuronowych w modelowaniu przetworników pomiarowych.
Zastosowanie modelowania w wybranych metodach korekcji błędów przetworników pomiarowych. Ogólne uwagi o metodach korekcji błędów. Wybrane metody korekcji: metoda korekcji obwodów wejściowych, metoda iteracyjna, metoda źródeł wzorcowych, metody testowe, metoda adaptacji parametrów toru pomiarowego do parametrów przetwarzanych sygnałów i warunków pracy.
Modelowanie procesów przetwarzania odwrotnego w przetwornikach pomiarowych.
Wybrane przykłady realizacji współczesnych przetworników pomiarowych.
wykład: wykład konwencjonalny, konsultacje,
laboratorium: praca w grupach, ćwiczenia laboratoryjne.
Outcome description | Outcome symbols | Methods of verification | The class form |
Wykład - warunkiem zaliczenia jest uzyskanie pozytywnej oceny z egzaminu.
Laboratorium - warunkiem zaliczenia jest uzyskanie pozytywnych ocen cząstkowych z zadań, wykonywanych w ramach laboratorium.
Składowe oceny końcowej: wykład: 50% + laboratorium: 50%.
Rutkowski L.: Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowo PWN, Warszawa, 2005.
Miczulski W., Szulim R., Using time series approximation methods in the modelling of industrial objects and processes //W: Measurements models systems and design / ed. by J. Korbicz .- Warszawa : Wydaw. Komunikacji i Łączności, 2007 - s. 157--174 .- ISBN: 9788320616446.
Miczulski W., Powroźnik P., A new elastic scheduling task model in the node of a control and measurement system// Metrology and Measurement Systems .- 2013, Vol. 20, no 1, s. 87--98, ISSN: 0860-8229.
Tadeusiewicz R.: Sieci Neuronowe. Akademicka Oficyna Wydawnicza. Warszawa, 1993.
Modified by dr hab. inż. Radosław Kłosiński, prof. UZ (last modification: 30-04-2019 00:15)