1. SylabUZ
2. Wydział Informatyki, Elektrotechniki i Automatyki
3. semestr zimowy 2019/2020
4. Elektrotechnika - drugiego stopnia z tyt. magistra inżyniera
5. Modelowanie przetworników pomiarowych

Wygeneruj PDF dla tej strony

Modelowanie przetworników pomiarowych - opis przedmiotu

Cel przedmiotu

- 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.

Wymagania wstępne

Zapisz zmiany

Zakres tematyczny

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.

 

Metody kształcenia

wykład: wykład konwencjonalny, konsultacje,

laboratorium: praca w grupach, ćwiczenia laboratoryjne.

Efekty uczenia się i metody weryfikacji osiągania efektów uczenia się

Opis efektu	Symbole efektów	Metody weryfikacji	Forma zajęć

Warunki zaliczenia

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%.

Literatura podstawowa

1. Bolikowski J. (red): Podstawy projektowania inteligentnych przetworników pomiarowych wielkości elektrycznych. Monografia Nr 68, Wyd. WSInż., Zielona Góra, 1993.
2. Barzykowski J. (red.): Współczesna metrologia. Zagadnienia wybrane. WNT, Warszawa, 2004.
3. Gajda J., Szyper M.: Modelowanie i badania symulacyjne systemów pomiarowych. Wyd. Firma Jartek s.c., Kraków, 1998.
4. Jakubiec J., Roj J.: Pomiarowe przetwarzanie próbkujące, Wydawnictwo Politechniki Śląskiej, Gliwice, 2000.

5. Rutkowski L.: Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowo PWN, Warszawa, 2005.

Literatura uzupełniająca

1. Baranowski J., Czajkowski G., Układy elektroniczne cz.II. Układy analogowe nieliniowe i impulsowe, WNT, Warszawa, 1998.

2. 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.

3. Miczulski W., Krajewski M., Sienkowski S., A New Autocalibration Procedure in Intelligent Temperature Transducer, IEEE Transactions on Instrumentation and Measurement .- 2019, Vol. 68, iss. 3, s. 895--902.
4. Kwaśniewski J.: Wprowadzenie do inteligentnych przetworników pomiarowych. WNT, Warszawa, 1993.

5. 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.

6. Tadeusiewicz R.: Sieci Neuronowe. Akademicka Oficyna Wydawnicza. Warszawa, 1993.

Uwagi

Zmodyfikowane przez dr hab. inż. Radosław Kłosiński, prof. UZ (ostatnia modyfikacja: 30-04-2019 00:15)