Course objectives:
|
The aim of the course is to introduce students to adaptive systems in adaptive control and adaptive signal processing.
|
Requirements on student
|
Elaboration of four written reports and to understand content of the lectures.
|
Content
|
1. Introduction
2. Adaptive systems with reference model
3. System identification: recursive estimation
4. Self-tuning systems with pole assignment
5. Optimal prediction and predictive control
6. Minimum variance optimal control
7. Self-tuning minimum variance adaptive control
8. Self-tuning adaptive predictors
9. Self-tuning adaptive filters
10. Structural properties of optimal stochastic control
11. Adaptive dual controlers
|
Activities
|
|
Fields of study
|
Studentům předmětu jsou k dispozici prezentace sdílené přes skupinu v MS Teams. K dispozici jsou rovněž skripta předmětu v elektronické podobě.
|
Guarantors and lecturers
|
-
Guarantors:
Doc. Ing. Jindřich Duník, Ph.D. (100%),
-
Lecturer:
Doc. Ing. Jindřich Duník, Ph.D. (100%),
Ing. Ladislav Král, Ph.D. (100%),
-
Tutorial lecturer:
Doc. Ing. Jindřich Duník, Ph.D. (100%),
Ing. Pavel Hering, Ph.D. (100%),
Ing. Ladislav Král, Ph.D. (100%),
|
Literature
|
|
Time requirements
|
All forms of study
|
Activities
|
Time requirements for activity [h]
|
Practical training (number of hours)
|
26
|
Graduate study programme term essay (40-50)
|
50
|
Preparation for an examination (30-60)
|
45
|
Contact hours
|
39
|
Total
|
160
|
|
Prerequisites
|
Knowledge - students are expected to possess the following knowledge before the course commences to finish it successfully: |
aplikovat metody lineární algebry |
aplikovat základní techniky integrálního a diferenciálního počtu |
popsat vlastnosti náhodných veličin a stochastických procesů |
použít metodu nejmenších čtverců |
využít znalosti z oblasti teorie řízení lineárních systémů |
využít znalosti z oblasti teorie optimálních systémů |
Skills - students are expected to possess the following skills before the course commences to finish it successfully: |
aplikovat metody lineární algebry při analýze vlastností lineárně transformované náhodné veličiny |
aplikovat metodu nejmenších čtverců pro identifikaci parametrů lineárního systému |
navrhnout regulátor pro lineární deterministické a stochastické systémy |
analyzovat vlastnosti systému pro návrh zpětnovazebního řízení |
Competences - students are expected to possess the following competences before the course commences to finish it successfully: |
N/A |
N/A |
mgr. studium: samostatně získávají další odborné znalosti, dovednosti a způsobilosti na základě především praktické zkušenosti a jejího vyhodnocení, ale také samostatným studiem teoretických poznatků oboru |
|
Learning outcomes
|
Knowledge - knowledge resulting from the course: |
formulovat problém návrhu adaptivního systému pro řízení a zpracování signálu |
vybrat vhodnou identifikační techniku pro odhad neznámých parametrů lineárních stochastických systémů |
analyzovat a vyhodnotit vlastnosti získaných odhadů |
analyzovat a vyhodnotit vlastnosti navržených adaptivních systémů |
Skills - skills resulting from the course: |
vybrat a realizovat vhodnou techniku řízení pro návrh adaptivních regulátorů |
vybrat a realizovat vhodnou techniku pro návrh adaptivních filtrů a prediktorů |
aplikovat navržená řešení v dynamických systémech s neurčitostí |
aplikovat adaptivní řízení s referenčním modelem, samonastavující se regulátory a duální regulátory |
aplikovat adaptivní prediktory a techniku kanálového vyrovnání |
Competences - competences resulting from the course: |
N/A |
|
Assessment methods
|
Knowledge - knowledge achieved by taking this course are verified by the following means: |
Combined exam |
Seminar work |
Individual presentation at a seminar |
Skills - skills achieved by taking this course are verified by the following means: |
Combined exam |
Seminar work |
Individual presentation at a seminar |
Competences - competence achieved by taking this course are verified by the following means: |
Combined exam |
Seminar work |
Individual presentation at a seminar |
|
Teaching methods
|
Knowledge - the following training methods are used to achieve the required knowledge: |
Lecture |
Practicum |
Self-study of literature |
Lecture supplemented with a discussion |
Individual study |
Skills - the following training methods are used to achieve the required skills: |
Lecture |
Lecture supplemented with a discussion |
Self-study of literature |
Individual study |
One-to-One tutorial |
Competences - the following training methods are used to achieve the required competences: |
Lecture |
Practicum |
Individual study |
|