هزینه آموزش
۳۹,۰۰۰ تومان

آموزش شناسایی سیستم

آموزش شناسایی سیستم

تعداد دانشجو
۱,۱۹۴ نفر
مدت زمان
۱۱ ساعت و ۱۷ دقیقه
هزینه آموزش
۳۹,۰۰۰ تومان
محتوای این آموزش
۱۶ بازخورد (مشاهده نظرات)
آموزش شناسایی سیستم

در مهندسی کنترل، اغلب الگوریتم های کنترلی که ارائه می شود بر مبنای مدل هستند، بدین معنی که یا ساختار کنترل کننده بر اساس مدل است و یا اینکه پارامترهای کنترل کننده وابسته به پارامترهای مدل پلانت هستند. در نتیجه برای کارکرد صحیح این قوانین کنترلی لازم است که مدل نسبتاً دقیق و مناسب از سیستم داشته باشیم. از طرفی اکثر پلانت های واقعی که در عمل با آن ها سروکار داریم را نمی توان با استفاده از روش های ریاضی و بر اساس قوانین فیزیکی حاکم بر پلانت، مدل سازی کرد. در این موارد ناچار هستیم که بر اساس داده های آزمایشگاهی که از پلانت گرفته می شود، یک مدل مناسب استخراج کنیم. در درس شناسایی سیستم ابزارهای لازم برای رسیدن به این هدف ارائه خواهد شد.

آموزش شناسایی سیستم

تعداد دانشجو
۱,۱۹۴ نفر
مدت زمان
۱۱ ساعت و ۱۷ دقیقه
هزینه آموزش
۳۹,۰۰۰ تومان
محتوای این آموزش
۱۶ بازخورد (مشاهده نظرات)
مدرس
امید زندی

دانشجوی دکتری تخصصی مهندسی برق – کنترل

ایشان موفق به کسب رتبه اول (مدال طلا) المپیاد علمی دانشجویی مهندسی برق کشور در سال ۹۴ و همچنین رتبه سوم (مدال برنز) المپیاد علمی دانشجویی کشوری در سال ۱۳۹۳ در رشته برق شده‌اند و در زمینه تدریس آنلاین دروس مهندسی برق، کنترل، الکترونیک و ریاضیات جزء فعال‌ترین مدرسین فرادرس به شمار می‌روند.

توضیحات تکمیلی

در مهندسی کنترل، اغلب الگوریتم های کنترلی که ارائه می شود بر مبنای مدل هستند، بدین معنی که یا ساختار کنترل کننده بر اساس مدل است و یا اینکه پارامترهای کنترل کننده وابسته به پارامترهای مدل پلانت هستند. در نتیجه برای کارکرد صحیح این قوانین کنترلی لازم است که مدل نسبتاً دقیق و مناسب از سیستم داشته باشیم. از طرفی اکثر پلانت های واقعی که در عمل با آن ها سروکار داریم را نمی توان با استفاده از روش های ریاضی و بر اساس قوانین فیزیکی حاکم بر پلانت، مدل سازی کرد. در این موارد ناچار هستیم که بر اساس داده های آزمایشگاهی که از پلانت گرفته می شود، یک مدل مناسب استخراج کنیم. در درس شناسایی سیستم ابزارهای لازم برای رسیدن به این هدف ارائه خواهد شد.

فهرست سرفصل ها و رئوس مطالب مطرح شده در این مجموعه آموزشی، در ادامه آمده است:
  • درس یکم: سیستم های خطی نامتغیر با زمان
    • مقدمه و تعاریف اولیه
    • گام های شناسایی سیستم ها
    • سیستم های LTI
    • گسسته سازی انتگرال کانولوشن
    • مدل سازی اغتشاش
    • گسسته سازی از روی تابع تبدیل پیوسته
    • پایداری سیستم های گسسته
    • مدل کامل سیستم های LTI
    • پاسخ فرکانسی
    • تبدیل فوریه در سیستم های LTI
    • مشخصات آماری سیستم های LTI
    • چهارچوب مشترک برای بیان سیگنال های ایستا و غیر ایستا
    • طیف توان
    • تجزیه طیفی
  • درس دوم: شبیه سازی، پیش بینی و کنترل
    • شبیه سازی از طریق مدل سازی پلانت
    • پیش بینی از طریق مدل سازی پلانت
    • پیش بینی یک گام به جلو و چند گام به جلو
    • طراحی رویت گر
    • کنترل از طریق مدل سازی
    • کنترل حداقل واریانس
  • درس سوم: انواع مدل های ریاضی در شناسایی سیستم ها
    • مدل های LTI
    • مدل ARX
    • مدل ARMAX
    • مدل ARARMAX
    • مدل OE
    • مدل BJ
    • شکل عمومی شناسایی مدل های LTI
    • مدل های خطی برای سیستم های چند متغیره
    • مدل سازی و پیش بینی در فضای حالت
    • مدل های خطی متغیر با زمان
    • مدل های غیر خطی
  • درس چهارم: روش های شناسایی غیر پارامتری در حوزه زمان و فرکانس
    • آنالیز پاسخ ضربه
    • آنالیز پاسخ پله
    • آنالیز وابستگی
    • آنالیز فرکانسی
    • آنالیز ETFE
  • درس پنجم: روش های شناسایی پارامتری
    • ساختار مدل
    • تابع هزینه
    • بهینه سازی تابع هزینه
    • بهینه سازی حداقل مربعات
    • حل مسئله درون یابی خطی و غیر خطی با حداقل مربعات
    • شناسایی سیستم های خطی و غیر خطی با روش حداقل مربعات
  • درس ششم: روش های شناسایی بازگشتی
    • اهمیت شناسایی بازگشتی
    • حداقل مربعات بازگشتی (RLS)
    • الگوریتم تصویرگر کازمارز
    • الگوریتم تخمین خطای اتفاقی
    • الگوریتم حداقل میانگین مربعات
    • تخمین پارامترهای مدل ARMAX با استفاده از روش RLS

مفید برای رشته های
  • مهندسی مکانیک
  • مهندسی کنترل
  • مهندسی الکترونیک
مشاهده بیشتر مشاهده کمتر

آنچه در این آموزش خواهید دید:

آموزش ویدئویی مورد تائید فرادرس
فایل برنامه ها و پروژه های اجرا شده
فایل PDF یادداشت‌ های ارائه مدرس



پیش نمایش‌ها

۱. سیستم های خطی نامتغیر با زمان (الف)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۴۲ مگابایت -- (کلیک کنید +))

۲. سیستم های خطی نامتغیر با زمان (ب)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۱۴ مگابایت -- (کلیک کنید +))

۳. سیستم های خطی نامتغیر با زمان (پ)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۵۰ مگابایت -- (کلیک کنید +))

۴. سیستم های خطی نامتغیر با زمان (ت)

توجه: اگر به خاطر سرعت اینترنت، کیفیت نمایش پایین‌تر از کیفیت HD ویدئو اصلی باشد؛ می‌توانید ویدئو را دانلود و مشاهده کنید (دانلود پیش‌نمایش - حجم: ۸ مگابایت -- (کلیک کنید +))

۵. شبیه سازی، پیش بینی و کنترل (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۶. شبیه سازی، پیش بینی و کنترل (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۷. انواع مدل های ریاضی در شناسایی سیستم ها (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۸. انواع مدل های ریاضی در شناسایی سیستم ها (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۹. انواع مدل های ریاضی در شناسایی سیستم ها (پ)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۰. روش های شناسایی غیرپارامتری در حوزه زمان و فرکانس (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۱. روش های شناسایی غیرپارامتری در حوزه زمان و فرکانس (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۲. روش های شناسایی پارامتری (الف)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۳. روش های شناسایی پارامتری (ب)
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.
۱۴. روش های شناسایی بازگشتی
مشاهده این پیش‌نمایش، نیازمند عضویت و ورود به سایت (+) است.

راهنمای سفارش آموزش‌ها

آیا می دانید که تهیه یک آموزش از فرادرس و شروع یادگیری چقدر ساده است؟

(راهنمایی بیشتر +)

در مورد این آموزش یا نحوه تهیه آن سوالی دارید؟
  • با شماره تلفن واحد مخاطبین ۵۷۹۱۶۰۰۰ (پیش شماره ۰۲۱) تماس بگیرید. - تمام ساعات اداری
  • با ما مکاتبه ایمیلی داشته باشید (این لینک). - میانگین زمان پاسخ دهی: ۳۰ دقیقه


اطلاعات تکمیلی

نام آموزش آموزش شناسایی سیستم
ناشر فرادرس
شناسه اثر ۸–۱۲۴۵۲–۰۶۰۵۶۵ (ثبت شده در مرکز رسانه‌های دیجیتال وزارت ارشاد)
کد آموزش FVCTR95041
مدت زمان ۱۱ ساعت و ۱۷ دقیقه
زبان فارسی
نوع آموزش آموزش ویدئویی (لینک دانلود)
حجم دانلود ۷۶۹ مگابایت (کیفیت ویدئو HD‌ با فشرده سازی انحصاری فرادرس)


نظرات

تا کنون ۱,۱۹۴ نفر از این آموزش استفاده کرده اند و ۱۶ نظر ثبت شده است.
محمد
محمد

ممنون از فرادرس
ولی این آموزش پایینتر از سطح انتظارم از فرادرس بود.
همچنین چندان کاربردی نبود.

پيمان پرند
پيمان پرند

بی نظیر بود

امید زندی
امید زندی

کدنویسی فرمول ها از پایه در نرم افزار متلب هم تدریس میشه ولی آموزش تولباکس شناسایی سیستم متلب در آموزش دیگری از فرادرس تدریس خواهد شد ان شاالله

امیرمحمد
امیرمحمد

تو این قسمت آموزش شناسایی سیستم، متلب هم کار میکنن یا فقط تئوریش رو درس میدن

زهرا
زهرا

خیلی جامع نبود و تمام مطالب رو کامل در برنگرفته بود؛ یه سری از سرفصل ها اصلا خیلی سر سری ازش رد شده بودند.

محمد
محمد

یک استاد و مدرس عالی با یک آموزش عالی. قطعا این آموزش رو به همه ی دوستان پیشنهاد میکنم. عالی بود.

پرهام
پرهام

با سلام
در مورد این آموزش تسلط مهندس زندی به مطالب بسیار خوب و عالی است و در مورد روابط ریاضی و معادلات توضیحات بسیار خوبی در این آموزش بود که ازشون استفاده کردم
اما عدم وجود توضیحات در مورد کلیات شناسایی سیستم ُ توضیحات پایه ای و مفهوم‌های اصلی نقاط ضعف این آموزش هستند.

وحید باقری
وحید باقری

راستش زیاد کمکم نکرد و میتونست بهتر باشه. البته این نظر من بود

امید زندی
امید زندی

در پاسخ به خانم مولا
شناسایی سری های زمانی گاها راحت تر است . مثلا در فصل اول به سیگنال گفتار اشاره کردم که چون ورودی نداریم باید بصورتی مدل شود که فقط خروجی در مدل نیاز باشد. به همین دلیل استفاده از مدل های IIR برای این موارد خیلی مناسب است در واقع همان مدل ARX که چندجمله‌ای ورودی یعنی B صفر است و سپس با همان تکنیک های که گفته شد تخمین پارامترهای آن انجام میشه

مریم مولا
مریم مولا

با عرض سلام وخسته نباشید.
ویدیوی آموزشی که در اختیار ما قرار داده اید بسیار آموزنده بود ولی کاش در مورد سری های زمانی که از سنسورها میگیریم و وروردی ای در اختیار نداریم هم مطالبی گفته میشد. باز هم ممنون.

امید زندی
امید زندی

در پاسخ به سید مرتضی:
سلام
مطالبی که تدریس شد بر اساس کتاب مرجع شناسایی سیستم Ljung است که این کتاب مهمترین کتاب شناسایی سیستم در کل دنیا است و حتی تولباکس شناسایی سیستم نرم افزار متلب بر اساس این کتاب نوشته شده است و مباحث آماده سازی داده ها جز سرفصل های شناسایی سیستم نیست و جز مباحث پردازش سیگنال است.
من تا حد امکان سعی کردم آموزش عملی تر هم بشود که می تونید مثال شناسایی دینامیک موتور DC را ببینید.
همچنین درسته من در اکثر مثال ها از سیستم های siso استفاده کردم، اما روابط ریاضی عام هستند و براحتی به سیستم های چندمتغیره نیز قابل گسترش هستند.
و نکته آخر این است که در مباحث شناسایی سیستم اغلب فرض می کنیم داده برداری کامل و درست است( برای اطمینان از این شرایط دروس پردازش سیگنال ها و سیستم ها را می توانید مطالعه کنید) و هدف این است که یک معادله دینامیکی بین ورودی و خروجی را بدست آوریم که یک شاخص از پیش تعریف را حداقل سازی کند.

سید مرتضی
سید مرتضی

سلام.
آقای مهندس زندی خسته نباشید. متاسفانه آموزش از حد انتظارم پایین تر بود. دلایلشم میتونه مواردی از قبیل اینکه به جنبه ی عملی شناسایی سیستم واقعا کم توجه شد، بحث عملی آماده سازی داده ها (Data prepartion) برای شناسایی سیستم های واقعی اشاره نشد.
مثال های استفاده شده ساده و ابتدایی بودن(همون مثال هایی که قبلا در فرادرس کنترل تطبیقی شناسایی کرده بودند).
جای یک مثال عملی وخوب چند متغییره واقعا خالی بود.

آرش هدایتی
آرش هدایتی

ممنون بابت انتشار آموزش خوب شناسایی سیستم
آموزش های فرادرس واقعا عالی هستند.

مهدی
مهدی

جای آموزش تولباکسی با این اهمیت واقعا خالی بود و به نظرم ای کار عالي بود. بنده اين آموزش رو تهيه کردم و بعد از دیدن نصف آن در یک روز راضي هستم. بيان مدرس و تسلطشان خوب بود و سرفصلها هم خوب انتخاب شده بودند.

شادیه
شادیه

سلام آقای زندی....خیلی ممنون به خاطر آموزش های خیلی خوبتون ....میشه یه آموزش از روش کنترلی SDRE در حد دو سه ساعت اماده کنید مطمئنم طرفدار خیلی زیادی داره... خیلی از دانشجو ها بهش احتیاج دارن

behrouz atarod
behrouz atarod

عالیه واقعا
تحول بزرگی را فرادرس ایجاد کرده است.
بنده آقای زندی را می شناسم واقعا کارشون درسته


برچسب‌ها:
Autoregressive model | Control | correlation analysis | Cost Function | Differential Equations | Fourier Transform | Frequency Analysis | Impulse response | impulse response analysis | least mean square estimation | Linear time-invariant | LTI systems | mathematical models | Modeling | Neural Network ARX | NNARX | periodogram | prediction | Recursive | recursive least square | stationary and non stationary signals | step response analysis | system estimation | System Identification | System Identification Toolbox | آنالیز ETFE | آنالیز پاسخ پله | آنالیز پاسخ ضربه | آنالیز فرکانسی | آنالیز وابستگی | الگوریتم تخمین پارامتر تصویرگر کازمارز | بهینه سازی حداقل مربعات | پایداری سیستم های گسسته | پدیده فیزیکی پویا | پریودوگرام | تابع هزینه شناسایی سیستم | تبدیل فوریه | تبدیل فوریه در سیستم های LTI | توصیف پدیده های فیزیکی | حداقل مربعات بازگشتی | حداقل میانگین مربعات خطای پیش بینی | درس شناسایی سیستم | روش Least Square | روش RLS | سری فوریه | سیستم خطی نامتغیر با زمان | سیستم دینامیکی | سیستم دینامیکی مدل سازی | سیستم های LTI | سیستم های خطی نامتنغیر با زمان | سیگنال ایستا | سیگنال غیر ایستا | شبیه سازی | شبیه سازی (Simulation) | شناسایی سیستم | طراحی سیستم کنترلی | گسسته سازی | گسسته سازی انتگرال کانولوشن | گسسته سازی مدل های پیوسته | متغیر با زمان | مدل ARMAX در شناسایی سیستم ها | مدل ARX در شناسایی سیستم ها | مدل خطی ARX | مدل خود رگرسیو با ورودی خارجی | مدل ریاضی خطی | مدل ریاضی غیر خطی | مدل سازی اغتشاش | مدل سازی پدیده های دینامیکی | مدل سازی پلانت | مدل غیرخطی | مدل های خطی متغیر با زمان | مدل های غیر خطی متغیر با زمان | نرم افزار متلب
مشاهده بیشتر مشاهده کمتر
فهرست جلسات ۱۴ جلسه ویدئویی ×