Budapest University of Technology and Economics, Faculty of Electrical Engineering and Informatics

    Belépés
    címtáras azonosítással

    vissza a tantárgylistához   nyomtatható verzió    

    Adatfeldolgozó alkalmazások

    A tantárgy angol neve: Applications of Data Processing

    Adatlap utolsó módosítása: 2024. január 10.

    Budapesti Műszaki és Gazdaságtudományi Egyetem
    Villamosmérnöki és Informatikai Kar
    MSc villamosmérnöki mesterszak
    Intelligens beágyazott rendszerek főspecializáció (MIT)
    Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
    VIMIMB06   2/1/0/v 5  
    3. A tantárgyfelelős személy és tanszék Dr. Dabóczi Tamás,
    A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/VIMIMB06
    4. A tantárgy előadója Dr. Dabóczi Tamás egyetemi tanár, MIT
    5. A tantárgy az alábbi témakörök ismeretére épít

    Jelek és rendszerek

    6. Előtanulmányi rend
    Ajánlott:

    Érzékelők és jelfeldolgozás

    7. A tantárgy célkitűzése

    A tantárgy a beágyazott rendszerekhez kapcsolódó információfeldolgozás modellalapú algoritmusait mutatja be.

    8. A tantárgy részletes tematikája

    Az előadások részletes tematikája

     

    Intelligens adatfeldolgozás néhány mintaalkalmazása:

    Digital twin (digitális ikerpár) koncepciója, alkalmazásának lehetőségei. (1 hét)

    Predictive maintenance (prediktív karbantartás) koncepciója, alkalmazásának lehetőségei. (1 hét)

    Szenzor nélküli méréstechnika koncepciója, az analitikai redundancia, ezek alkalmazása hibatűrő rendszerekben ill. költségtakarékos rendszerekben. (1 hét)

    HIL/SIL/MIL szimuláció koncepciója, az ehhez szükséges szimulált rendszer modellezési feladatai. (1 hét)

    Modellezés/identifikáció:

    Lineáris dinamikus rendszerek modellezése, identifikációja. Parametrikus és nem parametrikus identifikáció. Idő- és frekvenciatartománybeli illesztés. (1.5 hét)

    Nemlineáris rendszerek modellezése. Statikus nemlinearitás, modellillesztés, kompenzáció lookup table alapján és interpoláció a nem tárolt pontokban. Nemlineáris dinamikus rendszerek. (1 hét)

    Gerjesztőjel tervezés lineáris és nemlineáris rendszerek identifikációjához. (0.5 hét)

    Információfeldolgozás:

    Szenzorfúzió szűrő alapú módszerei. A szenzor véges sávszélességének, átviteli karakterisztikájának figyelembevétele a fúzió során. (1 hét)

    Inverzszűrés, mérőrendszer frekvenciafüggő torzításának kompenzálása rosszul kondicionált esetekben. A regularizáció fogalma. Regularizáció alkalmazása rosszul kondicionált mátrixegyenletek megoldására. (1.5 hét)

    Predikció, kieső adatok pótlása idősorok korábbi mintái alapján. (1 hét)

    Order analízis koncepciója, módszerei. (1 hét)

    Mintafelismerés módszerei. (0.5 hét)

    Információredukció:

    Modellalapú információ redukció, compressed sensing koncepciója, alkalmazásának lehetőségei. (1 hét)

     

    A gyakorlatok részletes tematikája


    1. Lineáris rendszerek identifikációja . Szimulációs környezetben identifikációs toolbox használata
    2. Gerjesztőjel tervezés identifikációs toolbox segítségével
    3. Komplementer szűrő tervezése. Szűrőtervezés a szenzor dinamikus tulajdonságainak figyelembevételével.
    4. Rosszul kondicionált inverz feladatok megoldása szimulációs környezetben
    5. Közvetlenül nem mérhető mennyiségek becslése (szenzor nélküli méréstechnikai)
    6. Predikció
    7. Order analízis szimulációs környezetben
     

     

    9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium) Heti 2 óra előadás, 1 óra gyakorlat (számítási gyakorlat és számítógépes laboratóriumi gyakorlat).
    10. Követelmények

    Szorgalmi időszakban:

    1 db zárthelyi dolgozat. Az aláírás megszerzésének feltétele a zárthelyi dolgozat elégséges szintű teljesítése.

    Vizsgaidőszakban:

    Szóbeli vizsga

    11. Pótlási lehetőségek A félév során lehetőséget adunk a zárthelyi egyszeri pótlására, TVSZ szerint.
    12. Konzultációs lehetőségek Igény esetén előzetesen egyeztetett időpontban konzultációt biztosítunk.
    13. Jegyzet, tankönyv, felhasználható irodalom Mérés és adattudomány, Péceli Gábor (szerk.), Akadémiai kiadó
    3. fejezet: Dabóczi Tamás, Méréstechnikai feladatok inverz problémái és algoritmusai
    4. fejezet: Dobrowiecki Tadeusz, Frekvenciatartománybeli rendszer-identifikáció multiszinuszos gerjesztéssel
    https://mersz.hu/dokumentum/m524mea__1/
    14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka
    Kontakt óra42
    Félévközi készülés órákra16
    Felkészülés zárthelyire28
    Házi feladat elkészítése0
    Kijelölt írásos tananyag elsajátítása26
    Vizsgafelkészülés38
    Összesen150
    15. A tantárgy tematikáját kidolgozta Dr. Dabóczi Tamás egyetemi tanár, MIT
    Idegen nyelvi részteljesítés követelményei Szóbeli vizsga angol nyelvű teljesítése (2 nyelvi kredit)