Modelowanie w procesach losowych dr in Grzegorz Mzyk
- Slides: 12
Modelowanie w procesach losowych dr inż. Grzegorz Mzyk Zakład Sterowania i Optymalizacji Instytut Informatyki, Automatyki i Robotyki http: //diuna. ict. pwr. wroc. pl
Specjalność EZI Zastosowania inżynierii komputerowej w technice n n n efektywność algorytmów identyfikacja (modelowanie) systemów optymalizacja procesów bazy danych (ORACLE, Fox-Pro) sieci komputerowe (C, C++, Java, Unix) technika mikroprocesorowa (Intel, Motorola)
Pojęcie systemu
Klasyfikacja systemów Statyczne i Dynamiczne Liniowe i Nieliniowe
Dwa typy wiedzy n Z pomiarów n Od eksperta, np.
Istota identyfikacji Na podstawie wiedzy z pomiarów (zakłóconych) i wiedzy od eksperta rozpoznać postać zależności (wzór) F()=. .
Przykład Cel: wyznaczyć zależność oporu powietrza (y) od prędkości (u), dla nowego modelu samochodu Zdobywanie wiedzy pomiarowej Wysyłano kierowcę na trasę zaopatrując pojazd w odpowiednie czujniki Zdobywanie wiedzy eksperckiej Skorzystano z opinii fachowca: „opór powietrza jest proporcjonalny do trzeciej potęgi prędkości”, zatem gdzie Wynik identyfikacji oszacowanie parametru
Istota przypadkowych zakłóceń (szumów) nie wiemy od czego i jak zależą ich pomiar jest niemożliwy, kosztowny, czasochłonny, skomplikowany, lub niebezpieczny
Proces iid (biały szum)
Proces ruchomej średniej - MA
Proces autoregresji - AR
Zastosowania analiza danych (SAS, Statistica) n prognozowanie (GPW, IMGW) n rozpoznawanie obiektów (kryminalistyka, medycyna, wojsko) n badania socjologiczne (OBOP, Pentor) n zarządzanie jakością (ISO, TQM) n kompresja obrazów (JPG, MPEG) n biocybernetyka (sieci neuronowe, sztuczne oko, protezy) n automatyka (CO, procesy destylacji) n