AKTS - Mühendislik Sistemlerinin Hesaplanması ve Tanılanması
Mühendislik Sistemlerinin Hesaplanması ve Tanılanması (MDES630) Ders Detayları
| Ders Adı | Ders Kodu | Dönemi | Saati | Uygulama Saati | Laboratuar Hours | Kredi | AKTS |
|---|---|---|---|---|---|---|---|
| Mühendislik Sistemlerinin Hesaplanması ve Tanılanması | MDES630 | 3 | 0 | 0 | 3 | 5 |
| Ön Koşul Ders(ler)i |
|---|
| Öğretim üyesinin onayı |
| Dersin Dili | İngilizce |
|---|---|
| Dersin Türü | N/A |
| Dersin Seviyesi | Doktora |
| Ders Verilme Şekli | Yüz Yüze |
| Dersin Öğrenme ve Öğretme Teknikleri | Anlatım. |
| Dersin Öğretmen(ler)i |
|
| Dersin Amacı | Ders sonunda öğrenciler, durum kestirimi için süzgeç tasarımı ve fiziksel sistemler üzerinde uygulama tecrübesi kazanacaklardır. Sistem tanılama teknikleri ve uygulamaları da ders kapsamında çalışılacaktır. |
| Dersin Eğitim Çıktıları |
Bu dersi başarıyla tamamlayabilen öğrenciler;
|
| Dersin İçeriği | Kalman süzgeci, parametrik olmayan tanılama teknikleri, parametre kestirimi, süzgeç algoritmalarının gerçek sistemler üzerinde uygulanmaları, gerçek sistemlerden toplanan veri ile system tanılama. |
Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları
| Hafta | Konular | Ön Hazırlık |
|---|---|---|
| 1 | Durum kestirimi, gözleyicilerin tekrarı | - |
| 2 | Kalman süzgeci | - |
| 3 | Genişletilmiş Kalman süzgeci | - |
| 4 | Unscented Kalman süzgeci | - |
| 5 | Unscented Kalman süzgeci | - |
| 6 | Örnek çalışmalar | - |
| 7 | Örnek çalışmalar | - |
| 8 | Sistem tanılama kavramları | - |
| 9 | Parametrik olmayan metodlar, parameter kestirim teknikleri | - |
| 10 | En küçük kareler kestirimi | - |
| 11 | En yüksek olasılık kestirimi | - |
| 12 | Öngörü hatası kestirimi | - |
| 13 | Tanılama için yapay sinir ağları | - |
| 14 | Örnek çalışmalar | - |
| 15 | Genel gözden geçirme | - |
| 16 | Final sınavı | - |
Kaynaklar
| Ders Kitabı | 1. Kumar, P. R., Varaiya, P., Stochastic Systems: Estimation, Identification, and Adaptive Control, Prentice Hall, 1986. |
|---|---|
| Diğer Kaynaklar | 2. Ljung, L., System Identification, Theory for the User, PTR Prentice Hall, New Jersey, 1987. |
| 3. Maybeck, P. S., Stochastic Models, Estimation, and Control, Academic Press, 1979. | |
| 4. Minkler G., Minkler J. Theory and Application of Kalman Filtering, Magellan Book Company, USA, 1993. | |
| 5. Nelles O., Nonlinear System Identification from Classical Approaches to Neural Networks and Fuzzy Models, Springer, 2001 |
Değerlendirme System
| Çalışmalar | Sayı | Katkı Payı |
|---|---|---|
| Devam/Katılım | - | - |
| Laboratuar | - | - |
| Uygulama | - | - |
| Alan Çalışması | - | - |
| Derse Özgü Staj | - | - |
| Küçük Sınavlar/Stüdyo Kritiği | - | - |
| Ödevler | - | - |
| Sunum | - | - |
| Projeler | 2 | 40 |
| Rapor | - | - |
| Seminer | - | - |
| Ara Sınavlar/Ara Juri | 2 | 40 |
| Genel Sınav/Final Juri | 1 | 20 |
| Toplam | 5 | 100 |
| Yarıyıl İçi Çalışmalarının Başarı Notu Katkısı | 80 |
|---|---|
| Yarıyıl Sonu Çalışmalarının Başarı Notuna Katkısı | 20 |
| Toplam | 100 |
Kurs Kategorisi
| Temel Meslek Dersleri | X |
|---|---|
| Uzmanlık/Alan Dersleri | |
| Destek Dersleri | |
| İletişim ve Yönetim Becerileri Dersleri | |
| Aktarılabilir Beceri Dersleri |
Dersin Öğrenim Çıktılarının Program Yeterlilikleri ile İlişkisi
| # | Program Yeterlilikleri / Çıktıları | Katkı Düzeyi | ||||
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | ||
ECTS/İş Yükü Tablosu
| Aktiviteler | Sayı | Süresi (Saat) | Toplam İş Yükü |
|---|---|---|---|
| Ders saati (Sınav haftası dahildir: 16 x toplam ders saati) | 16 | 3 | 48 |
| Laboratuar | |||
| Uygulama | |||
| Derse Özgü Staj | |||
| Alan Çalışması | |||
| Sınıf Dışı Ders Çalışma Süresi | 16 | 2 | 32 |
| Sunum/Seminer Hazırlama | |||
| Projeler | 3 | 10 | 30 |
| Raporlar | |||
| Ödevler | |||
| Küçük Sınavlar/Stüdyo Kritiği | |||
| Ara Sınavlara/Ara Juriye Hazırlanma Süresi | 2 | 8 | 16 |
| Genel Sınava/Genel Juriye Hazırlanma Süresi | 1 | 10 | 10 |
| Toplam İş Yükü | 136 | ||