فرادرس بزرگترین ناشر دیجیتال آموزش‌های تخصصی، دانشگاهی و مهندسی است.
مدرس فرادرس
کارشناسی ارشد مهندسی برق – کنترل
مهندس امید زندی کارشناس ارشد مهندسی برق – کنترل از دانشگاه علم و صنعت ایران هستند. ایشان موفق به کسب رتبه اول المپیاد علمی دانشجویی مهندسی برق کشور در سال ۹۴ و همچنین رتبه سوم المپیاد علمی دانشجویی کشوری در سال ۱۳۹۳ در رشته برق شده اند و جز دانشجویان ممتاز دانشگاه علم و صنعت در گرایش کنترل هستند. ایشان از رساله ارشد خود در زمینه «شناسایی عیوب ماشین های دوار» با موفقیت دفاع کردند. (+)
درس شناسایی سیستم ها
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.
هزینه آموزش: ۳۰,۰۰۰ تومان
دانشجویان خارج ایران (+)
(توضیحات بیشتر +)
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.
پیش نمایش
بخش ۱ : سیستم های خطی نامتغیر با زمان (الف) – ۵۳ دقیقه
توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.
دانلود مستقیم
– حجم دانلود
۴۲ مگابایت
(کلیک کنید +)
پیش نمایش ۲ : سیستم های خطی نامتغیر با زمان (ب) – ۱۵ دقیقه
توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.
دانلود مستقیم پیش نمایش
– حجم دانلود
۱۴ مگابایت
(کلیک کنید +)
بخش ۳ : سیستم های خطی نامتغیر با زمان (پ) – ۵۱ دقیقه
توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.
دانلود مستقیم
– حجم دانلود
۵۰ مگابایت
(کلیک کنید +)
پیش نمایش ۴ : سیستم های خطی نامتغیر با زمان (ت) – ۸ دقیقه
توجه: ممکن است که به خاطر سرعت پایین اینترنت شما، نمایش آنلاین با کیفیت پایین تر از کیفیت HD ویدئوی اصلی نمایش داده شوند. در این صورت آموزش را دانلود کرده و سپس مشاهده نمایید.
دانلود مستقیم پیش نمایش
– حجم دانلود
۸ مگابایت
(کلیک کنید +)
پیش نمایش ۵ : شبیه سازی، پیش بینی و کنترل (الف) – ۱۴ دقیقه
پیش نمایش ۶ : شبیه سازی، پیش بینی و کنترل (ب) – ۱۰ دقیقه
پیش نمایش ۷ : انواع مدل های ریاضی در شناسایی سیستم ها (الف) – ۱۵ دقیقه
پیش نمایش ۸ : انواع مدل های ریاضی در شناسایی سیستم ها (ب) – ۱۲ دقیقه
پیش نمایش ۹ : انواع مدل های ریاضی در شناسایی سیستم ها (پ) – ۱۰ دقیقه
پیش نمایش ۱۰ : روش های شناسایی غیرپارامتری در حوزه زمان و فرکانس (الف) – ۲۲ دقیقه
پیش نمایش ۱۱ : روش های شناسایی غیرپارامتری در حوزه زمان و فرکانس (ب) – ۱۷ دقیقه
پیش نمایش ۱۲ : روش های شناسایی پارامتری (الف) – ۱۶ دقیقه
پیش نمایش ۱۳ : روش های شناسایی پارامتری (ب) – ۱۳ دقیقه
پیش نمایش ۱۴ : روش های شناسایی بازگشتی – ۱۷ دقیقه
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 دارندرس شناسایی سیستم ها
مهدی
:
جای آموزش تولباکسی با این اهمیت واقعا خالی بود و به نظرم ای کار عالی بود. بنده این آموزش رو تهیه کردم و بعد از دیدن نصف آن در یک روز راضی هستم. بیان مدرس و تسلطشان خوب بود و سرفصلها هم خوب انتخاب شده بودند.
آرش هدایتی
:
ممنون بابت انتشار آموزش خوب شناسایی سیستم
آموزش های فرادرس واقعا عالی هستند.
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.
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.
حاتمی
:
عرض سلام و خسته نباشید و تشکر ویژه من رو بابت سایت پربارتون بپذیرین. لازم به ذکره که بدونین بنده با کمک آموزش های شما از جمله آموزش درس شناسایی سیستم شما توانستم پروژه این درس خودم رو بدون نیاز به کمک استاد تا حد زیادی پیش ببرم. از این بابت از شما بسیار سپاسگذارم. درخواستی که دارم این هست که در صورت امکان در زمینه کاربردی کردن بعضی از دروس از جمله کنترل غیر خطی یا شناسایی سیستم و حتی کنترل چند متغیره مطالبی به صورت متوسط تا پیشرفته نیز درسهاتون طراحی و ارائه بشه. مطمئنم دانشجویان و فعالان زیادی در زمینه گفته شده استقبال میکنن. با تشکر دوباره از تمامی زحمات شما . واقعا تحول بزرگی در زمینه انتقال دانش و یادگیری در سطح کشور ایجاد کردید.بسیار بسیار سپاسگذارم.
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
:
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
وحید باقری
:
راستش زیاد کمکم نکرد و میتونست بهتر باشه. البته این نظر من بود
نظر شما در مورد این فرادرس چیست؟
امتیاز شما به این آموزش:
Not Selected
امتیاز …
عالی
خوب
متوسط
ضعیف
خیلی ضعیف
نام *
ای-میل *
تماس با فرادرس
عضویت در خبرنامه فرادرس
Please leave this field empty.
صفحات
فرادرس
سازمان علمی و آموزشی «فرادرس» (Faradars) از قدیمی‌ترین وب‌سایت‌های یادگیری آنلاین است که توانسته طی بیش از ده سال فعالیت خود بالغ بر ۱۰۰۰۰ ساعت آموزش ویدیویی در قالب فراتر از ۱۰۰۰ عنوان علمی، مهارتی و کاربردی را منتشر کند و به بزرگترین پلتفرم آموزشی ایران مبدل شود.
فرادرس با پایبندی به شعار «دانش در دسترس همه، همیشه و همه جا» با همکاری بیش از ۸۵۰ مدرس برجسته در زمینه‌های علمی گوناگون از جمله آمار و داده‌کاوی، هوش مصنوعی، برنامه‌نویسی، طراحی و گرافیک کامپیوتری، آموزش‌های دانشگاهی و تخصصی، آموزش نرم‌افزارهای گوناگون، دروس رسمی دبیرستان و پیش دانشگاهی، آموزش‌های دانش‌آموزی و نوجوانان، آموزش زبان‌های خارجی، مهندسی برق، الکترونیک و رباتیک، مهندسی کنترل، مهندسی مکانیک، مهندسی شیمی، مهندسی صنایع، مهندسی معماری و مهندسی عمران توانسته بستری را فراهم کند تا افراد با شرایط مختلف زمانی، مکانی و جسمانی بتوانند با بهره‌گیری از آموزش‌های با کیفیت، به روز و مهارت‌محور همواره به یادگیری بپردازند. شما هم با پیوستن به جمع بزرگ و بالغ بر ۲۷۰ هزار نفری دانشجویان و دانش‌آموزان فرادرس و با بهره‌گیری از آموزش‌های آن، می‌توانید تجربه‌ای متفاوت از علم و مهارت‌آموزی داشته باشید. تمامی محصولات و خدمات این وبسایت، حسب مورد دارای مجوزهای لازم از مراجع مربوطه می‌باشند.
مشاهده بیشتر
همگام با معرفی آلگوریتم‌های شناسایی چهار سری تمرین در طول ترم داده خواهد شد که باید در موعد مقرر انجام شوند. تمرین‌ها غالباً بصورت پروژه‌های کوچک کامپیوتری با نرم افزار Matlab خواهد بود. هدف از این تمرین‌ها آشنایی بیشتر با ظرافت‌های پیاده سازی و مقایسه نقاط قوت و ضعف آلگوریتم‌ها و روش‌هاست. Datasetهای یکسان و استانداردی در اختیار خواهید داشت تا مقایسه روش‌ها را امکان پذیر کند.
پروژه‌ای تحقیقاتی در زمینه کاربرد روش‌های شناسایی سیستم در طول ترم انجام شده و در انتهای ترم تحویل خواهد شد. پروژه‌ها بصورت انفرادی تعریف و انجام خواهد شد. محدودیتی در انتخاب موضوع پروژه وجود ندارد، جز آنکه حتماً باید از روش‌ها و آلگوریتم‌های مطرح در این درس استفاده شده باشد. تعریف پروژه‌های خود را در یک صفحه A4 شامل عنوان، شرح مختصر و سه مرجع اصلی، قبل از مهلت مقرر ارسال کنید. گزارش پروژه می‌بایست به فارسی نوشته شود.
تمرین‌ها، پروژه تحقیقاتی نهایی و امتحان پایان‌ترم ملاک ارزیابی این درس هستند.
درس شناسایی سیستم ها
کلیه حقوق برای دانشکده مهندسی برق و کامپیوتر دانشگاه تهران محفوظ است
تماس با ما
نشانه‌های سجاوندی
عجب سازنده ی این علامت عرب دولاب است
Wird geladen…
Wird geladen…
Wird geladen…
Wird verarbeitet…
Wird geladen…
درس شناسایی سیستم ها
Wird verarbeitet…
Wird geladen…
Wird geladen…
Wird verarbeitet…
Wird geladen…
Wird geladen…
برای کسب اطلاعات بیشتر، به این لینک مراجعه نمایید:http://www.faradars.org/fvctr95041در 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 هدف ارائه خواهد شد.سرفصل های مورد بحث در این فیلم آموزشی عبارتند از:درس یکم: سیستم های خطی نا متغیر با زمانمقدمه و تعاریف اولیهگام های شناسایی سیستم هاسیستم های LTIگسسته سازی انتگرال کانولوشنمدل سازی اغتشاشگسسته سازی از روی تابع تبدیل پیوستهپایداری سیستم های گسستهمدل کامل سیستم های LTIپاسخ فرکانسیتبدیل فوریه در سیستم های LTIمشخصات آماری سیستم های LTIچهارچوب مشترک برای بیان سیگنال های ایستا و غیر ایستاطیف توانتجزیه طیفیدرس دوم: شبیه سازی، پیش بینی و کنترلشبیه سازی از طریق مدل سازی پلانتپیش بینی از طریق مدل سازی پلانتپیش بینی یک گام به جلو و چند گام به جلوطراحی رویت گرکنترل از طریق مدل سازیکنترل حداقل واریانسدرس سوم: انواع مدل های ریاضی در شناسایی سیستم هامدل های LTIمدل ARXمدل ARMAXمدل ARARMAXمدل OEمدل BJشکل عمومی شناسایی مدل های LTIمدل های خطی برای سیستم های چند متغیرهمدل سازی و پیش بینی در فضای حالتمدل های خطی متغیر با زمانمدل های غیر خطیدرس چهارم: روش های شناسایی غیر پارامتری در حوزه زمان و فرکانسآنالیز پاسخ ضربهآنالیز پاسخ پلهآنالیز وابستگیآنالیز فرکانسیآنالیز ETFEدرس پنجم: روش های شناسایی پارامتریساختار مدلتابع هزینهبهینه سازی تابع هزینهبهینه سازی حداقل مربعاتحل مسئله درون یابی خطی و غیر خطی با حداقل مربعاتشناسایی سیستم های خطی و غیر خطی با روش حداقل مربعاتدرس ششم: روش های شناسایی بازگشتیاهمیت شناسایی بازگشتیحداقل مربعات بازگشتی (RLS)الگوریتم تصویرگر کازمارزالگوریتم تخمین خطای اتفاقیالگوریتم حداقل میانگین مربعاتتخمین پارامترهای مدل ARMAX با استفاده از روش RLS مدرس: مهندس امید زندی
Wird geladen…
Wird geladen…
Wird geladen…
Wird geladen…
Wird geladen…
Wird verarbeitet…
Playlists werden geladen…
مرا به خاطر بسپر:
ورود
بستن
درس شناسایی سیستم ها
ثبت نام
بستن
چه دوره ای می خواهید یاد بگیرید؟
آینده خود را با دوره های آموزشی دانشجویار تضمین کنید
بیش از ۱۰ هزار ساعت ویدئوی آموزشی
بیش از ۵۰ هزار دانشجو
بیش از ۳۰۰ مدرس
شناسایی سیستم
درس شناسایی سیستم، یکی از دروس تخصصی اختیاری ۳ واحدی از چارت درسی مهندسی کنترل است. سه مرحله مهم در شناسایی عبارتند از ۱٫ جمع آوری داده ورودی و خروجی از فرآیندی که سعی به مدل کردن آن را داریم. ۲٫ انتخاب یک ساختار مناسب ۳٫ تنظیم پارامترهای مدل به طوری که خروجی حاصل از مدل شبیه به خروجی سیستم حقیقی باشد. با توجه به اهمیت این درس و کاربردهای آن در مهندسی کنترل و توجه به این نکته که اغلب منابع مناسب و آموزش جامعی در مورد این درس صورت نمی گیرد، هدف متلب یار تهیه مجموعه ای کامل است که نکات ذیل در آن گنجانده شده باشد،به طوری که کاربر بعد از آشنایی و تسلط با مفاهیم درس و برطرف شدن نیاز درسی اش، بتواند به صورت کاربردی و پروژه محور هم از این مجموعه آموزشی استفاده لازم را داشته باشد
هدف از ضبط این دوره :
مطلب مفیدی برای شما بود ؟؟ پس به اشتراک بگذارید برای دوستانتان
در صورتی که توضیحات نوشته، دموی آموزش و لینک های ارزیابی پاسخگوی سوالات شما در مورد این دوره آموزشی نمی باشد و نیاز به مشاوره بیشتری دارید لطفا این فرم را تکمیل کرده و در ساعات اداری منتظر تماس همکاران ما باشید.
دانشجویار: بزرگترین مرجع فیلم های آموزش برنامه نویسی
www.daneshjooyar.com
گردشگری: جامع ترین بانک اطلاعاتی کشور
www.gardeshgari724.com
