Sök i kursutbudet

Använda sökfunktionen för att hitta i Chalmers utbildningsutbud, både vad gäller kurser och program. När det finns en kurshemsida visas en hus-symbol som leder till denna sida. Tänk på att välja det läsår du vill se information om.
Sök program och utbildningsplaner


Institutionernas kurser för doktorander

​​​​​​​​​​​​​​​​​​​​

Kursplan för

Läsår
SSY230 - System identification
 
Kursplanen fastställd 2010-02-22 av programansvarig (eller motsvarande)
Ägare: MPSYS
7,5 Poäng
Betygskala: TH - Fem, Fyra, Tre, Underkänt
Utbildningsnivå: Forskarnivå
Huvudområde: Automation och mekatronik
Institution: 32 - ELEKTROTEKNIK

Detta kurstillfälle är inställt


Undervisningsspråk: Engelska

Modul   Poängfördelning   Tentamensdatum
Lp1 Lp2 Lp3 Lp4 Sommarkurs
0108 Tentamen 4,5 hp Betygskala: TH   4,5 hp    
0208 Laboration 3,0 hp Betygskala: UG   3,0 hp    

I program

MPSYS SYSTEMS, CONTROL AND MECHATRONICS, MSC PROGR - Special research and PhD course, Årskurs 2 
MPSYS SYSTEMS, CONTROL AND MECHATRONICS, MSC PROGR - Special research and PhD course, Årskurs 1 

Examinator:

Professor  Jonas Sjöberg



Behörighet:

För kurser inom Chalmers utbildningsprogram gäller samma behörighetskrav som till de(t) program kursen ingår i.

Kursspecifika förkunskaper

Basic knowledge in automatic control, statistics, signals and systems

Syfte

The course aims to give the fundamental theory of identification of dynamical systems, i.e. how to use measured input-output data to build mathematical models, typically in terms of differential or difference equations. It is an advanced course offered to Ph.D students and Master students. The course requires more independent active work from the participants than normally at the master's program.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • understand and explain the properties of the input signals for an identification experiment influence the quality of the estimated model.
  • understand and explain the possibilities and limitations concerning the quality of estimated models and on which factors these limitations depend.
  • understand and explain properties of different model structures and identification methods.
  • understand and use methods for validating estimated models.
  • understand and use computer tools for system identification.

      Innehåll

      The course includes:
      • The mathematical foundations of System Identification
      • Choice of model structure Linear and nonlinear models
      • Non-parametric techniques
      • Parametrizations and model structures
      • Parameter estimation
      • Asymptotic statistical theory
      • User choices
      • Experimental design

          Organisation

          The course comprises lectures and a number of hands on assignments/laboratory experiments that address important parts of the course.

          Litteratur

          Not decided yet

          Examination

          Examination is based on written exam, grading scale TH, and passed assignment/laboration.


        • Sidansvarig Publicerad: må 13 jul 2020.