پرداخت امن توسط کارتهای شتاب
بازگشت وجه ضمانت بازگشت تا 7 روز
تضمین کیفیت ضمانت تضمین کیفیت
پشتیبانی 24 ساعته 7 روز هفته

شناسایی سیستم

۳۴,۸۰۰ تومان٪17 تخفیف

آموزش جامع شناسایی سیستم

در بسیاری از کاربردها مانند طراحی کنترل‌کننده، شبیه‌سازی سیستم، تحلیل رفتار سیستم و پیش‌بینی آینده نیازمند به یک مدل از سیستم تحت بررسی هستیم. شناسایی سیستم الگوریتمهایی را در اختیار ما قرار می‌دهد که بتوانیم از داده‌های ورودی و خروجی سیستم یک مدل مناسب بدست آوریم که رفتار آن با رفتار سیستم واقعی تا حد ممکن نزدیک باشد.

مرجع اصلی در این سری فیلمها، کتاب شناسایی سیستمهای دینامیک نوشته رولف آیزرمن (2011) است. به طور خلاصه، روشهای شناسایی پارامتری (Parametric) و غیر پارامتری (Non-parametric)، حلقه باز (Open-loop) و حلقه بسته (Closed-loop)، بازگشتی (Recursive) و غیربازگشتی (Non-recursive)، زیرفضا (Subspace Methods)، همرشتاین (Hammerstein Model) و وینر (Wiener Model)، بر اساس همبستگی (Correlation)، حداقل مربعات (Least Squares)، Maximum Likelihood، مدلهای AR، ARMA، ARX، ARMAX، BJ، FIR، فضای حالت و تابع تبدیل، در حوزه زمان و فرکانس و سریهای زمانی (Time Series) مورد بررسی قرار خواهند گرفت. همچنین تولباکس شناسایی متلب معرفی شده و مثالهای مختلفی با آن حل می‌شود.

توجه: فصلهای ۲۰، ۲۱، ۲۲ و ۲۴ کتاب آیزرمن در این مجموعه ارائه نمی‌شود. علت ارائه نشدن فصل ۲۰ عدم تسلط مدرس در زمینه شبکه‌های عصبی است. فصل ۲۱ مربوط به تخمین پارامتر با استفاده از فیلتر کالمن EKF است. با توجه به اینکه تخمین پارامتر با استفاده از خانواده فیلتر کالمن به تفصیل در مجموعه تخمین بهینه حالت (فیلتر کالمن) مورد بررسی قرار گرفته است (جلسه ۸۸)، در اینجا دوباره ارائه نمی‌شود. برای دسترسی به مجموعه تخمین بهینه حالت اینجا کلیک کنید. همچنین فصل ۲۲ مربوط به مسایل حل عددی در مساله شناسایی است که به خاطر اهمیت کم آن ارائه نمی‌شود. در نهایت، فصل ۲۴ مربوط به اعمال روشهای مختلف ارائه شده در کتاب بر روی کاربردهای مختلف بوده و صرفا نتایج نشان داده شده‌اند و نیاز به توضیح خاصی ندارد.

پیش نیازها: آشنایی با نرم افزار متلب – آشنایی اولیه با سیگنالهای تصادفی و جبر خطی

برای اطلاع از فهرست موضوعی تمام جلسات اینجا کلیک کنید

 

فهرست جلسات (برای دیدن خلاصه هر جلسه روی جلسه مربوطه کلیک کنید)

 

 

مطالعه بیشتر

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

در صورتیکه قصد خرید فصل ها را به صورت جداگانه دارید شماره فصل را از منوی کشویی که بالای دکمه "افزودن به سبد خرید" است، انتخاب کنید و سپس بر روی دکمه "افزودن به سبد خرید" کلیک کنید تا فصل مربوطه به سبد خریدتان اضافه شود. 

 

تعداد جلسات هر فصل
فصل 1: جلسات 1-4 4
فصل 2: جلسات 5-8 4
فصل 3: جلسات 9-10 2
فصل 4: جلسات 11-12 2
فصل 5: جلسات 13-15 3
فصل 6: جلسات 16-17 2
فصل 7: جلسات 18-20 3
فصل 8: جلسات 21-22 2
فصل 9: جلسات 23-28 6
فصل 10: جلسات 29-34 6
فصل 11: جلسات 35-36 2
فصل 12: جلسات 37-39 3
فصل 13: جلسات 40-41 2
فصل 14: جلسات 42 1
فصل 15: جلسات 43-46 4
فصل 16: جلسات 47-50 4
فصل 17: جلسات 51-53 3
فصل 18: جلسات 54-56 3
فصل 19: جلسات 57-62 6
فصل 23: جلسات 63-67 5
فصل 23: جلسات 68-70 3

 

 

نقد و بررسی‌ها

  1. mojtaba

    با سلام بنده فصل یک را خریداری کردم
    منظر از الگوریتم شناسایی چیست؟ و کدام قسمت از فصل اول را شامل می شود؟

    • علی جوادی

      سلام
      الگوریتمهای شناسایی به تدریج در فصلهای بعدی مطرح شده اند.
      فصل یک صرفا مقدمه هست.
      فهرست موضوعی رو ببینید

  2. بهزاد

    با عرض سلام و احترام
    جسارتا میخواستم بپرسم در مورد استخراج دینامیکهای موثر در یک مدل در این آموزش بحث شده؟

    • علی جوادی

      سلام
      اگه منظورتون مدلسازی تحلیلی سیستم با استفاده از قوانین حاکم بر سیستم باشه، خیر بحث نشده.
      در این مجموعه صرفا روشهای استخراج مدل بر اساس داده های خروجی مطرح شده

  3. امیر

    سلام مجدد خدمت دکتر جوادی عزیز ، درباره BLUE مطلبی که استادم تدریس کردن توضیحش به این صورت هست که Best Of Linear Unbiased System ، روش حداقل مربعات بهترین تخمینگر بدون بایاس خطی است.

    • علی جوادی

      فکر میکنم منظورتون Best Linear Unbiased Estimator باشه.
      این بحث اولین بار در جلسه 22 برای سیستمهای استاتیک مطرح شده و بعد در فصل 9 برای سیستمهای دینامیک بررسی شده.

  4. امیر

    با عرض سلام و احترام ، ممنونم بابت آموزش بسیار خوب و جامعی که در اختیار ما قرار دادین. جسارتا می خواستم بپرسم روش BLUE هم در این ۀموزش بحث شده و اگر بحث شده در کدوم جلسه هست ؟

    • علی جوادی

      با سلام و تشکر از لطف شما
      من این روش رو تا حالا نشنیدم و نمیدونم BLUE مخفف چه عبارتی هست.
      یادم نمیاد جزو سرفصلهای کتاب هم بوده باشه

  5. محمد

    سلام منظور از efficient در شناسایی سیستم چیه؟

    • علی جوادی

      داخل فیلمها اشاره شده (اگه شده کدوم جلسه و کدوم دقیقه) یا در کتاب دیدید (کدوم صفحه)؟

  6. محمد

    سلام شبیه سازی Maximum Likelihood کدوم جلسه هست؟

    • علی جوادی

      سلام. جلسات 35 و 36

  7. محمد

    سلام ببخشید امکانش هست مراحل بدست آوردن Covariance function ARMA را توضیح بدین

    • علی جوادی

      سلام
      اگر منظورتون کواریانس خطای تخمین مدل ARMA باشه، در ابتدای جلسه 28 بحث شده

  8. حمید

    با سلام و عرض تبریک سال نو
    آیا در این مجموعه در خصوص شناسایی سیستم تحت تحریک ارتعاشات محیطی (َambient vibration) و ورودی نامعلوم مطالبی ارائه شده است؟ سپاسگزارم

    • علی جوادی

      سلام. سال نوی شما هم مبارک
      من در مورد تحریک ارتعاشات محیطی اطلاعی ندارم.
      البته میتونید روشهای گفته شده رو پیاده کنید ببینید نتایج در حد قابل قبول هست یا نه.
      موفق باشید

  9. sara

    باسلام و خسته نباشید ببخشید در قسمت55 ایا همرشتاین و آرکتانژانت یک روش شناسایی هستند؟یا یک مدل هستند؟

    • علی جوادی

      سلام
      همرشتاین یک مدل هست.
      آرکتانژانت هم یک مدل ابتکاری است که میتونیم اسمشو مدل آرکتانژانت بذاریم یا هر چیزی که دوست داشتید.
      البته ممکنه از عبارت “روش همرشتاین” استفاده بشه ولی منظور از این عبارت اینه که از مدل همرشتاین استفاده شده.

  10. سارا

    باعرض سلام وخسته نباشید وتشکر بابت فیلم های بسیار مفیدتون ببخشید شناسایی سیستم های همرشتاین براساس RML کدوم قسمت ازفیلم هاتون میشه ممنونم

    • علی جوادی

      سلام و تشکر از لطف شما
      هفته بعد فصل 18 آپلود میشه که داخلش مدل همرشتاین ارائه شده.

دیدگاه خود را بنویسید

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

کنترل فیدبک حالت بهینه LQR

کنترل فیدبک حالت بهینه LQR
قیمت اصلی ۲۸۸,۰۰۰ تومان بود.قیمت فعلی ۱۶۴,۴۰۰ تومان است.
مدلسازی و پیاده‌سازی ارتعاشات جاده برای سیستم کنترل تعلیق فعال خودرو

مدلسازی و پیاده‌سازی ارتعاشات جاده برای سیستم تعلیق خودرو
قیمت اصلی ۳۳۶,۰۰۰ تومان بود.قیمت فعلی ۲۳۶,۴۰۰ تومان است.
کنترل مقاوم سیستمهای خطی تحت نامعینی‌های پارامتری با استفاده از نامساوی‌های ماتریسی خطی (LMI)

کنترل مقاوم سیستمهای خطی تحت نامعینی پارامتری با استفاده از نامساویهای ماتریسی خطی (LMI)
قیمت اصلی ۴۸۰,۰۰۰ تومان بود.قیمت فعلی ۲۹۸,۸۰۰ تومان است.
حل تمرینات برگزیده سیستمهای کنترل دیجیتال (اوگاتا)

حل تمرینات برگزیده سیستمهای کنترل دیجیتال (اوگاتا)
قیمت اصلی ۲۸۸,۰۰۰ تومان بود.قیمت فعلی ۱۷۸,۸۰۰ تومان است.
شاید اینها را هم دوست داشته باشید
آموزش حل ناتساوی های ماتریسی خطی (LMI) با متلب

ناتساویهای ماتریسی خطی (LMI)
۴۰۰,۰۰۰ تومان

کنترل مقاوم سیستمهای خطی تحت اغتشاش با روش شکل دهی حلقه
۱۴۹,۰۰۰ تومان

فیلتر کالمن
۱۰۵ تومان
محصولات مشابه

شبیه سازی یک مقاله در زمینه شناساییی سیستم ARMAX همرشتاین
قیمت اصلی ۳۷۰,۰۰۰ تومان بود.قیمت فعلی ۳۵۶,۴۰۰ تومان است.
#
کانال تلگرام
#
سبد خرید

هیچ محصولی در سبد خرید نیست.

ورود به سایت
بازنشانی گذرواژه ایجاد حساب کاربری
شناسایی سیستم

۳۴,۸۰۰ تومان

انتخاب گزینه‌ها