5 crédits
30.0 h + 30.0 h
Q2
Enseignants
Hendrickx Julien; Wertz Vincent (supplée Hendrickx Julien);
Langue
d'enseignement
d'enseignement
Anglais
Préalables
Ce cours suppose acquise la notion de fonction de transfert telle
qu'enseignée dans le cours LINMA1510 (Automatique linéaire) ou LFSAB1106
(Mathématiques appliquées : signaux et systèmes).
qu'enseignée dans le cours LINMA1510 (Automatique linéaire) ou LFSAB1106
(Mathématiques appliquées : signaux et systèmes).
Thèmes abordés
Ce cours est une introduction à l'identification des systèmes dynamiques, qui consiste à trouver une représentation d'un système sur base de mesures et d'expériences effectuées sur celui-ci. On y analysera quelques grandes méthodes d'identification paramétriques et non paramétriques, y compris en boucle fermée. On s'intéressera également aux propriétés des signaux et des modèles qui sont pertinentes pour l'identification. Les concepts et techniques vus seront mis en oeuvre dans un projet réel d'identification.
Acquis
d'apprentissage
d'apprentissage
A la fin de cette unité d’enseignement, l’étudiant est capable de : | |
| 1 | Eu égard au référentiel AA, ce cours contribue au développement, à l'acquisition et à l'évaluation des acquis d'apprentissage suivants :
Plus précisément, au terme du cours, l¿étudiant sera capable de :
Acquis d¿apprentissage transversaux :
|
La contribution de cette UE au développement et à la maîtrise des compétences et acquis du (des) programme(s) est accessible à la fin de cette fiche, dans la partie « Programmes/formations proposant cette unité d’enseignement (UE) ».
Contenu
Le cours aborde les thèmes suivants:
- Méthodes non paramétriques : analyse temporelle, analyse fréquentielle, y compris analyse de Fourier et analyse spectrale
- Les grandes classes de systèmes LTI et leurs propriétés, y compris les notions de classes identifiables, et la notion de prédicteur
- Certaines méthodes paramétriques : régression linéaire, méthode des variables instrumentales, méthode d'erreur de prédiction, et méthodes statistiques, y compris le maximum de vraisemblance et les méthodes a posteriori
- L'analyse des signaux d'entrée : notion de contenu d'information suffisant (informative enough) et d'excitation persistante
- L'analyse de la convergence et de la variance des estimateurs, appliquée aux méthodes paramétriques mentionnées ci-dessus
- Les méthodes d'identification en boucle fermée
- La méthodologie à destination des problèmes d'identification réels, y compris la construction d'expérience.
Méthodes d'enseignement
- Séances de cours selon les modalités fixées par l'EPL.
- Séances d'exercices sous la supervision d'assistants pour apprendre à manipuler les concepts nouveaux.
- Devoirs à réaliser individuellement par petits groupes afin de pousser la compréhension et la réflexion plus loin (len pratique les devoirs remplacent une partie des séances d'exercices).
- Un projet complet mettant les étudiants dans les conditions réelles d'identification.
Modes d'évaluation
des acquis des étudiants
des acquis des étudiants
Les étudiants seront évalués sur base
- D'un examen en fin de semestre
- D'un ou plusieurs devoirs faisant intervenir des problèmes de base liés à la théorie vue au cours
- D'un projet d'identification dans des conditions du monde réel.
Autres infos
Les séances de cours et d'exercices ont lieu en anglais, et tous les documents sont en anglais également.
Les étudiants ont le choix de la langue pour leur devoirs, examens, rapports de projet et questions au cours.
Les détails d'organisation sont spécifiés chaque année dans le plan de cours, disponible sur iCampus.
Les étudiants ont le choix de la langue pour leur devoirs, examens, rapports de projet et questions au cours.
Les détails d'organisation sont spécifiés chaque année dans le plan de cours, disponible sur iCampus.
Ressources
en ligne
en ligne
Bibliographie
Le cours s'appuie sur un syllabus disponible sur icampus
Des livres de références sont également proposés :
Des livres de références sont également proposés :
- L. Ljung System Identification - Theory for the user Prentice Hall, 1999. (disponible en bibliothèque)
- T. Soderstorm and P Stoica, System Identification (http://user.it.uu.se/~ts/sysidbook.pdf)
Faculté ou entité
en charge
en charge
MAP
Programmes / formations proposant cette unité d'enseignement (UE)
Intitulé du programme
Sigle
Crédits
Prérequis
Acquis
d'apprentissage
d'apprentissage
Master [120] : ingénieur civil en science des données
Master [120] : ingénieur civil électromécanicien
Master [120] : ingénieur civil mécanicien
Master [120] : ingénieur civil électricien
Master [120] : ingénieur civil biomédical
Master [120] : ingénieur civil en mathématiques appliquées
Master [120] en science des données, orientation technologies de l'information