BADANIA STANÓW AWARYJNYCH UKŁADÓW PRZEKSZTAŁTNIKOWYCH Z ZASTOSOWANIEM STATYSTYK WYŻSZYCH RZĘDÓW

Wielkość: px
Rozpocząć pokaz od strony:

Download "BADANIA STANÓW AWARYJNYCH UKŁADÓW PRZEKSZTAŁTNIKOWYCH Z ZASTOSOWANIEM STATYSTYK WYŻSZYCH RZĘDÓW"

Transkrypt

1 Tadeusz Łobos, Zbgnew Leonowcz BADANIA STANÓW AWARYJNYCH UKŁADÓW PRZEKSZTAŁTNIKOWYCH Z ZASTOSOWANIE STATYSTYK WYŻSZYCH RZĘDÓW 1. WPROWADZENIE etody statystyczne wyższego rzędu, znane już w latach 6-tych, doczekały sę perwszych zastosowań praktycznych w latach 7-tych. W ostatnch latach obserwuje sę rozwój tych zastosowań począwszy od radaru sonaru, poprzez m.n. przetwarzane obrazu, sejsmologę, fzykę plazmy medycynę a kończąc na synteze mowy. etody te służą do wyznaczana parametrów sygnałów zaszumonych. Są szczególne przydatne w przypadku procesów stochastycznych negausowskch a wększość rzeczywstych procesów ma charakter negaussowsk. Odpowednkem autokorelacj w statystykach wyższych rzędów są kumulanty. Dokonując przekształcena Fourera funkcj autokorelacj otrzymuje sę spektrum mocy. W wynku przekształcena Fourera kumulantu otrzymuje sę polspektrum. Kumulanty, w odróżnenu od autokorelacj są newrażlwe na przebeg o rozkładze gaussowskm Oznacza to, że jeżel metody bazujące na kumulantach są stosowane do procesów negausowskch zakłóconych szumem gaussowskm, to szum ten będze odfltrowany. Kumulanty spektra wyższego rzędu zawerają nformacje zarówno o ampltudze jak faze przebegu, podczas gdy autokorelacja oraz spektrum mocy zawerają jedyne nformację o ampltudze. W tej pracy przedstawono wynk badań awaryjnych stanów pracy układów przekształtnkowych przy pomocy nowych metod estymacj wdmowej wykorzystujących pojęca podprzestrzen kumulanty. Przy pomocy metody USIC zbadano wdmo prądów występujących w poszczególnych modułach układu przekształtnka podczas stanów awaryjnych, w szczególnośc stanów, które ne powodują zadzałana zwykle spotykanych zabezpeczeń. Rezultaty tych badań mogą być wykorzystane w dagnostyce stanów awaryjnych w konstrukcj sterowana newrażlwego na pewne typy awar przekształtnków (fault-tolerant drve control) [4]. Instytut Podstaw Elektrotechnk Elektrotechnolog Poltechnk Wrocławskej

2 . ETODY ESTYACJI WIDA Najnowsze metody wykorzystują pojęce podprzestrzen znane z algebry lnowej dlatego nazywa sę je metodam podprzestrzen [3]. Ich rozdzelczość jest teoretyczne nezależna od SNR. odelem sygnału w tym przypadku jest suma losowych snusod na tle szumu o znanej funkcj kowarancj. Perwszą z tych metod była metoda Psarenk [3], który zauważył, że zera transformaty Z wektora własnego, odpowadającego najmnejszej wartośc własnej macerzy kowarancyjnej, leżą na okręgu jednostkowym, a ch położene odpowada częstotlwoścom snusod tworzących sygnał. Ulepszając tę metodę, wykazano, że wektory własne można podzelć na dwe grupy, na wektory własne rozpęte na podprzestrzen sygnału na wektory własne rozpęte na podprzestrzen szumu, przy czym te ostatne są wektoram własnym odpowadającym najmnejszym wartoścom własnym. Spostrzeżena te stały sę podstawą metody USIC..1 etoda USIC (Ultple SIgnal Classfcaton) etoda ta zakłada rzutowane wektora sygnału T j j N 1 s 1 e e (1) na całą podprzestrzeń szumu. Rozpatrujemy sygnał x składający sę z nezależnych sygnałów w szume. j x A s A A e ; () 1 naczej: x S T A1 A A (3) gdze S s 1 s s (jest to ogólny model sygnału używany we wszystkch metodach podprzestrzen ). acerz autokorelacj sygnału (przy założenu, że szum jest bały) wyrażamy zależnoścą: gdze T R E A A s s I (4) x 1 T naczej: R SP S I (5) P x E A1 A1 EA A EA A

3 N- najmnejszych wartośc własnych macerzy korelacj (o wymarze N>+1) odpowada szumow a najwększych (wększych nż ) odpowada sygnałow. Zdefnujemy macerze wektorów własnych: E e 1 e e (6) sygnału Eszumu e 1 e e N (7) macerze wartośc własnych: 1 sygnału (8) 1 szumu = N acerz korelacj Rx można zapsać jako: T T R E E E E (9) x sygnału sygnału sygnału szumu szumu szumu Wyrażając macerz operatora rzutowana ortogonalnego PX przy pomocy E szumu otrzymujemy: T P E E I P (1) szumu szumu szumu sygnału Kwadrat modułu rzutu wektora w (zdefnowanego jak w (5) ) na podprzestrzeń szumu dany jest wzorem: T T T w Pszumu w w EszumuE szumu w (11) Każdy z elementów wektora sygnału jest ortogonalny do podprzestrzen szumu stąd welkość (11) zeruje sę dla tych częstotlwośc, dla których w=s. Pseudospektrum USIC defnuje sę następująco: Pe j T 1 T T 1 w Pszumu w w EszumuE szumu w (1) Wykazuje ono ostre maksma dla częstotlwośc, dla których w=s. Inny sposób określena wdma USIC, można wyprowadzć stosując fltr wartośc własnych 1 N 1 E z e e 1 z e N 1z (13) gdze e [n] są elementam wektora własnego e. Równane (11) można przedstawć przy pomocy (13).

4 N T T w e e w 1 1 N j j E e E e Pseudospektrum USIC jest tu zdefnowane zależnoścą: N j Pe E z E 1 / z (15) 1 ze j Podwójne perwastk welomanu manownka (15), leżące na okręgu jednostkowym, odpowadają częstotlwoścom sygnału. Jeśl preferuje sę uzyskane wykresu pseudospektrum można go wyznaczyć następująco: N Pe j w T e (16) 1 Jeśl przedstaw sę e jako cąg e [], e [1],..., e [N-1] to transformatą Fourera tego cągu jest: j E e T w e (17) Wymaganą lczbę L wartośc wyrażena (17) otrzymuje sę przez uzupełnene zeram cągu e [n] do długośc L poddane go L- punktowej FFT. Dla wyznaczena wyrażena (16) trzeba zastosować taką procedurę N razy. Teora estymacj parametrycznej wymaga wcześnejszej znajomośc lczby sygnałów zawartych w badanym sygnale. Jeśl SNR jest wysok, wtedy łatwo wyznaczyć tę lczbę z obserwacj wykresu rozkładu wartośc osoblwych (SVD) macerzy korelacj (zastosowany w procedurze harmest); wyznaczony tym sposobem rząd macerzy jest dwa razy wększy nż. Inną metodą jest wydzelene zboru najmnejszych wartośc własnych w przyblżenu jednakowych - ch lczba jest równa N- [3]. etody te zawodzą, gdy moc sygnału jest porównywalna z mocą szumu. Proponuje sę wtedy zastosowane bardzej skomplkowanych metod statystycznych, jak AIC (Akake Informaton Crteron) DL (nmum Descrpton Length). AIC K N ln N (18) (14) DL K N ln N ln K (19) N gdze: N 1 () 1 1 N N (K-lczba rzędów macerzy danych). Lczbę wyznacza sę jako mnmalzującą równane (18) lub (19). 3. STATYSTYKI WYŻSZYCH RZĘDÓW 1

5 Kumulanty kolejnych rzędów procesu losowego x(t) o średnej zerowej można wyrazć zależnoścam: C1, x E xt = () x xtxt, x, C, E (1) C E x t x t x t () 3 1 1,, C E x t x t x t x t (3) 4, x C C C C, x 1, x 3, x, x 3 1 C C cum, x 3, x 1 4. ZASTOSOWANIE KUULANTÓW Kumulant czwartego rzędu w przypadku zmennych harmoncznych rzeczywstych dany jest wzorem Jeśl x n p 1 4 C4 x 8 k cos k 1 3 k 3 1 k1 k cos, cos (4) p C, x k k k 1 1 Ponadto: cos (5) jest sumą p rzeczywstych snusod, to każdy jednowymarowy przekrój jego kumulantu czwartego rzędu zawera pełną nformację o lczbe harmoncznych, ch ampltudze częstotlwoścach []. W szczególnośc podstawając 1 3 do wzoru (4) otrzymamy: C4 y k k k1 p, cos (6) czyl wyrażene prawe dentyczne z autokorelacją sygnału (5). Stąd wdać, że wszystke korelacyjne metody analzy można uzupełnć ch odpowednkam wykorzystującym kumulanty, uzyskując kosztem umarkowanego wzrostu złożonośc oblczenowej teoretyczną newrażlwość na addytywny gaussowsk szum kolorowy []. Istnejące metody estymacj wdma o wysokej rozdzelczośc, take jak USIC, mogą być zastosowane dzęk zastąpenu welkośc korelacyjnych przez kumulanty czwartego rzędu []. 5. OPIS UKŁADU I STANÓW AWARYJNYCH

6 Napęd pokazany na rys. 1 dzała na zasadze zachowana stałego stosunku napęce-częstotlwość. Jest to typowy układ napędów przemysłowych prądu przemennego, składający sę z trójfazowego slnka asynchroncznego przekształtnka mocy. odułam przekształtnka są: jednofazowy prostownk sterowany falownk ze źródłem napęcowym. Układ sterowana mkroprocesorowego zmena kąt zapłonu tyrystorów prostownka, zmenając napęce zaslana falownka w zależnośc od jego częstotlwośc. Technka modulacj falownka zapewna mnmalzację ampltudy pątej sódmej harmoncznej w napęcach wyjścowych. Badano stany awaryjne, które w warunkach nepełnego obcążena napędu, ne powodują zadzałana standardowych zabezpeczeń: 1. OP - Przerwa w jednym z przewodów zaslających slnka.. SF - Uszkodzene jednego z tranzystorów falownka. 3. CF - Uszkodzene kondensatora, którego pojemność zmnejsza sę do połowy wartośc prawdłowej. I T L I I CF SF I P Rys. 1. Schemat napędu przekształtnkowego: IT - prąd wejścowy prostownka, II - prąd wejścowy falownka, IP - prąd fazowy slnka. OP 6. WYNIKI DOSWIADCZEŃ Opsane powyżej stany awaryjne zostały zbadane dośwadczalne [1]. Napęce wejścowe przekształtnka wynosło 3 V, częstotlwość 5 Hz, częstotlwość falownka 4 Hz, slnk pracował przy poślzgu 6%. W stane awaryjnym zmnejszano obcążene slnka, aby utrzymać wartośc prądów w dopuszczalnych grancach. Zbadano prąd wejścowy prostownka, prąd wejścowy falownka prąd fazowy slnka. Z powodu ogranczonej objętośc tej pracy przedstawono tylko wynk badań prądu wejścowego falownka, które najbardzej Na rys. przedstawono przebeg prądu wejścowego falownka. Przebeg te analzowano przy pomocy analzy wdmowej przy pomocy metody korelacyjnej opartej na kumulance (rys. 3). W normalnych warunkach pracy (rys. 3a) wykryto składowe o częstotlwoścach 4, 48, 7 96 Hz. W warunkach pracy awaryjnej (rys. 3b, 3c, 3d) wykryto charakterystyczne składowe o częstotlwoścach 68 (64) 76 (8) Hz. Obecność tych neprawdłowych składowych może być wykorzystana jako wskaźnk awar.

7 3 4 [A] [A] [s] [s] 4 a 3 c [A] [A] [s] [s] Rys.. Przebeg prądu wejścowego falownka II: a) stan bezawaryjny b) SF c)op d)cf b d

8 1E+3 1E+ 1E+1 1E+ 1E-1 1E- 1E-3 1E-4 1E-5 1E-6 1E-7 1E-8 1E+ 1E+1 1E+ 1E-1 1E- 1E-3 1E-4 1E-5 1E-6 1E-7 1E+ 1E+1 1E+ 1E-1 1E- 1E-3 1E [Hz] [Hz] a b 1E-5 1E [Hz] c

9 1E+3 1E+ 1E+1 1E+ 1E-1 1E- 1E-3 1E-4 1E-5 1E E [Hz] Rys.3. Estymaty wdma wyższego rzędu prądu wejścowego falownka otrzymane metodą USIC: a) stan bezawaryjny b) SF c)op d)cf wdmo mocy kumulant czwartego rzędu d 7. WNIOSKI Wynk badań dowodzą, że metody estymacj wdma o wysokej rozdzelczośc, take jak USIC, mogą być skuteczne zastosowane do dentyfkacj awaryjnych stanów pracy napędów przekształtnkowych. W tych stanach obserwuje sę występowane charakterystycznych składowych prądu wejścowego falownka. Obecność tych składowych może być wykorzystana do dentyfkacj stanów awaryjnych napędu. etody estymacj wdma wykorzystujące kumulanty dają dokładnejsze wynk nż metody korelacyjne. Lteratura [1] G. Gentle, N. Rotondale,. Tursn, G. Franceschn, C. Tasson, Fault operatons of nverter-fed nducton motor. Proceedngs of the 31 st Unverstes Power Engneerng Conference, Heraklon, Greece, Sept. 1996,Vol., pp [] J.. endel, Tutoral on Hgher-Order Statstcs (Spectra) n Sgnal Processng and System Theory: Theoretcal Results and Some Applcatons, Proceedngs of the IEEE, Vol. 79, arch 1991, pp [3] C.W. Therren, Dscrete Random Sgnals and Statstcal Sgnal Processng, Englewood Clffs, New Jersey, Prentce-Hall, 199, pp [4] B. Bose, D. Kastha, Investgaton of fault modes of voltage-fed nverter system for nducton motor drve. IEEE Transactons on Industry Applcatons, Vol. 3, No. 4, July/August 1994, pp [5] Leonowcz Z., obos T., Ruczewsk P., Szymańda J.: Applcaton of Hgher- Order Spectra for Sgnal Processng n Electrcal Power Engneerng, IX

10 Internatonal Symposum on Theoretcal Electrcal Engneerng, Palermo, Italy, June 1997, pp Investgatons of the Fault Operaton of Inverter-Fed Inducton otors Usng Hgher-Order Statstcs In ths paper we present the nvestgatons results of the fault operaton of nverter-fed nducton motor drves usng recent spectrum estmaton methods based on the lnear algebrac concepts of subspaces and on cumulants. We use the USIC method to analyse the current spectrum of dfferent subsystems durng some usual noncatastrophc faults (faults that n underload condtons may not be dscovered by the protectons). The nvestgatons results show that the hgh-resoluton spectrum-estmaton method, such as USIC, can be effectvely used to dentfy fault operaton condtons of nverter-fed nducton motors. Under such condtons, rregular frequences of nverter nput current components can be detected. Detecton of such components can be appled as a fault ndcator. The cumulant-based method shows a better accuracy and resoluton than the correlaton-based method. The results may be useful for better fault dagnoss, especally for fault-tolerant drve control. Praca została wykonana w ramach grantu KBN 8T1A71 Prof. dr hab. nż. Tadeusz ŁOBOS INSTYTUT PODSTAW ELEKTROTECHNIKI I ELEKTROTECHNOLOGII POLITECHNIKA WROCŁAWSKA pl. Grunwaldzk Wrocław E-mal: lobos@elektryk.e.pwr.wroc.pl

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model

Evaluation of estimation accuracy of correlation functions with use of virtual correlator model Jadwga LAL-JADZIAK Unwersytet Zelonogórsk Instytut etrolog Elektrycznej Elżbeta KAWECKA Unwersytet Zelonogórsk Instytut Informatyk Elektronk Ocena dokładnośc estymacj funkcj korelacyjnych z użycem modelu

Bardziej szczegółowo

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych

Zaawansowane metody numeryczne Komputerowa analiza zagadnień różniczkowych 1. Układy równań liniowych Zaawansowane metody numeryczne Komputerowa analza zagadneń różnczkowych 1. Układy równań lnowych P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ semestr letn 2006/07 Podstawowe fakty Równane Ax = b, x,

Bardziej szczegółowo

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym

Pracownia Automatyki i Elektrotechniki Katedry Tworzyw Drzewnych Ćwiczenie 3. Analiza obwodów RLC przy wymuszeniach sinusoidalnych w stanie ustalonym ĆWCZENE 3 Analza obwodów C przy wymszenach snsodalnych w stane stalonym 1. CE ĆWCZENA Celem ćwczena jest praktyczno-analtyczna ocena obwodów elektrycznych przy wymszenach snsodalne zmennych.. PODSAWY EOEYCZNE

Bardziej szczegółowo

SPRAWDZANIE PRAWA MALUSA

SPRAWDZANIE PRAWA MALUSA INSTYTUT ELEKTRONIKI I SYSTEMÓW STEROWANIA WYDZIAŁ ELEKTRYCZNY POLITECHNIKA CZĘSTOCHOWSKA LABORATORIUM FIZYKI ĆWICZENIE NR O- SPRAWDZANIE PRAWA MALUSA I. Zagadnena do przestudowana 1. Fala elektromagnetyczna,

Bardziej szczegółowo

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni.

Zestaw zadań 4: Przestrzenie wektorowe i podprzestrzenie. Liniowa niezależność. Sumy i sumy proste podprzestrzeni. Zestaw zadań : Przestrzene wektorowe podprzestrzene. Lnowa nezależność. Sumy sumy proste podprzestrzen. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar :

Bardziej szczegółowo

Weryfikacja hipotez dla wielu populacji

Weryfikacja hipotez dla wielu populacji Weryfkacja hpotez dla welu populacj Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Intelgencj Metod Matematycznych Wydzał Informatyk Poltechnk Szczecńskej 5. Parametryczne testy stotnośc w

Bardziej szczegółowo

Laboratorium ochrony danych

Laboratorium ochrony danych Laboratorum ochrony danych Ćwczene nr Temat ćwczena: Cała skończone rozszerzone Cel dydaktyczny: Opanowane programowej metody konstruowana cał skończonych rozszerzonych GF(pm), poznane ch własnośc oraz

Bardziej szczegółowo

PRZENOŚNY ANALIZATOR DIAGNOSTYCZNY DO WYKRYWANIA USZKODZEŃ STOJANA I WIRNIKA W SILNIKACH INDUKCYJNYCH

PRZENOŚNY ANALIZATOR DIAGNOSTYCZNY DO WYKRYWANIA USZKODZEŃ STOJANA I WIRNIKA W SILNIKACH INDUKCYJNYCH Zeszyty problemowe Maszyny Elektryczne Nr 00/03 cz. I 77 Marcn Pawlak Poltechnka Wrocławska PRZENOŚNY ANALIZATOR DIAGNOSTYCZNY DO WYKRYWANIA USZKODZEŃ STOJANA I WIRNIKA W SILNIKACH INDUKCYJNYCH PORTABLE

Bardziej szczegółowo

Pattern Classification

Pattern Classification attern Classfcaton All materals n these sldes were taken from attern Classfcaton nd ed by R. O. Duda,. E. Hart and D. G. Stork, John Wley & Sons, 000 wth the permsson of the authors and the publsher Chapter

Bardziej szczegółowo

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja)

Analiza danych OGÓLNY SCHEMAT. http://zajecia.jakubw.pl/ Dane treningowe (znana decyzja) Klasyfikator. Dane testowe (znana decyzja) Analza danych Dane trenngowe testowe. Algorytm k najblższych sąsadów. Jakub Wróblewsk jakubw@pjwstk.edu.pl http://zajeca.jakubw.pl/ OGÓLNY SCHEMAT Mamy dany zbór danych podzelony na klasy decyzyjne, oraz

Bardziej szczegółowo

Zaawansowane metody numeryczne

Zaawansowane metody numeryczne Wykład 9. jej modyfkacje. Oznaczena Będzemy rozpatrywać zagadnene rozwązana następującego układu n równań lnowych z n newadomym x 1... x n : a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x

Bardziej szczegółowo

BADANIA SYMULACYJNE BEZCZUJNIKOWEGO UKŁADU STEROWANIA SILNIKIEM INDUKCYJNYM KLATKOWYM Z WYKORZYSTANIEM METODY FDC

BADANIA SYMULACYJNE BEZCZUJNIKOWEGO UKŁADU STEROWANIA SILNIKIEM INDUKCYJNYM KLATKOWYM Z WYKORZYSTANIEM METODY FDC Prace Naukowe Instytutu Maszyn, Napędów Pomarów Elektrycznych Nr 59 Poltechnk Wrocławskej Nr 59 Studa Materały Nr 6 6 Napęd bezczujnkowy, slnk ndukcyjny, estymacja zmennych stanu, sterowane FDC. * Krzysztof

Bardziej szczegółowo

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW

SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW SZACOWANIE NIEPEWNOŚCI POMIARU METODĄ PROPAGACJI ROZKŁADÓW Stefan WÓJTOWICZ, Katarzyna BIERNAT ZAKŁAD METROLOGII I BADAŃ NIENISZCZĄCYCH INSTYTUT ELEKTROTECHNIKI ul. Pożaryskego 8, 04-703 Warszawa tel.

Bardziej szczegółowo

Procedura normalizacji

Procedura normalizacji Metody Badań w Geograf Społeczno Ekonomcznej Procedura normalzacj Budowane macerzy danych geografcznych mgr Marcn Semczuk Zakład Przedsęborczośc Gospodark Przestrzennej Instytut Geograf Unwersytet Pedagogczny

Bardziej szczegółowo

Podstawy teorii falek (Wavelets)

Podstawy teorii falek (Wavelets) Podstawy teor falek (Wavelets) Ψ(). Transformaca Haara (97).. Przykład pewne metody zapsu obrazu Transformaca Haara Przykład zapsu obrazu -D Podstawy matematyczne transformac Algorytmy rozkładana funkc

Bardziej szczegółowo

Statystyka. Zmienne losowe

Statystyka. Zmienne losowe Statystyka Zmenne losowe Zmenna losowa Zmenna losowa jest funkcją, w której każdej wartośc R odpowada pewen podzbór zboru będący zdarzenem losowym. Zmenna losowa powstaje poprzez przyporządkowane każdemu

Bardziej szczegółowo

Natalia Nehrebecka. Wykład 2

Natalia Nehrebecka. Wykład 2 Natala Nehrebecka Wykład . Model lnowy Postad modelu lnowego Zaps macerzowy modelu lnowego. Estymacja modelu Wartośd teoretyczna (dopasowana) Reszty 3. MNK przypadek jednej zmennej . Model lnowy Postad

Bardziej szczegółowo

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej

Badanie współzależności dwóch cech ilościowych X i Y. Analiza korelacji prostej Badane współzależnośc dwóch cech loścowych X Y. Analza korelacj prostej Kody znaków: żółte wyróżnene nowe pojęce czerwony uwaga kursywa komentarz 1 Zagadnena 1. Zwązek determnstyczny (funkcyjny) a korelacyjny.

Bardziej szczegółowo

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne

XXX OLIMPIADA FIZYCZNA ETAP III Zadanie doświadczalne XXX OLIMPIADA FIZYCZNA ETAP III Zadane dośwadczalne ZADANIE D Nazwa zadana: Maszyna analogowa. Dane są:. doda półprzewodnkowa (krzemowa) 2. opornk dekadowy (- 5 Ω ), 3. woltomerz cyfrowy, 4. źródło napęca

Bardziej szczegółowo

65120/ / / /200

65120/ / / /200 . W celu zbadana zależnośc pomędzy płcą klentów ch preferencjam, wylosowano kobet mężczyzn zadano m pytane: uważasz za lepszy produkt frmy A czy B? Wynk były następujące: Odpowedź Kobety Mężczyźn Wolę

Bardziej szczegółowo

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie

Wykład 5 12/15/2013. Problemy algebry liniowej w Matlabie Wykład 5. Problemy algebry lnowej w Matlabe. Analza sygnałów a) w dzedzne częstotlwośc b) w dzedzne czasu c) częstotlwoścowo-czasowa d) nagrywane analza dźwęku e) Sgnal Processng Toolbox Problemy algebry

Bardziej szczegółowo

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4

Stanisław Cichocki Natalia Nehrebecka. Zajęcia 4 Stansław Cchock Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0-1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających Interpretacja

Bardziej szczegółowo

BEZCZUJNIKOWY UKŁAD WEKTOROWEGO STEROWANIA SILNIKIEM INDUKCYJNYM KLATKOWYM METODĄ FDC

BEZCZUJNIKOWY UKŁAD WEKTOROWEGO STEROWANIA SILNIKIEM INDUKCYJNYM KLATKOWYM METODĄ FDC Prace Naukowe Instytutu Maszyn, Napędów Pomarów Elektrycznych Nr 6 Poltechnk Wrocławskej Nr 6 Studa Materały Nr 8 8 Krzysztof P. DYRCZ* slnk ndukcyjny, napęd bezczujnkowy, estymacja zmennych stanu, sterowane

Bardziej szczegółowo

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO

3. ŁUK ELEKTRYCZNY PRĄDU STAŁEGO I PRZEMIENNEGO 3. ŁUK ELEKTRYCZNY PRĄDU STŁEGO I PRZEMIENNEGO 3.1. Cel zakres ćwczena Celem ćwczena jest zapoznane sę z podstawowym właścwoścam łuku elektrycznego palącego sę swobodne, w powetrzu o cśnentmosferycznym.

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych 1. Zastosowane

Bardziej szczegółowo

Diagonalizacja macierzy kwadratowej

Diagonalizacja macierzy kwadratowej Dagonalzacja macerzy kwadratowej Dana jest macerz A nân. Jej wartośc własne wektory własne spełnają równane Ax x dla,..., n Każde z równań własnych osobno można zapsać w postac: a a an x x a a an x x an

Bardziej szczegółowo

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE

Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE Inormatyka Podstawy Programowana 06/07 Projekt 6 6. ROZWIĄZYWANIE RÓWNAŃ NIELINIOWYCH CAŁKOWANIE NUMERYCZNE 6. Równana algebraczne. Poszukujemy rozwązana, czyl chcemy określć perwastk rzeczywste równana:

Bardziej szczegółowo

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem

Pokazać, że wyżej zdefiniowana struktura algebraiczna jest przestrzenią wektorową nad ciałem Zestaw zadań : Przestrzene wektorowe. () Wykazać, że V = C ze zwykłym dodawanem jako dodawanem wektorów operacją mnożena przez skalar : C C C, (z, v) z v := z v jest przestrzeną lnową nad całem lczb zespolonych

Bardziej szczegółowo

ALGORYTM POPRAWY JAKOŚCI BRZMIENIA ARCHIWALNYCH NAGRAŃ DŹWIĘKU NA NOŚNIKACH MAGNETYCZNYCH

ALGORYTM POPRAWY JAKOŚCI BRZMIENIA ARCHIWALNYCH NAGRAŃ DŹWIĘKU NA NOŚNIKACH MAGNETYCZNYCH POZNN UNIVE RSITY OF TE CHNOLOGY CDE MIC JOURNLS No 84 Electrcal Engneerng 2015 Potr KRDSZ* LGORYTM POPRWY JKOŚCI BRZMIENI RCHIWLNYCH NGRŃ DŹWIĘKU N NOŚNIKCH MGNETYCZNYCH rchwalne nagrana dźwęku na nośnkach

Bardziej szczegółowo

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4

) będą niezależnymi zmiennymi losowymi o tym samym rozkładzie normalnym z następującymi parametrami: nieznaną wartością 1 4 Zadane. Nech ( X, Y ),( X, Y ), K,( X, Y n n ) będą nezależnym zmennym losowym o tym samym rozkładze normalnym z następującym parametram: neznaną wartoścą oczekwaną EX = EY = m, warancją VarX = VarY =

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 4

Natalia Nehrebecka. Zajęcia 4 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 4 1. Interpretacja parametrów przy zmennych zerojedynkowych Zmenne 0 1 Interpretacja przy zmennej 0 1 w modelu lnowym względem zmennych objaśnających

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 6 Regresja i linie regresji ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 6 Regresja lne regresj ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 Funkcja regresj I rodzaju cechy Y zależnej

Bardziej szczegółowo

WYZNACZENIE CHARAKTERYSTYK DYNAMICZNYCH PRZETWORNIKÓW POMIAROWYCH

WYZNACZENIE CHARAKTERYSTYK DYNAMICZNYCH PRZETWORNIKÓW POMIAROWYCH Zakład Metrolog Systemów Pomarowych P o l t e c h n k a P o z n ańska ul. Jana Pawła II 6-965 POZNAŃ (budynek Centrum Mechatronk, Bomechank Nanonżyner) www.zmsp.mt.put.poznan.pl tel. +8 6 665 35 7 fa +8

Bardziej szczegółowo

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH

STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH STATYSTYKA MATEMATYCZNA WYKŁAD 5 WERYFIKACJA HIPOTEZ NIEPARAMETRYCZNYCH 1 Test zgodnośc χ 2 Hpoteza zerowa H 0 ( Cecha X populacj ma rozkład o dystrybuance F). Hpoteza alternatywna H1( Cecha X populacj

Bardziej szczegółowo

Trójfazowy prostownik aktywny o symetrycznym napięciu wyjściowym

Trójfazowy prostownik aktywny o symetrycznym napięciu wyjściowym Krzysztof WEJRZANOWSKI, Włodzmerz KOCZARA Poltechnka Warszawska, Instytut Sterowana Elektronk Przemysłowej, Trójfazowy prostownk aktywny o symetrycznym napęcu wyjścowym Streszczene: W artykule przedstawono

Bardziej szczegółowo

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie.

Zapis informacji, systemy pozycyjne 1. Literatura Jerzy Grębosz, Symfonia C++ standard. Harvey M. Deitl, Paul J. Deitl, Arkana C++. Programowanie. Zaps nformacj, systemy pozycyjne 1 Lteratura Jerzy Grębosz, Symfona C++ standard. Harvey M. Detl, Paul J. Detl, Arkana C++. Programowane. Zaps nformacj w komputerach Wszystke elementy danych przetwarzane

Bardziej szczegółowo

Klasyfkator lnowy Wstęp Klasyfkator lnowy jest najprostszym możlwym klasyfkatorem. Zakłada on lnową separację lnowy podzał dwóch klas mędzy sobą. Przedstawa to ponższy rysunek: 5 4 3 1 0-1 - -3-4 -5-5

Bardziej szczegółowo

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1

KURS STATYSTYKA. Lekcja 1 Statystyka opisowa ZADANIE DOMOWE. www.etrapez.pl Strona 1 KURS STATYSTYKA Lekcja 1 Statystyka opsowa ZADANIE DOMOWE www.etrapez.pl Strona 1 Część 1: TEST Zaznacz poprawną odpowedź (tylko jedna jest prawdzwa). Pytane 1 W statystyce opsowej mamy pełne nformacje

Bardziej szczegółowo

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X

( ) ( ) 2. Zadanie 1. są niezależnymi zmiennymi losowymi o. oraz. rozkładach normalnych, przy czym EX. i σ są nieznane. 1 Niech X Prawdopodobeństwo statystyka.. r. Zadane. Zakładamy, że,,,,, 5 są nezależnym zmennym losowym o rozkładach normalnych, przy czym E = μ Var = σ dla =,,, oraz E = μ Var = 3σ dla =,, 5. Parametry μ, μ σ są

Bardziej szczegółowo

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra

Wstęp do metod numerycznych Faktoryzacja SVD Metody iteracyjne. P. F. Góra Wstęp do metod numerycznych Faktoryzacja SVD Metody teracyjne P. F. Góra http://th-www.f.uj.edu.pl/zfs/gora/ 2013 Sngular Value Decomposton Twerdzene 1. Dla każdej macerzy A R M N, M N, stneje rozkład

Bardziej szczegółowo

I. Elementy analizy matematycznej

I. Elementy analizy matematycznej WSTAWKA MATEMATYCZNA I. Elementy analzy matematycznej Pochodna funkcj f(x) Pochodna funkcj podaje nam prędkość zman funkcj: df f (x + x) f (x) f '(x) = = lm x 0 (1) dx x Pochodna funkcj podaje nam zarazem

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Zastosowane modelu potęgowego Model potęgowy Przekształcene Boxa-Coxa 2. Zmenne cągłe za zmenne dyskretne 3. Interpretacja parametrów przy zmennych dyskretnych

Bardziej szczegółowo

Metody analizy obwodów

Metody analizy obwodów Metody analzy obwodów Metoda praw Krchhoffa, która jest podstawą dla pozostałych metod Metoda transfguracj, oparte na przekształcenach analzowanego obwodu na obwód równoważny Metoda superpozycj Metoda

Bardziej szczegółowo

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA

Problemy jednoczesnego testowania wielu hipotez statystycznych i ich zastosowania w analizie mikromacierzy DNA Problemy jednoczesnego testowana welu hpotez statystycznych ch zastosowana w analze mkromacerzy DNA Konrad Furmańczyk Katedra Zastosowań Matematyk SGGW Plan referatu Testowane w analze mkromacerzy DNA

Bardziej szczegółowo

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K)

KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO JAKOŚĆ MIERZONA WARTOŚCIĄ WSPÓŁCZYNNIKA R 2 (K) STUDIA I PRACE WYDZIAŁU NAUK EKONOMICZNYCH I ZARZĄDZANIA NR 31 Mchał Kolupa Poltechnka Radomska w Radomu Joanna Plebanak Szkoła Główna Handlowa w Warszawe KOINCYDENTNOŚĆ MODELU EKONOMETRYCZNEGO A JEGO

Bardziej szczegółowo

APROKSYMACJA QUASIJEDNOSTAJNA

APROKSYMACJA QUASIJEDNOSTAJNA POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 73 Electrcal Engneerng 213 Jan PURCZYŃSKI* APROKSYMACJA QUASIJEDNOSTAJNA W pracy wykorzystano metodę aproksymacj średnokwadratowej welomanowej, przy

Bardziej szczegółowo

2012-10-11. Definicje ogólne

2012-10-11. Definicje ogólne 0-0- Defncje ogólne Logstyka nauka o przepływe surowców produktów gotowych rodowód wojskowy Utrzyywane zapasów koszty zwązane.n. z zarożene kaptału Brak w dostawach koszty zwązane.n. z przestoje w produkcj

Bardziej szczegółowo

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np.

W praktyce często zdarza się, że wyniki obu prób możemy traktować jako. wyniki pomiarów na tym samym elemencie populacji np. Wykład 7 Uwaga: W praktyce często zdarza sę, że wynk obu prób możemy traktować jako wynk pomarów na tym samym elemence populacj np. wynk x przed wynk y po operacj dla tego samego osobnka. Należy wówczas

Bardziej szczegółowo

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów.

METODA UNITARYZACJI ZEROWANEJ Porównanie obiektów przy ocenie wielokryterialnej. Ranking obiektów. Opracowane: Dorota Mszczyńska METODA UNITARYZACJI ZEROWANEJ Porównane obektów przy ocene welokryteralnej. Rankng obektów. Porównane wybranych obektów (warantów decyzyjnych) ze względu na różne cechy (krytera)

Bardziej szczegółowo

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.

SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska. SYSTEMY UCZĄCE SIĘ WYKŁAD 7. KLASYFIKATORY BAYESA Częstochowa 4 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TWIERDZENIE BAYESA Wedza pozyskwana przez metody probablstyczne ma

Bardziej szczegółowo

ZAJĘCIA X. Zasada największej wiarygodności

ZAJĘCIA X. Zasada największej wiarygodności ZAJĘCIA X Zasada najwększej warygodnośc Funkcja warygodnośc Estymacja wg zasady maksymalzacj warygodnośc Rodzna estymatorów ML Przypadk szczególne WPROWADZEIE Komputerowa dentyfkacja obektów Przyjęce na

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7

Stanisław Cichocki. Natalia Nehrebecka. Wykład 7 Stansław Cchock Natala Nehrebecka Wykład 7 1 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy zmennych dyskretnych 1. Zmenne cągłe a zmenne dyskretne 2. Interpretacja parametrów przy

Bardziej szczegółowo

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału

= σ σ. 5. CML Capital Market Line, Rynkowa Linia Kapitału 5 CML Catal Market Lne, ynkowa Lna Katału Zbór ortolo o nalny odchylenu standardowy zbór eektywny ozważy ortolo złożone ze wszystkch aktywów stnejących na rynku Załóży, że jest ch N A * P H P Q P 3 * B

Bardziej szczegółowo

ANALIZA PRACY SILNIKA SYNCHRONICZNEGO O WZBUDZENIU ELEKTROMAGNETYCZNYM SZEREGOWYM

ANALIZA PRACY SILNIKA SYNCHRONICZNEGO O WZBUDZENIU ELEKTROMAGNETYCZNYM SZEREGOWYM Mchał JANASZEK ANALIZA PRACY SILNIKA SYNCHRONICZNEGO O WZBUDZENIU ELEKTROMAGNETYCZNYM SZEREGOWYM STRESZCZENIE W artykule przedstawono zasadę dzałana slnka synchroncznego o wzbudzenu elektromagnetycznym

Bardziej szczegółowo

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup

Plan wykładu: Typowe dane. Jednoczynnikowa Analiza wariancji. Zasada: porównać zmienność pomiędzy i wewnątrz grup Jednoczynnkowa Analza Waranc (ANOVA) Wykład 11 Przypomnene: wykłady zadana kursu były zaczerpnęte z podręcznków: Statystyka dla studentów kerunków techncznych przyrodnczych, J. Koronack, J. Melnczuk, WNT

Bardziej szczegółowo

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010

EKONOMETRIA I Spotkanie 1, dn. 05.10.2010 EKONOMETRIA I Spotkane, dn. 5..2 Dr Katarzyna Beń Program ramowy: http://www.sgh.waw.pl/nstytuty/e/oferta_dydaktyczna/ekonometra_stacjonarne_nest acjonarne/ Zadana, dane do zadań, ważne nformacje: http://www.e-sgh.pl/ben/ekonometra

Bardziej szczegółowo

AUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID

AUTOMATYKA I STEROWANIE W CHŁODNICTWIE, KLIMATYZACJI I OGRZEWNICTWIE L3 STEROWANIE INWERTEROWYM URZĄDZENIEM CHŁODNICZYM W TRYBIE PD ORAZ PID ĆWICZENIE LABORAORYJNE AUOMAYKA I SEROWANIE W CHŁODNICWIE, KLIMAYZACJI I OGRZEWNICWIE L3 SEROWANIE INWEREROWYM URZĄDZENIEM CHŁODNICZYM W RYBIE PD ORAZ PID Wersja: 03-09-30 -- 3.. Cel ćwczena Celem ćwczena

Bardziej szczegółowo

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że

Twierdzenie Bezouta i liczby zespolone Javier de Lucas. Rozwi azanie 2. Z twierdzenia dzielenia wielomianów, mamy, że Twerdzene Bezouta lczby zespolone Javer de Lucas Ćwczene 1 Ustal dla których a, b R można podzelć f 1 X) = X 4 3X 2 + ax b przez f 2 X) = X 2 3X+2 Oblcz a b Z 5 jeżel zak ladamy, że f 1 f 2 s a welomanam

Bardziej szczegółowo

Zadane 1: Wyznacz średne ruchome 3-okresowe z następujących danych obrazujących zużyce energ elektrycznej [kwh] w pewnym zakładze w mesącach styczeń - lpec 1998 r.: 400; 410; 430; 40; 400; 380; 370. Zadane

Bardziej szczegółowo

LABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego

LABORATORIUM PODSTAW ELEKTROTECHNIKI Badanie obwodów prądu sinusoidalnie zmiennego Ćwczene 1 Wydzał Geonżyner, Górnctwa Geolog ABORATORUM PODSTAW EEKTROTECHNK Badane obwodów prądu snusodalne zmennego Opracował: Grzegorz Wśnewsk Zagadnena do przygotowana Ops elementów RC zaslanych prądem

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6

Stanisław Cichocki. Natalia Nehrebecka. Wykład 6 Stansław Cchock Natala Nehrebecka Wykład 6 1 1. Interpretacja parametrów przy zmennych objaśnających cągłych Semelastyczność 2. Zastosowane modelu potęgowego Model potęgowy 3. Zmenne cągłe za zmenne dyskretne

Bardziej szczegółowo

Neuron liniowy. Najprostsza sieć warstwa elementów liniowych

Neuron liniowy. Najprostsza sieć warstwa elementów liniowych Najprostsza jest jednostka lnowa: Neuron lnowy potraf ona rozpoznawać wektor wejścowy X = (x 1, x 2,..., x n ) T zapamętany we współczynnkach wagowych W = (w 1, w 2,..., w n ), Zauważmy, że y = W X Załóżmy,

Bardziej szczegółowo

BADANIE STATYCZNYCH WŁAŚCIWOŚCI PRZETWORNIKÓW POMIAROWYCH

BADANIE STATYCZNYCH WŁAŚCIWOŚCI PRZETWORNIKÓW POMIAROWYCH BADAIE STATYCZYCH WŁAŚCIWOŚCI PRZETWORIKÓW POMIAROWYCH. CEL ĆWICZEIA Celem ćwczena jest poznane: podstawowych pojęć dotyczących statycznych właścwośc przetwornków pomarowych analogowych cyfrowych oraz

Bardziej szczegółowo

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012

ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW 2(88)/2012 ZESZYTY NAUKOWE INSTYTUTU POJAZDÓW (88)/01 Hubert Sar, Potr Fundowcz 1 WYZNACZANIE ASOWEGO OENTU BEZWŁADNOŚCI WZGLĘDE OSI PIONOWEJ DLA SAOCHODU TYPU VAN NA PODSTAWIE WZORU EPIRYCZNEGO 1. Wstęp asowy moment

Bardziej szczegółowo

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A

Analiza rodzajów skutków i krytyczności uszkodzeń FMECA/FMEA według MIL STD - 1629A Analza rodzajów skutków krytycznośc uszkodzeń FMECA/FMEA według MIL STD - 629A Celem analzy krytycznośc jest szeregowane potencjalnych rodzajów uszkodzeń zdentyfkowanych zgodne z zasadam FMEA na podstawe

Bardziej szczegółowo

ZAJĘCIA VI. Estymator LS - własności i implementacje

ZAJĘCIA VI. Estymator LS - własności i implementacje Komputerowa dentyfkacja obektów ZAJĘCIA VI Estymator LS - własnośc mplementacje Dokładność wynków dentyfkacj (jakość estymatora) Dokładność estymatora LS Iteracyjne oblczena estymat LS Oblczena dla obektów

Bardziej szczegółowo

Pomiar mocy i energii

Pomiar mocy i energii Zakład Napędów Weloźródłowych Instytut Maszyn Roboczych CęŜkch PW Laboratorum Elektrotechnk Elektronk Ćwczene P3 - protokół Pomar mocy energ Data wykonana ćwczena... Zespół wykonujący ćwczene: Nazwsko

Bardziej szczegółowo

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH

V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH Krs na Stdach Doktoranckch Poltechnk Wrocławskej wersja: lty 007 34 V. WPROWADZENIE DO PRZESTRZENI FUNKCYJNYCH. Zbór np. lczb rzeczywstych a, b elementy zbor A a A b A, podzbór B zbor A : B A, sma zborów

Bardziej szczegółowo

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1

Rozkład dwupunktowy. Rozkład dwupunktowy. Rozkład dwupunktowy x i p i 0 1-p 1 p suma 1 Rozkład dwupunktowy Zmenna losowa przyjmuje tylko dwe wartośc: wartość 1 z prawdopodobeństwem p wartość 0 z prawdopodobeństwem 1- p x p 0 1-p 1 p suma 1 Rozkład dwupunktowy Funkcja rozkładu prawdopodobeństwa

Bardziej szczegółowo

Właściwości napędowe pięciofazowego silnika indukcyjnego klatkowego

Właściwości napędowe pięciofazowego silnika indukcyjnego klatkowego XV konferencja naukowo-technczna o charakterze szkolenowym AUTOMATYKA, ELEKTRYKA, ZAKŁÓCENA 24-26.05.2017, Jurata Współorganzatorzy: Poltechnka Gdańska, Zarząd Portu Port Gdyna SA, SPE/O Gdańsk Właścwośc

Bardziej szczegółowo

Politechnika Wrocławska Instytut Maszyn, Napędów i Pomiarów Elektrycznych. Materiał ilustracyjny do przedmiotu. (Cz. 2)

Politechnika Wrocławska Instytut Maszyn, Napędów i Pomiarów Elektrycznych. Materiał ilustracyjny do przedmiotu. (Cz. 2) Poltechnka Wrocławska nstytut Maszyn, Napędów Pomarów Elektrycznych Materał lustracyjny do przedmotu EEKTOTEHNKA (z. ) Prowadzący: Dr nż. Potr Zelńsk (-9, A10 p.408, tel. 30-3 9) Wrocław 005/6 PĄD ZMENNY

Bardziej szczegółowo

Egzamin poprawkowy z Analizy II 11 września 2013

Egzamin poprawkowy z Analizy II 11 września 2013 Egzamn poprawkowy z nalzy II 11 wrześna 13 Uwag organzacyjne: każde zadane rozwązujemy na osobnej kartce Każde zadane należy podpsać menem nazwskem własnym oraz prowadzącego ćwczena Na wszelk wypadek prosmy

Bardziej szczegółowo

Diagnostyka układów kombinacyjnych

Diagnostyka układów kombinacyjnych Dagnostyka układów kombnacyjnych 1. Wprowadzene Dagnostyka obejmuje: stwerdzene stanu układu, systemu lub ogólne sec logcznej. Jest to tzw. kontrola stanu wykrywająca czy dzałane sec ne jest zakłócane

Bardziej szczegółowo

DETEKCJA AWARII CZUJNIKA PRĄDU STOJANA W UKŁADACH WEKTOROWEGO STEROWANIA SILNIKIEM INDUKCYJNYM

DETEKCJA AWARII CZUJNIKA PRĄDU STOJANA W UKŁADACH WEKTOROWEGO STEROWANIA SILNIKIEM INDUKCYJNYM POZNAN UNIVE RSITY OF TE CHNOLOGY ACADE MIC JOURNALS No 85 Electrcal Engneerng 016 Kaml KLIMKOWSKI* Mateusz DYBKOWSKI* DETEKCJA AWARII CZUJNIKA PRĄDU STOJANA W UKŁADACH WEKTOROWEGO STEROWANIA SILNIKIEM

Bardziej szczegółowo

ZAŁĄCZNIKI ROZPORZĄDZENIA DELEGOWANEGO KOMISJI

ZAŁĄCZNIKI ROZPORZĄDZENIA DELEGOWANEGO KOMISJI KOMISJA EUROPEJSKA Bruksela, dna 27.4.2018 C(2018) 2460 fnal ANNEXES 1 to 2 ZAŁĄCZNIKI do ROZPORZĄDZENIA DELEGOWANEGO KOMISJI w sprawe zany sprostowana rozporządzena delegowanego (UE) 2017/655 uzupełnającego

Bardziej szczegółowo

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia,

Metody gradientowe poszukiwania ekstremum. , U Ŝądana wartość napięcia, Metody gradentowe... Metody gradentowe poszukwana ekstremum Korzystają z nformacj o wartośc funkcj oraz jej gradentu. Wykazując ch zbeŝność zakłada sę, Ŝe funkcja celu jest ogranczona od dołu funkcją wypukłą

Bardziej szczegółowo

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany

ELEKTROCHEMIA. ( i = i ) Wykład II b. Nadnapięcie Równanie Buttlera-Volmera Równania Tafela. Wykład II. Równowaga dynamiczna i prąd wymiany Wykład II ELEKTROCHEMIA Wykład II b Nadnapęce Równane Buttlera-Volmera Równana Tafela Równowaga dynamczna prąd wymany Jeśl układ jest rozwarty przez elektrolzer ne płyne prąd, to ne oznacza wcale, że na

Bardziej szczegółowo

Odtworzenie wywodu metodą wstępującą (bottom up)

Odtworzenie wywodu metodą wstępującą (bottom up) Przeglądane wejśca od lewej strony do prawej L (k) Odtwarzane wywodu prawostronnego Wystarcza znajomosc "k" następnych symbol łańcucha wejścowego hstor dotychczasowych redukcj, aby wyznaczyc jednoznaczne

Bardziej szczegółowo

Ćwiczenie 10. Metody eksploracji danych

Ćwiczenie 10. Metody eksploracji danych Ćwczene 10. Metody eksploracj danych Grupowane (Clusterng) 1. Zadane grupowana Grupowane (ang. clusterng) oznacza grupowane rekordów, obserwacj lub przypadków w klasy podobnych obektów. Grupa (ang. cluster)

Bardziej szczegółowo

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE

5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE 5. CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Oprócz transmtancj operatorowej, do opsu członów układów automatyk stosuje sę tzw. transmtancję wdmową. Transmtancję wdmową G(j wyznaczyć moŝna dzęk podstawenu do wzoru

Bardziej szczegółowo

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego

Portfele zawierające walor pozbawiony ryzyka. Elementy teorii rynku kapitałowego Portel nwestycyjny ćwczena Na podst. Wtold Jurek: Konstrukcja analza rozdzał 5 dr chał Konopczyńsk Portele zawerające walor pozbawony ryzyka. lementy teor rynku kaptałowego 1. Pożyczane penędzy amy dwa

Bardziej szczegółowo

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda

BADANIA OPERACYJNE. Podejmowanie decyzji w warunkach niepewności. dr Adam Sojda BADANIA OPERACYJNE Podejmowane decyzj w warunkach nepewnośc dr Adam Sojda Teora podejmowana decyzj gry z naturą Wynk dzałana zależy ne tylko od tego, jaką podejmujemy decyzję, ale równeż od tego, jak wystąp

Bardziej szczegółowo

Natalia Nehrebecka. Dariusz Szymański

Natalia Nehrebecka. Dariusz Szymański Natala Nehrebecka Darusz Szymańsk . Sprawy organzacyjne Zasady zalczena Ćwczena Lteratura. Czym zajmuje sę ekonometra? Model ekonometryczny 3. Model lnowy Postać modelu lnowego Zaps macerzowy modelu dl

Bardziej szczegółowo

Pomiary parametrów akustycznych wnętrz.

Pomiary parametrów akustycznych wnętrz. Pomary parametrów akustycznych wnętrz. Ocena obektywna wnętrz pod względem akustycznym dokonywana jest na podstawe wartośc następujących parametrów: czasu pogłosu, wczesnego czasu pogłosu ED, wskaźnków

Bardziej szczegółowo

Natalia Nehrebecka. Zajęcia 3

Natalia Nehrebecka. Zajęcia 3 St ł Cchock Stansław C h k Natala Nehrebecka Zajęca 3 1. Dobroć dopasowana równana regresj. Współczynnk determnacj R Dk Dekompozycja warancj zmennej zależnej ż Współczynnk determnacj R. Zmenne cągłe a

Bardziej szczegółowo

NIEINWAZYJNE METODY WCZESNEGO WYKRYWANIA ZWARĆ ZWOJOWYCH W SILNIKU INDUKCYJNYM ZASILANYM Z PRZEMIENNIKA CZĘSTOTLIWOŚCI, CZ. I

NIEINWAZYJNE METODY WCZESNEGO WYKRYWANIA ZWARĆ ZWOJOWYCH W SILNIKU INDUKCYJNYM ZASILANYM Z PRZEMIENNIKA CZĘSTOTLIWOŚCI, CZ. I Zeszyty Problemowe Maszyny Elektryczne Nr 87/2010 145 Marcn Wolkewcz, Czesław T. Kowalsk Poltechnka Wrocławska NIEINWAZYJNE METODY WCZESNEGO WYKRYWANIA ZWARĆ ZWOJOWYCH W SILNIKU INDUKCYJNYM ZASILANYM Z

Bardziej szczegółowo

MODELE OPTYMALNEGO PRZETWARZANIA SYGNAŁÓW LOSOWYCH

MODELE OPTYMALNEGO PRZETWARZANIA SYGNAŁÓW LOSOWYCH Wesław Ctko, Wesław Seńko Akadema Morska w Gdyn MODELE OPYMALNEGO PRZEWARZANIA SYGNAŁÓW LOSOWYCH Estymacja sygnałów losowych jest stotnym zagadnenem matematycznym, mającym zastosowane w welu dzedznach

Bardziej szczegółowo

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5

MATEMATYKA POZIOM ROZSZERZONY Kryteria oceniania odpowiedzi. Arkusz A II. Strona 1 z 5 MATEMATYKA POZIOM ROZSZERZONY Krytera ocenana odpowedz Arkusz A II Strona 1 z 5 Odpowedz Pytane 1 2 3 4 5 6 7 8 9 Odpowedź D C C A B 153 135 232 333 Zad. 10. (0-3) Dana jest funkcja postac. Korzystając

Bardziej szczegółowo

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer

Statystyka Opisowa 2014 część 2. Katarzyna Lubnauer Statystyka Opsowa 2014 część 2 Katarzyna Lubnauer Lteratura: 1. Statystyka w Zarządzanu Admr D. Aczel 2. Statystyka Opsowa od Podstaw Ewa Waslewska 3. Statystyka, Lucjan Kowalsk. 4. Statystyka opsowa,

Bardziej szczegółowo

Politechnika Wrocławska

Politechnika Wrocławska Politechnika Wrocławska Wydział Elektryczny Instytut Podstaw Elektrotechniki i Elektrotechnologii Zakład Elektrotechniki Teoretycznej ANALIZA SYGNAŁÓW OKRESOWYCH METODAMI STATYSTYK WYŻSZYCH RZĘDÓW Praca

Bardziej szczegółowo

Metody predykcji analiza regresji

Metody predykcji analiza regresji Metody predykcj analza regresj TPD 008/009 JERZY STEFANOWSKI Instytut Informatyk Poltechnka Poznańska Przebeg wykładu. Predykcja z wykorzystanem analzy regresj.. Przypomnene wadomośc z poprzednch przedmotów..

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada. Zajęcia 3 Stansław Cchock Natala Nehrebecka Katarzyna Rosak-Lada Zajęca 3 1. Dobrod dopasowana równana regresj. Współczynnk determnacj R 2 Dekompozycja warancj zmennej zależnej Współczynnk determnacj R 2 2. Zmenne

Bardziej szczegółowo

BADANIA WSTĘPNE PARAMETRÓW DYNAMICZNYCH W KONSTRUKCJACH WIELOMATERIAŁOWYCH Z DODATKIEM ZEOLITU

BADANIA WSTĘPNE PARAMETRÓW DYNAMICZNYCH W KONSTRUKCJACH WIELOMATERIAŁOWYCH Z DODATKIEM ZEOLITU INTERNATIONAL SCIENTIFIC CONFERENCE MODERN TECHNOLOGIES OF ZEOLITE TUFF USAGE IN INDUSTRY 0- May 0 Lvv, Ukrane BADANIA WSTĘPNE PARAMETRÓW DYNAMICZNYCH W KONSTRUKCJACH WIELOMATERIAŁOWYCH Z DODATKIEM ZEOLITU

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA SZTUCZNA INTELIGENCJA WYKŁAD 15. ALGORYTMY GENETYCZNE Częstochowa 014 Dr hab. nż. Grzegorz Dudek Wydzał Elektryczny Poltechnka Częstochowska TERMINOLOGIA allele wartośc, waranty genów, chromosom - (naczej

Bardziej szczegółowo

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy

(M2) Dynamika 1. ŚRODEK MASY. T. Środek ciężkości i środek masy (MD) MECHANIKA - Dynamka T. Środek cężkośc środek masy (M) Dynamka T: Środek cężkośc środek masy robert.szczotka(at)gmal.com Fzyka astronoma, Lceum 01/014 1 (MD) MECHANIKA - Dynamka T. Środek cężkośc środek

Bardziej szczegółowo

p Z(G). (G : Z({x i })),

p Z(G). (G : Z({x i })), 3. Wykład 3: p-grupy twerdzena Sylowa. Defncja 3.1. Nech (G, ) będze grupą. Grupę G nazywamy p-grupą, jeżel G = dla pewnej lczby perwszej p oraz k N. Twerdzene 3.1. Nech (G, ) będze p-grupą. Wówczas W

Bardziej szczegółowo

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH

ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Grzegorz PRZEKOTA ZESZYTY NAUKOWE WYDZIAŁU NAUK EKONOMICZNYCH ZASTOSOWANIE ANALIZY HARMONICZNEJ DO OKREŚLENIA SIŁY I DŁUGOŚCI CYKLI GIEŁDOWYCH Zarys treśc: W pracy podjęto problem dentyfkacj cykl gełdowych.

Bardziej szczegółowo

Proces narodzin i śmierci

Proces narodzin i śmierci Proces narodzn śmerc Jeżel w ewnej oulacj nowe osobnk ojawają sę w sosób losowy, rzy czym gęstość zdarzeń na jednostkę czasu jest stała w czase wynos λ, oraz lczba osobnków n, które ojawły sę od chwl do

Bardziej szczegółowo

dy dx stąd w przybliżeniu: y

dy dx stąd w przybliżeniu: y Przykłady do funkcj nelnowych funkcj Törnqusta Proszę sprawdzć uzasadnć, które z podanych zdań są prawdzwe, a które fałszywe: Przykład 1. Mesęczne wydatk na warzywa (y, w jednostkach penężnych, jp) w zależnośc

Bardziej szczegółowo

Rachunek niepewności pomiaru opracowanie danych pomiarowych

Rachunek niepewności pomiaru opracowanie danych pomiarowych Rachunek nepewnośc pomaru opracowane danych pomarowych Mędzynarodowa Norma Oceny Nepewnośc Pomaru (Gude to Epresson of Uncertanty n Measurements - Mędzynarodowa Organzacja Normalzacyjna ISO) http://physcs.nst./gov/uncertanty

Bardziej szczegółowo