EPN-V2

ELVE3600 Control Engineering 2 Course description

Course name in Norwegian
Kybernetikk 2
Weight
10.0 ECTS
Year of study
2018/2019
Course history
  • Introduction

    Bygger på ELI2300 dynamiske systemer, ELFT2400 kybernetikk og ELFT2500 instrumentering.

    Valgemnet igangsettes forutsatt at det er et tilstrekkelig antall studenter som velger emnet.

  • Recommended preliminary courses

    Studenten må kunne bruke Matlab eller tilsvarende program.

    Studenten må kunne jobbe selvstendig i laboratorium. Derfor må studenten ha godkjent laboratoriekurs i ELI2300 dynamiske systemer, ELFT2400 kybernetikk og ELFT2500 instrumentering eller tilsvarende kvalifikasjoner.

  • Required preliminary courses

    Studenten må ha godkjent laboratoriekurs i ELI2300 dynamiske systemer, ELFT2400 kybernetikk og ELFT2500 instrumentering eller tilsvarende kvalifikasjoner.

  • Learning outcomes

    Etter å ha gjennomført dette emnet har studenten følgende læringsutbytte, definert som kunnskap, ferdigheter og generell kompetanse:

    Kunnskap

    Studenten har kunnskap om praktiske metoder for avansert prosessregulering inkluderende:

    • Flere innstillingsmetoder for PID-regulator, feilsøking
    • Systemidentifikasjon
    • Tilstandsestimering (state estimation), med observer og Kalman-filter
    • Optimal kontroll og linear-kvadratisk regulator (LQR)
    • Model prediktiv regulering (MPC)
    • Introduksjon i kunstig intelligens med neural nettverk
    • Introduksjon i data-analyse for store data mengder

    Ferdigheter

    Studenten kan:

    • implementere, tune og teste PID-baserte reguleringsstrukturer
    • velge reguleringsstrategi (CV-MV parer), implementere og teste
    • bruke simuleringsverktøy for å samle data for identifisering av state-space- / transfer funksjonsmodeller.
    • implementere og teste Kalman filter
    • implementere og teste optimal kontroll algoritme
    • utvikle enkle MPC-strukturer, implementere, tune og teste

    Generell kompetanse

    Studenten kan:

    • identifisere datadrevne modeller og bruke disse for å utvikle og teste multivariable reguleringsalgoritmer
    • bruke dataprogrammer som Matlab/ Simulink for å implementere og teste forskjellige reguleringsalgoritmer.
    • drøfte og begrunne egne valg og prioriteringer innen avansert regulering av kontinuerlige dynamiske systemer
    • kan formidle reguleringstekniske resultater i skriftlig og muntlig form
  • Teaching and learning methods

    Undervisningen består av forelesninger, øvinger i datalab, gruppeveiledning og prosjektoppgave med rapportering. Individuelt arbeid under øvinger, gruppearbeid (2 studenter/gruppe) ved prosjektarbeid og rapportskriving.

  • Course requirements

    Følgende arbeidskrav er obligatorisk og må være godkjent for å fremstille seg til eksamen:

    • 5 øvinger eller laboratorieoppgaver
    • Prosjektarbeid
    • 2 teoritester
  • Assessment

    1) Individuell skriftlig digital eksamen på 3 timer teller 70 %

    2) Prosjektrapport på 10-30 sider med muntlig presentasjon teller 30%. Prosjekt gjennomføres i gruppe på 2 studenter.

    Alle eksamensdeler må være vurdert til karakter E eller bedre for at studenten skal kunne fåbestått emnet.

    Individuell skriftlig eksamen kan påklages.

    Prosjektrapport med muntlig presentasjon kan ikke påklages.

  • Permitted exam materials and equipment

    Alle trykte og skrevne hjelpemidler. Kalkulator som ikke kommuniserer trådløst. Bruk av internett eller andre kommunikasjonsmedier er ikke tillatt.

    Merknad: Matlab og Matlab/Simulink skal være tilgjengelig i digital eksamen.

  • Grading scale

    Gradert skala A-F.

  • Examiners

    Eksamensdel 1) Individuell digital eksamen vurderes av en intern sensor.

    Eksamensdel 2) Prosjektoppgave vurderes av to sensorer.

    Ekstern sensor brukes jevnlig.