MTM120 Tehnisko sistēmu analīze un optimizācija

Kods MTM120
Nosaukums Tehnisko sistēmu analīze un optimizācija
Statuss Brīvās izvēles
Līmenis un tips Pamatstudiju, Akadēmiskais
Tematiskā joma Mehānika, mašīnzinības, mašīnu un aparātu būvniecība
Struktūrvienība Būvniecības un mašīnzinību fakultāte
Mācībspēks Aleksandrs Januševskis, Ivo Vaicis
Kredītpunkti 2.0 (3.0 ECTS)
Daļas 1
Anotācija Eksperimentu plānošanas stratēģija. Statistikas pamatkoncepcijas. Klasiskie eksperimentu plāni. Latīņu hiperkubi. Lineārā regresiju analīze. Atbildes virsmu metodoloģija, neironu tīkli. Lokālās polinomiālās aproksimācijas. Eksperimentu plāni atbildes virsmu pielāgošanai. Izsitienu filtrācija. Optimizācijas uzdevumu klasifikācija. Nelineāro ierobežojumu ievērošana. Determinētās un stohastiskās globālās optimizācijas metodes. Multidisciplinārā un daudzkritēriju optimizācija. Metamodeļu būvēšana un optimizācija EDAOpt, StatGraphics un ADAMS programmu vidēs. Vizualizācijas paņēmieni optimizācijā. Jūtības un pēcoptimizācijas analīze..
Studiju kursa saturs
Saturs Pilna un nepilna laika klātienes studijas Nepilna laika neklātienes studijas
Kontaktstundas Patstāvīgais darbs Kontaktstundas Patstāvīgais darbs
Statistikas pamatkoncepcijas 3 3 0 0
Eksperimentu plānošanas stratēgija 3 3 0 0
Klasiskie eksperimentu plāni. Latīņu hiperkubi. 3 3 0 0
Lineārā regresiju analīze. Izsitienu filtrācija. 3 3 0 0
Atbildes virsmu metodologija. 3 3 0 0
Globālās un lokālās polinomiālās aproksimācijas 3 3 0 0
Eksperimentu plāni atbildes virsmu pielāgošanai 3 3 0 0
Optimizācijas uzdevumu klasifikācija 2 2 0 0
Nelineāro ierobežojumu ievērošana. Determinētās un stohastiskās globālās optimizācijas metodes. 3 3 0 0
Multidisciplinārā un un daudzkritēriālā optimizācija. 2 2 0 0
DesignExpert programmatūra. CAE programmatūra. 2 2 0 0
Metamodeļu būvēšana un optimizācija 2 2 0 0
EDAOpt un CAE analīzes programmu pielietojums mehānisku sistēmu optimizācijai. 2 2 0 0
Vizualizācijad paņēmieni optimizācijā. VisualDoc programmatūra. 2 2 0 0
Ieskats par neironu tīkliem 2 2 0 0
Jutības un pēcoptimizācijas analīze 2 2 0 0
Kopā: 40 40 0 0
Mērķis un uzdevumi, izteikti
kompetencēs un prasmēs 		Studenti iepazīstas ar statistikas pamat problēmām, klasiskajiem un Latīņu hiperkubu eksperimentu plāniem, kā arī apgūst aproksimācijas tehnikas pamatus un atbildes virsmu metodiku, praktiski veic mehānisko objektu optimizāciju ar atbilstošu CAE programmatūru.
Sasniedzamie studiju
rezultāti un to vērtēšana 		Studentam ar eksperimentu plānošanas programmatūru palīdzību jāmāk veidot vajadzīgajam faktoru skaitam atbilstoši eksperimentu plāni, kā arī veikt metamodeļu būvēšanu un to izmantošanu optimizācijai. - Studenta atbildes uz zināšanu pārbaudes jautājumiem testos un individuālā referāta kvalitāte. Atbilstoši modeļi un aprēķinu rezultāti, kas iegūti laboratorijas darbos.
Studentam jāpārzina statistikas pamatkoncepcijas, naturālo un datoreksperimentu plānošanu, ka arī jāmāk praktiski būvēt metamodeļus optimizācijas veikšanai izmantojot atbilstošo CAE programmatūru. - Studenta atbildes uz jautājumiem eksāmenā. Papildus tiek ievērtēta nodarbību apmeklējuma regularitāte, individuālā referāta kvalitāte, piedalīšanās Studentu zinātniskajā konferencē.
Studiju rezultātu vērtēšanas kritēriji
Apmeklējums un aktivitāte - 10%
Praktisko darbu izpilde - 20%
Kursa darbs - 30%
Eksāmens - 40%
 
Priekšzināšanas Matemātika
Studiju kursa plānojums
Daļa KP EKPS Stundas Pārbaudījumi Pārbaudījumi (brīvai izvēlei)
Lekcijas Prakt. d. Lab. Ieskaite Eksāmens Darbs Ieskaite Eksāmens Darbs
1 2.0 3.0 1.0 0.0 1.0 *
Pieteikties uz šo kursu
[Kursa apraksts PDF formātā]