Modele inżynieryjne 1000-MS1-ModInz
Wykład:
1) Modelowanie oscylacji i tłumienia:
a) przykłady oscylacji w mechanice i układach elektrycznych; tłumienie;
b) modele wymuszonych oscylacji z tłumieniem; wartości rezonansowe;
c) model zawieszenia pojazdu z jednym stopniem swobody;
d) model zawieszenia pojazdu z dwoma stopniami swobody;
e) wyznaczanie tłumienia na podstawie przebiegu sił nacisku: metoda EUSAMA,
f) wyznaczanie współczynnika tłumienia metodą połowy mocy;
korelacja tłumienia z przesunięciem fazowym, badanie tłumienia metodą minimalnego przesunięcia fazowego.
2) Modelowanie ruchu ulicznego:
a) modele dyskretne i przewidywanie kolizji;
b) modele ciągłe i zagadnienie zielonego światła.
3) Modelowanie związane z przepływem ciepła:
a) utrata ciepła w budynku;
b) analiza działania podwójnych szyb;
c) izolowanie rur;
d) modele chłodzenia radiatorami;
e) wykrywanie min lądowych;
f) model katalizatora samochodowego i zagadnienia rozgrzewania.
4) Analiza wymiarowa i zastosowania:
a) twierdzenie Pi Buckinghama i przykłady;
b) oszacowanie energii wybuchu;
c) zagadnienie gotowania.
5) Nawigowanie i pozycjonowanie:
a) modele historyczne: kartograficzne, radiolokacyjne;
b) pozycjonowanie za pomocą satelitów (GPS).
6) Inne wybrane modele:
a) model wytrzymałości zaworu;
b) dynamika w centralnym polu grawitacyjnym: rakieta jedno i wieloczłonowa; c) sterowanie satelitami;
d) optymalizacja połowów przy zastosowaniu rezerwatów.
Ćwiczenia w laboratorium:
1) Symulacja i analiza tłumienia drgań:
a) symulowanie działania zawieszeniu pojazdów w modelach o jednym i dwóch stopniach swobody;
b) wyznaczenie funkcji wymuszającej drgania płyty pomiarowej w badaniu technicznym skuteczności tłumienia wg standardów EGEA;
c) symulacja przebiegu badania wg procedur EGEA;
d) wyznaczanie współczynników EUSAMA na danych uzyskanych w drodze symulacji - analiza korelacji współczynnika EUSAMA z tłumieniem masy nieresorowanej;
e) wyznaczanie współczynnika theta metodą połowy mocy;
f) analiza korelacji tłumienia masy resorowanej z przesunięciem fazowym;
algorytmy wyznaczania przesunięcia fazowego.
2) Filtrowanie sygnałów:
a) przykłady filtrów: średnich, Kaisera-Reeda, Butterwortha;
b) dobór i stosowanie filtrów do syntetycznych sygnałów;
zastosowanie filtrów do rzeczywistych wyników pomiarów.
3) Modelowanie ruchu ulicznego:
a) symulacja i analiza przykładów dla modeli dyskretnych;
b) symulacje numeryczne i analiza przykładów dla modeli ciągłych.
4) Modelowanie zjawisk cieplnych:
a) analiza działania podwójnych szyb;
b) dobór izolacji rur;
c) chłodzenia radiatorami;
d) zagadnienie rozgrzewania katalizatora samochodowego.
5) Implementacja algorytmów pozycjonowania:
a) lokalizacja w systemie Loran C;
b) lokalizacja GPS.
6) Symulacje łowisk z zastosowaniem rezerwatu.
Konwersatorium:
Grupa studentów dzielona jest na zespoły, które realizują projekty polegające na analizie wybranego zagadnienia, omówienia jego modelu matematycznego, przeprowadzenia analizy modelu i rozwiązania zagadnienia przy pomocy technik modelowania.
Całkowity nakład pracy studenta
Efekty uczenia się - wiedza
Efekty uczenia się - umiejętności
Efekty uczenia się - kompetencje społeczne
Koordynatorzy przedmiotu
Metody dydaktyczne
Metody dydaktyczne podające
- wykład konwersatoryjny
- wykład informacyjny (konwencjonalny)
Metody dydaktyczne poszukujące
- ćwiczeniowa
- laboratoryjna
- obserwacji
Metody dydaktyczne w kształceniu online
- metody wymiany i dyskusji
- metody rozwijające refleksyjne myślenie
- metody służące prezentacji treści
Kryteria oceniania
Egzamin, prezentacja projektów – udział w konwersatorium:
W1, W2, W3, W4, W5, W6, U1, U2, U3, U4, U6, K1, K2, K3, K4.
Ćwiczenia: W7, U5, K3, U7.
Praktyki zawodowe
Nie przewiduje się.
Literatura
B. Barnes, G. R. Fulford, Mathematical Modelling with Case Studies, Taylor and Francis 2015.
N. F. Britton, Essential Mathematical Biology, Springer 2003.
R. Illner et al., Mathematical Modelling. A Case Studies Approach, AMS, 2005.
A. Friedman, W. Littman, Industrial Mathematics - A Course in Solving Real- World Problems, SIAM, Philadelphia 1994.
M. Humi, Introduction to Mathematical Modeling, Taylor and Francis 2014.
Ch. Rousseau, Y. Saint-Aubin, Mathematics and Technology, Springer 2008.
R. Rudnicki, Modele i metody biologii matematycznej, Cz. I: Modele deterministyczne, Księgozbiór matematyczny IM PAN, Warszawa 2014.
E. D. Sontag, Lecture Notes in Mathematical Biology, Rutgers University 2005 (pozycja udostępniona przez autora w internecie).
Literatura dodatkowa:
J. Caldwell, Y. M. Ram, Mathematical Modelling. Concepts and Case Studies, Kluwer Academic Publishers, 1999.
J. Caldwell, D. K.S. Ng, Mathematical Modelling. Case Studies and Projects, Kluwer Academic Publishers, 2004.
U. Foryś, Matematyka w biologii, Wydawnictwa Naukowo-Techniczne 2005.
J. D. Murray, Wprowadzenie do biomatematyki, Wydawnictwo Naukowe PWN 2006.
R. M. Temam, A. M. Miranville, Mathematical Modeling in Continuum Mechanics, Cambridge University Press, 2005.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: