Anasayfa » Akademik Birimler » Elektrik - Elektronik Fakültesi » Kontrol ve Otomasyon Mühendisliği Bölümü » Dersler » Kontrol ve Otomasyon Mühendisliğinde Özel Problemler
Ders AdıKodu Yerel KrediAKTS Ders (saat/hafta)Uygulama (saat/hafta)Laboratuar (saat/hafta)
Kontrol ve Otomasyon Mühendisliğinde Özel ProblemlerKOM451035300
ÖnkoşullarYok
YarıyılGüz, Bahar
Dersin Diliİngilizce, Türkçe
Dersin SeviyesiLisans
Dersin TürüSeçmeli @ Kontrol ve Otomasyon Mühendisliği Lisans Programı (%30 İngilizce)
Ders KategorisiTemel Meslek Dersleri
Dersin Veriliş ŞekliYüz yüze
Dersi Sunan Akademik BirimKontrol ve Otomasyon Mühendisliği Bölümü
Dersin KoordinatörüKerem Altun
Dersi Veren(ler)Yavuz Eren, Janset Daşdemir, Levent Ucun, Veysel Gazi, Kerem Altun
Asistan(lar)ı
Dersin AmacıBu dersin amacı Kalman Filtrelerinin önemini ve nasıl çalıştığını teorik ve bilgisayar destekli uygulamalar ile öğrencilere göstermektir. Kalman filtrelemenin çok sayıda teknolojik uygulaması vardır. Yaygın bir uygulama, özellikle dinamik olarak konumlandırılmış uçak, uzay aracı ve gemiler olmak üzere araçların rehberliği, navigasyonu ve kontrolüdür. Ayrıca, Kalman filtreleme, sinyal işleme ve ekonometri gibi konularda kullanılan zaman serisi analizinde çokça uygulanan bir kavramdır. Kalman filtreleme ayrıca robotik hareket planlama ve kontrolünün ana konularından biridir ve yörünge optimizasyonu için de kullanılabilir.
Dersin İçeriğiKalman Filtresinin Önemi, g-h Filtresi, Ayrık Bayes Filtresi, Olasılıklar, Gauss'lar ve Bayes Teoremi, Tek Boyutlu Kalman Filtreleri, Çok Değişkenli Gauss'lar, Çok Değişkenli Kalman Filtreleri, Kalman Filtresi Matematiği, Kalman Filtrelerinin Tasarımı, Doğrusal Olmayan, Filtreleme, Kokusuz Kalman Filtresi, Genişletilmiş Kalman Filtresi, Parçacık Filtreleri, Uyarlamalı Filtreleme.
Ders Kitabı / Malzemesi / Önerilen Kaynaklar
  • R. R. Labbe. (2015). Kalman and Bayesian Filters in Python. [Online]. Available: https://github.com/rlabbe/Kalman-and-BayesianFilters-in-Python
  • Leon-Garcia, Alberto. "Probability, statistics, and random processes for electrical engineering." Pearson, 2017.
Opsiyonel Program BileşenleriYok

Ders Öğrenim Çıktıları

  1. Kalman filtresi ile bir boyutlu veya çok boyutlu parametreye bağlı iterative durum kestirimi tasarımını öğrenir.
  2. Öğrenciler Kalman Filtresi, Kokusuz Kalman Filtresi, Genişletilmiş Kalman Filtresi ve Parçacık Filtresi sistemlerinin modellenmesi konusunda beceri kazanırlar.

Ders Öğrenim Çıktısı & Program Çıktısı Matrisi

DÖÇ-1DÖÇ-2

Haftalık Konular ve İlgili Ön Hazırlık Çalışmaları

HaftaKonularÖn Hazırlık
1Giriş Labbe, Chapter 0
2g-h filtresiLabbe, Chapter 1
3Ayrık Bayes FiltresiLabbe, Chapter 2
4Olasılık Teorisi, Koşullu Olasılık, Tek boyutlu Gauss DağılımıLeon-Garcia, Chapter 3
5Çoklu rastgele değişkenler, Çok boyutlu Gauss DağılımıLeon-Garcia, Chapter 4
6Tek boyutlu Doğrusal Minimum Ortalama Karesel Hata KestirimiLeon-Garcia, Chapter 4
7Çok boyutlu Doğrusal Minimum Ortalama Karesel Hata KestirimiLeon-Garcia, Chapter 4
8Ara Sınav 1
9Tek Boyutlu Kalman Filtresi Leon-Garcia, Chapter 7
10Çok Boyutlu Kalman FiltreleriLabbe, Chapter 6
11Genişletilmiş Kalman FiltresiLabbe, Chapter 11
12Kokusuz Kalman FiltresiLabbe, Chapter 10
13Parçacık FiltreleriLabbe, Chapter 12
14Uyarlamalı FiltrelemeLabbe, Chapter 14
15Çoklu Hedef Takibi
16Final

Değerlendirme Sistemi

EtkinliklerSayıKatkı Payı
Devam/Katılım
Laboratuar
Uygulama
Arazi Çalışması
Derse Özgü Staj
Küçük Sınavlar/Stüdyo Kritiği
Ödev520
Sunum/Jüri
Projeler120
Seminer/Workshop
Ara Sınavlar120
Final140
Dönem İçi Çalışmaların Başarı Notuna Katkısı
Final Sınavının Başarı Notuna Katkısı
TOPLAM100

AKTS İşyükü Tablosu

EtkinliklerSayıSüresi (Saat)Toplam İşyükü
Ders Saati143
Laboratuar
Uygulama
Arazi Çalışması
Sınıf Dışı Ders Çalışması143
Derse Özgü Staj
Ödev52
Küçük Sınavlar/Stüdyo Kritiği
Projeler110
Sunum / Seminer
Ara Sınavlar (Sınav Süresi + Sınav Hazırlık Süresi)120
Final (Sınav Süresi + Sınav Hazırlık Süresi)125
Toplam İşyükü :
Toplam İşyükü / 30(s) :
AKTS Kredisi :
Diğer NotlarYok