-
Introduction: Errors, uncertainty, and UQ. Different viewpoints.
-
Basic statistical tools: Errors and uncertainties in a measured variable
-
UQ forward problem: Uncertainty propagation from multiple variables
-
Sensitivity analysis
-
UQ inverse problem: Data analysis and regression
-
Verification and validation of simulations
SG2227 Osäkerhetsanalys 6,0 hp
Information för forskarstuderande om när kursen ges
Samkörs med FSG3130, HT2022
Välj termin och kursomgång
Välj termin och kursomgång för att se aktuell information och mer om kursen, såsom kursplan, studieperiod och anmälningsinformation.
Kursval
Gäller för kursomgång
HT 2023 Start 2023-10-30 programstuderande
Anmälningskod
50707
Innehåll och lärandemål
Kursupplägg
Kursinnehåll
Kursen behandlar generella frågeställningar gällande experimentell osäkerhet för mätningar i maskin-tekniska system, skillnaden mellan systematiska och slumpmässiga fel, konfidensintervall, kalibreringsfel, felpropagering, regressionsanalys., etc. Analytiska och numeriska (Monte Carlo) metoder kommer att användas för att visa hur de viktigaste osäkerhetskällorna kan bestämmas. Flera olika experiment och till viss del simuleringar kommer att användas för att illustrera hur osäkerhetsanalys kan användas.
Lärandemål
Efter att ha studerat denna kurs skall studenterna kunna;
- Förklara vad som menas med experimenentell osäkerhet, och kunna skilja mellan systematiska och slumpmässiga felkällor
- Tillämpa Taylor-serie metoden för att uppskatta felpropagering i datareduceringsekvationer
- Tillämpa Monte Carlo simuleringar för att uppskatta osäkerhet i ett givet experiment
- Genomföra både generell och detaljerad osäkerhetsanalys
- Förklara vad som avses med "replication order"
- Uppskatta (och/eller korrigera för) systematiska fel
- Tillämpa osäkerhetsanalys på regressionskurvor
- Tillämpa osäkerhetsanalys på numeriska simuleringar för att karakterisera olika typer av felkällor
Kurslitteratur och förberedelser
Särskild behörighet
Genomförda studier på kandidatnivå inom huvudområdet eller närliggande huvudområde (t.ex. fysik). Grundläggande kunskaper i MATLAB
Engelska B/ Engelska 6
Rekommenderade förkunskaper
Deltagandet i ett mastersprogramm inom mekanik är rekommenderad.
Utrustning
Kurslitteratur
A. Segalini & H. Alfredsson, Uncertainty Analysis, Lecture notes, 2018
H.W. Coleman & W. Glenn Steele: Experimentation, validation, and Uncertainty Analysis for Engineers, (3rd Edition), Wiley, 2018
Rabinovich: Evaluating Measurement Accuracy, third edition, Springer, 2018
Examination och slutförande
När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.
Betygsskala
Examination
- INL1 - Inlämningsuppgift 1, 1,0 hp, betygsskala: P, F
- INL2 - Inlämningsuppgift 2, 1,0 hp, betygsskala: P, F
- TEN1 - Tentamen, 4,0 hp, betygsskala: A, B, C, D, E, FX, F
Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.
Examinator får medge annan examinationsform vid omexamination av enstaka studenter.
Skriftlig tenatamen TEN1 4hp, inlämningsuppgifter INL1 1hp, INL2 1hp
Möjlighet till komplettering
Inte möjligt
Möjlighet till plussning
Plussning är möjligt
Examinator
Etiskt förhållningssätt
- Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
- Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
- Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.
Ytterligare information
Kursrum i Canvas
Ges av
Huvudområde
Utbildningsnivå
Påbyggnad
Kontaktperson
Övrig information
Föreläsningar i kursen ges under en vecka (ungefär 20h) i P2. Mer information kommer att finnas på Canvas:
https://canvas.kth.se/courses/38459