Cykl kształcenia: 2020/2021
Nazwa jednostki prowadzącej studia: Wydział Budownictwa, Inżynierii środowiska i Architektury
Nazwa kierunku studiów: Budownictwo
Obszar kształcenia: nauki techniczne
Profil studiów: ogólnoakademicki
Poziom studiów: pierwszego stopnia
Forma studiów: niestacjonarne
Specjalności na kierunku: Budownictwo blok HEP1 SPEC1, Budownictwo blok HEP1 SPEC2, Budownictwo blok HEP2 SPEC1, Budownictwo blok HEP2 SPEC2
Tytuł otrzymywany po ukończeniu studiów: inżynier
Nazwa jednostki prowadzącej zajęcia: Katedra Mechaniki Konstrukcji
Kod zajęć: 6626
Status zajęć: obowiązkowy dla programu Budownictwo blok HEP1 SPEC1
Układ zajęć w planie studiów: sem: 5 / W15 L15 / 5 ECTS / Z
Język wykładowy: polski
Imię i nazwisko koordynatora: prof. dr hab. inż. Leonard Ziemiański
semestr 5: mgr inż. Łukasz Szyszka
Główny cel kształcenia: Uzyskanie wiedzy i umiejętności w zakresie definiowania i stosowania metod numerycznych do rozwiązywania problemów mechaniki i obliczania prostych konstrukcji.
Ogólne informacje o zajęciach: Metody obliczeniowe dają podstawy do stosowania metod numerycznych do analizy i obliczania prostych układów konstrukcyjnych.
1 | G. Rakowski, Z. Kacpszyk | Metoda elementów skończonych | Oficyna Wydawnicza Politechniki Warszawskiej. | |
2 | O.C. Zienkiewicz, R. Taylor, J.Z. Zhu | The finite element methods | Elsevier Butterworth-Neinemann, 6-th ed.. | 2005 |
Wymagania formalne: zaliczenie na ocenę pozytywną modułów kształcenia "wytrzymałość materiałów" i "mechanika budowli". Rejestracja na piąty semestr studiów
Wymagania wstępne w kategorii Wiedzy: znajomość tworzenia modeli fizycznych obiektów technicznych i formułowania algorytmów statyki. Znajomość matematyki w zakresie wybranych działów algebry liniowej, metod numerycznych.
Wymagania wstępne w kategorii Umiejętności: umiejętność tworzenia modeli fizycznych konstrukcji inżynierskich, umiejętność formułowania algorytmów analizy statycznej
Wymagania wstępne w kategorii Kompetencji społecznych: Świadomość konieczności samokształcenia, umiejętność współdziałania i pracy w grupie, odpowiedzialność za wyposażenie pracowni komputerowych, świadomość konieczności używania legalnego oprogramowania
MEK | Student, który zaliczył zajęcia | Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia | Metody weryfikacji każdego z wymienionych efektów kształcenia | Związki z KEK | Związki z PRK |
---|---|---|---|---|---|
01 | Posiada wiedzę na temat budowy modeli fizycznych konstrukcji prętowych | wykład | zaliczenie cz. pisemna |
K_W11+ K_W22++ |
P6S_WG |
02 | Posiada wiedzę o teoretycznych podstawach metod aproksymacyjnych | wykład | zaliczenie cz. pisemna |
K_W22++ |
P6S_WG |
03 | Posiada umiejętności stosowania algorytmu metody elementów skończonych dla rozwiązywania zagadnień stacjonarnych. | wykład, laboratorium | zaliczenie cz. pisemna, sprawozdanie z projektu |
K_U03++ K_U05++ K_U15+ |
P6S_UU P6S_UW |
04 | Posiada umiejętności stosowania programów wykorzystujących metody elementów skończonych. | laboratorium | sprawozdanie z projektu |
K_U06++ K_U15+ K_U23++ |
P6S_UU P6S_UW |
05 | Potrafi pracować w zespole oraz samodzielnie rozwiązywać problemy, Ma świadomość posługiwania się w pracy legalnym oprogramowaniem oraz odpowiedzialności za powierzony sprzęt komputerowy. | laboratorium | obserwacja wykonawstwa, sprawozdanie z projektu |
K_K02++ K_K04++ |
P6S_KK P6S_KR |
Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).
Sem. | TK | Treści kształcenia | Realizowane na | MEK |
---|---|---|---|---|
5 | TK01 | W01-W04 | MEK01 MEK02 | |
5 | TK02 | W05-W06 | MEK02 | |
5 | TK03 | W07-W12 | MEK01 MEK02 | |
5 | TK04 | W13-W16 | MEK02 | |
5 | TK05 | W17-W30 | MEK01 MEK03 MEK04 MEK05 |
Forma zajęć | Praca przed zajęciami | Udział w zajęciach | Praca po zajęciach |
---|---|---|---|
Wykład (sem. 5) | Przygotowanie do kolokwium:
10.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Uzupełnienie/studiowanie notatek:
15.00 godz./sem. Studiowanie zalecanej literatury: 20.00 godz./sem. |
Laboratorium (sem. 5) | Przygotowanie do laboratorium:
10.00 godz./sem. |
Godziny kontaktowe:
15.00 godz./sem. |
Dokończenia/wykonanie sprawozdania:
10.00 godz./sem. Inne: 10.00 godz./sem. |
Konsultacje (sem. 5) | Przygotowanie do konsultacji:
1.00 godz./sem. |
Udział w konsultacjach:
2.00 godz./sem. |
|
Zaliczenie (sem. 5) | Przygotowanie do zaliczenia:
15.00 godz./sem. |
Zaliczenie pisemne:
2.00 godz./sem. |
Forma zajęć | Sposób wystawiania oceny podsumowującej |
---|---|
Wykład | Na podstawie kolokwium zaliczeniowego przeprowadzonego w formie pisemnego testu, składającego się z sześciu tematów ocenianych punktowo. Ocena pozytywna jeżeli zostanie otrzymana liczba punktów większa niż 50% |
Laboratorium | Na podstawie sprawozdań z wykonanych zadaniach obliczeniowych. Ocena z laboratorium jest średnią arytmetyczną ocen uzyskanych z poszczególnych zadań. |
Ocena końcowa | Ocena końcowa jest oceną ważoną obliczaną na podstawie ocen z: kolokwium zaliczeniowego (ok), zadań laboratoryjnych (ol). Ocena końcowa (ok) jest obliczana z uwzględnieniem wag ze wzoru: ok = 0,40*ok + 0,60*ol |
Wymagane podczas egzaminu/zaliczenia
(-)
Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)
Inne
(-)
Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie
1 | B. Miller; L. Ziemiański | Optimizing composite shell with neural network surrogate models and genetic algorithms: Balancing efficiency and fidelity | 2024 |
2 | P. Smela; R. Szozda; L. Ziemiański | Modeling of the Cryogenic Tank to Warehouse Liquefied Natural Gas (LNG) in the Event of the Earthquake | 2024 |
3 | B. Miller; L. Ziemiański | Multi-Objective Optimization of Thin-Walled Composite Axisymmetric Structures Using Neural Surrogate Models and Genetic Algorithms | 2023 |
4 | B. Miller; L. Ziemiański | Detection of Material Degradation of a Composite Cylinder Using Mode Shapes and Convolutional Neural Networks | 2021 |
5 | B. Miller; L. Ziemiański | Identification of Mode Shapes of a Composite Cylinder Using Convolutional Neural Networks | 2021 |
6 | P. Nazarko; A. Prokop; L. Ziemiański | Digitalization of historic buildings using modern technologies and tools | 2021 |
7 | A. Borowiec; L. Folta; G. Kędzior; A. Kulon; B. Miller; M. Rajchel; T. Siwowski; D. Szynal; Ł. Szyszka; B. Wójcik ; L. Ziemiański | Opracowanie programu i przeprowadzenie badań na specjalistycznej platformie wstrząsowej symulującej wstrząsy tektoniczne dla słupów kompozytowych wysokości 9 m | 2020 |
8 | B. Miller; L. Ziemiański | Optimization of Dynamic and Buckling Behavior of Thin-Walled Composite Cylinder, Supported by Nature-Inspired Agorithms | 2020 |
9 | B. Miller; L. Ziemiański | Optimization of dynamic behavior of thin-walled laminated cylindrical shells by genetic algorithms and deep neural networks supported by modal shape identification | 2020 |
10 | P. Nazarko; L. Ziemiański | Application of Elastic Waves and Neural Networks for the Prediction of Forces in Bolts of Flange Connections Subjected to Static Tension Tests | 2020 |
11 | A. Borowiec; L. Folta; L. Janas; G. Kędzior; R. Klich; A. Kulon; P. Nazarko; G. Piątkowski; T. Siwowski; D. Szynal; Ł. Szyszka; B. Wójcik ; D. Ziaja; L. Ziemiański | Przegląd specjalny mostu stalowego w km. 108.404 oraz kładek dla pieszych w km. 166.188; 174.410; 184.875; 223.194 lini nr 91 Kraków Główny - Medyka | 2019 |
12 | A. Kozłowski; T. Siwowski; L. Ziemiański | Distributed fibre optic sensors for advanced structural health monitoring of FRP composite bridge | 2019 |
13 | B. Markiewicz; B. Miller; L. Ziemiański | Numerical Analysis of Free Vibration of Laminated Thin-Walled Closed-Section Shell Structures | 2019 |
14 | B. Miller; L. Ziemiański | Frequency optimisation of composite cylinder using an evolutionary algorithm and neural networks | 2019 |
15 | B. Miller; L. Ziemiański | Maximization of Eigenfrequency Gaps in a Composite Cylindrical Shell Using Genetic Algorithms and Neural Networks | 2019 |