Identifikation nichtlinearer mechatronischer Systeme mit ...

1.3 Gliederung der Arbeit 5
der linearen Systemparameter wie die Massenträgheitsmomente oder die Federsteifigkeit
der elastischen Verbindung der Maschinen von entscheidender Bedeutung.
Aus diesen Gründen ist die Identifikation aller Systemparameter (sowohl der Nichtlinearitäten
als auch der linearen Systemparameter) die Grundlage für eine Verbesserung
der Regelung mechatronischer Systeme.
Ziel dieser Arbeit ist es, die linearen Parameter und die vorhandenen Nichtlinearitäten
eines Single-Input-Single-Output (SISO)-Systems gleichzeitig zu identifizieren
und dabei eine physikalische Interpretierbarkeit [Schröder, 2000] der Identifikationsergebnisse
zu erhalten.
Ausgangspunkt hierbei ist die Verwendung von strukturierten rekurrenten Netzen.
Diese lassen sich ursprünglich in die Gruppe der partiell rekurrenten Netze einordnen.
In [Brychcy, 2000] wurden die strukturierten rekurrenten Netze erstmals
zur Systemidentifikation eingesetzt. Dieser erste vielversprechende Ansatz ist jedoch
nicht echtzeitfähig, da die notwendige interne Zustandsberechnung iterativ erfolgte.
Diese Berechnung führt sehr häufig dazu, dass sowohl die Zustände, als auch die
Parameter den physikalisch sinnvollen Bereich verlassen.
Aufbauend auf [Brychcy, 2000] wird in dieser Arbeit gezeigt, dass es möglich
ist, das Approximationsverhalten der strukturierten rekurrenten Netze deutlich zu
verbessern und die Echtzeitfähigkeit zu realisieren, wenn man die aus der Theorie
der lernfähigen Beobachter erzielten Erkenntnisse mit denen der partiell rekurrenten
Netze verbindet.
Zusätzlich wird in dieser Arbeit gezeigt, dass auch dynamische Nichtlinearitäten auf
Basis des Volterra-Ansatzes mit Hilfe strukturierter rekurrenter Netze zusammen
mit weiteren physikalisch relevanten Parametern identifiziert werden können.
Abbildung 1.3 zeigt wie sich das in dieser Arbeit neu entwickelte Verfahren in die aus
Abbildung 1.1 bekannte Gliederung einordnen lässt. Außerdem sind Verbindungslinien
zu den bisher bekannten Verfahren hervorgehoben, um anzudeuten, dass es
mit dem neu entwickelten Verfahren der strukturierten rekurrenten Netze möglich
ist, die Vorteile mehrerer bekannter Verfahren zu kombinieren.
1.3 Gliederung der Arbeit
Die vorliegende Arbeit gliedert sich in folgende Abschnitte:
In Kapitel 2 werden zunächst die statischen Neuronalen Netze beschrieben. Anschließend
wird auf die dynamischen Neuronalen Netze eingegangen. Ein weiterer
Abschnitt dieses Kapitels widmet sich den auf der Volterra-Reihe basierenden
Ansätzen. Anschließend wird der Neuronale Beobachter dargestellt. Ein Vergleich