07.10.2013 Aufrufe

Identifikation nichtlinearer mechatronischer Systeme mit ...

Identifikation nichtlinearer mechatronischer Systeme mit ...

Identifikation nichtlinearer mechatronischer Systeme mit ...

MEHR ANZEIGEN
WENIGER ANZEIGEN

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.

2.5 Volterra-Ansatz 29<br />

2.5.2 Eigenschaften des Volterra-Ansatzes<br />

Der vorgestellte Ansatz der Volterra-Funktionalpotenzreihe zur <strong>Identifikation</strong> <strong>nichtlinearer</strong><br />

dynamischer <strong>Systeme</strong> weist folgende strukturelle Vorteile auf<br />

• Die Volterra-Reihe ist ein allgemeiner <strong>nichtlinearer</strong> Ansatz, der wenig Vorkenntnisse<br />

über das zu identifizierende System erfordert.<br />

• Der Ansatz ist linear in den unbekannten Parametern und das Ausgangssignal<br />

wird nur aus einer gewichteten Summe von Eingangssignalen gebildet. Daraus<br />

ergeben sich zwei wesentliche Besonderheiten dieses Ansatzes<br />

1. Mit der ungestörten Messmatrix und einem ausschließlich gestörten Ausgangsvektor<br />

sind die Voraussetzungen für die Anwendung der einfachen<br />

” Least-Squares“-Methode erfüllt, wodurch eine gute und schnelle Konvergenz<br />

der Schätzung erzielt werden kann [Kurth, 1994]. Es kann jedoch<br />

auch das zuvor beschriebene Gradientenabstiegsverfahren zur Schätzung<br />

der Parameter verwendet werden.<br />

2. Bei der Schätzung wird der Ausgangsfehler, nicht der Gleichungsfehler,<br />

minimiert, wie dies bei den rekursiven Ansätzen meistens der Fall ist.<br />

Dadurch entsteht ein echt paralleles Modell.<br />

• Die Stabilität des geschätzten Modells ist garantiert. Selbst wenn das Eingangssignal<br />

den Wertebereich, in dem das Modell identifiziert wurde, verlässt,<br />

bleibt der Ausgang immer begrenzt, solange die Eingangssignale begrenzt<br />

sind. Deshalb entfällt der für nichtlineare <strong>Systeme</strong> oft sehr schwierige Stabilitätsbeweis.<br />

Dieser Vorteil ist darauf zurückzuführen, dass der Ansatz nicht<br />

rekursiv ist.<br />

Obwohl die Volterra-Reihe einige strukturbedingte Vorteile aufweist, die sie anderen<br />

Ansätzen grundsätzlich überlegen erscheinen lässt, konnte sich die Volterra-Reihe<br />

als Modellansatz zur <strong>Identifikation</strong> bisher nicht durchsetzen. Das liegt an der großen<br />

Anzahl zu schätzender Parameter. Durch die Einführung von Basisfunktionen kann<br />

die Anzahl der Ansatzfreiwerte deutlich verringert werden. Dies wird zunächst am<br />

Beispiel linearer <strong>Systeme</strong> aufgezeigt, da sich hier das Prinzip anschaulich darstellen<br />

lässt.<br />

2.5.3 Basisfunktionen zur <strong>Identifikation</strong> linearer <strong>Systeme</strong><br />

Für lineare <strong>Systeme</strong> geht die Volterra-Reihe in die Faltungssumme über. Zur eindeutigen<br />

Bestimmung der Ausgangssignale bei einer vorgegebenen Anregung ist dabei<br />

die Kenntnis der Gewichtsfolge ˆ h[i] des Prozesses notwendig. Für die <strong>Identifikation</strong><br />

stellen die einzelnen Werte der Gewichtsfolge die gesuchten Parameter dar. Deshalb

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!