Identifikation nichtlinearer mechatronischer Systeme mit ...

PSfrag replacements
78 3 Identifikation nichtlinearer Systeme
mit
PSfrag replacements
Stützwerte ˆ Θ Reib
1
0.8
0.6
0.4
0.2
0
−0.2
−0.4
−0.6
−0.8
0 5 10 15 20 25 30 35 40 45 50
Zeit[s]
Abb. 3.16: Identifikationsverlauf der Gewichte ˆ Θ Reib des Funktionsapproximators
mit
Reibmoment MR [Nm]
1
0.8
0.6
0.4
0.2
0
−0.2
−0.4
−0.6
−0.8
−1
−20 −15 −10 −5 0 5 10 15 20
Winkelgeschindigkeit Ω1 [ rad/s]
identifiziert
vorgegeben
Stützwerte
Abb. 3.17: Identifikationsergebnis der Reibungskennlinie MR(Ω)
im rekurrenten Netz entsprechend dem Lerngesetz über den Gradienten e · ∇ ˆ Ω vom
Ausgangsfehler e abhängen, sinken mit dem Ausgangsfehler auch die Gewichtsänderungen.
Damit wäre, um die Reibungskennlinie im Bereich der Haftreibungen
weiter anzupassen, eine unverhältnismäßig große Simulationsdauer notwendig, die
aber keine wesentliche Verringerung des Ausgangsfehlers mit sich bringt.
Vergleicht man die Identifikationsverläufe der Trägheitsmomente ˆ JI in den Abbildungen
3.8 und 3.15 sowie die Ausgangsfehler in den Abbildungen 3.9 und 3.14,
so erkennt man, dass mit Hilfe der Erweiterung zur Beobachterstruktur ein stabiles
und konvergentes Identifikationsergebnis erreicht wurde.