Prozessidentifikation mit Sprungantworten
Prozessidentifikation mit Sprungantworten Prozessidentifikation mit Sprungantworten
Verfahren • Wahl abhängig von bekannten Teilen des Systems und gewünschter Genauigkeit d. Modells • Nichtparametrische Modelle Modellgewinnung am Systemverhalten insgesamt • Mustererkennung in Gewichts-/Übergangsfunktion • Frequenzganganalyse, z. B. mit Bode-Diagramm • Parametrische Modelle Modellgewinnung durch Ermittlung endlich vieler Parameter einer vorgegebenen Modellstruktur • Kennwertermittlung • Parameterschätzung durch Fehlerminimierung z.B. Methode der kleinsten Fehlerquadrate • künstliche neuronale Netze Johannes Postel 27.04.2012 Prozessidentifikation mit Sprungantworten Folie Nr. 16 von 27
Überblick 1. Motivation und Begriffe 2. Grundsysteme 3. Prozessidentifikation 4. Anwendungsgebiet Regelungstechnik 5. Zusammenfassung und Ausblick Johannes Postel 27.04.2012 Prozessidentifikation mit Sprungantworten Folie Nr. 17 von 27
- Seite 1 und 2: Fakultät Informatik, Institut für
- Seite 3 und 4: Systeme und Signale Ein System ist
- Seite 5 und 6: Überblick 1. Motivation und Begrif
- Seite 7 und 8: Integral-System Gleichungen: yt ()
- Seite 9 und 10: Totzeit-System Gleichung: Johannes
- Seite 11 und 12: Überblick 1. Motivation und Begrif
- Seite 13 und 14: Testsignale (Einheits-)Impuls ⎧
- Seite 15: Modellbildung • Für Modell oft B
- Seite 19 und 20: Geschlossener Regelkreis • Geziel
- Seite 21 und 22: Reglereinstellung im Wendetangenten
- Seite 23 und 24: Beispiel: Einstellregeln nach Ziegl
- Seite 25 und 26: Warum Sprungantworten? • Günstig
- Seite 27: Literatur • Isermann, R.: „Mech
Verfahren<br />
• Wahl abhängig von bekannten Teilen des<br />
Systems und gewünschter Genauigkeit d. Modells<br />
• Nichtparametrische Modelle<br />
Modellgewinnung am Systemverhalten insgesamt<br />
• Mustererkennung in Gewichts-/Übergangsfunktion<br />
• Frequenzganganalyse, z. B. <strong>mit</strong> Bode-Diagramm<br />
• Parametrische Modelle<br />
Modellgewinnung durch Er<strong>mit</strong>tlung endlich vieler Parameter einer<br />
vorgegebenen Modellstruktur<br />
• Kennwerter<strong>mit</strong>tlung<br />
• Parameterschätzung durch Fehlerminimierung<br />
z.B. Methode der kleinsten Fehlerquadrate<br />
• künstliche neuronale Netze<br />
Johannes Postel<br />
27.04.2012<br />
<strong>Prozessidentifikation</strong><br />
<strong>mit</strong> <strong>Sprungantworten</strong><br />
Folie Nr. 16 von 27