Für viele Aufgabenstellungen bei der Automatisierung technischer Systeme und im Bereich der Naturwissenschaften und Wirtschaftsswissenschaften benötigt man genaue mathematische Modelle für das dynamische Verhalten von Systemen. Das Werk behandelt Methoden zur Ermittlung dynamischer Modelle aus gemesssenen Signalen, die unter dem Begriff Systemidentifikation oder Prozeßidentifikation zusammengefaßt werden. Im Band II werden die Parameterschätzmethoden vertieft mit der Maximum-Likelihood- und der der Bayes-Methode und rekursiven Algorithmen mit zahlreichen Varianten und deren algorithmischen…mehr
Für viele Aufgabenstellungen bei der Automatisierung technischer Systeme und im Bereich der Naturwissenschaften und Wirtschaftsswissenschaften benötigt man genaue mathematische Modelle für das dynamische Verhalten von Systemen. Das Werk behandelt Methoden zur Ermittlung dynamischer Modelle aus gemesssenen Signalen, die unter dem Begriff Systemidentifikation oder Prozeßidentifikation zusammengefaßt werden. Im Band II werden die Parameterschätzmethoden vertieft mit der Maximum-Likelihood- und der der Bayes-Methode und rekursiven Algorithmen mit zahlreichen Varianten und deren algorithmischen Realisierung. Zur Identifikation parametrischer Modelle mit zeitkontinuierlichen Signalen werden Kennwertermittlung, Modellabgleich und Parameterschätzung beschrieben. Es folgt die Identifikation von Mehrgrößensystemen und nichtlinearen Systemen. Mehrere Beispiele zeigen die Anwendung der Identifikation bei technischen Systemen.
Prof. Dr.-Ing. Rolf Isermann leitet das Fachgebiet Regelungstechnik und Prozessautomatisierung im Institut für Automatisierungstechnik der TU Darmstadt. Seine Arbeit für die Mechatronik wurde mit dem Top Ten Award des renommierten MIT (Massachusetts Institute of Technology ) ausgezeichnet.
Inhaltsangabe
12 Maximum-Likelihood-Methode.- 12.1 Nichtrekursive Maximum-Likelihood-Methode (ML).- 12.2 Rekursive Maximum-Likelihood-Methode (RML).- 12.3 Erreichbare Genauigkeit, Cramér-Rao-Ungleichung.- 12.4 Zusammenfassung.- 13 Bayes-Methode.- 14 Parameterschätzung mit nichtparametrischem Zwischenmodell (zweistufige Methoden).- 14.1 Antwortfunktionen auf nichtperiodische Testsignale und Methode der kleinsten Quadrate.- 14.2 Korrelationsanalyse und Methode der kleinsten Quadrate (COR-LS).- 14.3 Zusammenfassung.- 15 Rekursive Parameterschätzmethoden.- 15.1 Einheitliche Darstellung rekursiver Parameterschätzmethoden.- 15.2 Konvergenz rekursiver Parameterschätzmethoden.- 15.3 Zusammenfassung.- 16 Parameterschätzung zeitvarianter Prozesse.- 16.1 Exponentielle Gewichtung mit konstantem Vergessensfaktor.- 16.2 Exponentielle Gewichtung mit variablem Vergessensfaktor.- 16.3 Beeinflussung der Kovarianzmatrix.- 16.4 Modelle für die Parameteränderung.- 16.5 Zusammenfassung.- 17 Numerisch verbesserte rekursive Parameterschätzmethoden.- 17.1 Wurzelfilterung.- 17.2 UD-Faktorisierung.- 17.3 Zusammenfassung.- 18 Vergleich verschiedener Parameterschätzmethoden.- 18.1 Vorbemerkungen.- 18.2 Vergleich der A-priori-Annahmen.- 18.3 Gütevergleich durch Simulation.- 18.4 Vergleich des Rechenaufwandes.- 18.5 Zusammenfassung.- 19 Parameterschätzung im geschlossenen Regelkreis.- 19.1 Prozeßidentifikation ohne Zusatzsignal.- 19.2 Prozeßidentifikation mit Zusatzsignal.- 19.3 Methoden zur Identifikation im geschlossenen Regelkreis.- 19.4 Zusammenfassung.- 20 Verschiedene Probleme der Parameterschätzung.- 20.1 Wahl des Eingangsignals.- 20.2 Wahl der Abtastzeit.- 20.3 Ermittlung der Modellordnung.- 20.4 Parameterschätzung bei integralwirkenden Prozessen.- 20.5 Störsignale am Eingang.- DIdentifikation mit parametrischen Modellen - kontinuierliche Signale.- 21 Parameterbestimmung aus Übergangsfunktionen.- 22 Parametereinstellung durch Modellabgleich.- 23 Parameterschätzmethoden für Differentialgleichungen.- 24 Parameterschätzung für Frequenzgänge.- E Identifikation von Mehrgrößensystemen.- 25 Modellstrukturen zur Identifikation von Mehrgrößensystemen.- 26 Methoden zur Identifikation von Mehrgrößensystemen.- F Identifikation nichtlinearer Systeme.- 27 Parameterschätzung nichtlinearer Systeme.- G Zur Anwendung der Identifikationsmethoden - Beispiele.- 28 Praktische Aspekte zur Identifikation.- 29 Anwendungsbeispiele zur Prozeßidentifikation.
