Zur Identifikation mechatronischer Stellglieder mit Reibung bei ...

7 ZUSAMMENFASSUNG UND AUSBLICK
für die betrachteten Systeme mit Reibung erfolgen. Um die bekannten Methoden für die
Erstellung linearer, dynamischer Modelle auch für die nichtlineare Modellbildung nutzen
zu können, ist es grundsätzlich möglich, nichtlineare Systeme durch mehrere lokale, affi-
ne bzw. durch ein stückweise affines (PWA-) Modell approximativ zu beschreiben. Dabei
wurde eine Literaturrecherche zur Ermittlung des aktuellen Standes der empirischen Mo-
dellierung mit einem stückweise affinen Modell durchgeführt. Verschiedene PWA-Ansätze
aus der Literatur wurden in Abschnitt 5 vorgestellt. Meistens sind aber aufwendiges Tuning
der Entwurfsparameter, präzise Vorkenntnisse über die Zielsysteme und komplexe Opti-
mierung erforderlich. Vier Methoden wurden auf eine Bestückungsmaschine verwendet und
die Ergebnisse zeigen, dass die Reibeffekte an der Bestückungsmaschine nicht gut erfasst
wurden. Aufbauend auf der Problemanalyse und zwei vorgestellten clusterungsbasierten
Identifikationsmethoden wurde eine neue vierstufige clusterungsbasierte Modellierungs-
methode für Systeme mit Reibung entwickelt. In dieser Methode werden die Merkmale im
Hinblick auf Reibeffekte ausgewählt. Und zwar wird der klassische c-Means-Algorithmus
verwendet, welcher bedienfreundlich, effizient und geeignet für große und reale Datensätze
ist. Im Gegensatz zu anderen Methoden, sind bei dieser Methode wenige Entwurfspara-
meter einzustellen und für reale Systeme mit Reibung besser verwendbar. Eine weitere
Neuigkeit der vorgestellten Methode liegt darin, dass die Kombination der Clustervalidi-
tätsmaße und Modellprädiktionsfehler zur Festlegung der Anzahl der Teilmodelle benutzt
wird. Weiterhin optimiert die vorgestellte Methode die Parameter der lokalen Teilmodelle mit
der OE-Schätzung bzw. paralleler Identifikation, die die simulierten Prädiktionsfehler des
PWA-Modells gegenüber der seriell-parallelen Identifikation minimieren. Außerdem wurde
auch ein neuer Testsignalentwurf zur optimalen Anregung des Zielsystems für die opti-
mierte Gewinnung von Identifikationsdaten diskutiert. Weil eine ausreichend gleichmäßige
Abdeckung des Betriebsbereichs durch Testsignale günstig für die Identifikation ist, wird
eine optimierte Abdeckung durch Optimierung der Phasenverschiebungen erreicht. Dabei
wird eine Homogenisierungsmethode verwendet, um die Phasenverschiebungen iterativ
zu optimieren. Zur Bewertung der Modellgüte wurden zwei Auswertungsprinzipien, seriell-
parallele und parallele Auswertung, verwendet. Das Ergebnis zeigt, dass das stückweise
affine Modell, das mit der vorgestellten Methode identifiziert wurde, gute Modellgüte für die
Stellglieder erreichen kann. Es ist auch deutlich zu erkennen, dass das optimierte Testsignal
zu besseren Validierungsergebnissen führt.
Anschließend wurden die vorgestellten drei Modellierungsmethoden miteinander verglichen.
Zunächst wurde der quantitative Vergleich der Modelle für die Drosselklappe durchgeführt.
Ergebnisse zeigen, dass der vorgestellte stückweise affine Modellansatz grundsätzlich für
die Drosselklappe verwendbar ist und die beste Güte erreicht. Im Anschluß wurden die
Eigenschaften und Eignung der drei Methoden grundsätzlich vergleichend dargestellt.
Ausblick
Die hier vorgestellte automatische Modellierung und Identifikation der Stellglieder liefert Po-
tenzial für weitergehende Untersuchungen und Ausbaumöglichkeiten. Verschiedene Aufga-
99