Identifikation nichtlinearer mechatronischer Systeme mit ...

Weitere Magazine

Empfehlungen

Info

VI Inhaltsverzeichnis E.2 Partielle Ableitungen des losefreien Zwei-Massen-Systems . . . . . . . 215 F Berechnungen für dynamischer Nichtlinearitäten 220 F.1 Dynamische Nichtlinearität und rekurrentes Netz . . . . . . . . . . . 220 F.2 Identifikation mit rekurrentem Netz . . . . . . . . . . . . . . . . . . . 221 F.3 Identifikation ohne genaue Strukturkenntnis . . . . . . . . . . . . . . 222 Literaturverzeichnis 229
1 Einleitung 1 Eines Tages werden Maschinen vielleicht denken können, aber sie werden niemals Phantasie haben. (Theodor Heuss) Das statische und dynamische Verhalten von technischen und nichttechnischen Systemen kann unter Zuhilfenahme der Systemtheorie nach einheitlichen mathematischen Methoden beschrieben werden. Die Modellierung von nichtlinearen dynamischen Prozessen ist für Problemstellungen der Prädiktion, Simulation und Fehlerdiagnose unerlässlich. Ziel dabei ist es, ein mathematisches Modell zu finden, das die physikalische Wirklichkeit genügend genau abbildet. Ein Prozessmodell kann grundsätzlich auf zwei verschiedene Arten bestimmt werden. Das Aufstellen von mathematischen Gleichungen auf Grund von physikalischen, chemischen und geometrischen Wirkungszusammenhängen wird als theoretische Modellbildung bezeichnet. Diese Vorgehensweise führt in der Regel zu sehr präzisen Modellen. Doch oft ist die Erfassung der funktionalen Zusammenhänge wegen der Komplexität realer nichtlinearer Prozesse sehr schwierig und zeitaufwendig. Wird der Aufwand unvertretbar groß, gewinnt die experimentelle Modellbildung an Bedeutung. Sie geht von mathematischen Modellen aus und versucht deren Parameter mit Hilfe von Messdaten so zu bestimmen, dass statische und dynamische Zusammenhänge zwischen den Ein- und Ausgangssignalen mit größtmöglicher Übereinstimmung abgebildet werden. So wurden mit dem Einzug der Digitalrechner in die Industrie Parameterschätzverfahren zur Prozessidentifikation eingesetzt. Zunächst konzentrierten sich die Forschungsaktivitäten auf lineare Systeme. Für diese sind seitdem viele verschiedene Identifikationsverfahren entwickelt und an realen Prozessen erprobt worden. Diese linearen Identifikationsverfahren werden in der Literatur in weitgehend einheitlicher mathematischer Form dargestellt. Bei nichtlinearen Systemen nimmt die Komplexität der Signalzusammenhänge zu, was die Modellierung erschwert und eine einheitliche mathematische Theorie zur
Seite 1: Lehrstuhl für Elektrische Antriebs
Seite 5: Vorwort i Vorwort Die vorliegende A
Seite 8 und 9: IV Inhaltsverzeichnis 3 Identifikat
Seite 12 und 13: 2 1 Einleitung Beschreibung nichtli
Seite 14 und 15: 4 1 Einleitung 1.2 Motivation und Z
Seite 16 und 17: intern 6 1 Einleitung HANN Statisch
Seite 18 und 19: 8 2 Statische und dynamische Neuron
Seite 20 und 21: ag replacements ˆΘij Neuron i Neu
Seite 22 und 23: 12 2 Statische und dynamische Neuro
Seite 48 und 49: PSfrag replacements 38 2 Statische
Seite 50 und 51: PSfrag replacements 40 2 Statische
Seite 56 und 57: 46 3 Identifikation nichtlinearer S
Seite 58 und 59: 48 3 Identifikation nichtlinearer S
Seite 60 und 61:
50 3 Identifikation nichtlinearer S
Seite 62 und 63:
Seite 64 und 65:
mit 54 3 Identifikation nichtlinear
Seite 66 und 67:
Seite 68 und 69:
Seite 70 und 71:
Seite 72 und 73:
Seite 74 und 75:
PSfrag replacements 64 3 Identifika
Seite 76 und 77:
Seite 78 und 79:
Seite 80 und 81:
Seite 82 und 83:
Seite 84 und 85:
Seite 86 und 87:
Seite 88 und 89:
Seite 90 und 91:
Seite 92 und 93:
82 4 Identifikation eines nichtline
Seite 94 und 95:
PSfrag replacements ag replacements
Seite 96 und 97:
Seite 98 und 99:
Seite 100 und 101:
Seite 102 und 103:
frag replacements 92 4 Identifikati
Seite 104 und 105:
Seite 106 und 107:
Seite 108 und 109:
Seite 110 und 111:
100 4 Identifikation eines nichtlin
Seite 112 und 113:
Seite 114 und 115:
Seite 116 und 117:
Seite 118 und 119:
PSfrag replacements 108 4 Identifik
Seite 120 und 121:
Seite 122 und 123:
Seite 124 und 125:
Seite 126 und 127:
Seite 128 und 129:
Seite 130 und 131:
Seite 132 und 133:
Seite 134 und 135:
Seite 136 und 137:
Seite 138 und 139:
Seite 140 und 141:
130 5 Identifikation und Regelung e
Seite 142 und 143:
Seite 144 und 145:
Seite 146 und 147:
Seite 148 und 149:
Seite 150 und 151:
Reibmoment MR [Nm] ag replacements
Seite 152 und 153:
Seite 154 und 155:
Seite 156 und 157:
Drosselklappenwinkel ϕDK[rad] ag r
Seite 158 und 159:
ag replacements mit 148 5 Identifik
Seite 160 und 161:
Seite 162 und 163:
Seite 164 und 165:
Seite 166 und 167:
156 6 Identifikation von dynamische
Seite 168 und 169:
Seite 170 und 171:
Seite 172 und 173:
Seite 174 und 175:
Seite 176 und 177:
Seite 178 und 179:
Seite 180 und 181:
Seite 182 und 183:
Seite 184 und 185:
Seite 186 und 187:
Seite 188 und 189:
Seite 190 und 191:
Seite 192 und 193:
Seite 194 und 195:
Seite 196 und 197:
Seite 198 und 199:
188 7 Zusammenfassung und Ausblick
Seite 200 und 201:
190 7 Zusammenfassung und Ausblick
Seite 202 und 203:
192 A Formelzeichen Φ Parameterfeh
Seite 204 und 205:
194 A Formelzeichen MC MD MF MR MW
Seite 206 und 207:
196 B Beispiel Anwendung B Beispiel
Seite 208 und 209:
ag replacements mit 198 B Beispiel
Seite 210 und 211:
ag replacements mit 200 B Beispiel
Seite 212 und 213:
202 C Daten des Prüfstandes: Zwei-
Seite 214 und 215:
PSfrag replacements 204 C Daten des
Seite 216 und 217:
206 C Daten des Prüfstandes: Zwei-
Seite 218 und 219:
208 D Simulative Identifikation des
Seite 220 und 221:
210 D Simulative Identifikation des
Seite 222 und 223:
212 E Berechnungen für die Identif
Seite 224 und 225:
Seite 226 und 227:
Seite 228 und 229:
Seite 230 und 231:
220 F Berechnungen für dynamischer
Seite 232 und 233:
222 F Berechnungen für dynamischer
Seite 234 und 235:
224 LITERATURVERZEICHNIS Literaturv
Seite 236 und 237:
226 LITERATURVERZEICHNIS [Jordan 19
Seite 238 und 239:
228 LITERATURVERZEICHNIS [Rumelhart
Alle anzeigen

Identifikation nichtlinearer mechatronischer Systeme mit ...

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

Template löschen?

Als Template speichern?