Identifikation nichtlinearer mechatronischer Systeme mit ...

6 Identifikation von dynamischen
Nichtlinearitäten
155
In den vorangegangenen Kapiteln wurde gezeigt, dass es möglich ist, mit Hilfe strukturierter
rekurrenter Netze die linearen Parameter und nichtlinearen Charakteristiken
eines dynamischen Systems zu identifizieren. Voraussetzung hierfür war die genaue
Kenntnis über die Struktur des Systems, um ausgehend von dem nichtlinearen
Signalflussplan das strukturierte rekurrente Netz zu entwickeln. Außerdem wurde
vorausgesetzt, dass es sich bei den zu identifizierenden nichtlinearen Charakteristiken
um statische Nichtlinearitäten handelt.
In diesem Kapitel wird der in Kapitel 2.5 vorgestellte Ansatz zur Identifikation
dynamischer Nichtlinearitäten mittels der Volterra-Reihe in den Ansatz der strukturierten
rekurrenten Netze aus Kapitel 3 integriert. Hierbei wird insbesondere auf
das Hammerstein-Modell eingegangen, da es sich am besten für die Identifikation
der in diesem Kapitel verwendeten dynamischen Nichtlinearitäten eignet.
Zunächst wird der in Abschnitt 2.5 vorgestellte Ansatz zur Identifikation eines
Hammerstein-Modells dahingehend verändert, dass die statische Nichtlinearität des
Hammerstein-Modells nicht mehr mit Hilfe eines Polynomansatzes beschrieben wird
sondern mit einem statischen Neuronalen Netz.
Anschließend wird dieser Ansatz in das bereits in Kapitel 3 beschriebene strukturierte
rekurrente Netz integriert.
Anhand eines Simulationsbeispieles wird die Leistungsfähigkeit dieser Erweiterung
dargestellt. Anschließend wird das Verfahren mit unterschiedlich konfigurierten rekurrenten
Netzen verglichen, in denen die dynamische Nichtlinearität nicht mit Hilfe
eines Hammerstein-Ansatzes identifiziert wird.
Am Ende dieses Kapitels wird das erweiterte Verfahren an einer Versuchsanlage
validiert.