Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
5 Lineare Parameteridentifikationsverfahren<br />
= f x(k)/Y k ,θ · f y(k),Y k−1 ,θ · f Y k−1 ,θ<br />
f θ · f Y k−1 ,θ<br />
(5.132)<br />
= f x(k)/Y k ,θ · f y(k)/Y k−1 ,θ · f Y k−1 /θ (5.133)<br />
. (5.134)<br />
k∏<br />
= f x(k)/Y k ,θ · f y(j)/Y j−1 ,θ (5.135)<br />
j=1<br />
In der Matrix Y k sind alle Meßwerte enthalten:<br />
Y k = [y(1) T y(2) T y(3) T ··· y(k) T ] (5.136)<br />
Die Kenntnis, daß sich der Parametervektor sehr langsam im Vergleich zu den Zustandsvariablen<br />
ändert, ermöglicht erst eine Bestimmung der erhaltenen Verteilungsdichtefunktion<br />
in Gleichung (5.135). Die Parameter werden als konstant im Intervall der<br />
k-Abtastperioden modelliert. Damit ist der Parametervektor θ konstant für alle y(k)<br />
und die zu bestimmenden Verteilungsdichtefunktionen können für den konstanten Parametervektor<br />
ermittelt werden:<br />
k∏<br />
f x(k),Y k /θ (ξ,Yk /ϑ) = f x(k)/Y k ,θ ·<br />
=<br />
(<br />
f x(k)/Y k ·<br />
j=1<br />
f y(j)/Y j−1 ,θ<br />
k∏<br />
f y(j)/Y j−1)∣<br />
(5.137)<br />
∣∣∣ϑ=ˆθ=const<br />
j=1<br />
Verwendet man ein Kalman-Filter für die Zustandsschätzung, können die Verteilungsdichtefunktionen<br />
in der Gleichung (5.137) mit den Größen des Kalman-Filters für einen<br />
konstanten Parametervektor bestimmt werden. Die Herleitung des Kalman-Filters mit<br />
überlagertem Maximum-Likelihood Verfahren ist im Anhang 10.5 dargestellt.<br />
Im anschließenden Abschnitt werden die im Anhang hergeleiteten Filtergleichungen für<br />
das Verfahren des Parameter- und Zustandsschätzers mit Kalman-Filter und überlagertem<br />
Maximum-Likelihood Verfahren zusammengefaßt.<br />
Zusammenfassung der Gleichungen<br />
Der Scoring-Algorithmus berechnet den Schätzwert für den Parametervektor rekursiv<br />
über die Meßsequenzlänge N für jeden Abtastschritt k, d.h.eswirdfür jeden neuen<br />
Meßwert ein Schätzwert für den Parametervektor gebildet. Die Rekursion beginnt bei<br />
k − N + 1. Dabei werden die Zustandsschätzwerte durch das Kalman-Filter und die<br />
Parameterschätzwerte durch das überlagerte Maximum-Likelihood Verfahren berechnet,<br />
das durch das rekursive Scoring-Verfahren realisiert ist. Der Ablauf der Berechnungen<br />
ist in einem Flußdiagramm in Abbildung 5.14 dargestellt. Die einzelnen Punkte sind<br />
dann detailliert in den Filtergleichungen (5.138)-(5.167) beschrieben.<br />
92