18.11.2013 Aufrufe

Dokument 1.pdf - Universität Siegen

Dokument 1.pdf - Universität Siegen

Dokument 1.pdf - Universität Siegen

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

5.2 Parameter- und Zustandsschätzung<br />

Das Konvergenzverhalten eines EKF zur Parameter- und Zustandsschätzung ist stark<br />

von den Startwerten des Filters P 0 und x 0 und der Einstellung des Driving-Noise Q<br />

und des Measurement-Noise R zum Filter-Tuning abhängig. Bei der dargestellten Identifikation<br />

des Luftpfades konnte erst ein sinnvolles konvergentes Verhalten erreicht werden,<br />

nachdem eine physikalische Plausibiltätsprüfung des Parameters der Totzeit durchgeführt<br />

wurde. Diese wurde nach dem Time-Update des Kalman-Filters in den rekursiven<br />

Algorithmus eingefügt und wurde mit folgendem Zusammenhang bestimmt:<br />

{<br />

ˆx + 4 (k) =<br />

ˆx + 4 (k) für n d · T ≤ ˆx + 4 (k) < (n d +1)· T<br />

(n d +0.5) · T sonst<br />

(5.182)<br />

Hiermit wurde erreicht, daß der zu schätzende Parameter der Totzeit keine nichtphysikalischen<br />

Werte annimmt. Betrachtet man die Schätzergebnisse in Abbildung 5.15, dann<br />

sieht man einerseits ein konvergentes Verhalten bei der Schätzung der Saugrohrzeitkonstante<br />

im Zustand x 5 und andererseits das divergente Verhalten bei der Schätzung<br />

der Totzeit im Zustand x 4 , das nur durch die physikalische Beschränkung nicht zur<br />

vollständigen Filterdivergenz führt.<br />

Verfahren mit Kalman-Filter und überlagertem Maximum-Likelihood<br />

Für die Anwendung des adaptiven Kalman-Filters mit überlagertem ML werden die folgenden<br />

partiellen Ableitungen für die Berechnung des Algorithmus in den Gleichungen<br />

(5.138)-(5.167) benötigt. Zunächst werden die partiellen Ableitungen der Zustandsübergangsmatrix<br />

nach den Parametern τ s , t d und τ λ dargestellt:<br />

⎡<br />

⎤ ⎡<br />

⎤<br />

T<br />

∂A<br />

τ 2 s<br />

· γ a 0 0<br />

0 0 0<br />

= ⎣<br />

⎦<br />

∂A<br />

, = ⎣ 0 0 0⎦ und (5.183)<br />

∂τ s ∂t d<br />

∂A<br />

∂τ λ<br />

=<br />

⎡<br />

⎣<br />

0 0 0<br />

0 0 0<br />

− T ·(1−m)<br />

τ 2 λ<br />

− T ·(1−m)<br />

τ 2 s<br />

− 1<br />

τ λ<br />

· γ0<br />

1−m 1<br />

τ λ<br />

· γ 1−m<br />

0 0 0<br />

0 0<br />

⎤<br />

0 0 0 ⎦ (5.184)<br />

· γ0<br />

1−m T<br />

· ((1 − m) · γ 1−m<br />

T<br />

τλ<br />

2 0 − γ 0 ) γ<br />

τλ<br />

2 0<br />

Weiterhin werden noch die Ableitungen der Steuermatrix benötigt:<br />

⎡<br />

⎤<br />

0<br />

∂B<br />

= ⎣ 0 ⎦ und ∂B = ∂B =0 (5.185)<br />

∂τ s<br />

· γ<br />

∂t d ∂τ λ a<br />

Die Ergebnisse für die Identifikation des Luftpfades für ideale Verhältnisse ist in der Abbildung<br />

5.16 dargestellt. In den ersten drei Diagrammen sind die Zustandsschätzwerte,<br />

im vierten Diagramm die Residuensequenz und in den letzten beiden Diagrammen die<br />

Parameterschätzwerte abgebildet. Es sind ideale Verhältnisse, d.h. keine Eingangs- und<br />

Ausgangsrauschprozesse, gewählt worden.<br />

99

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!