Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
Dokument 1.pdf - Universität Siegen
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