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 />
In der Abbildung 5.16 ist nur der Ausschnitt des Adaptionsvorgangs und eine Vergangenheitssequenz<br />
von 100 Segmenten dargestellt. Die falsch eingestellten Startwerte der<br />
Parameterschätzwerte t d und τ s sind in den ersten beiden Zuständen durch Abweichungen<br />
zu den wahren Zustandswerten zu sehen. Der dritte Zustand wird durch das sehr<br />
gering eingestellte Measurement-Noise auf den Meßwert gezogen. Indirekt verbessert das<br />
Kalman-Filter dadurch das falsche Modellverhalten, das sich durch sehr stark fehlerbehaftete<br />
Prädiktionsschätzwerte des Time-Update zeigt, durch die genaue Messung der<br />
Beobachtungen.<br />
Der Adaptionsvorgang ist bereits nach 10 Abtastschritten abgeschlossen und es werden<br />
für die hier geltenden idealen Verhältnisse exakt die wahren Werte erreicht. Im Residuum<br />
ist der Fehler zwischen Modellverhalten und Meßwerten dargestellt. Da hier ideale<br />
Verhältnisse vorherrschen, ist der Meßwert gleich dem wahren Wert. Das Filter zeichnet<br />
sich durch ein sehr schnelles Konvergenzverhalten aus und liefert dazu noch die exakten<br />
Parameter- und Zustandsschätzwerte.<br />
Daß das Verfahren noch Reserven besitzt, wird deutlich, wenn man zu den beiden unbekannten<br />
Parametern der Totzeit und der Saugrohrzeitkonstante noch die Lambdasondenzeitkonstante<br />
mitschätzt. Die Ergebnisse sind im Anhang 10.6 in Abbildung 10.1 dargestellt.<br />
Auch für die vollständige Bestimmung der Systemdynamik des Modells schätzt<br />
das Verfahren die Parameter und die Zustände sehr gut.<br />
Kraftstoffpfad<br />
In diesem Abschnitt wird die Identifikation des Kraftstoffpfades mit synthetischen Daten<br />
dargestellt. Für die Identifikation wird nur das adaptive Verfahren mit Kalman-Filter<br />
und überlagertem ML eingesetzt, da wie in der Luftpfadmodellierung aufgezeigt die<br />
Parameter- und ZustandsschätzungmitEKFnurfür Problemstellungen mit einer geringen<br />
Anzahl unbekannter Parameter geeignet ist. Das hier verwendete Modell für den<br />
Kraftstoffpfad ist im Kapitel 3.6.2abgeleitet und ist in Abbildung 3.19 dargestellt.<br />
Die Beschreibung des Zustandsraummodells sind in (3.94) und (3.95) zu finden. Für das<br />
adaptive Verfahren müssen noch folgende partielle Ableitungen der Zustandsübergangsmatrix<br />
bestimmt werden:<br />
⎡<br />
⎤ ⎡<br />
⎤<br />
1 0 0 0 0<br />
0 0 0 0 0<br />
∂A<br />
∂α = 0 0 0 0 0<br />
⎢ −1 0 0 0 0<br />
∂A<br />
⎥ ∂β = 0 1 0 0 0<br />
⎢ 0 −1 0 0 0<br />
⎥<br />
⎣<br />
0 0 0 0 0<br />
0 0 0 0 0<br />
⎦ ,<br />
⎡<br />
⎤<br />
0 0 0 0 0<br />
∂A<br />
= 1 0 0 0 0 0<br />
∂t d τ λ<br />
⎢ 0 0 0 0 0<br />
⎥<br />
⎣ 0 0 0 0 0⎦ 0 0 −γ0 1−m γ0 1−m 0<br />
⎣<br />
0 0 0 0 0<br />
0 0 0 0 0<br />
∂A<br />
und<br />
∂a = ∂A<br />
∂b = ∂A<br />
∂c<br />
⎦ , (5.186)<br />
=0 (5.187)<br />
101