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.
2.2 Stochastische Modelldarstellung<br />
Für den zeitkontinuierlichen Fall in Gleichung (2.38) muß in Gleichung (2.40) nur z<br />
durch s ersetzt werden. Daraus folgt für den unbekannten Parametervektor:<br />
θ =[a 1 a 2 ···a n b 0 b 1 ···b m c 1 c 2 ···c r d 0 d 1 ···d p f 0 f 1 ···f q ] (2.41)<br />
Es soll hier angemerkt werden, daß sehr selten die allgemeine Struktur aus Gleichung<br />
(2.39) in der Realität benötigt wird. Im folgenden werden einige interessante Vereinfachungen<br />
für reale Problemstellungen gezeigt:<br />
•F= 1 und D =1<br />
Für diesen Fall ergibt sich die bekannte ARMAX-Struktur 4 . Dann besitzen H und<br />
G denselben Nenner. Dies kann für die Modellierung von Störungen verwendet<br />
werden, die früh im Prozeß, d.h. nahe dem Systemeingang, auftreten.<br />
A·Y = B·U+ C·W (2.42)<br />
•A=1, C = 1 und D =1<br />
Für diesen Fall ist G = 1. Dieses Modell wird auch als Ausgangsfehlermodell<br />
bezeichnet, denn es setzt voraus, daß der folgende Zusammenhang den Ausgangsfehler,<br />
d.h. die Differenz zwischen gemessenen Ausgang Y und dem Modellausgang<br />
B<br />
F<br />
·U, darstellt.<br />
Y = B F<br />
·U+ W (2.43)<br />
W = Y− B F<br />
·U (2.44)<br />
•A=1<br />
Eine Besonderheit dieses Modells ist, daß G und H keine gemeinsamen Parameter<br />
besitzen, d.h. die beiden Übertragungsfunktionen sind unabhängig. Für diesen Fall<br />
ist es möglich H immer noch zu schätzen, während sich die Parameter von G in<br />
keinem physikalisch sinnvollen Bereich befinden.<br />
Y = B F ·U+ C D<br />
·W (2.45)<br />
Die Wahl einer geeigneten Struktur hängt von der Problemstellung und dem a priori<br />
Wissen ab. Zusätzlich zu den eigentlich interessierenden Systemparametern a i und<br />
b i sind nach der Modellierung des Formfilters c i , d i und f i als weitere Parameter zu<br />
schätzen. Für die abgeleiteten Zusammenhänge können dann Parameterschätzverfahren<br />
zur Bestimmung der Parameter des Systemverhaltens und des gewählten Formfiltermodells<br />
eingesetzt werden.<br />
4 AutoRegressive Moving Average eXogenous<br />
9