Rolf Isermann: Identifikation dynamischer Systeme, Kartoniert / Broschiert
Identifikation dynamischer Systeme
- Band II: Parameterschätzmethoden, Kennwertermittlung und Modellabgleich, Zeitvariante, nichtlineare und Mehrgrößen-Systeme, Anwendungen
(soweit verfügbar beim Lieferanten)
- Verlag:
- Springer Berlin Heidelberg, 02/2012
- Einband:
- Kartoniert / Broschiert, Paperback
- Sprache:
- Deutsch
- ISBN-13:
- 9783642970702
- Artikelnummer:
- 3017997
- Umfang:
- 324 Seiten
- Sonstiges:
- XIX, 302 S. 82 Abb.
- Ausgabe:
- Softcover reprint of the original 1st edition 1988
- Copyright-Jahr:
- 2012
- Gewicht:
- 491 g
- Maße:
- 237 x 158 mm
- Stärke:
- 18 mm
- Erscheinungstermin:
- 12.2.2012
Weitere Ausgaben von Identifikation dynamischer Systeme |
Preis |
|---|
Inhaltsangabe
12 Maximum-Likelihood-Methode.- 12.1 Nichtrekursive Maximum-Likelihood-Methode (ML).- 12.2 Rekursive Maximum-Likelihood-Methode (RML).- 12.3 Erreichbare Genauigkeit, Cramér-Rao-Ungleichung.- 12.4 Zusammenfassung.- 13 Bayes-Methode.- 14 Parameterschätzung mit nichtparametrischem Zwischenmodell (zweistufige Methoden).- 14.1 Antwortfunktionen auf nichtperiodische Testsignale und Methode der kleinsten Quadrate.- 14.2 Korrelationsanalyse und Methode der kleinsten Quadrate (COR-LS).- 14.3 Zusammenfassung.- 15 Rekursive Parameterschätzmethoden.- 15.1 Einheitliche Darstellung rekursiver Parameterschätzmethoden.- 15.2 Konvergenz rekursiver Parameterschätzmethoden.- 15.2.1 Konvergenz im deterministischen Fall.- 15.2.2 Konvergenz bei stochastischen Störsignalen über gewöhnliche Differentialgleichungen.- 15.2.3 Konvergenz bei stochastischen Störsignalen mit der Martingale-Theorie.- 15.3 Zusammenfassung.- 16 Parameterschätzung zeitvarianter Prozesse.- 16.1 Exponentielle Gewichtung mit konstantem Vergessensfaktor.- 16.2 Exponentielle Gewichtung mit variablem Vergessensfaktor.- 16.3 Beeinflussung der Kovarianzmatrix.- 16.4 Modelle für die Parameteränderung.- 16.5 Zusammenfassung.- 17 Numerisch verbesserte rekursive Parameterschätzmethoden.- 17.1 Wurzelfilterung.- 17.2 UD-Faktorisierung.- 17.3 Zusammenfassung.- 18 Vergleich verschiedener Parameterschätzmethoden.- 18.1 Vorbemerkungen.- 18.2 Vergleich der A-priori-Annahmen.- 18.3 Gütevergleich durch Simulation.- 18.4 Vergleich des Rechenaufwandes.- 18.5 Zusammenfassung.- 19 Parameterschätzung im geschlossenen Regelkreis.- 19.1 Prozeßidentifikation ohne Zusatzsignal.- 19.1.1 Indirekte Prozeßidentifikation (Fall a+c+e).- 19.1.2 Direkte Prozeßidentifikation (Fall b+d+e).- 19.2 Prozeßidentifikation mit Zusatzsignal.- 19.3 Methoden zur Identifikation im geschlossenen Regelkreis.- 19.3.1 Indirekte Prozeßidentifikation ohne Zusatzsignal.- 19.3.2 Direkte Prozeßidentifikation ohne Zusatzsignal.- 19.3.3 Direkte Prozeßidentifikation mit Zusatzsignal.- 19.4 Zusammenfassung.- 20 Verschiedene Probleme der Parameterschätzung.- 20.1 Wahl des Eingangsignals.- 20.2 Wahl der Abtastzeit.- 20.3 Ermittlung der Modellordnung.- 20.3.1 Bestimmung der Totzeit.- 20.3.2 Bestimmung der Modellordnung.- 20.4 Parameterschätzung bei integralwirkenden Prozessen.- 20.5 Störsignale am Eingang.- D Identifikation mit parametrischen Modellen kontinuierliche Signale.- 21 Parameterbestimmung aus Übergangsfunktionen.- 21.1 Kennwerte einfacher Übertragungsglieder.- 21.1.1 Verzögerungsglied erster Ordnung.- 21.1.2 Verzögerungsglied zweiter Ordnung.- 21.1.3 Verzögerungsglied höherer Ordnung.- 21.1.4 Integral wirkende Glieder.- 21.1.5 Differenzierend wirkende Glieder.- 21.2 Parameterbestimmung mit einfachen Modellen (Kennwertermittlung).- 21.2.1 Approximation durch Verzögerungsglied erster Ordnung und Totzeit.- 21.2.2 Approximation durch Verzögerungsglied n-ter Ordnung mit gleichen Zeitkonstanten.- 21.2.3 Approximation durch Verzögerungsglied zweiter Ordnung mit ungleichen Zeitkonstanten.- 21.2.4 Approximation durch Verzögerungsglied n-ter Ordnung mit gestaffelten Zeitkonstanten.- 21.2.5 Approximation durch Verzögerunqsglieder n-ter Ordnung mit verschiedenen Zeitkonstanten.- 21.3 Parameterbestimmung mit allgemeineren Modellen.- 21.3.1 Methode der mehrfachen Integration.- 21.3.2 Methode der mehrfachen Momente.- 21.4 Zusammenfassung.- 22 Parametereinstellung durch Modellabgleich.- 22.1 Verschiedene Modellanordnungen.- 22.2 Modellabgleich mittels Gradientenmethode.- 22.2.1 Paralleles Modell.- 22.2.2 Serielles Modell.- 22.2.3 Paralleles-serielles Mode.- 22.3 Modellabgleich mit Referenzmodellmethoden und Stabilitätsentwurf.- 22.3.1 Zustandsfehler.- 22.3.2 Verallgemeinerter Fehler.- 22.4 Zusammenfassung.- 23 Parameterschätzmethoden für Differentialgleichungen.- 23.1 Methode der kleinsten Quadrate.- 23.1.1 Grundgleichungen.- 23.1.2 Konvergenz.- 23.1.3 Ermittlung der Ableitung.- 23.1.4 Ergänzungen.- 23.2 Ko
Klappentext
Für viele Aufgabenstellungen bei der Automatisierung technischer Systeme und im Bereich der Naturwissenschaften und Wirtschaftsswissenschaften benötigt man genaue mathematische Modelle für das dynamische Verhalten von Systemen. Das Werk behandelt Methoden zur Ermittlung dynamischer Modelle aus gemesssenen Signalen, die unter dem Begriff Systemidentifikation oder Prozeßidentifikation zusammengefaßt werden. Im Band II werden die Parameterschätzmethoden vertieft mit der Maximum-Likelihood- und der der Bayes-Methode und rekursiven Algorithmen mit zahlreichen Varianten und deren algorithmischen Realisierung. Zur Identifikation parametrischer Modelle mit zeitkontinuierlichen Signalen werden Kennwertermittlung, Modellabgleich und Parameterschätzung beschrieben. Es folgt die Identifikation von Mehrgrößensystemen und nichtlinearen Systemen. Mehrere Beispiele zeigen die Anwendung der Identifikation bei technischen Systemen.
Biografie
Prof. Dr.-Ing. Rolf Isermann leitet das Fachgebiet Regelungstechnik und Prozessautomatisierung im Institut für Automatisierungstechnik der TU Darmstadt. Seine Arbeit für die Mechatronik wurde mit dem Top Ten Award des renommierten MIT (Massachusetts Institute of Technology ) ausgezeichnet.Anmerkungen:
Bitte beachten Sie, dass auch wir der Preisbindung unterliegen und kurzfristige Preiserhöhungen oder -senkungen an Sie weitergeben müssen.
