Zur regelungsorientierten Identifikation und driftkompensierenden Takagi-Sugeno-Fuzzy-Regelung
-
Alexander Schrodt
Dipl.-Ing. Alexander Schrodt ist wissenschaftlicher Mitarbeiter am Fachgebiet Mess- und Regelungstechnik im Fachbereich Maschinenbau der Universität Kassel. Seine Forschungsschwerpunkte sind nichtlineare und regelungsorientierte Systemidentifikation.
Fachgebiet Mess- und Regelungstechnik, Fachbereich Maschinenbau, Universität Kassel, 34125 Kassel
and
Andreas Kroll
Univ.-Prof. Dr.-Ing. Andreas Kroll ist Leiter des Fachgebiets Mess- und Regelungstechnik der Universität Kassel. Seine Forschungsschwerpunkte sind nichtlineare Identifikations- und Regelungsmethoden, Computational Intelligence, komplexe Systeme.
Fachgebiet Mess- und Regelungstechnik, Fachbereich Maschinenbau, Universität Kassel, 34125 Kassel
Zusammenfassung
Prädiktions- oder Simulationsgüte sind nicht zwangsläufig die relevanten Eigenschaften für Modelle, die zur Reglersynthese verwendet werden sollen. Eine regelungsorientierte Modellerstellung aus Messdaten wird mit dem Begriff ,,Identification for Control“ bezeichnet, wobei die bekannten Methoden für lineare Modelle und Regler entwickelt wurden. Eine nichtlineare Erweiterung ist dabei nicht ohne weiteres möglich. Lokal lineare/affine Multi-Modell-Ansätze lassen es jedoch zu, Teile der linearen Theorie approximativ auf nichtlineare Systeme anzuwenden. Dieser Beitrag stellt ein TS-Reglerentwurfsverfahren vor, das die lokalen Driftterme der Teilmodelle näherungsweise kompensiert, um einen an der linearen Theorie orientierten lokalen Entwurf zu ermöglichen. Des Weiteren wird ein iterativer Entwurf auf Basis von im geschlossenen Regelkreis identifizierten TS-Modellen vorgestellt. Die Methoden werden in zwei Simulationsfallstudien (Fahrzeuglängsdynamik und Drei-Tank-System) demonstriert.
Abstract
The prediction error may not be the most relevant property of a model used for controller design. The available methods for “Identification for Control” were developed for linear systems. Local linear/affine multi-model approaches permit to enhance and transfer linear methods to nonlinear systems. This contribution describes effects which are specific for local affine approaches (drift term) and describes an iterative identification scheme for nonlinear systems. The presented methods are demonstrated in two simulation studies (vehicle longitudinal dynamics and three tank system).
Über die Autoren
Dipl.-Ing. Alexander Schrodt ist wissenschaftlicher Mitarbeiter am Fachgebiet Mess- und Regelungstechnik im Fachbereich Maschinenbau der Universität Kassel. Seine Forschungsschwerpunkte sind nichtlineare und regelungsorientierte Systemidentifikation.
Fachgebiet Mess- und Regelungstechnik, Fachbereich Maschinenbau, Universität Kassel, 34125 Kassel
Univ.-Prof. Dr.-Ing. Andreas Kroll ist Leiter des Fachgebiets Mess- und Regelungstechnik der Universität Kassel. Seine Forschungsschwerpunkte sind nichtlineare Identifikations- und Regelungsmethoden, Computational Intelligence, komplexe Systeme.
Fachgebiet Mess- und Regelungstechnik, Fachbereich Maschinenbau, Universität Kassel, 34125 Kassel
Danksagung
Die vorliegende Arbeit wurde von der Deutschen Forschungsgemeinschaft (DFG) unter dem Förderkennzeichen KR 3795/1‑1 gefördert.
©2016 Walter de Gruyter Berlin/Boston
Articles in the same Issue
- Frontmatter
- Methoden
- Cross-disciplinary engineering with AutomationML and SysML
- Zur regelungsorientierten Identifikation und driftkompensierenden Takagi-Sugeno-Fuzzy-Regelung
- Anwendungen
- Nichtlineare Spurführung benutzerdefinierter Punkte an der Fahrzeugfront
- Modellbildung und Vergleich von linearen und nichtlinearen Regelungskonzepten für Drei-Wege-Abgaskatalysatoren
- Adaptive Regelung eines Gangrehabilitationsroboters unter Berücksichtigung von Reibung
- Modeling techniques as applied to generating tool-independent automation projects
- Forum
- Bericht vom 50. Regelungstechnischen Kolloquium Boppard 2016
- Poesie und Nonsens beim 50sten
- Mitteilungen
- Konferenz ML4CPS – Machine Learning for Cyber Physical Systems and Industry 4.0 (29./30.9.2016 in Karlsruhe, Fraunhofer IOSB)
Articles in the same Issue
- Frontmatter
- Methoden
- Cross-disciplinary engineering with AutomationML and SysML
- Zur regelungsorientierten Identifikation und driftkompensierenden Takagi-Sugeno-Fuzzy-Regelung
- Anwendungen
- Nichtlineare Spurführung benutzerdefinierter Punkte an der Fahrzeugfront
- Modellbildung und Vergleich von linearen und nichtlinearen Regelungskonzepten für Drei-Wege-Abgaskatalysatoren
- Adaptive Regelung eines Gangrehabilitationsroboters unter Berücksichtigung von Reibung
- Modeling techniques as applied to generating tool-independent automation projects
- Forum
- Bericht vom 50. Regelungstechnischen Kolloquium Boppard 2016
- Poesie und Nonsens beim 50sten
- Mitteilungen
- Konferenz ML4CPS – Machine Learning for Cyber Physical Systems and Industry 4.0 (29./30.9.2016 in Karlsruhe, Fraunhofer IOSB)
