Nichtlineare LPV Identifikation mechatronischer Systeme

Harald Kirchsteiger

Nichtlineare LPV Identifikation mechatronischer Systeme

Harald Kirchsteiger

Institute of Design and Control of Mechatronical Systems

Research output: Thesis › Master's / Diploma thesis

Abstract

Die vorliegende Diplomarbeit eschäftigt sich mit der dentifikation linearer, parameterabhängiger Systeme (Linear Parameter-Varying, LPV). Das Identifikationsverfahren nach Fabio Previdi und Marco Lovera näher untersucht. Die Autoren betrachten SISO LPV Systeme mit einer Scheduling Variablen, die im Gegensatz zu anderen Identifikationsalgorithmen nicht bekannt sein muss, sondern auch identifiziert wird. Die Scheduling Variable ergibt sich als Ausgangssignal eines neuronalen Netzwerks, dessen Parameter im Algorithmus optimiert werden. Die Optimierung basiert auf der Minimierung des Vorhersagefehlers (Prediction Error Minimization) und wird durch die Verwendung des Separable Least Squares Algorithmus ausgeführt. Diese Methode wird anhand einiger Anwendungsbeispiele näher untersucht.

Original language	German (Austria)
Publication status	Published - Dec 2006

Fields of science

202 Electrical Engineering, Electronics, Information Engineering
202027 Mechatronics
202034 Control engineering
203027 Internal combustion engines
206001 Biomedical engineering
206002 Electro-medical engineering
207109 Pollutant emission

Cite this

@mastersthesis{c26339e0c138434d904da6b1a015abd1,

title = "Nichtlineare LPV Identifikation mechatronischer Systeme",

abstract = "Die vorliegende Diplomarbeit esch{\"a}ftigt sich mit der dentifikation linearer, parameterabh{\"a}ngiger Systeme (Linear Parameter-Varying, LPV). Das Identifikationsverfahren nach Fabio Previdi und Marco Lovera n{\"a}her untersucht. Die Autoren betrachten SISO LPV Systeme mit einer Scheduling Variablen, die im Gegensatz zu anderen Identifikationsalgorithmen nicht bekannt sein muss, sondern auch identifiziert wird. Die Scheduling Variable ergibt sich als Ausgangssignal eines neuronalen Netzwerks, dessen Parameter im Algorithmus optimiert werden. Die Optimierung basiert auf der Minimierung des Vorhersagefehlers (Prediction Error Minimization) und wird durch die Verwendung des Separable Least Squares Algorithmus ausgef{\"u}hrt. Diese Methode wird anhand einiger Anwendungsbeispiele n{\"a}her untersucht.",

author = "Harald Kirchsteiger",

year = "2006",

month = dec,

language = "Deutsch ({\"O}sterreich)",

}

TY - THES

T1 - Nichtlineare LPV Identifikation mechatronischer Systeme

AU - Kirchsteiger, Harald

PY - 2006/12

Y1 - 2006/12

N2 - Die vorliegende Diplomarbeit eschäftigt sich mit der dentifikation linearer, parameterabhängiger Systeme (Linear Parameter-Varying, LPV). Das Identifikationsverfahren nach Fabio Previdi und Marco Lovera näher untersucht. Die Autoren betrachten SISO LPV Systeme mit einer Scheduling Variablen, die im Gegensatz zu anderen Identifikationsalgorithmen nicht bekannt sein muss, sondern auch identifiziert wird. Die Scheduling Variable ergibt sich als Ausgangssignal eines neuronalen Netzwerks, dessen Parameter im Algorithmus optimiert werden. Die Optimierung basiert auf der Minimierung des Vorhersagefehlers (Prediction Error Minimization) und wird durch die Verwendung des Separable Least Squares Algorithmus ausgeführt. Diese Methode wird anhand einiger Anwendungsbeispiele näher untersucht.

AB - Die vorliegende Diplomarbeit eschäftigt sich mit der dentifikation linearer, parameterabhängiger Systeme (Linear Parameter-Varying, LPV). Das Identifikationsverfahren nach Fabio Previdi und Marco Lovera näher untersucht. Die Autoren betrachten SISO LPV Systeme mit einer Scheduling Variablen, die im Gegensatz zu anderen Identifikationsalgorithmen nicht bekannt sein muss, sondern auch identifiziert wird. Die Scheduling Variable ergibt sich als Ausgangssignal eines neuronalen Netzwerks, dessen Parameter im Algorithmus optimiert werden. Die Optimierung basiert auf der Minimierung des Vorhersagefehlers (Prediction Error Minimization) und wird durch die Verwendung des Separable Least Squares Algorithmus ausgeführt. Diese Methode wird anhand einiger Anwendungsbeispiele näher untersucht.

M3 - Master-/Diplomarbeit

ER -