Zum strukturvorwissensbasierten Testsignalentwurf mittels Vorsteuerung für die Identifikation von Takagi-Sugeno-Modellen-Reference-Cited by-同舟云学术

Zum strukturvorwissensbasierten Testsignalentwurf mittels Vorsteuerung für die Identifikation von Takagi-Sugeno-Modellen

Published:2022-02-01 Issue:2 Volume:70 Page:119-133
ISSN:2196-677X
Container-title:at - Automatisierungstechnik
language:en
Short-container-title:

Author:

Himmelsbach Matthias¹,Kroll Andreas¹

Affiliation:

1. Fachgebiet Mess- und Regelungstechnik (MRT), Institut für Analyse und Regelung technischer Systeme (ISAC), Fachbereich Maschinenbau , Universität Kassel , Kassel , Deutschland

Abstract

Zusammenfassung In diesem Beitrag wird eine Methode zum Entwurf von Testsignalen für die Identifikation lokal-affiner dynamischer Takagi-Sugeno-SISO-Modelle vorgestellt. Diese Methode verwendet ein erstes identifiziertes Prozessmodell und nutzt so erlangtes Wissen über die Modellstruktur mittels modellprädiktiver Regelung aus, um einen Testsignalentwurf durchzuführen. Im Rahmen einer Fallstudie wird die Methode demonstriert.

Funder

Deutsche Forschungsgemeinschaft

Publisher

Walter de Gruyter GmbH

Subject

Electrical and Electronic Engineering,Computer Science Applications,Control and Systems Engineering

Link

https://www.degruyter.com/document/doi/10.1515/auto-2021-0043/pdf

Reference32 articles.

1. T. Takagi and M. Sugeno, “Fuzzy identification of systems and its applications to modeling and control,” IEEE Transactions on Systems, Man, and Cybernetics, Vol. SMC-15, Nr. 1, S. 116–132, 1985.

2. H. Ying, “Sufficient conditions on uniform approximation of multivariate functions by general Takagi-Sugeno fuzzy systems with linear rule consequent,” IEEE Trans. Systems, Man, Cybernetics – Part A, Vol. 28, Nr. 4, S. 515–520, 1998.

3. A. Kroll and A. Dürrbaum, “On joint optimal experiment design for identifying partition and local model parameters of Takagi-Sugeno models,” in Proc. IFAC Symposium on System Identification, Beijing, China, 2015, S. 1427–1432.

4. R. Pintelon and J. Schoukens, System Identification: A Frequency Domain Approach, 2. Aufl. New Jersey: Wiley, 2012.

5. K. Godfrey, Perturbation Signals for System Identification. Prentice Hall, 1993.