Affiliation:
1. Fakultät Elektrotechnik und Informationstechnik , Institut für Regelungs- und Steuerungstheorie, Technische Universität Dresden , 01062 Dresden , Germany
Abstract
Zusammenfassung
High-Gain-Beobachter werden häufig verwendet, um den aktuellen internen Zustand nichtlinearer Systeme zu schätzen. Der Ansatz beruht auf der Transformation in die Beobachtbarkeitsnormalform und mitunter auf der Einbettung des Systems in einen höherdimensionalen Raum. Obwohl dies Vorteile in Bezug auf Existenzbedingungen und Konvergenz bieten kann, sind die rechnerischen und implementierungsbezogenen Aufgaben oft abschreckend. In diesem Beitrag gehen wir einige dieser Herausforderungen an, indem wir neuronale Netze und automatisches Differenzieren verwenden, um die erforderlichen Funktionen für die Implementierung des Beobachters zu approximieren. Dies bietet einen pragmatischen Ansatz, um einige der mit der Einbettung von Beobachtern verbundenen Probleme zu umgehen.