Advertisement

Beobachter mit großer Verstärkung und starke Beobachter

  • Klaus Röbenack
Chapter

Zusammenfassung

Die in den Kap. 4 und 5 entworfenen Rückführungen setzen in der Regel die Kenntnis des vollständigen Systemzustands voraus. In der regelungstechnischen Praxis wird dagegen meist nur ein Teil der Zustände messtechnisch erfasst. Dieses Kapitel behandelt einige Ansätze für Zustandsbeobachter, mit denen aus aktuellen Messdaten von Eingang und Ausgang der jeweilige Systemzustand asymptotisch rekonstruiert wird. Der Hauptteil des Kapitels befasst sich mit Beobachtern, bei denen die im System auftretenden Nichtlinearitäten durch eine lineare Aufschaltung dominiert werden. Zusätzlich wird auf starke Beobachter eingegangen, welche den Zustand ohne Kenntnis des Systemeingangs schätzen.

Literatur

  1. [Ada14]
    Adamy, J.: Nichtlineare Systeme und Regelungen. Springer Vieweg, Berlin, Heidelberg, 2. Auflage, 2014.Google Scholar
  2. [AM98]
    Amicucci, G. L. und S. Monaco: On Nonlinear Detectability. J. Franklin Inst., 335B(6):1105–1123, 1998.MathSciNetCrossRefGoogle Scholar
  3. [AMR94]
    Adjallah, K., D. Maquin und J. Ragot: Non-linear observer-based fault detection. In: IEEE Conf. on Control Applications, Glasgow, UK, August 1994.Google Scholar
  4. [Ang02]
    Angeli, D.: A Lyapunov approach to incremental stability properties. IEEE Trans. on Automatic Control, 47(3):410–421, 2002.MathSciNetCrossRefGoogle Scholar
  5. [Arn89]
    Arnold, V. I.: Mathemaical Methods of Classical Mechanics. Springer, New York, 2. Auflage, 1989.CrossRefGoogle Scholar
  6. [BA97]
    Bullinger, E. und F. Allgöwer: An Adaptive High-Gain Observer for Nonlinear Systems. In: Proc. IEEE Conf. Decision and Control (CDC), Seiten 4348–4353, San Diego, Califormien, Dezember 1997.Google Scholar
  7. [Bar95]
    Bartosiewicz, Z.: Local observability of nonlinear systems. Systems & Control Letters, 25(4):295–298, 1995.MathSciNetCrossRefGoogle Scholar
  8. [Beu01]
    Beutelspacher, A.: Lineare Algebra. Vieweg, Braunschweig, Wiesbaden, 5. Auflage, 2001.CrossRefGoogle Scholar
  9. [BGFB94]
    Boyd, S., L. E. Ghaoui, E. Feron und V. Balakrishnan: Linear Matrix Inequalities in System and Control Theory. SIAM, Philadelphia, 1994.Google Scholar
  10. [BIG74]
    Ben-Israel, A. und T. N. E. Greville: Generalized Inverses: Theory and Applications. Wiley-Interscience, New York, 1974.zbMATHGoogle Scholar
  11. [BO71]
    Boullion, T. L. und P. L. Odell: Generalized Inverse Matrices. Wiley-Interscience, New York, 1971.zbMATHGoogle Scholar
  12. [BZ88]
    Birk, J. und M. Zeitz: Extended Luenberger observer for non-linear multivariable systems. Int. J. Control, 47(6):1823–1836, 1988.CrossRefGoogle Scholar
  13. [BZ90]
    Birk, J. und M. Zeitz: Anwendung eines symbolverarbeitenden Programmsystems zur Analyse und Synthese von Beobachtern für nichtlineare Systeme. Messen, Steuern, Regeln, 33(12):536–543, 1990.Google Scholar
  14. [BZH04]
    Besançon, G., Q. Zhang und H. Hammouri: High-gain observer based state and parameter estimation in nonlinear systems. In: Preprint IFAC-Symposium on Nonlinear Control Systems (NOLCOS), Seiten 471–476, Stuttgart, September 2004.Google Scholar
  15. [CMG93]
    Ciccarella, G., M. Dalla Mora und A. Germani: A Luenberger-like Observer for Nonlinear Systems. Int. J. Control, 57(3):537–556, 1993.MathSciNetCrossRefGoogle Scholar
  16. [Der16]
    Derbel, N. (Herausgeber): Systems, Automation & Control. Walter de Gruyter, Berlin, Boston, 2016.Google Scholar
  17. [DMGM97]
    Dalla Mora, M., A. Germani und C. Manes: A state observer for nonlinear dynamical systems. Nonlinear Analysis, Theory, Methods & Applications, 30(7):4485–4496, 1997.MathSciNetCrossRefGoogle Scholar
  18. [DMGM00]
    Dalla Mora, M., A. Germani und C. Manes: Design of State Observers from a Drift-Observability Property. IEEE Trans. on Automatic Control, 45(8):1536–1540, 2000.MathSciNetCrossRefGoogle Scholar
  19. [FR16]
    Franke, M. und K. Röbenack: Further Improvements in High Gain Observer Design for Systems with Structured Nonlinearities. Proc. in Applied Mathematics and Mechanics, 16(1):805–806, 2016.CrossRefGoogle Scholar
  20. [Gan86]
    Gantmacher, F. R.: Matrizentheorie. Springer-Verlag, Berlin, 1986.CrossRefGoogle Scholar
  21. [GB81]
    Gauthier, J. P. und G. Bornard: Observability for any u(t) of a Class of Nonlinear Systems. IEEE Trans. on Automatic Control, 26(4):922–926, 1981.Google Scholar
  22. [GHK91]
    Gauthier, J. P., H. Hammouri und I. Kupka: Observers for Nonlinear Systems. In: Proc. IEEE Conf. on Decision and Control (CDC), Seiten 1483–1489, Brighton, England, Dezember 1991.Google Scholar
  23. [GHO92]
    Gauthier, J. P., H. Hammouri und S. Othman: A Simple Observer for Nonlinear Systems — Application to Bioreactors. IEEE Trans. on Automatic Control, 37(6):875–880, 1992.MathSciNetCrossRefGoogle Scholar
  24. [GNLC95]
    Gahinet, P., A. Nemirovski, A. J. Laub und M. Chilali: LMI Control Toolbox User’s Guide. MathWorks, Inc., 1995.Google Scholar
  25. [GR05]
    Goel, P. und K. Röbenack: Observing the current input in neurons. Technischer Bericht 38, Mathematical Biosciences Institute, The Ohio State University, August 2005.Google Scholar
  26. [GRT09]
    Göpfert, A., T. Riedrich und C. Tammer: Angewandte Funktionalanalysis. Vieweg+Teubner, Wiesbaden, 2009.CrossRefGoogle Scholar
  27. [GYNW10]
    Gao, X., Z. Yu, J. Neubeck und J. Wiedemann: Sideslip angle estimation based on input–output linearisation with tire–road friction adaptation. Vehicle System Dynamics, 48(2):217–234, 2010.CrossRefGoogle Scholar
  28. [HH52]
    Hodgkin, A. L. und A. F. Huxley: A quantitative description of membrane current and its application to conduction and excitation in nerve. Journal of Physiology, 117:500–544, 1952.CrossRefGoogle Scholar
  29. [HK77]
    Hermann, R. und A. J. Krener: Nonlinear Controllability and Observability. IEEE Trans. on Automatic Control, AC-22(5):728–740, 1977.MathSciNetCrossRefGoogle Scholar
  30. [IORAR13]
    Ide, C. K., S. Olaru, P. Rodriguez-Ayerbe und A. Rachid: A nonlinear state feedback control approach for a Pantograph-Catenary system. In: International Conference on System Theory, Control and Computing (ICSTCC), Seiten 268–273, Oktober 2013.Google Scholar
  31. [Isi95]
    Isidori, A.: Nonlinear Control Systems: An Introduction. Springer-Verlag, London, 3. Auflage, 1995.CrossRefGoogle Scholar
  32. [JS00]
    Jo, N. H. und J. H. Seo: Input Output Linearization Approach to State Observer Design for Nonlinear System. IEEE Trans. on Automatic Control, 45(12):2388–2393, 2000.MathSciNetCrossRefGoogle Scholar
  33. [JS02]
    Jo, N. H. und J. H. Seo: Observer design for non-linear systems that are not uniformly observable. Int. J. Control, 75(5):369–380, 2002.MathSciNetCrossRefGoogle Scholar
  34. [Kel86a]
    Keller, H.: Entwurf nichtlinearer Beobachter mittels Normalformen. VDI-Verlag, 1986.Google Scholar
  35. [KF15]
    Köster, M. und A. Fidlin: Nonlinear Volume Flow Control of a Variable Displacement Vane Pump. Proc. in Applied Mathematics and Mechanics, 15(1):635–636, 2015.CrossRefGoogle Scholar
  36. [Lud95]
    Ludyk, G.: Theoretische Regelungstechnik 2: Zustandsrekonstruktion, optimale und nichtlineare Regelungssysteme. Springer-Verlag, Berlin, Heidelberg, 1995.zbMATHGoogle Scholar
  37. [Lue64]
    Luenberger, D. G.: Observing the State of a Linear System. IEEE Trans. Mil. Electronics, ME- 8(2):74–80, 1964.CrossRefGoogle Scholar
  38. [Lue66]
    Luenberger, D. G.: Observers for Multivariable Systems. IEEE Trans. on Automatic Control, AC-11(2):190–197, 1966.MathSciNetCrossRefGoogle Scholar
  39. [Lun97]
    Lunze, J.: Regelungstechnik 2, Mehrgrößensysteme, Digitale Regelung. Springer-Verlag, Berlin, Heidelberg, 4. Auflage, 1997.zbMATHGoogle Scholar
  40. [Lun17]
    Lunze, J.: Zustandsbeobachtung linearer Systeme mit unbekannten Eingängen. Automatisierungstechnik, 65(2):99–114, Februar 2017.CrossRefGoogle Scholar
  41. [Mag71]
    Magnus, K.: Kreisel — Theorie und Anwendungen. Springer-Verlag, Berlin, Heidelberg, 1971.zbMATHGoogle Scholar
  42. [MHP11]
    Mahmud, M. A., M. J. Hossain und H. R. Pota: Nonlinear observer design for interconnected power systems. In: Australian Control Conference (AUCC), Seiten 161–166, Melbourne, November 2011.Google Scholar
  43. [MM72]
    Mukhopadhyay, B. K. und O. P. Malik: Optimal control of synchronous-machine excitation by quasilinearisation techniques. Proc. IEE, 119(1):91–98, Januar 1972.Google Scholar
  44. [Mor00]
    Moreno, J.: Unknown Input Observers for SISO nonlinear systems. In: Proc. IEEE Conf. Decision and Control (CDC), Band 1, Seiten 790–801, Sydney, Dezember 2000.Google Scholar
  45. [MR01]
    Marsden, J. E. und T. S. Ratiu: Einführung in die Mechanik und Symmetrie: Eine grundlegende Darstellung klassischer mechanischer Systeme. Springer-Verlag, Berlin, Heidelberg, 2001.CrossRefGoogle Scholar
  46. [NDEG95]
    Nikoukhah, R., F. Delebecque und L. El Ghaoui: LMITOOL: a Package for LMI Optimization in Scilab User’s Guide. Rapport technique 170, INRIA, 1995.Google Scholar
  47. [PMZ05]
    Pertew, A. M., H. J. Marquez und Q. Zhao: Dynamic observers for nonlinear Lipschitz systems. In: Preprints IFAC World Congress, Prag, Juli 2005.Google Scholar
  48. [PMZ06]
    Pertew, A. M., H. J. Marquez und Q. Zhao: H Observer Design for Lipschitz Nonlinear Systems. IEEE Trans. on Automatic Control, 51(7):1211–1216, Juli 2006.MathSciNetCrossRefGoogle Scholar
  49. [Raj98]
    Rajamani, R.: Observers for Lipschitz Nonlinear Systems. IEEE Trans. on Automatic Control, 43(3):397–401, 1998.MathSciNetCrossRefGoogle Scholar
  50. [RG07]
    Röbenack, K. und P. Goel: Observer Based Measurement of the Input Current into A Neuron. Mediterranean Journal of Measurement and Control, 3(1):22–29, 2007.Google Scholar
  51. [RG09]
    Röbenack, K. und P. Goel: A combined observer and filter based approach for the determination of unknown parameters. Int. J. Systems Science, 40(3):213–221, März 2009.MathSciNetCrossRefGoogle Scholar
  52. [RH94]
    Raghavan, S. und J. K. Hedrick: Observer design for a class of nonlinear systems. Int. J. Control, 59(2):515–528, 1994.MathSciNetCrossRefGoogle Scholar
  53. [RM71]
    Rao, C. R. und S. K. Mitra: Generalized Inverse of Matrices and its Applications. John Wiley & Sons, New York, 1971.zbMATHGoogle Scholar
  54. [Röb03]
    Röbenack, K.: Beobachterentwurf für nichtlineare Zustandssysteme mit Hilfe des Automatischen Differenzierens. Shaker-Verlag, Aachen, 2003.Google Scholar
  55. [Röb04]
    Röbenack, K.: Zum High-Gain-Beobachterentwurf für eingangsausgangs-linearisierbare SISO-Systeme. Automatisierungstechnik, 52(10):481–488, Oktober 2004.CrossRefGoogle Scholar
  56. [Röb05a]
    Röbenack, K.: Computation of High Gain Observers for Nonlinear Systems using Automatic Differentiation. Journal of Dynamic Systems, Measurement, and Control, 127(1):160–162, 2005.CrossRefGoogle Scholar
  57. [Röb05b]
    Röbenack, K.: Regler- und Beobachterentwurf für nichtlineare Systeme mit Hilfe des Automatischen Differenzierens. Shaker Verlag, Aachen, 2005.zbMATHGoogle Scholar
  58. [Röb07b]
    Röbenack, K.: Observer Design for a Class of Nonlinear Systems with Non-Full Relative Degree. Nonlinear Dynamics and Systems Theory, 7(4):399–408, 2007.MathSciNetzbMATHGoogle Scholar
  59. [Röb09]
    Röbenack, K.: Residual Generator based Measurement of the Current Input into a Cell. Nonlinear Dynamics and Systems Theory, 9(4):425–434, 2009.MathSciNetzbMATHGoogle Scholar
  60. [Röb12]
    Röbenack, K.: Structure Matters – Some Notes on High Gain Observer Design for Nonlinear Systems. In: Proc. International Multi-Conference on Systems, Signals and Devices (SSD), Chemnitz, März 2012.Google Scholar
  61. [Röb14]
    Röbenack, K.: Some Remarks on High Gain Observer Design. Proc. in Applied Mathematics and Mechanics, 14(1):931–932, 2014.CrossRefGoogle Scholar
  62. [Röb16]
    Röbenack, K.: Improving High Gain Observer Design for Nonlinear Systems Using the Structure of the Linear Part. In: Derbel, N. [Der16], Seiten 57–74.Google Scholar
  63. [RR00]
    Röbenack, K. und K. J. Reinschke: A efficient method to compute Lie derivatives and the observability matrix for nonlinear systems. In: Proc. Int. Symposium on Nonlinear Theory and its Applications (NOLTA), Band 2, Seiten 625–628, Dresden, September 2000.Google Scholar
  64. [RSZ93]
    Rothfuß, R., J. Schaffner und M. Zeitz: Rechnergestützte Analyse und Synthese nichtlinearer Systeme. In: Engell, S. (Herausgeber): Nichtlineare Regelungen: Methoden, Werkzeuge, Anwendungen, Band 1026 der Reihe VDI-Berichte, Seiten 267–291. VDI-Verlag, Düsseldorf, 1993.Google Scholar
  65. [SW97]
    Sontag, E. D. und Y. Wang: Output-to-state stability and detectability of nonlinear system. Systems & Control Letters, 29(5):279–290, 1997.MathSciNetCrossRefGoogle Scholar
  66. [Tha73]
    Thau, F. E.: Observing the state of nonlinear dynamical systems. Int. J. Control, 17(3):471–479, 1973.CrossRefGoogle Scholar
  67. [Tib04]
    Tibken, B.: Observability of nonlinear systems – an algebraic approach. In: Proc. IEEE Conf. on Decision and Control (CDC), Band 5, Seiten 4824–4825, Nassau, Bahamas, Dezember 2004.Google Scholar
  68. [Żak90]
    Żak, S. H.: On the stabilization and observation of nonlinear/uncertain dynamic systems. IEEE Trans. on Automatic Control, 35(5):604–607, Mai 1990.MathSciNetCrossRefGoogle Scholar
  69. [ZD98]
    Zhou, K. und J. C. Doyle: Essentials of Robust Control. Prentice Hall, Upper Saddle River, New Jersey, 1998.zbMATHGoogle Scholar

Copyright information

© Springer-Verlag GmbH Deutschland 2017

Authors and Affiliations

  • Klaus Röbenack
    • 1
  1. 1.TU DresdenDresdenDeutschland

Personalised recommendations