Advertisement

Regelungen mit stochastisch optimaler Filterung und Vorhersage

  • Alexander Weinmann
Chapter

Zusammenfassung

Regelstrecken, die unter stochastischen Störeinwirkungen z(t) stehen, bieten ein verzerrtes Bild x(t) von ihrem wahren dynamischen Zustand. Unter wahrem Zustand wird jener verstanden, der sich im Betrieb der Regelstrecke ergeben würde, wenn nur Nutzsignale (Steuerbefehle) auf die Regelstrecke einwirkten. Überdies enthält die Messung zumeist auch ein Meßrauschen (Quantisierungsrauschen) v(t), welches das Ergebnis weiter verschlechtert (Abb.12.1).

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    Sage, A.P. and White, Ch.C.III: Optimum Systems Control. Englewood Cliffs: Prentice-Hall. 1977.zbMATHGoogle Scholar
  2. 2.
    Aoki, M.: Optimization of Stochastic Systems. Topics in Discrete-Time Systems. New York: Academic Press. 1967.zbMATHGoogle Scholar
  3. 3.
    Meditch, J.S.: Stochastic Optimal Linear Estimation and Control. New York: Mc Graw-Hill. 1969.zbMATHGoogle Scholar
  4. 4.
    Unter zulässigen Verlustfunktionen werden in Anlehnung an Tabelle 8.1 gerade Funktionen von z verstanden, die eine monoton wachsende Funktion von R sind.Google Scholar
  5. 5.
    Kopacek, P.: Identifikation zeitvarianter Regelsysteme. Braunschweig - Wiesbaden: Vieweg-Verlag. 1978.CrossRefGoogle Scholar
  6. Schneeweiss, W.G.: Zufallsprozesse in dynamischen Systemen. Berlin - Heidelberg - New York: Springer-Verlag. 1974.CrossRefzbMATHGoogle Scholar
  7. 2.
    Aoki, M.: Optimization of Stochastic Systems. Topics in Discrete-Time Systems. New York: Academic Press. 1967.zbMATHGoogle Scholar
  8. 3.
    Meditch, J.S.: Stochastic Optimal Linear Estimation and Control. New York: Mc Graw-Hill. 1969.zbMATHGoogle Scholar
  9. 6.
    Kalman, R.E.: A New Approach to Linear Filtering and Prediction Problems. Transactions of the ASME - Series D - Journal of Basic Engineering 82, S.35–45 (März 1960 ).Google Scholar
  10. Kalman, R.E. and Bucy, R.S.: New Results in Linear Filtering and Prediction Theory. Transactions of the ASME - Series D - Journal of Basic Engineering 83, S.95–108 (März 1961 ).Google Scholar
  11. 7.
    Tou, J. T.: Modern Control Theory. New York: McGraw-Hill. 1964.zbMATHGoogle Scholar
  12. 8.
    Die Matrizen P(k+11k), P(klk) etc. dürfen nicht mit den Gewichtsmatrizen P in den quadratischen Gütekriterien verwechselt werden.Google Scholar
  13. 9.
    Krebs, V.: Systemtechnische Entwicklung–Anmerkungen zur industriellen Praxis regelungstheoretischer Verfahren. Regelungstechnik 31, H. 10, S. 322–329 (1983).Google Scholar
  14. 10.
    Sage, A.P. and Melsa, J.L.: System Identification. New York: Academic Press. 1971.zbMATHGoogle Scholar
  15. Kopacek, P.: Identifikation zeitvarianter Regelsysteme. Braunschweig - Wiesbaden: Vieweg-Verlag. 1978.CrossRefGoogle Scholar
  16. Kopacek, P.: Identifikation von Regelsystemen mit veränderlichen Parametern. Regelungstechnik 24, H. 11, S. 361–370 (1976).MathSciNetGoogle Scholar
  17. Aström, K.J. and Eykhoff, P.: System Identification–A Survey. Automatica 7, S. 123–162 (1971).CrossRefzbMATHGoogle Scholar
  18. 11.
    Baumann, U., Kronmüller, H. and Trilling, U.: Versuche zur schnellen MeBgrößenerfassung mit Hilfe einfacher Schätzalgorithmen. Regelungstechnik 23, H. 9, 8. 319–323 (1975).Google Scholar
  19. 12.
    Csaki, F.: State-Space Methods for Control Systems. Budapest: Akademiai Kiadb. 1977.zbMATHGoogle Scholar
  20. 13.
    Doyle, J.C. and Stein, G.: Robustness With Observers. Trans. IEEE-AC 24, H. 4, S. 607–611 (1979).MathSciNetGoogle Scholar
  21. 14.
    Weinmann, R.D.: Diskretes Kalman-Filter… Diplomarbeit am Inst. f.el.Regelungstechnik (bei Univ.DOZ. Noisser ), TU Wien. 1986.Google Scholar

Copyright information

© Springer-Verlag Wien 1987

Authors and Affiliations

  • Alexander Weinmann
    • 1
  1. 1.Instituts für elektrische RegelungstechnikTechnische Universität WienÖsterreich

Personalised recommendations