Skip to main content

Identifikation nichtlinearer dynamischer Systeme

  • Chapter
  • First Online:
Intelligente Verfahren
  • 7354 Accesses

Zusammenfassung

Bei nichtlinearen dynamischen Systemen nimmt die Komplexität und Vielfalt, verglichen mit linearen dynamischen Systemen, deutlich zu. Bis heute gibt es keine einheitliche, in sich geschlossene, mathematische Theorie zur Beschreibung und Identifikation solcher Systeme. Im Rahmen von Forschungsarbeiten wurden deshalb immer Identifikations– und Regelverfahren für bestimmte Klassen von nichtlinearen dynamischen Systemen entwickelt. Der andauernde Forschungsaufwand kann dadurch gerechtfertigt werden, dass viele technische Prozesse ein deutlich nichtlineares Verhalten aufweisen, das sich nicht mehr um einen Arbeitspunkt linearisieren lässt, so dass nichtlineare Methoden angewendet werden müssen. In der Regel stellen die Identifikationsverfahren für nichtlineare dynamische Systeme eine Erweiterung linearer Verfahren dar. Im Gegensatz zu den linearen Systemen, wo in der Regel SISO–Systeme (Single Input – Single Output) betrachtet werden, gewinnen bei den nichtlinearen Systemen die MISO–Systeme (Multiple Input – Single Output) oder allgemein Mehrgrößensysteme an Bedeutung.

This is a preview of subscription content, log in via an institution to check access.

Access this chapter

Chapter
USD 29.95
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever
eBook
USD 189.00
Price excludes VAT (USA)
  • Available as PDF
  • Read on any device
  • Instant download
  • Own it forever

Tax calculation will be finalised at checkout

Purchases are for personal use only

Institutional subscriptions

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literaturverzeichnis

  1. Ayoubi, M.: Nonlinear System Identification Based on Neuronal Networks with Locally Distributed Dynamics and Application to Technical Processes. Dissertation, VDI Verlag, Düsseldorf, 1996.

    Google Scholar 

  2. Doyle, F. J., R. K. Pearson und B. A. Ogunnaike: Identification and Control Using Volterra Models. Springer–Verlag, 2002.

    Google Scholar 

  3. Endisch, C.: Optimierungsstrategien für die Identifikation mechatronischer Systeme. Shaker Verlag, Aachen, 2009.

    Google Scholar 

  4. Hagan, M., Demuth, H., Beale, M.: Neural Network Design. PWS Publishing Company, 1996.

    Google Scholar 

  5. Isermann, R.: Identifikation dynamischer Systeme – Band 1. Springer–Verlag, 1992.

    Google Scholar 

  6. Isermann, R.: Identifikation dynamischer Systeme – Band 2. Springer–Verlag, 1992.

    Google Scholar 

  7. Junge, T. F.: „On–line“–Identifikation und lernende Regelung nichtlinearer Regelstrecken mittels neuronaler Netze. VDI Verlag, Düsseldorf, 1999.

    Google Scholar 

  8. Killich, A.: Prozeßidentifikation durch Gewichtsfolgenschätzung. Dissertation, VDI Verlag, Düsseldorf, 1991.

    Google Scholar 

  9. Knohl, T.: Anwendung künstlicher neuronaler Netze zur nichtlinearen adaptiven Regelung. VDI Verlag, Düsseldorf, 2001.

    Google Scholar 

  10. Kortmann, M.: Die Identifikation nichtlinearer Ein- und Mehrgrößensysteme auf der Basis nichtlinearer Modellansätze. VDI Verlag, 1989.

    Google Scholar 

  11. Kurth, J.: Identifikation nichtlinearer Systeme mit komprimierten Volterra- Reihen. Dissertation, VDI Verlag, Düsseldorf, 1995.

    Google Scholar 

  12. Lang, M.: Signaldarstellung. Vorlesungsskriptum Lehrstuhl für Mensch– Maschine–Kommunikation der TU-München, 1999.

    Google Scholar 

  13. Nelles, O.: Nonlinear System Identification with Local Linear Neuro–Fuzzy Models. Ph.D. Thesis, TU Darmstadt, 1999.

    Google Scholar 

  14. Nelles, O.: Nonlinear System Identification. Springer–Verlag, 2001.

    Google Scholar 

  15. Nelles, O., S. Ernst und R. Isermann: Neuronale Netze zur Identifikation nichtlinearer Systeme: Ein Überblick. at - Automatisierungstechnik, Nr. 45, 6/1997, Oldenburg, Wien, 1997.

    Google Scholar 

  16. Nelles, O., O. Hecker und R. Isermann: Automatische Strukturselektion für Fuzzy-Modelle zur Identifikation nichtlinearer, dynamischer Prozesse. at - Automatisierungstechnik, Nr. 46, 6/1998, Oldenburg, Wien, 1998.

    Google Scholar 

  17. Schetzen, M.: The Volterra and Wiener Theories of Nonlinear Systems. John Wiley & Sons, 1980.

    Google Scholar 

  18. Schröder, D.: Intelligent Observer and Control Design for Nonlinear Systems. Springer–Verlag, 2000.

    Google Scholar 

  19. Unbehauen, H. und G. P. Rao: Identification of Continuous Systems. North– Holland Systems and Control Series, Vol. 10, 1987.

    Google Scholar 

  20. Volterra, W.: Theory of Functionals. Blackie and Sons, 1930.

    Google Scholar 

  21. Wellers, M. und N. Kositza: Identifikation nichtlinearer Systeme mit Wiener- und Hammerstein- Modellansätzen auf Basis der Volterra-Reihe. at - Automatisierungstechnik, Nr. 47, 1999, Oldenburg, Wien, 1999.

    Google Scholar 

  22. Zell, A.: Simulation Neuronaler Netze. Addison-Wesley, 1994.

    Google Scholar 

Download references

Author information

Authors and Affiliations

Authors

Corresponding author

Correspondence to Schröder .

Rights and permissions

Reprints and permissions

Copyright information

© 2010 Springer-Verlag Berlin Heidelberg

About this chapter

Cite this chapter

Schröder (2010). Identifikation nichtlinearer dynamischer Systeme. In: Intelligente Verfahren. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-11398-7_8

Download citation

Publish with us

Policies and ethics