2017 | OriginalPaper | Buchkapitel
Lernfähiger Beobachter
verfasst von : Prof. i. R. Dr.-Ing. Dr.-Ing. h.c., Fellow IEEE Dierk Schröder, Univ.-Prof. Dr.-Ing./Univ. Tokio habil., Fellow IEEE Martin Buss
Erschienen in: Intelligente Verfahren
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Im Kapitel 5 wird der neuronale Beobachter vorgestellt. Um einen relativ einfachen Zugang zu diesem Gebiet zu erhalten, soll deshalb zu Beginn angenommen werden, daß die Vorkenntnisse des zu untersuchenden Systems sehr groß sind, d.h. daß beispielsweise sowohl die systemtechnische Struktur als auch die Parameter des linearen Teils bekannt sein sollen und die Nichtlinearität(en) anregenden Zustände des Systems zugänglich sind. In diesem Fall sind dann „nur noch“ die unbekannten Nichtlinearitäten zu identifizieren, um das gewünschte nichtlineare Streckenmodell zu erhalten. Bereits diese Aufgabenstellung ist relativ komplex, denn zur Identifizierung der Nichtlinearität(en) muß (müssen) diese entweder im Ausgangssignal oder falls zugänglich in einem der zugänglichen internen Signale sichtbar sein. Wesentlich ist außerdem, daß erstens der Lernvorgang stabil und zweitens konvergent ist.