Abstract
Bei der Modellierung dynamischer Systeme entstehen heute durch gewachsene Güteanforderungen und den Einsatz von Softwaretools regelmäßig Systeme hoher Ordnung, deren weitere Verwendung durch eine Modellreduktion entscheidend erleichtert werden kann. Krylov-Unterraummethoden erlauben dabei die Reduktion auch sehr großer linearer Modelle mit zehntausenden Zustandsvariablen. Der vorliegende Beitrag gibt eine Einführung in die Grundgedanken, stellt die wichtigsten Algorithmen vor und gibt einen Ausblick auf zu lösende Aufgaben.
Abstract
In the modelling of dynamic systems, increasing accuracy requirements and the usage of software tools lead to models of high order. These models can significantly be simplified by model reduction. Krylov Subspace Methods allow reducing even very high order models with several ten thousands of state variables. This paper gives an introduction into the basic concepts, presents the most important algorithms, and gives a short outlook into open questions.
© 2004 Oldenbourg Wissenschaftsverlag GmbH
