6. Modellierung dynamischer Prozesse mit Methoden zur Systemidentifikation

Kapitel 6 führt den Leser in das Thema der Systemidentifikation ein. Ziel der Systemidentifikation ist die Entwicklung deterministischer und stochastischer Modelle für komplexe chemische Prozesse, um diese steuern bzw. regeln zu können. Zunächst werden die geläufigsten linearen Modelle theoretisch untersucht. Dazu gehören das Vorhersagefehler-Modell mit entsprechenden Vereinfachungen und das Impulsantwortmodell. Als nächstes wird die Vorhersagefehler-Methode zur Systemidentifikation im offenen Regelkreis entwickelt. Es wird gezeigt, dass die Methode erwartungstreue und konsistente Parameterschätzungen liefert. Darüber hinaus wird die Modellvalidierung für offene Regelkreise vorgestellt, um nicht nur die bekannten Regressionsergebnisse, sondern auch Eigenschaften wie Linearität, Zeitverzögerung und Zeitinvarianz zu analysieren. Dann wird die Identifikation offener Regelkreise auf geschlossene Systeme ausgedehnt und entsprechende Änderungen bei der Modellschätzung und validierung beschrieben. Es werden drei verschiedene Methoden betrachtet: indirekte, direkte und gemeinsame Ein- und Ausgangsidentifikation. Abschließend wird die nichtlineare Systemidentifikation kurz vorgestellt und untersucht. Alle Beispiele in diesem Kapitel stammen aus einem einzigen Experiment zur Bestimmung des Wasserfüllstands in einem Behälter. Am Ende des Kapitels sollte der Leser ein gutes Verständnis der theoretischen Grundlagen zur Systemidentifikation haben und in der Lage sein, komplexe Modelle für industrielle Anwendungen zu entwickeln.