Show simple item record

AuthorZaiser, Stefan Sebastiandc.contributor.author
Date of accession2017-05-23T12:48:01Zdc.date.accessioned
Available in OPARU since2017-05-23T12:48:01Zdc.date.available
Year of creation2017dc.date.created
Date of first publication2017dc.date.issued
AbstractDie wachsende Bedeutung modellbasierter Verfahren bei technischen Geräten und Anlagen führt dazu, dass immer mehr Modelle für unterschiedliche Systeme benötigt werden. Um diesem Umstand gerecht zu werden, kommen in den letzten Jahren verstärkt Verfahren zur datenbasierten Modellbildung zum Einsatz, da diese meist zu genauen Modellen mit einer geringen Modellkomplexität führen. Gleichzeitig steigen jedoch auch die Anforderungen an die Sicherheit der Systeme. Eine genaue Kenntnis der Modellunsicherheit ist erforderlich, um auftretende Fehler sicher zu detektieren. Einen vielversprechenden Ansatz hierzu stellen mengenbasierte Verfahren dar, da an Stelle einzelner Werte mit der Menge aller möglichen Werte gerechnet wird. In dieser Arbeit wird ein Verfahren zur mengenbasierten Black-Box-Identifikation linearer Systeme vorgestellt. Den Ausgangspunkt des Verfahrens stellen Messdaten mit unbekannten, aber beschränkten Fehlern dar, welche durch Intervalle repräsentiert werden. Das Verfahren wird zunächst für Systeme mit einer Ausgangsgröße vorgestellt und anschließend für Systeme mit mehreren Ausgangsgrößen erweitert. Als Ergebnis wird von dem Verfahren ein zeitdiskretes Gleichungsfehlermodells in ARX-Struktur (Auto Regressive with eXogenous input) mit minimaler Modellordnung bestimmt. Den Schwerpunkt der Arbeit bildet dabei die Ordnungsbestimmung des Systems. Die so bestimmte minimale Ordnung wird mit verschiedenen mengenbasierten Parameteridentifikationsverfahren zur mengenbasierten Black-Box-Identifikation verwendet. Als mögliche Anwendung der so identifizierten Modelle wird in dieser Arbeit die Fehlerdetetektion betrachtet. Dazu wird eine Möglichkeit vorgestellt, direkt die bei der Identifikation gewonnenen ARX-Modelle zu nutzen. Die Vorgehensweise wird anhand verschiedener simulativer Beispielsysteme sowie an unterschiedlichen Laborsystemen demonstriert.dc.description.abstract
AbstractThe increasing importance of model-based methods for technical equipment and installations leads to a growing demand for models of various systems. To meet these demands, data-based modeling approaches have been applied often in the past few years, as they usually lead to precise models with a low model complexity. The demands on the safety of the systems increased at the same time. A detailed knowledge on the model uncertainty is necessary to reliably detect faults. Therefore, promising approaches are set-membership based methods, as they compute the whole set of possible values instead of individual values. In this work, a set-membership method for black-box identification of linear systems is presented. Starting point of the method is measurement data with unknown but bounded errors, which are represented by intervals. The method is initially presented for systems with a single output and afterwards extended to multiple output systems. The result is an equation-error model in ARX (Auto Regressive with eXogenous inputs) structure with the minimal model order. The main focus of this work is the order determination of the system. The thereby determined minimal order is used with various set-membership parameter identification methods to obtain a complete black-box system identification method. In this work, fault detection is considered as possible application of the identified models. For that purpose, a fault detection method directly using the identified ARX-model is presented. The procedure is demonstrated by means of several simulative examples as well as various laboratory systems.dc.description.abstract
Languagededc.language.iso
PublisherUniversität Ulmdc.publisher
LicenseStandard (ohne Print-on-Demand)dc.rights
Link to license texthttps://oparu.uni-ulm.de/xmlui/license_opod_v1dc.rights.uri
KeywordUnsichere Systemedc.subject
KeywordOrdnungsbestimmungdc.subject
KeywordUncertain systemsdc.subject
KeywordOrder determinationdc.subject
Dewey Decimal GroupDDC 004 / Data processing & computer sciencedc.subject.ddc
LCSHSystem identificationdc.subject.lcsh
LCSHUncertaintydc.subject.lcsh
LCSHInterval analysis (Mathematics)dc.subject.lcsh
TitleMengenbasierte Black-Box-Identifikation linearer Systemedc.title
Resource typeDissertationdc.type
Date of acceptance2017-03-07dcterms.dateAccepted
RefereeDietmayer, Klausdc.contributor.referee
RefereeAschemann, Haralddc.contributor.referee
DOIhttp://dx.doi.org/10.18725/OPARU-4345dc.identifier.doi
PPN889800073dc.identifier.ppn
URNhttp://nbn-resolving.de/urn:nbn:de:bsz:289-oparu-4384-7dc.identifier.urn
GNDSystemidentifikationdc.subject.gnd
GNDIntervallalgebradc.subject.gnd
FacultyFakultät für Ingenieurwissenschaften, Informatik und Psychologieuulm.affiliationGeneral
InstitutionInstitut für Mess-, Regel- und Mikrotechnikuulm.affiliationSpecific
Grantor of degreeFakultät für Ingenieurwissenschaften, Informatik und Psychologieuulm.thesisGrantor
DCMI TypeTextuulm.typeDCMI
TypeErstveröffentlichunguulm.veroeffentlichung
CategoryPublikationenuulm.category
Ulm seriesSchriftenreihe des Instituts für Mess-, Regel- und Mikrotechnikuulm.dissSeriesUlmName
Ulm series - number21uulm.dissSeriesUlmNumber
University Bibliographyjauulm.unibibliographie


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record