Identifikation mit lokal linearen Modellen basierend auf achsenschrägen Unterteilungen des Eingangsraums

点击翻译按钮获取中文摘要

Modelle sind die Grundlage nahezu aller leistungsfähigen Verfahren in der Automatisierungstechnik und in vielen anderen Bereichen. Sie werden zur Prädiktion, Simulation, Steuerung, Regelung, Adaption, Optimierung, Überwachung, Diagnose, usw. benötigt. Wegen der immer weiter steigenden Anforderungen und wachsenden Komplexität gewinnt neben der theoretischen Modellbildung die auf Messdaten basierende experimentelle Modellbildung (Identifikation) an Bedeutung. Für die Identifikation nichtlinearer statischer und dynamischer Prozesse haben sich in den letzten Jahren neuronale Netze und Neuro-Fuzzy-Systeme wegen ihrer breiten Anwendbarkeit als besonders geeignet erwiesen. Insbesondere die Ansätze basierend auf lokal linearen Modellen können viele vorteilhafte Eigenschaften für sich verbuchen. Ihre Leistungsfähigkeit hängt im Wesentlichen davon ab, wie die Gültigkeitsbereiche für die einzelnen lokalen Modelle festgelegt werden. Die Form und Art der Unterteilung des Eingangsraums in diese Gültigkeitsbereiche ist für die Eigenschaften sowohl des Modells als auch des Trainingsverfahrens entscheidend. In diesem Forschungsvorhaben soll ein vielversprechendes, neuartiges Verfahren zur achsenschrägen Unterteilung des Eingangsraums entwickelt und untersucht werden. Es wird in der Lage sein, unterschiedliche Vorteile bereits existierender Methoden zu vereinen.