Vorlesung Prozessidentifikation

Slides:



Advertisements
Ähnliche Präsentationen
Fast Fourier Transformation
Advertisements

Matrixmultiplikation
Mathematische Modelle zur Prozessidentikation
Vorlesung Prozessidentifikation
Vorlesung Regelungstechnik 2
Vorlesung Regelungstechnik 2
Vorlesung Regelungstechnik 2
Das Studium der Informatik
Vorlesung Prozessidentifikation
Vorlesung Prozessidentifikation
VU , SS 2009 Grundlagen der Regelungstechnik 2
Vorlesung Prozessidentifikation
VU , SS 2009 Grundlagen der Regelungstechnik 5
Masterstudiengang IE (Industrial Engineering)
Modularisierung der Bachelor-Studiengänge im Studiendekanat E 29. November 2012 Studiengangskoordinatoren und wissenschaftliche Mitarbeiter des Studiendekanates.
Forschungsstatistik I Prof. Dr. G. Meinhardt WS 2004/2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz.
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
1 Vorlesung Informatik 2 Algorithmen und Datenstrukturen (02 – Funktionenklassen) Prof. Dr. Th. Ottmann.
Computerkurs: Quantitative Auswertung biochemischer Experimente Guten Morgen.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Computerkurs: Quantitative Auswertung biochemischer Experimente Tag 8 Einführung in die numerische Integration Aufgabe 18: Simulation einer Assoziationskinetik.
Grundkurs Theoretische Informatik, Folie 2.1 © 2006 G. Vossen,K.-U. Witt Grundkurs Theoretische Informatik Kapitel 2 Gottfried Vossen Kurt-Ulrich Witt.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerische Methoden, SS Numerische Methoden.
Vorlesung Regelungstechnik 2
2. Univariate Regressionsanalyse 2.1 Das statische Regressionsmodell
Betreuerin: Kathleen Jerchel
Das Cranking Modell Drehungen senkrecht zur Symmetrieachse
Modellbildung in der Geoökologie (G5, 103) SS 2004
Entwicklung von Simulationsmodellen WS 2007/08 Dr. Falk-Juri Knauft Mittwoch 9.15 Uhr – Uhr S25 Praktikum zur Entwicklung von Simulationsmodellen:
Entwicklung von Simulationsmodellen WS 2007/08 Dr. Falk-Juri Knauft Mittwoch 9.15 Uhr – Uhr S25 Praktikum zur Entwicklung von Simulationsmodellen:
AC Analyse.
AC Analyse. 2Ausgewählte Themen des analogen Schaltungsentwurfs Sprungantwort.
Einführung in die Systemtheorie
Univariate Statistik M. Kresken.
VU , SS 2009 Grundlagen der Regelungstechnik 8
Vielstoffthermodynamik
Vielstoffthermodynamik
Bild 1.1 Copyright © Alfred Mertins | Signaltheorie, 2. Auflage Vieweg+Teubner PLUS Zusatzmaterialien Vieweg+Teubner Verlag | Wiesbaden.
Workshop: Lernbereich Wachstum
20:00.
Stochastische Prozesse I
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Ausgleichungsrechnung II
Beschreibung der energetischen Zustände der Elektronen
Regelungstechnik: 1. Einführung
Chi Quadrat Test Tamara Katschnig.
Auslegung eines Vorschubantriebes
STATISIK LV Nr.: 1375 SS März 2005.
Was soll und kann eine fachdidaktische Vorlesung leisten? Maximilian Selinka.
Kapitel 19 Kointegration
Schülerstudienwoche vom bis
Strategie der Modellbildung
Modellbildung und Simulation
Analyseprodukte numerischer Modelle
2014 Januar 2014 So Mo Di Mi Do Fr Sa So
Schutzvermerk nach DIN 34 beachten 20/05/14 Seite 1 Grundlagen XSoft Lösung :Logische Grundschaltung IEC-Grundlagen und logische Verknüpfungen.
Regelungstechnik: 3. Glieder des Regelkreises
Fourier-Analyse und technologische Anwendungen
Modellbasierte Software-Entwicklung eingebetteter Systeme
Kapitel 3.6: Kalorische Zustands-gleichung für die Enthalpie
Arbeitsberatung der ITG Fachgruppe Matthias Fiedler, Gunter Scheller 13. Juni 2003 Fakultät für Elektrotechnik und Informationstechnik Fachbereich.
Statistik – Regression - Korrelation
Messergebnis Das Messergebnis ist der Näherungswert für den wahren Wert der Messgröße, der durch Auswertung der mit einer Messeinrichtung gewonnenen Messwerte.
Modellieren mit Mathe in Jg. 8
Info2 Prof. J. WALTER info2 Stand: März 2002 Seite 1 Einführung in die Systemtheorie Definition System: Ein in sich geschlossenes, geordnetes und gegliedertes.
2.5.2 Multivariate Monte Carlo-Simulation
Vorlesung Wasserwirtschaftliche Modellierung
 Gegenstandsbereich der Testtheorie: Analyse der Charakteristika von Tests:  Güte von Tests.  Struktur von Tests.  Schwierigkeit von Tests.  Gruppenunterschiede.
Prognose von Zeitreihen Hans Nübel Hans Nübel Prognose von Zeitreihen Aufbau 1.Motivation 2.Holt-Winters-Verfahren 3.Prognose.
Umsetzung einer Methode zur Online- Kalibrierung von Sauerstoffsensoren in oberflächenbegasten Bioreaktoren Seminarvortrag Daniel Jansen.
 Präsentation transkript:

Vorlesung Prozessidentifikation Titel Vorlesung Prozessidentifikation Start: 10. April 2002 Ende: 10. Juli 2002 Hochschule für Technik und Wirtschaft des Saarlandes Fachbereich Elektrotechnik Goebenstr. 40 66117 Saarbrücken April 2002 Blatt 1.1

Einführung / Vorlesung Prozessidentifikation (1) Termine & Inhalte der Vorlesung: 10.04.2002 Einführung in Prozessidentifikation Prozessanalyse vs. Prozessidentifikation, Aufgaben, Beispiele 17.04.2002 Deterministische kontinuierliche Signale / Übertragungsverhalten, PTn-Glieder Übertragungsfunktion, Sprungantwort, Beispiele 24.04.2002 Prozessidentifikation von kontinuierlichen Sprungantworten Vorgehensweise & Lösungsansätze zur Findung des Über- tragungsverhaltens 08.05.2002 Deterministische diskrete Signale / Übertragungsverhalten, Übertragungsfunktion, Sprungantwort, Beispiele 15.05.2002 Ortskurvenermittlung aus diskretisierten Übergangsfunktionen 22.05.2002 Stochastische kontinuierliche und diskrete Signale Kenngrößen zur Beschreibung stochastischer Signale April 2002 Blatt 1.2

Einführung / Vorlesung Prozessidentifikation (2) Termine & Inhalte der Vorlesung: 22.05.2002 Grundlagen der Wahrscheinlichkeitsberechnung, stationäre Prozesse, statistisch unabhängige Prozesse, Beispiele 29.05.2002 Stochastische Prozesse, gleichverteilt & normalverteilte Prozesse, (Mittelwert, Streuung, Verteilungsdichtefunktion, Verteilungsfunktion, Summenhäufigkeit) 05.06.2002 - Parameterschätzung mit Regressionsformel 12.06.2002 Ableitung, Grundlagen Matrizenrechnung, Beispiele 19.06.2002 Parameterschätzung mit rekursiver Regression 26.06.2002 One-Shoot-Kalman 03.07.2002 Kalman-Filter 10.07.2002 Rechenübung zur Klausurvorbereitung April 2002 Blatt 1.3

Einführung / Begriffe Systemtheorie: Beschreibung Zeitverhalten tech. Systeme mit mathematischen Methoden System: Abgegrenzte Anordnung aufeinander einwirkender Gebilden (DIN 66201) Prozess: „Ein Prozess ist eine Folge von chemischen, physikalischen oder biologischen Vorgängen zur Gewinnung, Herstellung oder Beseitigung von Stoffen oder Produkten. (DIN 28004 Teil 1) Umformen, Transport, Speichern Von Materie, Energie, Information (DIN 19222) April 2002 Blatt 1.4

System- & Prozessdefinition Teilprozess: Gesamtprozess: Gebilde: Beispiele: Erzeugung elektrischer aus mechanischer Energie Spanende Werkstückbearbeitung / Spindelvorschub Wärmeübertragung durch eine Wand Gesamtheit einzelner Teilprozesse: Generator Werkzeugmaschine Wärmetauscher Komplexes System mit mehreren Gesamtprozessen: Kraftwerk Produktionsanlage Heizkraftwerk April 2002 Blatt 1.5

Prozessanalyse und -identifikation Prozess-/Systemanalyse: Gewinnung math. Modelle zur System-/ Prozessbeschreibung mit Darstellung des zeitlichen Verhaltens durch Modellbildung. Modellermittlung durch math. Methoden, Berechnung und Anwendung physikalischer Gesetze Modellermittlung durch Experimente aus Messungen von Signalen und deren Auswertung. Theoretische Prozessanalyse: Experimentelle Prozessanalyse (Identifikation): April 2002 Blatt 1.6

Theoretische / Experimentelle Prozessanalyse TPA Modell wird berechnet Annahmen Aufstellen von Gleichungen (DGL) Vereinfachungen / Linearisieren EPA Modell wird ermittelt Messungen Ein- und Ausgänge Modell -> Identifikationsmethode Vergleich Differenz der Modellergebnisse Rückführung der Differenzen / Iteration und Modelloptimierung Akzeptanz April 2002 Blatt 1.7

Vorgehen in der Systemanalyse April 2002 Blatt 1.8

Systemanalyse in der Praxis (1) Iteratives Vorgehen Kombination theoretischer und experimenteller Methoden Theoretisches Modell Funktion und Zusammenhänge aus Kenntnis der physikalischen Daten und Parametern Ergänzt Identifikation durch Nutzen von Kenntnissen zur Systemstruktur Experiment Parameter ausschließlich aus der Erfassung und Auswertung von Signalen / Physikalische Zusammenhänge bleiben außen vor Bestätigt theoretische Modell durch experimentelles Nachprüfen April 2002 Blatt 1.9

Systemanalyse in der Praxis (2) Ergebnisse: Systemanalyse: Iteration mit Nutzung theoretischer und experimenteller Methoden Modelloptimierung: Ergebnis zufriedenstellend mit akzeptablen Abweichungen Trend für Identifikationsmethoden: Theorie zu komplex, schwierig, aufwendig Kenntnis aus Ein- und Ausgangssignalen oft ausreichend Kenntnis zur inneren Systemstruktur nicht immer erforderlich April 2002 Blatt 1.10

Eigenschaften theoretischer und experimenteller Modellbildung Theoretische Modellbildung Identifikation Modellstruktur aus Naturgesetzen. Beschreibung des Verhaltens innerer Zustandsgrößen & Ein-/Ausgangsverhalten. Modellparameter als Funktion von Systemgrößen. Modell gilt für viele Prozesse und für verschiedene Prozesszustände. Modellerstellung für nicht existierende Systeme. Innere Vorgänge müssen bekannt und math. beschreibbar sein. Annahme für Modellstruktur. Innere Zustandsgrößen nicht bekannt Beschreibung nur Ein-/Ausgangsverhalten. Modellparameter reine Zahlenwerte / kein Zusammenhang mit phy. Systemgrößen Modell gilt für nur für untersuchten Prozess. Modellerstellung für nur für ein existie- rendes System identifiziert werden. Innere Vorgänge müssen nicht bekannt sein. April 2002 Blatt 1.11

Beispiel Theoretische Prozessanalyse (TPA) (1) Aufgabenstellung: Bestimmung math. Modell für einen Schwing- Kreis zur Vorhersage des zeitlichen Verhaltens für beliebige Eingangssignale Schaltbild: Gesucht: System Annahmen: R enthält alle ohmschen Verluste ideale Energiespeicher L und C unbelasteter Vierpol (i2 = 0) Anfangsbedingungen (ua(0) = u0; i(0) = i0) 1. Schritt April 2002 Blatt 1.12

Beispiel TPA (2) Bilanz- gleichung: Hier: Kirchhoff‘sche Regeln: ik = 0 uj = 0 i1 = i2 + i3 M1: ue(t) = uR(t) + uL(t) + uC(t) i1 = i3 = i M2: uC(t) = ua(t) 2. Schritt Theoretisches Modell: Hier: Formulierung physikalischer Zusammenhänge Ohmscher R: uR(t) = R i(t) Energiespeicher L: uL(t) = L di/dt Energiespeicher C: uC(t) = 1/C idt ue(t) = Ri + L di/dt + 1/C  i dt C duc/dt = i = C dua / dt ue(t) = RC dua/dt + LC d2ua / dt2 + ua 3. Schritt April 2002 Blatt 1.13

Wirkungsplan zur Aufgabe ue(t) = RC dua/dt + LC d2ua / dt2 + ua Umstellung der DGL: ue(t) - ua - RC dua/dt = LC d2ua / dt2 1/LC ue(t) – 1/LC ua – R/L dua/dt = d2ua / dt2 .. . ue ua ua ua - 1/LC + R/L + 1/LC April 2002 Blatt 1.14

Beispiel TPA (3) Struktur & Parameter: Koeffizientenvergleich aus allgemeiner linearer DGL: dmy/dtm + am-1dm-1y/dtm-1 + .... + a0y = bndnu/dt + bn-1dn-1u/dtn-1 + .... + b1du/dt + bou System 2. Ordnung (m=2, n=1) d2y/dt2 + a1dy/dt + a0y = b1du/dt + bou (allgemeime DGL) 1/LC ue(t) = d2ua / dt2 + R/L dua/dt + 1 /LC ue b0 = a0 = 1/LC ua(t) = y(t) a1 = R/L ue(t) = u(t) b1= 0 3. Schritt Koeffizienten- Vergleich: R1 = 500 R2 = 5 k C = 2 nF L = 10 mH 1/LC = 02 = 5 1010s-2 R1/L = 0,05 106s-1 R2/L = 0,5 106s-1 Zahlen- beispiel: April 2002 Blatt 1.15

Beispiel TPA (4) Struktur & Parameter: Übertragungsfunktion für System 2. Ordnung Ohne Berücksichtigung der Anfangsbedingungen: d2y/dt2 + a1dy/dt + a0y = b1du/dt + bou s2Y+sa1Y+a0Y = Y(s2+sa1+a0)= b0U G(s) = Y/U = b0/(s2+sa1+a0) = 02/(s2+2 0s+ 02) 4. Schritt Zahlenbeispiel Sprungantwort: Übertragungsfunktion für System 2. Ordnung 02 = 1/LC 20 = R1/L Damit ergibt sich  zu = 1,1 bzw. = 0,11 April 2002 Blatt 1.16

Beispiel (5) Sprungantwort des Systems G(s) = Y/U = b0/(s2+sa1+a0) = 02/(s2+2 0s+ 02) Berechnung der Kennwerte 02 = 1/LC = 5 1010s-2 0 = 1/LC = 223.606,80s-1 = ½ R/L/ 0 1 = 0,11 2 = 1,12 April 2002 Blatt 1.17

Kurvenverlauf 2 Fälle mit Dämpfung >1 und < 1: Für Dämpfung > 1 gilt: Aperiodischer Verlauf Für Dämpfung < 1 gilt: Einschwingvorgang April 2002 Blatt 1.18

Gegenüberstellung TPA / EPA U(s) und G(s) sind bekannt Y(s) ist bestimmbar Bei Variation von U(s) kann Y(s) und y(t) ebenfalls er- mittelt werden! EPA Parametrisch Grey box Annahmen zur Struktur (PTx) mit gleicher Zeit. Tu / Tg aus Kurve ermitteln. T und K für G(s) bestimmen. Nicht parametr. black box Struktur spielt keine Rolle. Zeit / Frequenz Kurve / Tabelle Verfahren zur Ermittlung G(s) bzw. Ortskurve aus Messkurve g(t) G(s) April 2002 Blatt 1.19

Unterschiede TPA / EPA TPA EPA Identifikation System bekannt Systemeigenschaften bekannt Übertragungsverhalten (z.B. G(s), DGL, g(t), h(t)) bekannt Bestimmung des Ausgangssignals für beliebige Eingangssignale EPA Identifikation System Nicht bekannt Systemeigenschaften unbekannt Übertragungsverhalten (z.B. G(s), DGl, g(t), h(t)) gesucht Bestimmung des Übertragungsverhaltens aus Messung und Analyse von Ein- und Ausgangssignalen April 2002 Blatt 1.20

Beispiel TPA (5) Zustandsraum darstellung: Zeitverhalten für interne Signale L di/dt + Ri + ua(t) = ue(t) (1) C dua / dt = i(t) (2) Aus (1) und (2) folgen: di/dt = – R/L i – 1/L ua(t) + 1/L ue(t) dua/dt = 1/C i Matrix- Darstellung: dx/dt = A x(t) + B u(t) y = CT x(t) + D u(t) di/dt dua/dt R/L –1/L 1/C 0 i(t) ua(t) 1/L ( ) ( ) ( ) ( ) = + ue(t) i(t) ua(t) ( ) ( ) y(t) = 0 1 April 2002 Blatt 1.21

Aufgabenstellung der Identifikation Störeinflüsse y(t) u(t) System Nicht bekannt um(t) ym(t) Begriff & Aufgabenstellung: Definition nach Zadeh (1962) Identifikation ist die experimentelle Ermittlung des zeitlichen Verhaltens eines Prozesses oder Systems. Hierzu werden Messungen durchgeführt und analysiert. Für das zeitliche Verhalten wird ein math. Modell ermittelt (Klasse von math. Modellen). Die Fehler zwischen dem tatsächlichen System (Prozess) und dem math. Modell sollen möglichst klein sein. April 2002 Blatt 1.22

Rahmenbedingungen für Identifikation Ein- und Ausgangssignale (ev. Innere Signale, falls möglich). lineare Prozesse (Superposition: additiver Einfluss Störeinflüsse) Eliminierung von Störungen ( Tm < Tm,max; u0 < u0,max; y0 < Y0,max) Störsignale (hochfrequenter, niederfrequenter, nicht vorhersehbarer Anteil) Signale Prozess Störungs- Betrachtung Identifikation muß leisten: Bestmögliche Bestimmung des zeitlichen Verhaltens bei Präsenz von Störungen, beschränkter Messzeit, beschränkte Signalhöhen und Beachtung des Anwendungszweckes April 2002 Blatt 1.23

Störeinflüsse Hochfrequente Störanteile Stochastischer Einfluss Mittelwert ~ 0 Niederfrequente Störanteile Drift Mittelwert > 0 Nicht vorherbare Störanteile Ausreißer Kurz oder stationär April 2002 Blatt 1.24

Ablauf Identifikation Anwendungszweck Vorkenntnisse Planung der Messungen Welche Signale ? Welche Abtastzeit ? Welche Meßzeit ? Off-Line oder On-Line ? Equipment ? Störungen ? Durchführung Messungen Signalerzeugung Messung und Speicherung Auswerten Verifikation April 2002 Blatt 1.25

Identifikationsmethoden Methoden zur Identifikation unterscheiden sich nach : Mathematische Modellen Signalen Fehler zwischen Prozeß und Modell On- und Off-line Messung mit Auswertung Algorithmen zur Auswertung Parametrische Modelle (Modelle mit Struktur) Modell erfolgt in Gleichungsform (Parameter) (DGL, Übetragungsfkt) Analytische Beziehung zwischen den Signalen werden erstellt Parameter sind in den Gleichungen enthalten Nicht parametrische Modelle (Modelle ohne Struktur) Kurven oder Wertetabelle Gewichtsfunktion / Übertragungsfkt. in Kurvenform April 2002 Blatt 1.26

Nicht parametrische Methodik Modelle ohne Struktur Modellerstellung ausschließlich durch Auswertung von Kurven und Tabellen, die mit dem Experiment erstellt werden. Kein Wissen über das System steht zur Verfügung. Auswertung: Übertragungsfunktion (Frequenzgang, Gewichtsfunktion) Nicht parametrische Messverfahren: Frequenzgangmessung Fourieranalyse Korrelationsanalyse Voraussetzung: LTI-System April 2002 Blatt 1.27

Parametrische Methodik Modelle mit Struktur Vorgehensweise: Es wird eine bestimmte Struktur (Gleichungsgrad) zugrunde gelegt. Kennwerte werden aus den Messwerten ermittelt (z.B. Tu Tg) Parameter werden aus den Messungen ermittelt Parameter sind Bestandteil des Gleichungssystems parametrische Messverfahren: Schätzverfahren zur Bestimmung von Parametern Rekursive Schätzverfahren Voraussetzung: LTI-System April 2002 Blatt 1.28

Übersicht Identifikationsmethoden April 2002 Blatt 1.29

Was machen wir im Semester (1) 1  2 3  April 2002 Blatt 1.30

Was machen wir im Semester (2) Kennwertermittlung mit parametrischen Methoden: Bestimmung des Übertragungtyp Ordnung von PTn-Glied mit Aus- Wertung von gemessenen Sprungantworten (kontinuierliche Systeme) Bestimmung der Gewichtsfunktion / Sprungantwort mit Auswertung Von gemessenen Eingangs- und Ausgangsfolgen (diskrete Systeme) Bestimmung von Übertragungsfunktionen (Real- und Imaginärteil) von gemessenen Sprungantworten (diskrete Systeme) Parameterschätzung von gestörten Messsignalen (Ein-/Ausgang) Rekursive Parameterschätzung von gestörten Messsignalen Parameterschätzung in der Zustandsraumdarstellung April 2002 Blatt 1.31

Disziplinen Prozessidentifikation bedeutet in der Praxis: Zusammenarbeiten / Kommunikation mit verschiedenen Fachdisziplinen, insbesondere Elektrotechnik Maschinenbau / Verfahrenstechnik Wirtschaftswissenschaften Physik / Chemie Informatik Wissen erforderlich Systemtheorie Regelungstechnik Signaltheorie Messtechnik / Rechnertechnik April 2002 Blatt 1.32

Anwendungen Prozessidentifikation Verbesserungen der Kenntnisse über das Systemverhalten Überprüfung theoretischer Modelle Einstellung von Reglerparametern Enwurf digitaler Regelkreise Adaptive Reglersysteme Prozessüberwachung Fehlerdiagnose Vorhersage von Signalen (Simulation) On-line Optimierung April 2002 Blatt 1.33

Literatur Rolf Isermann: Identifikation dynamischer Systeme 1 – Grundlegende Methoden Springer Verlag Identifikation dynamischer Systeme 2 – Besondere Methoden, Anwendungen Springer Verlag H.-W. Röder Modellbildung und Identifizierung Technischer Prozesse TH Clausthal Abel / Rake Rechnergestützte Automatisierungstechnik Umdruck zur Vorlesung, RWTH Aachen April 2002 Blatt 1.34