Abstract und Zusammenfassung zu
"Comparison and Modelling of Parameter Estimation Methods for Model Based Diagnosis"
(Vergleich und Modellierung von Parameterschätzungsmethoden für modellbasierte Diagnose)

Vorlesung


Achtung: der Text ist aus der Master/Diplomarbeit entnommen. Jeder Kandidat ist für seinen eigenen Text verantwortlich!

Zusammenfassung

"Die Parameteridentifikation ist eine entscheidende Disziplin während der Modellbildung, für Simulationen und modellbasierter Diagnose. Die Parameterschätzverfahren lassen sich nach den verwendeten Methoden und Randbedingungen unterscheiden. Ein wichtiges Unterscheidungsmerkmal ist die Fähigkeit einer rekursiven Berechnung, wonach sich ‚offline Parameterschätzverfahren’ und ‚online Parameterschätzverfahren’ unterscheiden lassen. Für die Echtzeitparameterschätzung wie sie für die modellbasierte Diagnose erforderlich ist, werden ausschließlich online Parameterschätzverfahren verwendet. In der vorliegenden Arbeit werden die diskreten Methoden Kalman Filter, Extended Kalman Filter, Unscented Kalman Filter, Rekursive Least Square und Bias Elimination Least Square behandelt. Um die Eignung der Methoden für die modellbasierte Diagnose zu untersuchen, werden diese unter unterschiedlichen Randbedingungen miteinander verglichen und die Vorzüge und Nachteile ausgearbeitet. Die unterschiedlichen Randbedingungen umfassen neben linearen und nichtlinearen statischen Modellen, rauschbehafteten Ein- und Ausgangssignalen, wie sie in der Realität anzutreffen sind auch Anforderungen an die Rechenzeit. Abschließend wird als Ergebnis der Gegenüberstellungen die Methode des Unscented Kalman Filter an einem Luftverdichtermodell mit realen Messdaten angewendet. Ergänzend werden wichtige Faktoren behandelt, die bei der Implementierung von Online-Methoden zu beachten sind und wie für die modellbasierte Diagnose Parameterveränderungen verfolgt werden können."


Disclaimer: the text is extracted form the thesis. Each student is responsible for his own content!

Abstract

"Parameter Estimation is very important face before the simulation and model based diagnosis. There are different kinds of methods, which are used during the parameter estimation. They are divided in two parts called ‘Off- line estimation methods’ and ‘On-line estimation methods’. When we want to estimate parameters during real time then we use online estimation methods. In my thesis I have described discrete kalman filter, Extended Kalman Filter, Unscented Kalman Filter, Recursive Least square method and Bias Elimination Least square method. And done comparison of these methods with different requirements such as linear, non-linear, input noise, output noise, input and output noise, computational time etc. and then use Unscented Kalman Filter to estimate parameter of air compressor which is used in fuel cell. And also described about the issues which arises during the implementation of these methods in real world. Also explained about how we can track the parameters over time interval for the model based diagnosis."

previous        next



Home zu FEE    Impressum    Datenschutzerklärung        zurück