Integration von Vorwissen in die Systemidentifikation mit linearen und nichtlinearen FIR-Modellen

• Antragsteller: Professor Dr.-Ing. Oliver Nelles
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung von 2020 bis 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 439767479

• Erstellungsjahr: 2023

Zusammenfassung der Projektergebnisse

Ziel dieses Projektes war es eine neuartige Methode zur System Identifikation für sowohl lineare als auch nichtlineare finite impulse response (FIR) Modelle zu entwickeln. Diese sind flexible, strukturstabile Output-Error Modelle, welche zudem linear in den Parametern sind. Die Hauptherausforderung ist die hohe Anzahl an Parametern sowie der daraus resultierende Varianzfehler. Das Hinzufügen von vorhandenem Prozesswissen durch Regularisierung kann die Anzahl effektiver Parametern automatisch einstellen. Hierzu wird die neuartige Regularisierung mit der impulse response preserving (IRP) Matrix genauer untersucht und Verbesserungen dieser vorgestellt. Diese Kenntnisse werden ebenfalls auf nichtlineare Prozesse durch die Nutzung lokaler Modellnetze (LMN) übertragen. Hier steht die Interpretierbarkeit der lokalen Modelle sowie die Anwendung auf reale Prozesse im Vordergrund.

Projektbezogene Publikationen (Auswahl)

• Gray-box identification with regularized FIR models. at -Automatisierungstechnik, 66(9), 704-713.
  Münker, Tobias; Peter, Timm J. & Nelles, Oliver
  
• System Identification and Control of a Polymer Reactor. IFAC-PapersOnLine, 53(2), 437-442.
  Münker, Tobias; Kampmann, Geritt; Schüssler, Max & Nelles, Oliver
  
• Adaptive Model Predictive Control with Finite Impulse Response Models. In Proceedings - 31th Workshop Computational Intelligence, pages 149– 168, 2021.
  Christopher Illg; Tim Decker; Jonas Thielmann & Oliver Nelles
  
• Adaptive Model Predictive Control with Regularized Finite Impulse Response Models. ATHENA Research Book, Volume 1, 327-331. University of Maribor Press.
  Illg, Christopher & Nelles, Oliver
  
• Adaptive System Identification with Regularized FIR Models. IFAC-PapersOnLine, 55(12), 1-6.
  Illg, Christopher; Kösters, Tarek; Kiroriwal, Saksham & Nelles, Oliver
  
• Excitation Signal Design and Modeling Benchmark of NOx Emissions of a Diesel Engine. 2022 IEEE Conference on Control Technology and Applications (CCTA), 907-912. IEEE.
  Smits, Volker; Schussler, Max; Kampmann, Geritt; Illg, Christopher; Decker, Tim & Nelles, Oliver
  
• Regularized Local FIR Model Networks for Enhanced Physical Interpretability. In Workshop on Nonlinear System Identification Benchmarks, 2022.
  Christopher Illg & Oliver Nelles
  
• Handling of time delays in system identification with regularized FIR models. at -Automatisierungstechnik, 71(10), 833-844.
  Kösters, Tarek; Illg, Christopher & Nelles, Oliver