Adaptive Regler Internet Gesamt

1
Dr.-Ing. habil. Jrg Wollnack

15.04.02
Adaptive
Adaptive
Regler
Regler
Februar 2002
Februar 2002
2
15.04.02
Gliederung
Einfhrung, Problemstellung und Anwendungsbeispiel Einfhrung, Problemstellung und Anwendungsbeispiel
2
15.04.02
Gliederung
Adaptive Regler Adaptive Regler (Lernen, Adaption und Iteration) (Lernen, Adaption und Iteration)
2
15.04.02
Gliederung
Grundstrukturen adaptiver Regler Grundstrukturen adaptiver Regler
2
15.04.02
Gliederung
Beispiel Beispiel
2
15.04.02
Gliederung
Beispiel Beispiel
Zusammenfassung und Ausblick Zusammenfassung und Ausblick
3
15.04.02
Lastwechsel Lastwechsel
Problemstellung und Einfhrung
3
15.04.02
Arbeitspunktwechsel Arbeitspunktwechsel
3
15.04.02
Arbeitspunktwechsel Arbeitspunktwechsel
Alterung und Verschlei Alterung und Verschlei
sowie nderung von sowie nderung von
Umweltbedingungen Umweltbedingungen
4
15.04.02
Adaptiver Lageregler fr Werkzeugmaschinen I

Lageregler der Lageregler der x x
, ,y y
, ,z z
-Achsen -Achsen
4
15.04.02

, ,y y
, ,z z
-Achsen -Achsen

berschwingen berschwingen ist ist auszuschlies auszuschlies- -
sen sen ( (Materialabtrag Materialabtrag) ! ) !
4
15.04.02

, ,y y
, ,z z
-Achsen -Achsen


Robuster Regler Robuster Regler
=> trges Systemverhalten => trges Systemverhalten
4
15.04.02

, ,y y
, ,z z
-Achsen -Achsen



kurze kurze Positionierzeiten Positionierzeiten
=> hohe Wirtschaftlichkeit => hohe Wirtschaftlichkeit
4
15.04.02

, ,y y
, ,z z
-Achsen -Achsen



Time (s ec.)
A
m
p
l
i
t
u
d
e
Step Res pons e
0 0.005 0.01 0.015 0.02 0.025 0.03
0
0.2
0.4
0.6
0.8
1
1.2
1.4
1.6
1.8

vor der Adaption vor der Adaption
4
15.04.02

, ,y y
, ,z z
-Achsen -Achsen



Time (s ec.)
A
m
p
l
i
t
u
d
e
Step Res pons e
0 0.005 0.01 0.015 0.02 0.025 0.03
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1

nach der Adaption nach der Adaption
4
15.04.02

, ,y y
, ,z z
-Achsen -Achsen



Matlab
Matlab
Demo
Demo
aperiodischer
aperiodischer
Grenzfall
Grenzfall
5
15.04.02
Adaptiver Lageregler fr Werkzeugmaschinen II

Adaption an individuelle Maschinen- Adaption an individuelle Maschinen-
eigenschaften eigenschaften fhrt zu geringen fhrt zu geringen
Zykluszeiten und hoher Wirtschaft- Zykluszeiten und hoher Wirtschaft-
lichkeit lichkeit der Maschine der Maschine

Vorteile fr Fertigung und Service Vorteile fr Fertigung und Service


Adaptiver Lageregler auf Basis von Adaptiver Lageregler auf Basis von
Real- Real-Time Time- -Linux Linux
6
15.04.02
R S
M
p
P
p
S

P'
Parametrischer Regler
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w := Fhrungsgre
y := Ausgangsgre
R := Regler
S := Strecke
M := Sensor
y w
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
p := Reglerparametervektor
P := Anzahl der Parameter
p
S
:= Streckenparametervektor
z = 0 := (strungsfrei)
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w t ( )
y t g w t
t
( ) ( ) ( ) =
d
0
p
S

P'
z t ( ) = 0
ngenommen
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w t ( )
y t g w t
t
( ) ( ) ( ) =
d
0
p
S

P'
z t ( ) = 0
ngenommen
W s ( )
Y s G s W s ( ) ( ) ( ) =
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w t ( )
y t g w t
t
( ) ( ) ( ) =
d
0
p
S

P'
z t ( ) = 0
ngenommen
W s ( )
Y s G s W s ( ) ( ) ( ) =
w k ( ) y k g i w k i
i
k
( ) ( ) ( ) =
=
0
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w t ( )
y t g w t
t
( ) ( ) ( ) =
d
0
p
S

P'
z t ( ) = 0
ngenommen
W s ( )
Y s G s W s ( ) ( ) ( ) =
i
k
( ) ( ) ( ) =
=
0
W z ( ) Y z G z W z ( ) ( ) ( ) =
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w t ( )
y t g w t
t
( ) ( ) ( ) =
d
0
p
S

P'
z t ( ) = 0
ngenommen
W s ( )
Y s G s W s ( ) ( ) ( ) =
i
k
( ) ( ) ( ) =
=
0
W z ( ) Y z G z W z ( ) ( ) ( ) =
y f p x y
x
p
= =
=
=
( , ) , ( ), ( ), , ( )
( ), ( ), , ( )
( ), ( ), , ( )
mit
t
t
t
y y y K
x x x K
p p x P
K
K
P
0 1 1
0 1 1
1 2
g i g i ( ) ( , ) = p
K P
Reglermodell
6
15.04.02
R S
M
p
P
p
S

P'
z t ( ) = 0
Beobacht- und
Steuerbarkeit sei
angenommen
w t ( )
y t g w t
t
( ) ( ) ( ) =
d
0
p
S

P'
z t ( ) = 0
ngenommen
W s ( )
Y s G s W s ( ) ( ) ( ) =
i
k
( ) ( ) ( ) =
=
0
W z ( ) Y z G z W z ( ) ( ) ( ) =
K := Anzahl der diskreten Mewerte
7
15.04.02
Adaption
Welches Ziel hat die Adaption? Welches Ziel hat die Adaption?
7
15.04.02
Adaption
Wir wollen letztlich die Parameter so whlen, da der Verlauf Wir wollen letztlich die Parameter so whlen, da der Verlauf
der Ausgangsgre der Ausgangsgre y = f(p,w)
dem Verlauf der Steuerfunktion dem Verlauf der Steuerfunktion
w mglichst nahe kommt. mglichst nahe kommt.
7
15.04.02
Adaption
Wir bentigen ein Fehlerma! Wir bentigen ein Fehlerma!
7
15.04.02
Adaption
e ee e w f p w
2
= =
t
mit , ( , )
Euklidischer Fehler Euklidischer Fehler
7
15.04.02
Adaption
e ee e w f p w
2
= =
t
mit , ( , )
Euklidischer Fehler Euklidischer Fehler
Min
t
p
ee p
. ,
*
Minimierungsproblem Minimierungsproblem
8
15.04.02
Newton-Verfahren I
p
Q(p)
p
i
p
i+1
Iterative Nullstellensuche Iterative Nullstellensuche
1D - Newton-Verfahren 1D - Newton-Verfahren
8
15.04.02
Newton-Verfahren I
p
Q(p)
p
i
p
i+1
r p f p J p p p R p p J
r
p
p p
( ) ( ) ( ) ( ) ( , ) , = + + =

0 0 0 0
mit
Linearisierung der Vektorfunktion Linearisierung der Vektorfunktion
f f
f
p
f
p
P
skalar = =

J
p
1
(Gradientenverfahren)
8
15.04.02
Newton-Verfahren I
p
Q(p)
p
i
p
i+1
r
p
p p
( ) ( ) ( ) ( ) ( , ) , = + + =

0 0 0 0
mit
f f
f
p
f
p
P
skalar = =

J
p
1
p p
0
=
i
Entwicklungspunkt Entwicklungspunkt p p =
+ i 1
Berechnungspunkt Berechnungspunkt
8
15.04.02
Newton-Verfahren I
p
Q(p)
p
i
p
i+1
r
p
p p
( ) ( ) ( ) ( ) ( , ) , = + + =

0 0 0 0
mit
f f
f
p
f
p
P
skalar = =

J
p
1
p p
0
=
i
Entwicklungspunkt Entwicklungspunkt p p =
+ i 1
Berechnungspunkt Berechnungspunkt
Linearisierte Minimierungsaufgabe Linearisierte Minimierungsaufgabe
Min Min
p p p
r p r p J p p p ( ) ( ) ( )
i i i i i + +
= +
1
2
1
2

9
15.04.02
Newton-Verfahren II
r p J p s r p J p s 0 s p p
p p
( ) ( ) ( ) ( ) ,
i i i i i i i i i
+ + = =
+
2
1
0 mit
Annahme, da mit zunehmender Iterationsordnung Annahme, da mit zunehmender Iterationsordnung i i
gilt: gilt:
9
15.04.02
Newton-Verfahren II
p p
( ) ( ) ( ) ( ) ,
i i i i i i i i i
+ + = =
+
2
1
0 mit
gilt: gilt:
= J p s r p
p
( ) ( )
i i i
9
15.04.02
Newton-Verfahren II
p p
( ) ( ) ( ) ( ) ,
i i i i i i i i i
+ + = =
+
2
1
0 mit
gilt: gilt:
= J p s r p
p
( ) ( )
i i i
=

s J p r p
p
i i i 1
( ) ( )
9
15.04.02
Newton-Verfahren II
p p
( ) ( ) ( ) ( ) ,
i i i i i i i i i
+ + = =
+
2
1
0 mit
gilt: gilt:
= J p s r p
p
( ) ( )
i i i
=

s J p r p
p
i i i 1
( ) ( )
Damit berechnet sich der Damit berechnet sich der (i + 1)
- te Parameter der - te Parameter der
Minimierungsaufgabe zu: Minimierungsaufgabe zu:
p p s
i i i +
= +
1
10
15.04.02
Newton-Verfahren III
Haben wir mit dem dargestellten Verfahren Haben wir mit dem dargestellten Verfahren
bereits die Lsung fr die iterative Berechnung von bereits die Lsung fr die iterative Berechnung von
p*
gefunden? gefunden?
10
15.04.02
p*
gefunden? gefunden?
Was wurde nicht bedacht? Was wurde nicht bedacht?
10
15.04.02
p*
gefunden? gefunden?
Die Anzahl Mewerte Die Anzahl Mewerte K
(Zeilen) der (Zeilen) der Jacobi Jacobi-Matrix ist im -Matrix ist im
allgemeinen grer als die der Parameter allgemeinen grer als die der Parameter P
(Spalten). (Spalten).
10
15.04.02
p*
gefunden? gefunden?
Was knnen wir tun? Was knnen wir tun?
10
15.04.02
p*
gefunden? gefunden?
Was knnen wir tun? Was knnen wir tun?
Verwendung der Pseudoinversen Matrix Verwendung der Pseudoinversen Matrix
A x b = x A b =
+
A
+
11
15.04.02
Newton-Verfahren IV
Min mit
2

, = Ax b
=
>
=
<
A
A A A
A
A A A
( )
( )
t t
t t
fr
fr
fr
1
1
1
K P
K P
K P
Ansatz: Ansatz:
11
15.04.02
Newton-Verfahren IV
Min mit
2

, = Ax b
=
>
=
<
A
A A A
A
A A A
( )
( )
t t
t t
fr
fr
fr
1
1
1
K P
K P
K P
Ansatz: Ansatz:
s J p J p J p r p
p p p
i i i i i
=

( ) ( ) ( ) ( )
t t

1
Newton-Iteration: Newton-Iteration:
p p s
i i i +
= +
1
11
15.04.02
Newton-Verfahren IV
Min mit
2

, = Ax b
=
>
=
<
A
A A A
A
A A A
( )
( )
t t
t t
fr
fr
fr
1
1
1
K P
K P
K P
Ansatz: Ansatz:
s J p J p J p r p
p p p
i i i i i
=

( ) ( ) ( ) ( )
t t

1
Newton-Iteration: Newton-Iteration:
p p s
i i i +
= +
1
Rang Dim J p p
p
( )
i
. :
. =
Quadratmittelprobleme sind eindeutig lsbar, Quadratmittelprobleme sind eindeutig lsbar,
wenn in jedem Iterationsschritt gilt: wenn in jedem Iterationsschritt gilt:
12
15.04.02
Wie gehen wir vor? Wie gehen wir vor?
Iterative Adaption I
12
15.04.02
Ausgehend von einem Startwert Ausgehend von einem Startwert
p
0
12
15.04.02
p
0
p f p
i i
i
+
1
0 1 = ( ) ,
A
{ , , }
berechnen wir iterativ berechnen wir iterativ
eine Folge von Parametervektoren. eine Folge von Parametervektoren.
12
15.04.02
p
0
p f p
i i
i
+
1
0 1 = ( ) ,
A
{ , , }
Was passiert, wenn wir ein Minimum erreichen? Was passiert, wenn wir ein Minimum erreichen?
12
15.04.02
p
0
p f p
i i
i
+
1
0 1 = ( ) ,
A
{ , , }
Was passiert, wenn wir ein Minimum erreichen? Was passiert, wenn wir ein Minimum erreichen?
Die partiellen Ableitungen und damit die Jacobi-Matrix verschwindet Die partiellen Ableitungen und damit die Jacobi-Matrix verschwindet
bzw. es entsteht die Fixpunkteigensschaft der Adaption: bzw. es entsteht die Fixpunkteigensschaft der Adaption:
p f p
* *
= ( )
A
13
15.04.02
Welche Fragestellungen ergeben sich fr eine technisch Welche Fragestellungen ergeben sich fr eine technisch
sinnvolle Auslegung des Parameter-Adaptionsgesetzes? sinnvolle Auslegung des Parameter-Adaptionsgesetzes?
Iterative Adaption II
13
15.04.02

Unter welchen Bedingungen existiert ein solcher Fixpunkt? Unter welchen Bedingungen existiert ein solcher Fixpunkt?
13
15.04.02


Gibt es einen oder mehrere Fixpunkte Gibt es einen oder mehrere Fixpunkte (lokales und globales Minimum) (lokales und globales Minimum)
? ?
13
15.04.02


? ?

Lt sich ein Fehlerabstandsgesetz zwischen Fixpunkt und Lt sich ein Fehlerabstandsgesetz zwischen Fixpunkt und
Iteration angeben? Letzteres kann zur Berechnung der Anzahl Iteration angeben? Letzteres kann zur Berechnung der Anzahl
der Iterationsschritte herangezogen werden der Iterationsschritte herangezogen werden (Abbruchkriterium) (Abbruchkriterium)
? ?
13
15.04.02


? ?

? ?

Unter welchen Bedingungen konvergiert das Iterationsverfahren? Unter welchen Bedingungen konvergiert das Iterationsverfahren?
13
15.04.02


? ?

? ?


Verschwindet der Fehler im Fixpunkt? Verschwindet der Fehler im Fixpunkt?
13
15.04.02


? ?

? ?


Verschwindet der Fehler im Fixpunkt? Verschwindet der Fehler im Fixpunkt?

Liegt ein stabiles Regler- und Adaptionsverhalten vor? Liegt ein stabiles Regler- und Adaptionsverhalten vor?
14
15.04.02
R S
w k ( )
y k ( )
p
S
p
Parameter- Parameter-
adaptionsregel adaptionsregel
Extremwertregelsystem I
14
15.04.02
R S
w k ( )
y k ( )
p
S
p
Parameter- Parameter-
adaptionsregel adaptionsregel
Extremwertregelsystem I

Klassische Regler Klassische Regler

neuronale Regler neuronale Regler

Fuzzy-Regler Fuzzy-Regler

beliebige algorithmische beliebige algorithmische
Verfahren Verfahren
15
15.04.02
t
w(t)
t
y( t)
+ T + T
Extremwertregelsystem II
15
15.04.02
t
w(t)
t
y( t)
+ T + T
15
15.04.02
t
w(t)
t
y( t)
+ T + T
15
15.04.02
t
w(t)
t
y( t)
+ T + T
15
15.04.02
t
w(t)
t
y( t)
+ T + T
15
15.04.02
t
w(t)
t
y( t)
+ T + T

Geleitendes Zeitfenster mu Geleitendes Zeitfenster mu K P
Abtastungen der Signale enthalten Abtastungen der Signale enthalten
15
15.04.02
t
w(t)
t
y( t)
+ T + T


Abtastrate Abtastrate T
0
an Shannon orientieren an Shannon orientieren (kein signifikanter Informationsverlust)
15
15.04.02
t
w(t)
t
y( t)
+ T + T


0

Starke berabtastung fhrt zu schlecht konditionierter Jacobi-Matrix Starke berabtastung fhrt zu schlecht konditionierter Jacobi-Matrix
15
15.04.02
t
w(t)
t
y( t)
+ T + T


0

Starke berabtastung fhrt zu schlecht konditionierter Jacobi-Matrix Starke berabtastung fhrt zu schlecht konditionierter Jacobi-Matrix

Adaptionsdynamik trger als die Systemdynamik Adaptionsdynamik trger als die Systemdynamik
16
15.04.02
Extremwertregelsystem III

Adaptive Schrittweitenanpassung Adaptive Schrittweitenanpassung (gedmpftes Newton-Verfahren) (gedmpftes Newton-Verfahren)
p p J p J p J p r p
p p p
i i i i i i i i +

=
1
1
0 1 ( ) ( ) ( ) ( ) , ] , ]
t t

Modifikation des Newton-Verfahrens
16
15.04.02

p p J p J p J p r p
p p p
i i i i i i i i +

=
1
1
0 1 ( ) ( ) ( ) ( ) , ] , ]
t t


Trust-Region-Gau-Verfahren Trust-Region-Gau-Verfahren (Levenberg-Marquart-Verfahren) (Levenberg-Marquart-Verfahren)
p p J p J p E J p r p
p p p
i i i i i i i +

= +
1
1
( ) ( ) ( ) ( )
t t

16
15.04.02

p p J p J p J p r p
p p p
i i i i i i i i +

=
1
1
0 1 ( ) ( ) ( ) ( ) , ] , ]
t t


p p p
i i i i i i i +

= +
1
1
( ) ( ) ( ) ( )
t t

Evolutionre Optimierungsverfahren Evolutionre Optimierungsverfahren (g (genetische enetische Algorithmen Algorithmen) )
Verzicht auf Differenzierbarkeit von Reglermodell und System
sowie Mglichkeiten komplexe Neben- und Randbedingungen
aufzunehmen
16
15.04.02

p p J p J p J p r p
p p p
i i i i i i i i +

=
1
1
0 1 ( ) ( ) ( ) ( ) , ] , ]
t t


p p p
i i i i i i i +

= +
1
1
( ) ( ) ( ) ( )
t t

Evolutionre Optimierungsverfahren Evolutionre Optimierungsverfahren (g (genetische enetische Algorithmen Algorithmen) )
Verzicht auf Differenzierbarkeit von Reglermodell und System
sowie Mglichkeiten komplexe Neben- und Randbedingungen
aufzunehmen

Extremalanstze der Variationsrechnung Extremalanstze der Variationsrechnung
mit Neben- und Randbedingungen
17
15.04.02
Adaptives Verhalten und Lernvorgnge sind Adaptives Verhalten und Lernvorgnge sind
eng mit Wiederholungen bzw. Iterationen eng mit Wiederholungen bzw. Iterationen
verknpft. verknpft.
Lernen, Adaption und Iteration
17
15.04.02
Adaptives Verhalten und Lernvorgnge sind Adaptives Verhalten und Lernvorgnge sind
eng mit Wiederholungen bzw. Iterationen eng mit Wiederholungen bzw. Iterationen
verknpft. verknpft.
Lernen, Adaption und Iteration
Sprechen, Gehen und Wissenserweiterung Sprechen, Gehen und Wissenserweiterung
18
15.04.02
Merkmale eines adaptiven Regelsystems
w t ( )
y t ( )
p
S

P'
z t ( )
p
P
Unbehauen
R S
18
15.04.02
w t ( )
y t ( )
p
S

P'
z t ( )
p
P
Unbehauen
R S
Kriterien Kriterien
vorgegebene vorgegebene
Eigenschaften Eigenschaften
p
P
18
15.04.02
w t ( )
y t ( )
p
S

P'
z t ( )
p
P
Unbehauen
R S
Kriterien Kriterien
p
P
Modifikation Modifikation
Entscheidung Entscheidung
Adaption Adaption
p
P
18
15.04.02
w t ( )
y t ( )
p
S

P'
z t ( )
p
P
Unbehauen
R S
Kriterien Kriterien
p
P
Entscheidung Entscheidung
Adaption Adaption
p
P
Identifikation Identifikation
(Messung) (Messung)
19
15.04.02
Entwicklung von Adaptionsverfahren I
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung
19
15.04.02
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung

Einstellregeln nach Ziegler und Einstellregeln nach Ziegler und Nichols Nichols (analog) (analog)
oder nach oder nach Takahashi Takahashi (diskret) (diskret)
19
15.04.02
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung

Lineare Regler mit Polvorgabe Lineare Regler mit Polvorgabe

Charakteristische Gleichung Charakteristische Gleichung
Hurwitz Determinatenkriterium Hurwitz Determinatenkriterium
19
15.04.02
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung



Gteanforderungen an die Systemantwort Gteanforderungen an die Systemantwort
19
15.04.02
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung



Gteanforderungen an die Systemantwort Gteanforderungen an die Systemantwort

Notwendige Bedingung fr Minimum: Notwendige Bedingung fr Minimum:
Verschwinden der partiellen Ableitungen Verschwinden der partiellen Ableitungen

=
p
i
0
w t y t t
j
W s G s W s s
j
j
( ) ( , ) ( ) ( , ) ( ) =

+

p p
2
0
2
1
2
d d
w k y k W z G z W z
k
K
z e
k
K
j
k
K
( ) ( , ) ( ) ( , ) ( ) =
=
=
=

p p
2
0
1
2
0
1
2
20
15.04.02
Entwicklung von Adaptionsverfahren II
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung

Anstze ber Anstze ber zeitdiskrete zeitdiskrete Sytemmodelle Sytemmodelle mit mit
problemangepaten problemangepaten Gtekriterien Gtekriterien
W z ( )
p
P
p
S

P'
Y z ( )
( ) z
C z
A z
( )
( )
K z
F z B z
( )
( ) ( )
B z
A z
z
d
( )
( )
Min E y k d r u k ( ) ( ) + +
. :

2 2
U z ( )
Bewertungsfaktor
21
15.04.02
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung
Entwicklung von Adaptionsverfahren III
Ziele fr diskreten
Ziele fr diskreten
Algorithmus
Algorithmus
21
15.04.02
Identifikation
Beobachter
Regler-
entwurfs-
regeln
Algorith-
mierung
Entwicklung von Adaptionsverfahren III
Ziele fr diskreten
Ziele fr diskreten
Algorithmus
Algorithmus

Rekursives Rekursives Adaptionsgesetz Adaptionsgesetz

Rekursive Identifikation Rekursive Identifikation

mglichst keine Trennung von mglichst keine Trennung von
Identifikations Identifikations-, -, Adaptions Adaptions und und Regleralgorithmus Regleralgorithmus
22
15.04.02
Grundstrukturen adaptiver Regelsysteme

Verfahren der gesteuerten Adaption (Parameter Verfahren der gesteuerten Adaption (Parameter Scheduling Scheduling
1 1
) )
Minimierungsanstze Minimierungsanstze und und Regleradaption Regleradaption mit Iterationsverfahren mit Iterationsverfahren
( (Gradientenverfahren Gradientenverfahren) )
knnen bei den o.g. Strukturen angewendet knnen bei den o.g. Strukturen angewendet
werden. werden.
1
Aufstellung, Verzeichnis, Plan
22
15.04.02

1 1
) )
werden. werden.
1

Adaptives Regelsystem mit parallelem Vergleichsmodell Adaptives Regelsystem mit parallelem Vergleichsmodell
22
15.04.02

1 1
) )
werden. werden.
1

Adaptives Regelsystem mit parallelem Vergleichsmodell Adaptives Regelsystem mit parallelem Vergleichsmodell

Adaptives Regelsystem ohne Vergleichsmodell Adaptives Regelsystem ohne Vergleichsmodell
23
15.04.02
Gesteuerte Adaption
feste
Zuordnung
look up table
Identifikation
R S
p
P
p
S

P'
z t ( )
w t ( ) y t ( )
23
15.04.02
Gesteuerte Adaption
feste
Zuordnung
look up table
Identifikation
R S
p
P
p
S

P'
z t ( )
w t ( ) y t ( )
Robotik: Robotik: Strterme (Krfte und Momente) anderer Achsen stellungsabhngig
Reglerparameter der Achsregler stellungsabhngig
Bewegungsgleichung:
M q q h q q k g q ( )
( ,

) ( ) + =
drive
23
15.04.02
Gesteuerte Adaption
feste
Zuordnung
look up table
Identifikation
R S
p
P
p
S

P'
z t ( )
w t ( ) y t ( )
Flugobjekte : Flugobjekte : Unterschall- und berschallflug
Strmungsprobleme: Strmungsprobleme: laminares und turbulentes Strmungsverhalten
23
15.04.02
Gesteuerte Adaption
feste
Zuordnung
look up table
Identifikation
R S
p
P
p
S

P'
z t ( )
w t ( ) y t ( )
Eigenschaften : Eigenschaften : geringer Aufwand
bekanntes Verhalten der Regelstrecke
24
15.04.02
Modell
R und S
Kriterium,
Adaptions- und
Entscheidungsproze
Modifi-
kation
Adaptives Regelsystem mit parallelem Vergleichsmodell
p
S

P'
w t ( )
y t ( )
p
P
y t
M
( )
e t y t y t ( ) ( ) ( ) =
M
z t ( )
24
15.04.02
Modell
R und S
Kriterium,
Adaptions- und
Entscheidungsproze
Modifi-
kation
Adaptives Regelsystem mit parallelem Vergleichsmodell
p
S

P'
w t ( )
y t ( )
p
P
y t
M
( )
e t y t y t ( ) ( ) ( ) =
M
z t ( )
Adaption an vorgegebenes Modellverhalten Adaption an vorgegebenes Modellverhalten
25
15.04.02
R S
Identifikation Modifikation
Entscheidungs-
proze
Adaptions-
sollwert
Adaptives Regelsystem ohne Vergleichsmodell
p
S
w t ( ) y t ( )
p
P
z t ( )
p
I

P
1
15.04.02
Adaptive
Adaptive
Regler
Regler
Beispiel
Beispiel
Februar 2002
Februar 2002
2
15.04.02
W s ( )
Y s ( )
K
I
Strecken- Strecken-
identifikation identifikation
Adaptiver Regler Lehrbeispiel
1
1+ s
K
s
I
I - Glied I - Glied T T
1 1
- Glied - Glied
Adaption und Adaption und
X
MS
Y
MS
M := Mewerte
3
15.04.02
Shannon- Shannon- Abtasttheorem Abtasttheorem erfllen! erfllen!
(Faktor 10, wegen realer Tiefpafilter beachten)
f f
0
10
B
Streckenidentifikation ber FFT
3
15.04.02
f f
0
10
B
Zusammenhang zwischen diskreter Zusammenhang zwischen diskreter
Fourier-Transformation (DFT) Fourier-Transformation (DFT)
und Laplace-Transformation und Laplace-Transformation
G k G s
s j k f
( ) ( ) =
=
L
2
0
3
15.04.02
f f
0
10
B
G k G s
s j k f
( ) ( ) =
=
L
2
0
Min
S
MS S S MS SI p
p p Y k G k X k
k
K
( ) ( , ) ( )
%
&
'
(
)
*
2
0
1
Streckenparameter- Streckenparameter-
(wre auch analytisch mglich;
Verfahren nach Isermann, mit
Least-Square-Ansatz)
p
S
=
3
15.04.02
f f
0
10
B
G k G s
s j k f
( ) ( ) =
=
L
2
0
Min
S
MS S S MS SI p
p p Y k G k X k
k
K
( ) ( , ) ( )
%
&
'
(
)
*
2
0
1
Streckenparameter- Streckenparameter-
(wre auch analytisch mglich;
Verfahren nach Isermann, mit
Least-Square-Ansatz)
p
S
=
= T
X k Y k
k
k K
0
2
1 1
Im ( ) / ( )
, { ,2, , }
: ?
analytisch analytisch
(rauschempfindlich; fr Startwert-
berechnung geeignet)
4
15.04.02
Fhrungsber Fhrungsber- -
tragungsfunktion tragungsfunktion
G s
G G
G G
K
s
K
s
K
s s K
( ) = =
+
+
+
=
+ +
R S
R S
I
I
I
I
1+
s
s
1
1
1
1
1
2
=
+ +
K
s s
K
I
I

1
1
2
Reglerparameter-Adaptionsregel
4
15.04.02
G s
G G
G G
K
s
K
s
K
s s K
( ) = =
+
+
+
=
+ +
R S
R S
I
I
I
I
1+
s
s
1
1
1
1
1
2
=
+ +
K
s s
K
I
I

1
1
2
Pole Pole
s
K
1 2
2
1
2
1
4
,
=

I
4
15.04.02
G s
G G
G G
K
s
K
s
K
s s K
( ) = =
+
+
+
=
+ +
R S
R S
I
I
I
I
1+
s
s
1
1
1
1
1
2
=
+ +
K
s s
K
I
I

1
1
2
Pole Pole
s
K
1 2
2
1
2
1
4
,
=

I
Diskriminante Diskriminante
aperiodischer aperiodischer Grenzfall Grenzfall
D
K
> > 0
1
4
2

I
K
I
<
1
4
Einstellregel Einstellregel
der Regler- der Regler-
parameter parameter
5
15.04.02
R S
Identifikation Modifikation
Entscheidungs-
proze
Adaptions-
sollwert
Adaptives Regelsystem ohne Vergleichsmodell
p
S
w t ( ) y t ( )
p
P
z t ( )
p
SI

P '
27
15.04.02
Zusammenfassung und Ausblick I

Das Prinzip der sich Das Prinzip der sich selbsteinstellenden selbsteinstellenden oder lernenden Regelung oder lernenden Regelung
ist lter als die Menschheit, da lebendige ist lter als die Menschheit, da lebendige Organisations Organisations- -
strukturen strukturen hiervon hiervon evolutionr evolutionr Gebrauch machen. Dies geschieht Gebrauch machen. Dies geschieht
ohne explizite Systemkenntnisse. ohne explizite Systemkenntnisse.
27
15.04.02


In abgeschwchter Form knnen In abgeschwchter Form knnen adaptive adaptive Regler sich selbst an Regler sich selbst an
Vernderungen anpassen oder unvollstndige Systemkenntnisse Vernderungen anpassen oder unvollstndige Systemkenntnisse
ausgleichen. Hierbei handelt es sich berwiegend um Parameter- ausgleichen. Hierbei handelt es sich berwiegend um Parameter-
adaptionen adaptionen. .
27
15.04.02


In abgeschwchter Form knnen In abgeschwchter Form knnen adaptive adaptive Regler sich selbst an Regler sich selbst an
Vernderungen anpassen oder unvollstndige Systemkenntnisse Vernderungen anpassen oder unvollstndige Systemkenntnisse
ausgleichen. Hierbei handelt es sich berwiegend um Parameter- ausgleichen. Hierbei handelt es sich berwiegend um Parameter-
adaptionen adaptionen. .

Adaption, Lernen und Wiederholung sind ber Adaption, Lernen und Wiederholung sind ber Minimierungs Minimierungs- -
probleme probleme eng verwandt. eng verwandt.
28
15.04.02
Zusammenfassung und Ausblick II

Die Die Regelstrecken Regelstrecken der technischen Regelsysteme sind zumeist der technischen Regelsysteme sind zumeist
aus wirtschaftlichen und technischen Grnden nur unvollstndig aus wirtschaftlichen und technischen Grnden nur unvollstndig
bestimmt und unterliegen bestimmt und unterliegen betriebsbedingten betriebsbedingten Vernderungen Vernderungen
sowie sich verndernden Umwelteinflssen. sowie sich verndernden Umwelteinflssen.
28
15.04.02


Ressourcenschonende Ressourcenschonende technische Systeme erfordern daher ein technische Systeme erfordern daher ein
adaptives adaptives Verhalten. Verhalten.
28
15.04.02


Ressourcenschonende Ressourcenschonende technische Systeme erfordern daher ein technische Systeme erfordern daher ein
adaptives adaptives Verhalten. Verhalten.

Die Konkurrenz mit Die Konkurrenz mit Niedriglohn Niedriglohn-Lndern erzwingt -Lndern erzwingt anspruchs anspruchs- -
volle, wirtschaftlich attraktive Systeme und damit volle, wirtschaftlich attraktive Systeme und damit adaptive adaptive, ,
intelligente Lsungen. intelligente Lsungen.
- 1 - Dr. Jrg Wollnack
%
% AdaptReglerBeispielMain.m
%
% Lehrprogramm fr adaptive Regler
% Autor: Dr.-Ing. habil. Jrg Wollnack
% Datum: 12.01.2002
% Matlab Version 5.2.0.3084
%
% Workspace lschen
clear all;
% globale Variable
global T0 % Abtastzeit
%-----------------------------------------------------------------------------------
% Funktionen und Ausgaben auswhlen
ParaIdent = 1; % Parameter der Strecke identifizieren
PlotSignale = 0; % Idendifikations-Signale ausgeben
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Streckeneigenschaften
% T1-Glied
% 1
% G(s) = -------------
% 1 + tau * s
%
tau = 2.56E-3; % Zeitkonstante in sek
T = 10.0; % Signalzeit in sek
K = 256; % Anzahl der Abtastungen
% (Mu eine Potenz von 2 sein; fr FFT notwendig)
T0 = T / (K-1); % Abtastzeit
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Reglereigenschaften
% I-Glied
% KI
% R(s) = -----
% s
KI = 10.0 / 4 / tau;
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Reglerverhalten vor Adaption darstellen
RSReglerBeispiel(tau,KI)
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
%
% Signale fr Parameteridentifikation der Regelsterecke erzeugen
%
% Trapezsignal als Eingangssignal erzeugen (Erregung)
w = DETrapez(50,K-50,K);
% Fenstersignal in den FFT-Raum transformieren
KFFT = K;
ys = zeros(KFFT,1);
xs = zeros(KFFT,1);
% Streckeneingangssignal (Zeitbereich)
for k = 1 : KFFT
xs(k) = w(k);
end
XIst = fft(xs); % FFT Eingangssignal
YStrecke = TGFFT(T0,tau,XIst); % Steckenausgangssignal berechnen
YSoll = YStrecke; % als Sollwert bergeben
yStrecke = ifft(YStrecke); % Systemantwort im Zeitbereich berechnen
ys = real(yStrecke); % physikalisches Signal ist der Realteil
% Analytische Parameterberechnung
% (Knnte als Startwert fr Minimumssuche genutzt werden!)
kI = KFFT/2;
Inf = 'analytische tau-Berechnung'
tauIAnalytisch = T0 * imag(XIst(kI)/YSoll(kI)) /2/pi/kI
if PlotSignale == 1
% Plot der Ergebnisse
xPlot = 1:KFFT;
figure
plot(xPlot,abs(XIst));
figure
plot(xPlot,abs(YStrecke));
end
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Identifikation der Streckenparameter
% (Least-Square-Ansatz)
if ParaIdent == 1
% Minimierung
% Allgemeine Zielfunktion
% Q = QyVFuncpVxV(p, Norm, yVFuncpVxV, xIst, ySoll)
% Initialisierung (200%-Fehler annehmen!)
p = [tau*(1-2.0)];
% Otimierung einer Zielfunktion mit Parameterbergabe
% Vektor-Zielfunktion und Norm knnen ber String-Variablen
% festgelegt werden
options = [0 10.0E-6 500]; % [ Anzeige_von_Zwischenergebnisse_nach_Steps
% Abbruchfehler
% maximale Steps ]
tauI = fmins('QyVFuncpVxV', p, options, [], 'EuklidNormC', 'yVTGFFTpVxV', XIst, YSoll);
% QyVFuncpVxV() Gtefunktion
Inf = 'mit Minimumssuche identifizierter Streckenparameter tau'
tauI
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% I-Regler-Parameter festlegen
% (Ansatz ber charakteristische Gleichung; in der Nhe des aperiodischen Grenzfalls)
% KI < 1 / (4 tau)
% Anpafaktor (Damit kann gewnschte Dynamik eingestellt werden!;
% 1.0 := aperiodischer Grenzfall)
alpha = 1.0;
KI = alpha / 4 / tauI;
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Reglerverhalten nach Adaption darstellen
RSReglerBeispiel(tauI,KI)
%-----------------------------------------------------------------------------------
end
%-----------------------------------------------------------------------------------
if PlotSignale == 1
% Plot der Ergebnisse
xPlot = 1:K;
figure
plot(xPlot,w);
figure
plot(xPlot,ys);
end
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
function y = TGFFT(T0,tau,x)
%-----------------------------------------------------------------------------------
% 1
% G(k) = ---------------------------------
% 1 + i * tau * k * 2 * pi * f0
%-----------------------------------------------------------------------------------
[M,N] = size(x);
y = zeros(M,1);
for k = 1 : M/2
y(k) = x(k) / ( 1 + i * tau * k * 2 * pi / T0 );
end
k = 2;
for n = M : -1 : M/2 + 1
y(n) = x(n) / ( 1 + i * tau * k * 2 * pi / T0 );
k = k + 1;
end
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
function Q = QyVFuncpVxV(p,Norm,yVfVpVxV,xIst,ySoll)
%-----------------------------------------------------------------------------------
% Gtefunktion
% Q = QyVFuncpVxV(p, Norm, YvFv, xIst, ySoll)
% y = yVfVpVxV(p,x)
%-----------------------------------------------------------------------------------
yIst = feval(yVfVpVxV,p,xIst);
Dy = yIst - ySoll;
Q = feval( Norm, Dy );
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
function Q = EuklidNormC(y)
%-----------------------------------------------------------------------------------
[M N] = size(y);
q = 0;
MN = M * N;
for m = 1 : M
for n = 1 : N
qmn = y(m,n);
q = q + qmn * conj(qmn) / MN;
end
end
Q = sqrt(q);
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
function y = yVTGFFTpVxV(p,x)
%-----------------------------------------------------------------------------------
global T0
y = TGFFT(T0,p(1),x);
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
function RSReglerBeispiel(tau,KI)
%-----------------------------------------------------------------------------------
% Teile durch Kommentarzeichen ausgeblendet
%-----------------------------------------------------------------------------------
% bertragungsfunktion
zS = [1]; % Zhlerpolynom
nS = [tau 1]; % Nennerpolynom
zR = [KI]; % Zhlerpolynom
nR = [1 0]; % Nennerpolynom
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Zusammenschaltung von bertragungsgliedern
% offene Regelschleife
[zo, no] = series(zR, nR, zS, nS);
% geschlossene Regelschleife aufbauen
[zr, nr] = feedback(zR, nR, zS, nS);
%-----------------------------------------------------------------------------------
%-----------------------------------------------------------------------------------
% Reglerverhalten darstellen
% Ortskurve der offenen Regelschleife ausgeben
%figure
%nyquist(zo,no)
% Pol- und Nullstellenlage ausgeben
figure
pzmap(zr,nr)
% Bodedigramm
%figure
%bode(zr, nr)
% Ortskurve
%figure
%nyquist(zr,nr)
% bergangsfunktion
figure
step(zr, nr)
% Gewichtsfunktion
%figure
%impulse(zr, nr)
%-----------------------------------------------------------------------------------
Literaturverzeichnis Adaptive Regler
Literaturverzeichnis
Monographien und Periodika
[1] Ablay, P: Optimieren mit Evolutionsstrategien. Spektrum der Wissenschaft, Juli 1987,
Seiten 104-115
[2] Bcker, J.; Hartmann, I.; Zwanzig, Ch.: Nichtlineare und adaptive Regelungssysteme.
Springer Verlag, 1986
[3] Hofer, Eberhard; Lunderstdt, Reinhart: Numerische Methoden der Optimierung, R.
Oldenbourg Verlag, 1975
[4] Isermann, Rolf: Identifikation dynamischer Systeme 1. 2. neubearbeitete und erweiterte
Auflage, Berlin u.a., Springer Verlag GmbH & Co. KG, 1992
[5] Isermann, Rolf: Identifikation dynamischer Systeme 2. 2. neubearbeitete und erweiterte
Auflage, Berlin u.a.: Springer Verlag GmbH & Co. KG, 1992
[6] Isermann, Rolf: Digitale Regelsysteme. Springer Verlag, 1977
[7] Kahlert, Jrg: Fuzzy Control fr Ingenieure. Friedr. Vieweg Verlag, Braunschweig und
Wiesbaden, 1995
[8] Lunze, Jan: Regelungstechnik I, Systemtheoretische Grundlagen, Analyse und Entwurf
einschleifiger Regelungen. 6. Auflage, Springer Verlag, 1996
[9] Lunze, Jan: Regelungstechnik III, Identifikation, Adaption, Optimierung. 6. Auflage,
Vieweg & Sohn Verlagsgesellschaft mbH, 2000
[10] Nauck, Detlef; Klawonn Frank; Kruse, Rudolf: Neuronale Netze und Fuzzy-Systeme. 2.
berarbeitete und erweiterte Auflage, Friedr. Vieweg Verlag, Braunschweig und Wies-
baden, 1996
[11] Schwetlick, Hubert ; Kretzschmar, Horst: Numerische Mathematik fr Natur-
wissenschaftler. 1. Auflage. Leipzig, Fachbuchverlag GmbH Leipzig, 1991
[12] Unbehauen, Rolf: Systemtheorie 2, Mehrdimensionale, adaptive und nichtlineare Systeme.
R. Oldenbourg Verlag, 1998

Adaptive Regler Internet Gesamt

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Adaptive Regler Internet Gesamt

Uploaded by

Copyright:

Available Formats

1

Dr.-Ing. habil. Jrg Wollnack

You might also like