UID:
almafu_9958129829502883
Format:
1 online resource (IX, 55 S. 7 Abb.)
Edition:
1st ed. 2016.
ISBN:
3-658-16279-1
Series Statement:
BestMasters,
Content:
Andreas Völz untersucht eines der vielseitigsten Regelungsverfahren für technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinflüssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten ‚Unscented-Transformation‘, die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, können Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik prädiziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz für die modellprädiktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschränkungen auch in Gegenwart von Unsicherheiten zuverlässig eingehalten werden können. Der Inhalt Modellprädiktive Regelung Regelung mit Unsicherheiten Unscented Model Predictive Control (UMPC) Untersuchung des Rechenaufwandes Die Zielgruppen Dozierende und Studierende aus den Fachgebieten Mathematik, Regelungstechnik, Automatisierungstechnik, Elektrotechnik Ingenieure und Ingenieurinnen mit den Schwerpunkten Regelungstechnik und Automatisierungstechnik Der Autor Andreas Völz absolvierte von 2009 bis 2014 das Bachelor- und Masterstudium der Informationssystemtechnik an der Universität Ulm. Seit 2014 ist er dort als akademischer Mitarbeiter und Doktorand am Institut für Mess-, Regel- und Mikrotechnik auf dem Gebiet der Robotik beschäftigt.
Note:
Modellprädiktive Regelung -- Regelung mit Unsicherheiten -- Unscented Model Predictive Control (UMPC) -- Untersuchung des Rechenaufwandes.
Additional Edition:
ISBN 3-658-16278-3
Language:
German
DOI:
10.1007/978-3-658-16279-5
Bookmarklink
