Optimal input design and parameter estimation for continuous-time dynamical systems

Diese Arbeit behandelt die Themengebiete Design of Experiments (DoE) und Parameterschätzung für zeitkontinuierliche Systeme, welche in der modernen Regelungstheorie eine wichtige Rolle spielen. Im gewählten Kontext untersucht DoE die Auswirkungen von verschiedenen Rahmenbedingungen von Simulations- bzw. Messexperimenten auf die Qualität der Parameterschätzung, wobei der Fokus auf der Anwendung der Theorie auf praxisrelevante Problemstellungen liegt. Dafür wird die weithin bekannte Fisher-Matrix eingeführt und die resultierende nicht lineare Optimierungsaufgabe angeschrieben. An einem PT1-System wird der Informationsgehalt von Signalen und dessen Auswirkungen auf die Parameterschätzung gezeigt. Danach konzentriert sich die Arbeit auf ein Teilgebiet von DoE, nämlich Optimal Input Design (OID), und wird am Beispiel eines 1D-Positioniersystems im Detail untersucht. Ein Vergleich mit häufig verwendeten Anregungssignalen zeigt, dass generierte Anregungssignale (OID) oft einen höheren Informationsgehalt aufweisen und mit genaueren Schätzwerten einhergeht. Zusätzlicher Benefit ist, dass Beschränkungen an Eingangs-, Ausgangs- und Zustandsgrößen einfach in die Optimierungsaufgabe integriert werden können. Der zweite Teil der Arbeit behandelt Methoden zur Parameterschätzung von zeitkontinuierlichen Modellen mit dem Fokus auf der Verwendung von Modulationsfunktionen (MF) bzw. Poisson-Moment Functionals (PMF) zur Vermeidung der zeitlichen Ableitungen und Least-Squares zur Lösung des resultierenden überbestimmten Gleichungssystems. Bei verrauschten Messsignalen ergibt sich daraus sofort die Problematik von nicht erwartungstreuen Schätzergebnissen (Bias). Aus diesem Grund werden Methoden zur Schätzung und Kompensation von Bias Termen diskutiert. Beitrag dieser Arbeit ist vor allem die detaillierte Aufarbeitung eines Ansatzes zur Biaskompensation bei Verwendung von PMF und Least-Squares für lineare Systeme und dessen Erweiterung auf (leicht) nicht lineare Systeme. Der vorgestellte Ansatz zur Biaskompensation (BC-OLS) wird am nicht linearen 1D-Servo in der Simulation und mit Messdaten validiert und in der Simulation mit anderen Methoden, z.B., Total-Least-Squares verglichen. Zusätzlich wird der Ansatz von PMF auf die weiter gefasste Systemklasse der Modulationsfunktionen (MF) erweitert. Des Weiteren wird ein praxisrelevantes Problem der Parameteridentifikation diskutiert, welches auftritt, wenn das Systemverhalten nicht gänzlich von der Identifikationsgleichung beschrieben wird. Am 1D-Servo wird gezeigt, dass ein Deaktivieren und Reaktivieren der PMF Filter mit geeigneter Initialisierung diese Problematik einfach löst.