Der Umgang mit Totzeiten bzw. Totzeitsystemen stellt in der Regelungstechnik ein schwieriges Problem dar. Ein System ist mit Totzeiten behaftet, wenn es mindestens eine Komponente enthält, deren Eingaben nicht sofort, sondern erst nach einer bestimmten Zeitverzögerung die Ausgaben beeinflussen. In realen Systemen kommen derartige Totzeiten zahlreich vor und sie erschweren die Systemregelung zum Teil erheblich. Der Totzeitproblematik wird bisher ungenügend Rechnung getragen. Bei der Modellierung eines Systems werden Totzeiten häufig einfach ignoriert, da ihre Größe unbekannt und ihre Identifikation sehr problematisch ist. Dies gilt insbesondere für nichtlineare dynamische Systeme. Als Konsequenz daraus ergibt sich zwangsläufig eine suboptimale Regelung des Systems. Die vorliegende Arbeit leistet einen Beitrag zur Lösung der Totzeitproblematik. Es wird eine neue Methode zur Identifikation von beliebigen Totzeiten in nichtlinearen dynamischen Systemen und zur verbesserten Modellierung und Regelung von Totzeitsystemen vorgestellt. Diese Methode verwendet zum einen speziell für diese Zwecke entwickelte neuronale Netze und zum anderen spezielle Konfidenzmaße zur Beurteilung der Zuverläßigkeit der Identifikation. Die Methode erlaubt eine einfache Integration von eventuell vorhandenem Vorwissen über die zu identifizierenden Totzeiten. Der erfolgreiche Einsatz dieser neuen Methode wird durch Anwendungsbeispiele aus der Mikroelektronik, der Automobilindustrie und der Lebensmitteltechnologie gezeigt.     «

Der Umgang mit Totzeiten bzw. Totzeitsystemen stellt in der Regelungstechnik ein schwieriges Problem dar. Ein System ist mit Totzeiten behaftet, wenn es mindestens eine Komponente enthält, deren Eingaben nicht sofort, sondern erst nach einer bestimmten Zeitverzögerung die Ausgaben beeinflussen. In realen Systemen kommen derartige Totzeiten zahlreich vor und sie erschweren die Systemregelung zum Teil erheblich. Der Totzeitproblematik wird bisher ungenügend Rechnung getragen. Bei der Modellierung...     »

The research presented in this work addresses the time-delay problem in control systems. A system is considered to be a time-delay system, if it contains at least one component, whose input affects the output not immediately but after a certain time delay. Such time-delay components often appear in control systems and have a negative influence on control. Presently, time delays are often ignored in the design of control systems since they are unknown and their identification is difficult. This holds especially for nonlinear dynamic systems. As a consequence, the system cannot be optimally controlled. This work contributes to solve the time-delay problem. A new method for the identification of arbitrary time delays in nonlinear dynamic systems is presented. This method uses neural networks, that are especially designed for this task, together with particular criteria for the evaluation of the identification reliability. The method enables an easy integration of a priori knowlegde about the time delays. Experimental results are presented showing the successful application of this new method in the fields of microelectronics, automotive industry and food technology.     «

The research presented in this work addresses the time-delay problem in control systems. A system is considered to be a time-delay system, if it contains at least one component, whose input affects the output not immediately but after a certain time delay. Such time-delay components often appear in control systems and have a negative influence on control. Presently, time delays are often ignored in the design of control systems since they are unknown and their identification is difficult. This h...     »