Diese Dissertation liefert einen Beitrag zur nichtlinearen Systemidentifikation und zum Entwurf einer nichtlinearen prädiktiven Regelung im Zustandsraum. Nichtlinearitäten werden innerhalb eines Beobachters durch neuronale Netze approximiert, die durch stabile Lerngesetze online trainiert werden. Das Ergebnis ist die Schätzung nichtlinearer Kennlinien und nicht messbarer Zustandsgrößen. Der Entwurf der darauf aufbauenden prädiktiven Regelung erfolgt im Zustandsraum durch Linearisierung der Nichtlinearität um die Referenztrajektorie. Unter Berücksichtigung von Begrenzungen ergibt sich ein quadratisches Programm als Optimierungsaufgabe, das online gelöst wird. Für die Regelung ist Stabilität nach Lyapunov gewährleistet. Neben den theoretischen Ableitungen erfolgt die simulative und praktische Validierung von Identifikation und Regelung an einem Zweimassensystem, einer kontinuierlichen Fertigungsanlage und einem Radioteleskop.     «

Diese Dissertation liefert einen Beitrag zur nichtlinearen Systemidentifikation und zum Entwurf einer nichtlinearen prädiktiven Regelung im Zustandsraum. Nichtlinearitäten werden innerhalb eines Beobachters durch neuronale Netze approximiert, die durch stabile Lerngesetze online trainiert werden. Das Ergebnis ist die Schätzung nichtlinearer Kennlinien und nicht messbarer Zustandsgrößen. Der Entwurf der darauf aufbauenden prädiktiven Regelung erfolgt im Zustandsraum durch Linearisierung der Nicht...     »

The objective of this thesis is the identification and model predictive control design for nonlinear systems with a state space approach. Nonlinearities are approximated by neural networks included in a dynamic observer. The training of the networks is guaranteed stable. The result is the approximation of nonlinear characteristics and non measurable state variables. The predictive control design is based on a state space model and the linearization of the nonlinearity around the reference trajectory. The consideration of bounds in the control law results in a quadratic program, which is solved online. The controllers's stability is guaranteed in accordance with Lyapunov's theory. Besides the necessary theory, simulations and practical implementations of identification and control are shown for a two-mass system, a continuous processing plant and a radio telescope.     «

The objective of this thesis is the identification and model predictive control design for nonlinear systems with a state space approach. Nonlinearities are approximated by neural networks included in a dynamic observer. The training of the networks is guaranteed stable. The result is the approximation of nonlinear characteristics and non measurable state variables. The predictive control design is based on a state space model and the linearization of the nonlinearity around the reference trajec...     »