Die vorliegende Arbeit befasst sich mit der Identifikation von nichtlinearen mechatronischen Systemen. Die Modellbildung mechatronischer Systeme ist zeitaufwändig, da diese sehr komplex und in ihrer Struktur in der Regel nur teilweise bekannt sind. Charakteristisch für mechatronische Systeme ist, dass einerseits die Struktur des mechanischen Teils aufgrund der Wirkungskette Moment - Geschwindigkeit - Position gegeben ist, andererseits jedoch die Struktur des elektrischen Teils nur mit hohem Aufwand bestimmt werden kann. Ausgehend vom Neuronalen Beobachter wird ein Identifikationsverfahren entwickelt, das es ermöglicht unbekannte dynamische Teilsysteme innerhalb eines bekannten Teilsystems zu identifizieren. Die Identifikation der dynamischen Teilsysteme erfolgt auf Basis von Volterra-Reihen, die die Einbringung von Vorwissen in Form einer blockorientierten Modellstruktur erlauben. Die Verbindung mit den strukturierten rekurrenten Neuronalen Netzen ermöglicht zusätzlich die Identifikation von unbekannten linearen Parametern des in seiner Struktur bekannten Teilsystems. Das neue Identifikationsverfahren baut somit eine Brücke zwischen einer exakten White-Box-Modellierung und der Modellierung des Ein-/Ausgangsverhaltens durch Black-Box-Verfahren.     «

Die vorliegende Arbeit befasst sich mit der Identifikation von nichtlinearen mechatronischen Systemen. Die Modellbildung mechatronischer Systeme ist zeitaufwändig, da diese sehr komplex und in ihrer Struktur in der Regel nur teilweise bekannt sind. Charakteristisch für mechatronische Systeme ist, dass einerseits die Struktur des mechanischen Teils aufgrund der Wirkungskette Moment - Geschwindigkeit - Position gegeben ist, andererseits jedoch die Struktur des elektrischen Teils nur mit hohem Aufw...     »

The objective of this thesis is the identification of nonlinear mechatronic systems. Due to the fact, that mechatronic systems are very complex and their structures are normally only known in parts, modeling such systems is time-consuming. Typical for mechatronic systems is, that on the one hand the structure of the mechanical subsystem is completely available due to the functional chain torque - velocity - position and on the other hand the structure of the electrical subsystem can be determined however not without high effort. Based on the neural observer an identification method is developed, which allows the determination of unknown dynamic subsystems within a well-known subsystem. The identification algorithms are derived from the Volterra series and enable the contribution of prior knowledge in the form of a block-oriented structure. Additionally unknown linear parameters of the subsystem with the well-known structure can be identified by the combination with structured recurrent neural networks. Consequently the new identification method builds a bridge between accurate white-box-modeling techniques and modeling of the input/output behavior by black-box methods.     «

The objective of this thesis is the identification of nonlinear mechatronic systems. Due to the fact, that mechatronic systems are very complex and their structures are normally only known in parts, modeling such systems is time-consuming. Typical for mechatronic systems is, that on the one hand the structure of the mechanical subsystem is completely available due to the functional chain torque - velocity - position and on the other hand the structure of the electrical subsystem can be determine...     »