Andreas V?lz untersucht eines der vielseitigsten Regelungsverfahren f?r technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinfl?ssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten Unscented-Transformation, die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, k?nnen Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik pr?diziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz f?r die modellpr?diktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschr?nkungen auch in Gegenwart von Unsicherheiten zuverl?ssig eingehalten werden k?nnen.
Modellpr?diktive Regelung.- Regelung mit Unsicherheiten.- Unscented Model Predictive Control (UMPC).- Untersuchung des Rechenaufwandes.
Andreas V?lz absolvierte von 2009 bis 2014 das Bachelor- und Masterstudium der Informationssystemtechnik an der Universit?t Ulm. Seit 2014 ist er dort als akademischer Mitarbeiter und Doktorand am Institut f?r Mess-, Regel- und Mikrotechnik auf dem Gebiet der Robotik besch?ftigt.
Andreas V?lz untersucht eines der vielseitigsten Regelungsverfahren f?r technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinfl?ssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten Unscented-Transformation, die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, k?nnen Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik pr?diziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz f?r die modellpr?diktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer BeispielsystelÖ
![Modellprdiktive Regelung nichtlinearer Systeme mit Unsicherheiten [Paperback]](/itemImage/2/0/5/1/2_1014658.jpg)