Datenbasierter Entwurf von Einbettungsbeobachtern unter Nutzung von Automatischem Differenzieren
Authors:
- 1 August 2024
- journal article
- research article
- Published by Walter de Gruyter GmbH in at - Automatisierungstechnik
- Vol. 72 (8) , 745-756
Abstract
Zusammenfassung: High-Gain-Beobachter werden häufig verwendet, um den aktuellen internen Zustand nichtlinearer Systeme zu schätzen. Der Ansatz beruht auf der Transformation in die Beobachtbarkeitsnormalform und mitunter auf der Einbettung des Systems in einen höherdimensionalen Raum. Obwohl dies Vorteile in Bezug auf Existenzbedingungen und Konvergenz bieten kann, sind die rechnerischen und implementierungsbezogenen Aufgaben oft abschreckend. In diesem Beitrag gehen wir einige dieser Herausforderungen an, indem wir neuronale Netze und automatisches Differenzieren verwenden, um die erforderlichen Funktionen für die Implementierung des Beobachters zu approximieren. Dies bietet einen pragmatischen Ansatz, um einige der mit der Einbettung von Beobachtern verbundenen Probleme zu umgehen.Keywords
This publication has 32 references indexed in Scilit:
- Improved high gain observer design for a class of disturbed nonlinear systemsNonlinear Dynamics, 2021
- Mathematics for Machine Learning2020
- TaylUR, an arbitrary-order diagonal automatic differentiation package for Fortran 95Computer Physics Communications, 2006
- auto_deriv: Tool for automatic differentiation of a fortran codeComputer Physics Communications, 2000
- A Luenberger-like observer for nonlinear systemsInternational Journal of Control, 1993
- Nonlinear system immersion, observers and finite-dimensional filtersSystems & Control Letters, 1986
- A concept of local observabilitySystems & Control Letters, 1984
- Canonical form observer design for non-linear time-variable systemsInternational Journal of Control, 1983
- Linearization by output injection and nonlinear observersSystems & Control Letters, 1983
- Observing the state of non-linear dynamic systemsInternational Journal of Control, 1973