| Eindeutige Modulnummer | MaschB-2665-M |
|---|
| Modulnummer / Modulcode | WP-SysId |
|---|
| Modulname | Systemidentifikation |
|---|
| Art des Moduls | Wahlpflicht |
|---|
| Lernergebnisse, Kompetenzen, Qualifikationsziele | Die Studierenden haben sich grundlegende theoretische Kenntnisse und Methoden der Systemidentifikation angeeignet. Sie kennen die wesentlichen Fachbegriffe sowie Konzepte und sind in der Lage, selbständig die entsprechende Fachliteratur zu lesen, ihre Kenntnisse zu vertiefen und umzusetzen. Sie sind in der Lage, sich die Lösung einer Identifikationsaufgabe systematisch zu erarbeiten. |
|---|
| Lehrveranstaltungsarten | VLmP 4 SWS |
|---|
| Lehrinhalte | Lerninhalte (in Deutsch):
- Motivation und Grundidee der Systemidentifikation
- Abtastung
- Nichtparametrische Modelle und Schätzverfahren
- Lineare Regression/Methode der kleinsten Quadrate
- Grundlagen Statistik
- Modellbewertung: Prädiktionsfehler
- Eigenschaften von Schätzern
- Parametrische Modelle
- Identifikation linearer dynamischer Modelle
- Rekursive Schätzverfahren und Identifikation zeitvarianter Systeme
- Identifikation im geschlossenen Regelkreis
- Nichtlineare Systemidentifikation mittels Takagi-Sugeno-Modellen
- Mehrgrößensysteme
- Subspace-Identifikation
- Maximum-Likelihood-Schätzung
- Cramar-Rao-Lower-Bound und Fisher-Informations-Matrix
- Versuchsplanung und Testsignalentwurf
- Modellvalidierung
- Nichtlineare Optimierung
- Nichtlineare Systemidentifikation mittels künstlicher neuronaler Netze
- Ausblick
- Fallstudien
Course content (in English):
- Motivation and fundamental concepts of system identification
- Sampling
- Non-parametric models and estimation methods
- Linear regression/least squares method
- Statistical basics
- Model assessment: prediction error
- Properties of estimators
- Parametric models
- Identification of linear dynamic models
- Recursive estimation methods and identification of time-varying systems
- Identification in closed-loop operation
- Non-linear system identification using Takagi–Sugeno models
- Multi-variable systems
- Subspace identification
- Maximum likelihood estimation
- Cramar–Rao lower bound and Fisher information matrix
- Experiment and test signal design
- Model validation
- Non-linear optimization
- Non-linear system identification using artificial neural networks
- Outlook
|
|---|
| Titel der Lehrveranstaltungen | Systemidentifikation
System Identification |
|---|
| Lehr- und Lernmethoden (Lehr- und Lernformen) | Frontalunterricht, praktische Übungen im Rechnerlabor
Lecture, hands-on computer exercises |
|---|
| Verwendbarkeit des Moduls | |
|---|
| Dauer des Moduls | Ein Semester / One semester |
|---|
| Häufigkeit des Angebotes | jährlich im Wintersemester |
|---|
| Sprache | Deutsch oder Englisch / German or English |
|---|
| Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am Modul | Höhere Mathematik 1-3, Einführung in die Mess- und Regelungstechnik
Higher Mathematics 1–3, Introductory lecture in Measurement and Control Engineering |
|---|
| Voraussetzungen für die Teilnahme am Modul | keine |
|---|
| Studentischer Arbeitsaufwand | 4 SWS VL (60 Std.), Selbststudium (120 Std.) |
|---|
| Studienleistungen | keine |
|---|
| Voraussetzung für Zulassung zur Prüfungsleistung | keine |
|---|
| Prüfungsleistungen | Mündliche Prüfung 30 Min. |
|---|
| Anzahl Credits (ECTS) | 6 cp |
|---|
| Lehreinheit | Maschinenbau |
|---|
| Modulverantwortliche/r | Prof. Dr.-Ing. Andreas Kroll |
|---|
| Lehrende | Prof. Dr.-Ing. Andreas Kroll |
|---|
| Medienformen | • Tafel
• Folien
• Beamer / Smartboard
• Rechner
• Blackboard
• Slides
• Beamer / Smartboard
• Computer |
|---|
| Literatur |
- C. Bohn, H. Unbehauen, Identifikation dynamischer Systeme:Methoden zur experimentellen Modellbildung aus Messdaten,Springer Vieweg, 2016
- G.C. Goodwin, R.L. Payne, Dynamic system identification: experiment design and data analysis, Academic, 1977
- R. Isermann, M. Münchhof: Identification of dynamic systems: an introduction with applications, Springer, 2011
- K.J. Keesman, System identification: an introduction, Springer, 2011
- L. Ljung, System identifikation – theory for the user, 2. Auflage, Prentice Hall, 1999
|
|---|