Zusammenfassung.
Die Modellbildung technischer Prozesse ist eine zentrale Aufgabe der Regelungstechnik. Solche Prozeßmodelle werden für ein breites Anwendungsspektrum wie den Reglerentwurf, die modellbasierte Fehlerdiagnose und die Echtzeitsimulation benötigt. Der vorliegende Beitrag vermittelt im ersten Teil einen kurzen Überblick über die Anwendung neuronaler Netze zur Identifikation dynamischer nichtlinearer Systeme. Der zweite Abschnitt stellt das neue Modell eines dynamischen Perzeptrons vor und untersucht seine Fähigkeit zur Identifikation dynamischer Systeme. Im dritten Abschnitt wird eine Anwendung des dynamischen neuronalen Netzes zur Identifikation des Ladeprozesses in einem Dieselmotor mit Abgasturbolader beschrieben.
Abstract.
Modelling of technical processes represents a primary task within the field of control engineering. Such process models are required for a wide spectrum of applications as diverse as controller design, model-based fault diagnosis and real-time simulation. This contribution provides within the introductory section a brief overview of neural network types currently applied to the identification of dynamic nonlinear systems. Within the second section the so-called dynamic perceptron is presented and its system identification capability is investigated. The final section describes the application of the dynamic neural network to the identification of the charging process within a turbocharged diesel engine.
Explore related subjects
Discover the latest articles, news and stories from top researchers in related subjects.Author information
Authors and Affiliations
Additional information
Eingegangen am 11. Juni 1996 / Angenommen am 10. Dezember 1996
Rights and permissions
About this article
Cite this article
Ayoubi, M. Das dynamische Perzeptronmodell zur experimentellen Modellbildung nichtlinearer Prozesse. Informatik Forsch Entw 12, 14–22 (1997). https://doi.org/10.1007/s004500050068
Issue Date:
DOI: https://doi.org/10.1007/s004500050068
- Schlüsselwörter: Lokal dynamische vorwärtsgerichtete Perzeptronnetze
- nichtlineare Identifikation
- experimentelle Modellbildung
- Dieselmotor
- Abgasturbolader