Identifikation von Systemen mit Hysterese mit Hilfe von Preisach-Neuronen in vorstrukturierten neuronalen Netzen

In der vorliegenden Arbeit wird ein Verfahren für die Identifikation von Hysterese in nichtlinearen, dynamischen Systemen vorgestellt. Das zugrundeliegende Systemmodell ist eine Kombination zweier Modellierungsverfahren: Mittels systemtheoretisch vorstrukturierter neuronaler Netze werden die hysteresefreien Systemteile beschrieben. Die Modellierung der im System enthaltenen Hystereseeffekte erfolgt mit Hilfe des Preisach-Modells für Hysterese. Für die im Verlauf des Identifikationsprozesses auftretenden Probleme werden systematisch Lösungen entwickelt. Insbesondere beschäftigt sich die Arbeit mit der * Entwicklung eines Identifikationsalgorithmus * Auswahl eines geeigneten Hysteresemodells * Bestimmung der Parameterzahl des Modells * Initialisierung der Parameter für die Identifikation Das Ergebnis der Arbeit ist ein Identifikationsverfahren, das die Identifikation von Hysterese selbst dann gestattet, wenn statt der Ein- und Ausgaben der Hysterese nur Ein- und Ausgaben des Gesamtsystems gemessen oder berechnet werden können. Zahlreiche Erweiterungen des Preisach-Modells, die sich leicht im Rahmen des vorgestellten Systemmodells realisieren lassen, gewährleisten eine große Flexibilität des Verfahrens. Ferner gestattet die gute Interpretierbarkeit des Preisach-Modells Einblicke in die Natur der identifizierten Hysterese, so daß das vorgestellte Identifikationsverfahren von großer Praxistauglichkeit ist.