Effiziente Verarbeitung und Analyse von Inhalten zur Gewinnung von Erkenntnissen: Reduzierung linearer parametervariabler Zustandsraummodelle
Diese Studie präsentiert einen Überblick und einen Vergleich der aktuellen Methoden zur Reduzierung der Zustandsordnung (State-Order Reduction, SOR) und der Dimensionalität der Stellgrößen (Scheduling Dimension Reduction, SDR) für lineare parametervarable (LPV) Zustandsraummodelle. Die Leistungsfähigkeit, Grenzen und Performanz der verschiedenen Methoden werden anhand unterschiedlicher Benchmark-Konfigurationen eines vernetzten nichtlinearen Masse-Feder-Dämpfer-Systems untersucht, um Richtlinien für die Auswahl der geeignetsten Reduktionsmethode für ein gegebenes LPV-Zustandsraummodell abzuleiten.
Strukturerhaltende und fehlergeschränkte Modellreduktion für LPV-Systeme
Wir schlagen eine Modellreduktionsmethode für lineare parametervariierende (LPV) Systeme vor, die auf verfügbaren Werkzeugen für die Synthese von Reglern mit fester Struktur basiert. Durch die Flexibilität der gradientenbasierten Synthesewerkzeuge können wir eine gewünschte Struktur für das erhaltene reduzierte Modell vorgeben.
© 2024 by Linnk AI