Best Paper Award der Zeitschrift at - Automatisie­rungstechnik

Die Autoren Dipl.-Ing. Julius Fiedler, Dipl.-Ing. Daniel Gerbet und Prof. Klaus Röbenack vom Institut für Regelungs- und Steuerungstheorie erhielten für den Beitrag Datenbasierter Entwurf von Einbettungsbeobachtern unter Nutzung von Automatischem Differenzieren den Best Paper Award des Jahrgangs 72 (2024) der Zeitschrift at - Automatisierungstechnik in der Rubrik Methoden.

Der Volltext kann über http://dx.doi.org/10.1515/auto-2024-5066 abgerufen werden.

Der Preis ist gesponsert von der Siemens AG.

Zusammenfassung des Beitrags: 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.