English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

In diesem Beitrag wird ein neuer Ansatz zur Zustandsschätzung auf bewegtem Horizont für nichtlineare Systeme hergeleitet. Die Zustände des Systems werden durch Minimierung einer Kostenfunktion unter Berücksichtigung einer endlichen Anzahl von Messungen aus der Vergangenheit berechnet. Der Ansatz basiert auf den Arbeiten von Rawlings et al. [16, 15, 19], benutzt im Gegensatz hierzu aber eine Methode der gewichteten Reste zur zeitlichen Diskretisierung. Hierdurch wird das dynamische Optimierungsproblem direkt in ein Nichtlineares Programm überführt, welches sich effektiv lösen lässt. Die Vorteile dieses neuen Ansatzes, sowie die notwendigen Bedingungen, die an das nichtlineare System zu stellen sind, werden diskutiert. Zum Vergleich der beiden optimierungsbasierten Ansätze werden die Schätzergebnisse für ein Modell der diskontinuierlichen Polykondensation von Polyethylenterephthalat (PET) mit denen eines Extended Kalman Filters (EKF) verglichen.

Zustandsschätzung auf bewegtem Horizont - ein simultaner Ansatz (Moving Horizon State Estimation - a Simultaneous Approach)