Upload
others
View
2
Download
0
Embed Size (px)
Citation preview
Experimentelle Identifikation und nichtlineare Regelung eines einachsigen servohydraulischen Antriebs
Jan Ulrich Gücker
Die vorliegende Arbeit wurde vom Fachbereich Maschinenbau der Universität Kassel als Dissertation zur Erlangung des akademischen Grades eines Doktors der Ingenieurwissenschaften (Dr.-Ing.) angenommen. Erster Gutachter: Prof. Dr. H. Hahn Zweiter Gutachter: Prof. Dr. A. Matzenmiller Tag der mündlichen Prüfung 1. März 2005 Bibliografische Information Der Deutschen Bibliothek Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über http://dnb.ddb.de abrufbar Zugl.: Kassel, Univ., Diss. 2005 ISBN-10: 3-89958-185-7 ISBN-13: 978-3-89958-185-0 URN urn:nbn:de:0002-1859 © 2006, kassel university press GmbH, Kassel www.upress.uni-kassel.de Umschlaggestaltung: 5 Büro für Gestaltung, Kassel Druck und Verarbeitung: Unidruckerei der Universität Kassel Printed in Germany
Vorwort
Diese Dissertation entstand in den Jahren 1996 bis 2000 im Rahmen meiner Tatigkeit im Fach-gebiet Regelungstechnik und Systemdynamik des Fachbereichs Maschinenbau der Universitat–Gesamthochschule Kassel.
Mein besonderer Dank gilt in diesem Zusammenhang dem Leiter des Fachgebiets, Herrn Prof.Dr. rer. nat. H. Hahn. Er hatte die Idee zur vorliegenden Arbeit und hat daruberhinaus durchzahlreiche Anregungen, Diskussionen und wertvolle Hinweise das Gelingen der Arbeit ermoglicht.
Herrn Prof. Dr.–Ing. A. Matzenmiller danke ich sehr herzlich fur die Ubernahme des Korreferats.Den Professoren Dr.–Ing. M. Link und Dr. rer. nat. W.–J. Becker danke ich fur die Beteiligungam Promotionsverfahren.
Außerdem danke ich der Deutschen Forschungsgemeinschaft DFG fur die Forderung der Disser-tation im Rahmen des Graduiertenkollegs ”Identifikation von System- und Materialeigenschaf-ten”.
Zusatzlich gilt mein Dank der Industrieanlagen-Betriebsgesellschaft mbH (IABG), die mir denhydraulischen Antrieb fur meine Forschungsuntersuchungen zur Verfugung gestellt hat. Der Fir-ma Fichtel & Sachs, Schweinfurt mochte ich fur die Uberlassung des Hydraulikaggregatsdanken.
Ebenso gilt mein Dank Herrn Dr. rer. nat. H.–J. Sommer und allen Mitarbeitern des FachgebietsRegelungstechnik und Systemdynamik fur ihre freundschaftliche Unterstutzung wahrend meinerTatigkeit im Fachgebiet Regelungstechnik und Systemdynamik.
Schließlich danke ich meiner Freundin Angela fur die große Geduld und Unterstutzung, die siemir wahrend meiner Tatigkeit an der Universitat–Gesamthochschule Kassel und danach entge-genbrachte.
Kassel, im September 2004 Jan Ulrich Gucker
meinen Eltern
und
meiner Freundin Angela
Inhaltsverzeichnis
Inhaltsverzeichnis V
1 Einleitung 11.1 Einfuhrung und Ziel der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . 11.2 Gliederung der Arbeit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2 Erkenntnisstand 52.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52.2 Modellbildung von elektro-servohydraulischen Antrieben . . . . . . . . . . . . . 62.3 Regelung von elektro-servohydraulischen Antrieben . . . . . . . . . . . . . . . 9
2.3.1 Lineare Regelung von elektro-servohydraulischen Antrieben . . . . . . 92.3.2 Nichtlineare Regelung von elektro-servohydraulischen Antrieben . . . . 11
2.4 Identifikation von elektro-servohydraulischen Antrieben . . . . . . . . . . . . . 13
3 Laboraufbau des servohydraulischen Linearantriebs 153.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.2 Hydraulische und mechanische Komponenten des servohydraulischen Antriebs 15
3.2.1 Hydraulikversorgung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.2.2 Hydraulikzylinder . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.2.3 Mechanische Last . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 163.2.4 Fundament . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183.2.5 Servoventil . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183.2.6 Hydraulikkreislauf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.3 Sensoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 183.3.1 Beschreibung des Ventilwegsensors . . . . . . . . . . . . . . . . . . . . 203.3.2 Beschreibung der Drucksensoren . . . . . . . . . . . . . . . . . . . . . 203.3.3 Beschreibung des Differenzdrucksensors . . . . . . . . . . . . . . . . . 203.3.4 Beschreibung des Wegsensors fur die Zylinderkolbenauslenkung . . . . 213.3.5 Beschreibung des Wegsensors fur das Fundament . . . . . . . . . . . . 213.3.6 Beschreibung der Beschleunigungssensoren fur die mechanische Last
und das Fundament . . . . . . . . . . . . . . . . . . . . . . . . . . . . 223.3.7 Beschreibung des Gleichspannungsmessverstarkers Typ AE101 . . . . 22
3.4 Beschreibung der Hardware des Rechnersystems . . . . . . . . . . . . . . . . . 233.5 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
V
VI Inhaltsverzeichnis
4 Mathematische Modellbildung eines servohydraulischen Linearantriebs 274.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274.2 Nichtlineare nicht reduzierte Modellgleichungen . . . . . . . . . . . . . . . . . 274.3 Nichtlineare reduzierte Modellgleichungen . . . . . . . . . . . . . . . . . . . . 344.4 Lineare nicht reduzierte Modellgleichungen . . . . . . . . . . . . . . . . . . . . 394.5 Lineare reduzierte Modellgleichungen . . . . . . . . . . . . . . . . . . . . . . . 424.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5 Linearisierung der nichtlinearen Modellgleichungen des servohydraulischenAntriebs in einer Ruhelage 475.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 475.2 Linearisierung der nichtlinearen reduzierten Modellgleichungen . . . . . . . . . 48
5.2.1 Nichtlineare Zustandsraumdarstellung der nichtlinearen reduziertenModellgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
5.2.2 Bestimmung der Ruhelagen der nichtlinearen reduzierten Modellglei-chungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
5.2.3 Linearisierung des nichtlinearen reduzierten Modells durch Taylorrei-henentwicklung um eine statische Ruhelage des Systems . . . . . . . . 53
5.3 Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen . . . . . 565.3.1 Nichtlineare Zustandsraumdarstellung der nichtlinearen nicht reduzier-
ten Modellgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . 565.3.2 Bestimmung der Ruhelagen der nichtlinearen nicht reduzierten Modell-
gleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 575.3.3 Linearisierung des nichtlinearen nicht reduzierten Modells durch Tay-
lorreihenentwicklung um eine statische Ruhelage des Systems . . . . . 625.4 Einstellung der Ruhelage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
5.4.1 Reproduzierbarkeit der Ruhelage im Laborexperiment . . . . . . . . . 675.4.2 Ruhelage in der Rechnersimulation . . . . . . . . . . . . . . . . . . . . 69
5.5 Reduktion des linearen nicht reduzierten Modells . . . . . . . . . . . . . . . . 695.6 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
6 Experimentelle Identifikation und Modellvalidierung eines einachsigen ser-vohydraulischen Antriebs 736.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 736.2 Vorgehensweise bei der parametrischen Identifikation des servohydraulischen
Antriebs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 746.3 Identifikation der Ansteuerung des Servoventils . . . . . . . . . . . . . . . . . 81
6.3.1 Experimentelle Aufnahme eines Frequenzgangs . . . . . . . . . . . . . 816.3.2 Lineares Modell 3. Ordnung . . . . . . . . . . . . . . . . . . . . . . . 836.3.3 Identifikation nichtlinearer Modelle . . . . . . . . . . . . . . . . . . . 87
6.3.3.1 Nichtlineares Modell 1. Ordnung . . . . . . . . . . . . . . . 886.3.3.2 Nichtlineares Modell 2. Ordnung . . . . . . . . . . . . . . . 896.3.3.3 Nichtlineares Modell 3. Ordnung . . . . . . . . . . . . . . . 91
6.3.4 Approximation der Totzeit durch lineare Modelle . . . . . . . . . . . 946.4 Identifikation des Druckaufbaus . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.4.1 nichtlinearer, nicht reduzierter Druckaufbau . . . . . . . . . . . . . . 956.4.2 nichtlinearer, reduzierter Druckaufbau . . . . . . . . . . . . . . . . . . 996.4.3 linearer, reduzierter Druckaufbau . . . . . . . . . . . . . . . . . . . . 103
Inhaltsverzeichnis VII
6.4.4 linearer, reduzierter Druckaufbau und Lastmechanik . . . . . . . . . . 1066.4.4.1 ohne Fundament (starre Lagerung) . . . . . . . . . . . . . . 1066.4.4.2 mit Fundament (nachgiebige Lagerung) . . . . . . . . . . . 107
6.4.5 Gegenuberstellung der geschatzten Parameter . . . . . . . . . . . . . 1146.5 Identifikation der Lastmechanik . . . . . . . . . . . . . . . . . . . . . . . . . . 1146.6 Identifikation der Mechanik des Fundaments . . . . . . . . . . . . . . . . . . . 1256.7 Modellvalidierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 131
7 Nichtlinearer und linearer Reglerentwurf fur einen servohydraulischen Lin-earantrieb 1337.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1337.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung . . . . . . . . . . . . . . 1357.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb . . . . 145
7.3.1 Nichtlinearer Reglerentwurf fur nichtlineare reduzierte Modellgleichun-gen mit statischem Ventilmodell ohne Modell des Fundaments . . . . 146
7.3.2 Nichtlinearer Reglerentwurf fur die nichtlinearen reduzierten Modell-gleichungen bei statischem Ventilmodell mit Modell des Fundaments. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
7.3.3 Nichtlinearer Reglerentwurf fur die nichtlinearen reduzierten Modell-gleichungen mit linearem Ventilmodell 1. Ordnung und Modell des Fun-daments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 162
7.3.4 Nichtlinearer Reglerentwurf fur die nichtlinearen reduzierten Modell-gleichungen mit linearem Ventilmodell 3. Ordnung und mit Modell desFundaments . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
7.4 Linearer Reglerentwurf . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1687.4.1 Linearer Kompensationsregler fur lineare reduzierte Modellgleichungen
mit statischem Ventilmodell ohne Fundament . . . . . . . . . . . . . . 1687.4.2 Linearer Kompensationsregler fur lineare reduzierte Modellgleichungen
mit statischem Ventilmodell mit Fundament . . . . . . . . . . . . . . . 1707.5 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 171
8 Untersuchung des Regelkreisverhaltens 1738.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1738.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rech-
nersimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1748.2.1 Rechteck mit abgerundeten Flanken als Fuhrungssignal . . . . . . . . 1778.2.2 Erdbebensignal als Fuhrungssignal . . . . . . . . . . . . . . . . . . . . 1818.2.3 Sinus-Sweepsignal als Fuhrungssignal . . . . . . . . . . . . . . . . . . 187
8.3 Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 187
9 Zusammenfassung 193
Literaturverzeichnis 199
A Anhang zur mathematischen Modellbildung eines servohydraulischen Lin-earantriebs 203A.1 Nichtlineares, formales Modell des Servoventils . . . . . . . . . . . . . . . . . . 203A.2 Bildung der Ubertragungsfunktion der linearen Modelle entstanden aus den
zugehorigen nichtlinearen Modellen des Servoventils . . . . . . . . . . . . . . . 205
VIII Inhaltsverzeichnis
A.3 Leckflusse aufgrund hydrostatischer Lagerung der Zylinderkolbenstange . . . . 206A.4 Reduktion der nichtlinearen nicht reduzierten Modellgleichungen mit Leck-
flussen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 207A.5 Analytisch berechnete Ubertragungsfunktionen aus den linearen reduzierten
Modellgleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 209A.5.1 Analytisch berechnete Ubertragungsfunktionen aus den linearen redu-
zierten Modellgleichungen ohne Fundamentmodell . . . . . . . . . . . 209A.5.2 Analytisch berechnete Ubertragungsfunktionen aus den linearen redu-
zierten Modellgleichungen mit Fundamentmodell . . . . . . . . . . . . 211
B Anhang zur Linearisierung der nichtlinearen Modellgleichungen des servo-hydraulischen Antriebs in einer Ruhelage 217B.1 Partielle Ableitungen der Flussfunktionen qZI und qZII . . . . . . . . . . . . . 217B.2 Reduktion des linearen nicht reduzierten Modells . . . . . . . . . . . . . . . . 219
C Anhang zur experimentellen Identifikation und Modellvalidierung 225C.1 Beschreibung der verwendeten Identifikationsverfahren . . . . . . . . . . . . . . 225
C.1.1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225C.1.2 Lineare Regression . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 225
C.1.2.1 Der Least-Squares-Schatzalgorithmus . . . . . . . . . . . . 226C.1.2.2 Statistische Eigenschaften des Least-Squares-Schatzalgo-
rithmus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 227C.1.2.3 Bewertung des Least-Squares-Schatzalgorithmus . . . . . . 228C.1.2.4 Vorgehensweise bei der parametrischen Identifikation unter
Verwendung der linearen Regression . . . . . . . . . . . . . 229C.1.2.5 Lineare Regression mit Storung auf dem Regressor . . . . . 235
C.1.3 Pradiktionsfehlermethode . . . . . . . . . . . . . . . . . . . . . . . . . 236C.1.3.1 Zusammenhang Simulations- und Pradiktionsfehler . . . . 237C.1.3.2 Unterschiedliches Eingehen einer Storung bei einem linearen
zeitdiskreten System . . . . . . . . . . . . . . . . . . . . . . 238C.1.4 Parameterschatzung mittels nichtlinearer Optimierung . . . . . . . . 241
C.2 Diskretisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 242C.2.1 Diskretisierung eines Systems 1. Ordnung . . . . . . . . . . . . . . . . 243
C.3 Parametersensitivitat . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 244C.3.1 Parametersensitivitat eines linearen Systems 1. Ordnung . . . . . . . 245
D Anhang zum Reglerentwurf 249D.1 Anhang zum Entwurf des nichtlinearen Reglers NLBF8OR . . . . . . . . . . . 249D.2 Partielle Ableitungen der nichtlinearen reduzierten Flussfunktion . . . . . . . . 253D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen . . . 254
D.3.1 Nichtlinearer Reglerentwurf fur nichtlineare nicht reduzierte Modell-gleichungen mit statischem Ventilmodell ohne Modell des Fundaments. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 254
E Anhang zum Laborexperiment und zur Rechnersimulation 271E.1 Generierung der Soll-Trajektorie . . . . . . . . . . . . . . . . . . . . . . . . . . 271
E.1.1 Fuhrungssignale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 271
Inhaltsverzeichnis IX
E.1.2 Analytische Berechnung der Soll-Trajektorie fur ein Rechtecksignal mitabgerundeten Flanken . . . . . . . . . . . . . . . . . . . . . . . . . . . 272
E.1.3 Approximation Soll-Trajektorie uber ein Referenzmodell (Zustandsva-riablenfilter) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 274
X Inhaltsverzeichnis
Kapitel 1
Einleitung
1.1 Einfuhrung und Ziel der Arbeit
Elektro-servohydraulische Antriebe finden seit vielen Jahren zahlreiche Anwendung in ver-schiedenen Bereichen der Technik (z.B. Prufstands-, Pressen- und Werkzeugmaschinentechnik).Im Vergleich zu elektrischen Antrieben zeichnen sich servohydraulische Antriebe u.a. durch einehohe Leistungsdichte und eine hohe Dynamik bei der Erzeugung von Linearbewegungen aus.Besondere Kennzeichen der Servohydraulik im Vergleich zur herkommlichen Hydraulik sind dieVerwendung schneller, stetig arbeitender Ventile und deren Einsatz innerhalb geschlossener Re-gelkreise [1].
Der in dieser Arbeit untersuchte elektro-servohydraulische Antrieb ist ein Gleichgangzylindermit durchgehender Zylinderkolbenstange, der eine starre Last vertikal bewegt. Der hydrauli-sche Zylinder wird von einem schnellen intern lagegeregelten Servoventil bei konstantem Versor-gungsdruck gesteuert. Ein moglichst exaktes Nachfahren von vorgegebenen hoch dynamischenBeschleunigungsverlaufen ist die Aufgabe der in dieser Arbeit untersuchten Regelung.Der hydraulische Antrieb kann dann als einachsige Variante zur Durchfuhrung von Tests zumNachweis von Dauerfestigkeiten oder Betriebs- bzw. Funktionssicherheiten eingesetzt werden[2, 3].
Das Ziel dieser Arbeit ist
• die experimentelle Identifikation der Modellparameter und
• die Entwicklung einer identifikationsgestutzten nichtlinearen Regelung
einachsiger servohydraulischer Antriebe.
Fur den nichtlinearen Reglerentwurf kommt das Verfahren der exakten Linearisierung [4, 5] zumEinsatz, durch dessen Anwendung die technischen Eigenschaften servohydraulischer Antriebeverbessert werden sollen, um damit ihre Einsatzgebiete auszudehnen. Das Verfahren der exaktenLinearisierung ist sehr systematisch und unterstutzt das Verstandnis der Regelstrecke.Der Entwurf nichtlinearer Regelalgorithmen nach dem Verfahren der exakten Linearisierungsetzt die genaue Kenntnis von Regelstreckenmodell und Modellparametern voraus. Die Modell-gleichungen der Regelstrecke werden aus den Grundgesetzen der Physik abgeleitet. Die Modell-parameter werden in der experimentellen Identifikation bestimmt.Bei der experimentellen Identifikation sollen die Potentiale der Pradiktionsfehlermethode [6]genutzt werden.
1
2 Kapitel 1. Einleitung
Die Funktions- und Leistungsfahigkeit des entworfenen nichtlinearen Regelalgorithmus wird inder Rechnersimulation getestet und am servohydraulischen Antrieb im Laborexperiment uber-pruft.
1.2 Gliederung der Arbeit
Einen Uberblick uber den Stand der Technik bezuglich der Modellbildung, der linearen und dernichtlinearen Regelung sowie der experimentellen, parametrischen Identifikation von elektro-servohydraulischen Antrieben gibt das Kapitel 2.Der Laboraufbau des elektro-servohydraulischen Antriebs mit den verwendeten hydraulischenund mechanischen Komponenten, den eingebauten Sensoren und dem zur Implementierung derRegelalgorithmen eingesetzten Rechnersystem wird in Kapitel 3 beschrieben.
lineare
nicht reduzierte
reduzierte
(Kap. A.4)annahmenReduktions-
nicht reduzierte
reduzierte
Pol-/Nullstellen-Kurzung(Kap. 5.5)
(Kap. 5.2)
Linearisierung
(Kap. 5.3)
Linearisierung
Red
ukti
on
Linearisierung
(Kap. 4.3)Modellgleichungen
nichtlineare
(Kap. 4.2)Modellgleichungen
nichtlineare
(Kap. 4.4)Modellgleichungen
lineare
(Kap. 4.5)Modellgleichungen
Bild 1.1: Beziehung der vier Typen von Modellgleichungen des elektro-servohydraulischen An-triebs uber die Reduktion (vertikal dargestellt) und uber die Linearisierung (horizontaldargestellt)
Die vier Typen von Modellgleichungen des elektro-servohydraulischen Antriebs, die in dieserArbeit verwendet werden, siehe dazu das Bild 1.1, werden in Kapitel 4 vorgestellt. Den Aus-gangspunkt bilden die nichtlinearen nicht reduzierten Modellgleichungen, aus denen sich durchReduktion die nichtlinearen reduzierten Modellgleichungen ergeben.Die Linearisierung in einer Ruhelage der beiden Typen von nichtlinearen Modellgleichungen desservohydraulischen Antriebs wird in Kapitel 5 ausfuhrlich dargestellt, um dann die Reduktion deslinearen nicht reduzierten Modells im Frequenzbereich anhand einer Pol-/Nullenstellenkurzungzu untersuchen.In Kapitel 6 wird die experimentelle, parametrische Identifikation der einzelnen Teilsysteme undeine Modellvalidierung fur den servohydraulischen Antrieb durchgefuhrt.Die Entwicklung von nichtlinearen Reglern nach dem Verfahren der exakten Linearisierung aufBasis der nichtlinearen reduzierten Modellgleichungen ist Gegenstand des Kapitels 7. DurchVariation der Ordnung der linearen Modelle zur Modellierung der Servoventilansteuerung unddurch eine zusatzliche Berucksichtigung eines mitschwingenden Fundaments entstehen verschie-den aufwendige Regelalgorithmen. Zum Vergleich werden lineare Regelalgorithmen in analoger
1.2 Gliederung der Arbeit 3
Weise nach dem Verfahren der exakten Ein-/Ausgangs-Linearisierung basierend auf dem linea-risierten, reduzierten Modell des servohydraulischen Linearantriebs entwickelt.In Kapitel 8 wird die Funktions- und Leistungsfahigkeit der entwickelten nichtlinearen undlinearen Regler am servohydraulischen Antrieb im Laborexperiment untersucht. Die aus Labor-experimenten erzielten Ergebnisse werden den Ergebnissen von Rechnersimulationen gegenuber-gestellt.
4 Kapitel 1. Einleitung
(Kap.7.3
)
Identifikation1
Tech
nolo
gie
Experi
ment
Sof
twar
eH
ardw
are
Rec
hner
Lab
orT
heore
tisc
he
Modelle
Prozess3
linea
rnic
htl
inea
r Lin
eari
sier
ung
Red
ukti
on Lin
eari
sier
ung
(Kap.5.2
)
(Kap.5.3
)
(Kap.A
.4)
linea
renic
ht
reduzi
erte
Model
l-gle
ichungen
(Kap.4.4
)
linea
rere
duzi
erte
Model
l-gle
ichungen
(Kap.4.5
)
nic
htl
inea
renic
ht
reduzi
erte
Model
l-gle
ichungen
(Kap.4.2
)
nic
htl
inea
rere
duzi
erte
Model
l-gle
ichungen
(Kap.4.3
)
(Kap.5.5
)P
N-K
urz
ung
nic
ht
par
amet
risc
h
reduzi
ert
reduzi
ert
nic
ht
(Kap.6.3
.1)
Ser
voven
tila
nst
euer
ung
Fre
quen
zgang
der
nic
ht
reduzi
erte
r
(Kap.6.4
.1)
Dru
ckaufb
au
reduzi
erte
rD
ruck
aufb
au
(Kap.6.4
.3)
Lea
stSquar
esnic
htl
inea
rer
linea
rer
Regelung2
(Kap.6.3
.3)
Ser
voven
tila
nst
euer
ung
nic
htl
inea
reM
odel
leder
Opti
mie
rung
nic
htl
inea
re
Kom
pen
sati
onsr
egle
rnic
htl
inea
re
(Kap.7.4
)K
om
pen
sati
onsr
egle
rlinea
re
Rec
hner
sim
ula
tion
Ser
voven
tila
nst
euer
ung
(Kap.6.3
.2)
linea
res
Model
lder
linea
rer
reduzi
erte
rD
ruck
aufb
au
und
Last
mec
hanik
(Kap.6.4
.4)
Last
mec
hanik
(Kap.6.5
)
mit
schw
ingen
dem
Fundam
ent
(Kap.6.6
)
nic
htl
inea
rer
reduzi
erte
rD
ruck
aufb
au
(Kap.6.4
.2)
fehle
rmet
hode
Pre
dik
tion
s-
des
Reg
elkre
ises
Beu
rtei
lung
der
Reg
elkre
ise
und
Reg
ler
(Kap.8)
Labore
xper
imen
team
Reg
elkre
is
Rec
hner
sim
ula
tions-
model
lefu
rRT
-Inte
gM
atl
ab/Sim
ulink
Matl
ab-S
kri
pte
Matl
ab-S
kri
pte
Toolb
ox
Syst
emId
enti
fikati
on
Matl
ab-S
kri
pte
Labora
ufb
au
(Kap.3)
Der
Fed
er-D
am
pfe
r
unte
rVer
wen
dung
der
Mes
sdate
ner
fass
ung
der
Reg
ler
und
zur
zur
Imple
men
tier
ung
aus
[3]
Soft
ware
rahm
en
Matl
ab-S
kri
pte
und
Pro
gra
mm
ein
der
Pro
gra
mm
iers
pra
che
C
Rec
hner
hard
ware
Sen
sori
k(K
ap.3.3
):
(Kap.3.4
und
[3,7])
:Para
met
ersc
hatz
ung
(Kap.6)
Rec
hner
sim
ula
tion
Labore
xper
imen
te
pru
fsta
nd
aus
[7]
wir
dum
eine
starr
em
echanis
che
Last
(400kg)
erw
eite
rt.
Tra
nsp
ute
rnet
zwer
kR
ISC
-Pro
zess
or
mit
Bes
chle
unig
ungs-
,G
esch
win
dig
kei
ts-
und
Weg
senso
rfu
rm
echanis
che
Last
;
Bes
chle
unig
ungs-
und
Weg
senso
rzu
rE
rfass
ung
der
Bew
egung
des
mit
schw
ingen
den
Fundam
ents
;
Dru
ckse
nso
ren
und
Ven
tilw
egse
nso
rfu
rdie
Hydra
ulik
Tab
elle
1.1:
Asp
ekte
der
Dis
sert
atio
n:Exper
imen
telle
Iden
tifika
tion
1un
dnic
htl
inea
reR
egel
ung2
eine
sei
nac
hsi
gen
serv
ohy-
dra
ulisc
hen
Antr
iebs3
Kapitel 2
Erkenntnisstand
2.1 Einleitung
Servohydraulische Antriebe werden schon seit langem in Forschung und Industrie untersucht undeingesetzt. Im folgenden wird speziell der Stand der Technik aus den Bereichen Modellbildung,Identifikation und Regelung einachsiger servohydraulischer Linearantriebe dokumentiert.
Hydraulische Antriebe sind Energieumformer und erzeugen gemaß ihrer Ausfuhrung als Hydrau-likzylinder oder -motor eine Linear- oder Drehbewegung. Als Arbeitsmedium wird Ol verwendet.Eine Ventil- oder Pumpensteuerung dosiert die Energie fur den hydraulischen Antrieb. Eine Ven-tilsteuerung besitzt ein gutes dynamisches Verhalten, aber einen schlechten Wirkungsgrad. Beider Pumpensteuerung verhalt es sich genau umgekehrt, sie besitzt einen guten Wirkungsgrad,aber ein schlechtes dynamisches Verhalten. In der vorliegenden Arbeit ist fur die Aufgabenstel-lung ein gutes dynamisches Verhalten des Antriebs erforderlich, der Wirkungsgrad spielt eineuntergeordnete Rolle.Servohydraulische Antriebe sind hydraulische Antriebe, die in Regelkreisen betrieben werden.Die Regelgroßen umfassen mechanische Großen wie Weg, Geschwindigkeit, Beschleunigung undKraft fur Linearbewegung bzw. Drehwinkel, Winkelgeschwindigkeit, Winkelbeschleunigung undDrehmoment fur Drehbewegungen oder hydraulische Großen wie Druck und Volumenstrom. Einelektro-servohydraulischer Antrieb verwendet elektrische Signale zur Steuerung. In der vorlie-genden Arbeit wird eine Beschleunigungsregelung untersucht, die eine Geschwindigkeits- undLageregelung einschließt.
Eine detaillierte Beschreibung der technischen Grundlagen von hydraulischen Antrieben bieten[8, 9, 10, 1, 11, 12, 13, 14].
Elektro-servohydraulische Antriebe zeichnen sich gegenuber elektrischen und pneumatischen An-trieben durch hohe Krafte bei kleinem Einbauvolumen aus. So lassen sich Linearbewegungendurch Hydraulikzylinder ohne zusatzliche Getriebe realisieren.
Hydraulische und pneumatische Antriebe werden in der Literatur zu fluidtechnischen Antriebenzusammengefasst.Pneumatische Antriebe besitzen aufgrund der starken Kompressibilitat, der geringen Dichteund der starken Temperaturabhangigkeit des Arbeitsmediums Luft ein erheblich komplexeresDruckerzeugungsverhalten als hydraulische Antriebe [1], was die Regelung pneumatischer An-triebe erschwert [7].
Beispiele fur den Einsatz von elektro-servohydraulischen Antrieben sind einachsige und raumli-che Prufstande [2], Achsantriebe in Handhabungssystemen [15], Antriebe von Groß- und Schwer-
5
6 Kapitel 2. Erkenntnisstand
lastrobotern (z.B. Betonpumpen) [16, 17] und Abstandseinstellungen von Walzen bei Pressen[18].
Der Einsatz von hydraulischen Antrieben wird erschwert durch ihre geringe Dampfung [19] undihre hochgradig nichtlinearen Eigenschaften. Zu den wesentlichen Nichtlinearitaten zahlen dienichtlineare Fluss-Druckrelation des Servoventils und die mechanische Reibung des Zylindersund der mechanischen Last.
2.2 Modellbildung von elektro-servohydraulischen Antrieben
Die mathematischen Modellgleichungen fur elektro-servohydraulische Antriebe werden sehr de-tailliert in [1, 8] hergeleitet. Die Herleitung erfolgt aus Rahmengleichungen, die auf Bilanzglei-chungen und Erhaltungssatzen der Physik beruhen, und aus konstitutiven Relationen, die durchMaterialeigenschaften und konstruktive Relationen bestimmt werden.
Die in den Modellgleichungen der elektro-servohydraulischen Antriebe enthaltenen Herausfor-derungen fur die Regelung werden im folgenden kurz diskutiert.
Die Fluss-Druckrelation des Servoventils, welches die Volumenflusse des Ventils in Abhangigkeitder Drucke in den Zylinderkammern und des Ventilwegs beschreibt, ist aufgrund turbulenterStromung und Ventilumschaltung nichtlinear [1]. Diese Nichtlinearitat kann bei einem Gleich-gangzylinder fur kleine Aussteuerungen gut linearisiert werden. Viele Antriebe mit Gleichgang-zylindern werden laut [20] so ausgelegt, dass der Lastdruck betragsmaßig kleiner als zwei Dritteldes Versorgungsdrucks ist. In der vorliegenden Arbeit wird diese Nichtlinearitat im nichtlinearenRegler berucksichtigt.
Das Modell fur die mechanische Reibung des Zylinders setzt sich zusammen aus einem ge-schwindigkeitsproportionalen viskosen Reibungsanteil (Dampfung), einem Coulomb- und einemHaftreibungsanteil (Stribeck-Reibung). Die Reibungskrafte des Coulomb- und des Haftreibungs-anteils hangen nichtlinear von der Zylinderkolbengeschwindigkeit ab. Die Haftreibung besitzt einkomplexes und daruberhinaus wenig reproduzierbares Verhalten und ist stark abhangig von derAusfuhrung und von der Fertigungsgute der Lager fur die Zylinderkolbenstange des Antriebs.Zur mathematischen Beschreibung der Reibung werden Approximationen durch Messkurven her-angezogen [21]. Die Reibungskrafte erschweren eine genaue Positionierung der Antriebe. In dervorliegenden Arbeit wurde ein servohydraulischer Antrieb mit hydrostatischer Lagerung verwen-det, der fast keine Reibung besitzt, so dass auf ein nichtlineares Reibmodell verzichtet werdenkonnte.
In den Modellgleichungen wird die konstitutive Relation ρ = ρB · p des Arbeitsmediums Ol
verwendet. Eine Anderung der Dichte ρ entsteht durch eine Druckanderung p verknupft uberdie stromungsmechanische Kompressibilitat B und die nominelle Dichte ρ des Ols.Die Kompressionseigenschaften des Arbeitsmediums Ol hangen nichtlinear vom Druck und vonder Temperatur ab [9]. So wird z.B. in [20] und in [16] die stromungsmechanische Kompressibi-litat als eine lineare Funktion des auf das Ol einwirkenden Drucks angesetzt. In der vorliegendenArbeit wie auch in [1] wird die stromungsmechanische Kompressibilitat vereinfacht als eine Kon-stante angenommen.In der Praxis muss berucksichtigt werden, dass in die stromungsmechanische Kompressibilitatneben der Kompressibilitat des Hydraulikols auch die Elastizitat der umgebenden Zylinderwan-dung, der Verbindungsleitungen zum Servoventil sowie der Dichtungen am Kolben und an derKolbenstange eingehen [20]. Daruberhinaus haben ungeloste Luftanteile im Ol einen sehr starkenEinfluss auf die stromungsmechanische Kompressibilitat [9].
2.2 Modellbildung von elektro-servohydraulischen Antrieben 7
Somit ist im konkreten Fall der Wert der stromungsmechanischen Kompressibilitat unsicher undkann sich auch im Laufe des Betriebs andern.In der vorliegenden Arbeit werden die Werte der stromungsmechanischen Kompressibilitat bzw.der daraus abgeleiteten hydraulischen Kapazitat durch eine parametrische Schatzung bestimmt.In [18] wird, um das Problem eines unsicheren Wertes der stromungsmechanischen Kompres-sibilitat zu umgehen, ein nichtlinearer modellbasierter Regler nach dem Verfahren der exaktenLinearisierung durch Wahl eines speziellen Ausgangs so entworfen, dass in dem entwickeltenRegelgesetz die stromungsmechanische Kompressibilitat nicht mehr enthalten ist. Der Wert derstromungsmechanischen Kompressibilitat bestimmt aber weiterhin die Stabilitat der Regelungmit.
Das dynamische Verhalten eines hydraulischen Gleichgangzylinders ist abhangig von der Po-sition des Zylinderkolbens [20]. Die Kennkreisfrequenz des Antriebs nimmt in Mittelstellungden niedrigsten Wert an, was den dynamisch ungunstigsten Fall darstellt. Zu den Endlagen hinnimmt die Kennkreisfrequenz zuerst sehr gering und dann sehr stark zu. In der vorliegendenArbeit wird der Zylinder nur geringfugig um die Mittelstellung heraus ausgelenkt, so dass derbeschriebene Effekt vernachlassigt werden kann.
Die Ansteuerung des Ventilkolbens eines zweistufigen hydraulischen Servoventils besteht aus demTorquemotor, aus dem Dusen-Prallplatten-System als der ersten hydraulischen Stufe und ausdem Kolbenventil als der zweiten hydraulischen Stufe. Eine zusatzliche Lageregelung des Ventil-kolbens erfordert die Erfassung und Ruckfuhrung des Ventilkolbenwegs. Dieses komplexe Systemwird fur hinreichend kleine Ansteuerungsamplituden gut durch ein lineares Ubertragungssystem2. oder 3. Ordnung zwischen der Ventileingangsspannung und dem Ventilkolbenweg beschrieben.
Aufgrund der Volumenstrombegrenzung der ersten hydraulischen Stufe kommt es bei zu großenAnsteuerungsamplituden zu einer Begrenzung der Ventilkolbengeschwindigkeit [20]. Bei dem in[20] betrachteten Servoventil wurde statt der Lageregelung eine mechanische Ruckfuhrung miteiner Ruckstellfeder betrachtet.
In der vorliegenden Arbeit ist in Kapitel 6.3 auch eine Begrenzung der Ventilkolbengeschwindig-keit beim Servoventil beobachtet worden. Zur Modellierung dieses Effekts werden nichtlineareModelle 1. bis 3. Ordnung der Servoventilansteuerung aufgestellt und die unbekannten Para-meter anhand von Verlaufen der Ventileingangsspannung und des gemessenen Ventilkolbenwegsgeschatzt, siehe Abschnitt 6.3.3.Bei Servoventilen mit einer gerateinternen Lageregelung ist eine Steigerung der Ventildynamikuber zusatzliche Ruckfuhrungen nicht moglich [22].Die in der vorliegenden Arbeit betrachteten nichtlinearen Regler konnen den Effekt nicht kom-pensieren, da es sich um eine nicht uberwindbare Leistungsgrenze des Servoventils handelt.
Zur Modellierung von Verlusten in hydraulischen Zylindern werden im Modell interne und ex-terne laminare Leckflusse angenommen, z.B. in [20]. Ein laminarer Leckfluss ist proportionalzur Druckdifferenz. In [23] hangt der laminare Leckfluss noch zusatzlich von der Zylinderkol-bengeschwindigkeit ab. Der interne Leckfluss fließt zwischen den Kammern und die externenLeckflusse fließen jeweils von den Kammern nach außen.
Die an den Steuerkanten des Servoventils auftretenden Leckflusse werden meist dem Zylinderzugerechnet, um die Fluss-Druckrelation des Servoventils einfach zu halten.
Bei einem hydraulischen Zylinder mit hydrostatisch gelagerter Zylinderkolbenstange, wie in dervorliegenden Arbeit verwendet, sind die Leckflusse betriebsbedingt besonders hoch.
8 Kapitel 2. Erkenntnisstand
Im allgemeinen erhohen Leckflusse die Dampfung der hydraulischen Antriebe, was von Vor-teil fur deren Regelung ist. Andererseits wird durch Leckflusse der Wirkungsgrad der Anlageverschlechtert.Bei Gleichgangzylindern wurde in [18] beobachtet, dass Leckflusse, die an den Steuerkanten desServoventils entstehen, einen Offset auf den Drucken in den Zylinderkammern bewirken. DieserEffekt fuhrt zusatzlich zu einen Offset auf dem Ventilweg und zu unterschiedlichen Dynamikenfur positive und negative Bewegungen der Zylinderkolbenstange.In der vorliegenden Arbeit wurde bei der Bestimmung der Ruhelage des nichtlinearen nichtreduzierten Modells im Abschnitt 5.3.2 Vergleichbares festgestellt. Die Werte der Drucke inden Zylinderkammern und des Ventilwegs, die sich fur die Ruhelage einstellen, hangen von denLeckflussen ab.
Bei hydraulischen Antrieben mit großen Lasten und großen Kraften durfen bei der Modellie-rung die Elastizitaten der Befestigungskonstruktion des mechanischen Aufbaus nicht mehr ver-nachlassigt werden [20, 15].In [20] wird systematisch untersucht wie die Elastizitaten der mechanischen Kraftubertragungs-elemente das dynamische Verhalten des servohydraulischen Antriebs beeinflussen. Dazu werdenvier Strukturen mit starr gekoppelter oder komplexer Last und mit starrer oder elastischerZylinderaufhangung unterschieden.Durch die Elastizitaten kommt es neben der hydraulischen Resonanz des Antriebs zu weiterenschwach gedampften Resonanzen, die das Verhalten des Antriebs fur die Regelung verschlechtern[20].In der vorliegenden Arbeit ist die Dynamik des Aufspannfeldes, auf dem der servohydraulischeAntrieb aufgebaut ist, nicht mehr vernachlassigbar und wurde als lineares schwingungsfahigesSystem 2. Ordnung in die Modellgleichungen aufgenommen und teilweise auch in den linearenund nichtlinearen Reglern berucksichtigt.
Ein doppeltwirkender Hydraulikzylinder, bei dem beide Seiten des Kolbens mit Druck beauf-schlagt werden, kann hydraulisch in beide Richtungen bewegt werden. Als ein Gleichgangzy-linder wird ein doppeltwirkender Hydraulikzylinder mit durchgehender Zylinderkolbenstangeund demzufolge gleich großen Kolbenflachen bezeichnet. Als ein Differentialzylinder wird eindoppeltwirkender Hydraulikzylinder mit verschieden großen Kolbenflachen bezeichnet.Der Gleichgangzylinder, wie er in der vorliegenden Arbeit verwendet wird, erzeugt aufgrund dergleich großen Kolbenflachen eine der Differenz der Drucke in den Zylinderkammern proportionaleKraft. Bei Gultigkeit weiterer Symmetriebedingungen, siehe Gleichungen (4.15b) bis (4.15i), istdie Dynamik des Gleichgangzylinders nahezu unabhanigig von der Bewegungsrichtung.Beim Differentialzylinder hingegen ist das statische und dynamische Verhalten aufgrund der ver-schieden großen Kolbenflachen davon abhangig, ob die Zylinderkolbenstange ein- oder ausfahrt.Durch dieses richtungsabhangige Verhalten besitzt der Differentialzylinder fur die Regelungungunstigere Eigenschaften als der Gleichgangzylinder.Bei manchen Anwendungen, z.B. Schwerlastrobotern [16], lassen sich aus Grunden des Baurau-mes jedoch nur Differentialzylinder einsetzen.Die Modellgleichungen des Differentialzylinders schließen den Gleichgangzylinder als Spezialfallein. Es findet jedoch beim Ubergang vom Differentialzylinder zum Gleichgangzylinder eine Re-duktion der Modellgleichungen statt, da sich die beiden Druckaufbaugleichungen der Drucke inden Zylinderkammern zu einer Druckaufbaugleichung des Differenzdrucks zusammenfassen las-sen. Dieser Reduktionsschritt und die sich daraus ergebenden Konsequenzen fur die Regelungdes Gleichgangzylinders werden z.B. in [1, 16, 24] diskutiert.
2.3 Regelung von elektro-servohydraulischen Antrieben 9
In [24] wird gezeigt, dass fur den linearisierten Fall in den ermittelten Ubertragungsfunktionenbeim Gleichgangzylinder eine Pol–Nullstellenkompensation auftritt.Eine andere Herangehensweise wird in [25] beschritten, wo unter Verwendung von graphentheo-retischen Methoden gezeigt wird, dass das nichtlineare nicht reduzierte Zustandsmodell einesservohydraulischen Stellantriebs nicht vollstandig steuerbar ist. Fur eine Lageregelung aber ent-steht ein steuerbarer Unterraum, wenn die beiden Drucke in den Zylinderkammern zu einemDifferenzdruck zusammengefasst werden.
In der vorliegenden Arbeit wird im Abschnitt 5.5 der Reduktionsschritt an linearen Modellenverdeutlicht. Hierzu werden in das lineare nicht reduzierte Modell, das durch Linearisierung dernichtlinearen nicht reduzierten Modellgleichungen entstanden ist, die Symmetriebedingungen,siehe Gleichungen (4.15a) bis (4.15i), eingesetzt und so durch eine stabile Pol-Nullstellenkurzungdas lineare reduzierte Modell erhalten, das durch Linearisierung der nichtlinearen reduziertenModellgleichungen entstanden ist. Die Stabilitat dieses durch die Reduktion entstehenden inter-nen Systems ist fur die Regelung wichtig.
2.3 Regelung von elektro-servohydraulischen Antrieben
2.3.1 Lineare Regelung von elektro-servohydraulischen Antrieben
Einschleifige lineare Regler, wie der P-, der PDT1 oder der PPT1-Regler, werden schon sehrlange mit großen Erfolg eingesetzt [8, 11, 12, 19]. Diese Regler konnen als analoge Schaltungenaufgebaut werden. Fur den Reglerentwurf wird eine linearisierte Beschreibung der Regelstreckeum einen festen Referenzpunkt verwendet.Bereits ein P-Regler erzielt bei der Lageregelung einer Lastmasse ein stationar exaktes Fuhrungs-verhalten, weil die Regelstrecke integral wirkendes Verhalten besitzt [1].
Hydraulische Antriebe mit einschleifigen Regelkreisen erreichen nur geringe Regelguten [19], daaufgrund der geringen Dampfung des servohydraulischen Antriebs der Verstarkungsfaktor deseinschleifigen Reglers nicht sehr weit aufgedreht werden kann. Durch eine Uberdimensionierungdes Zylinderdurchmessers wurde fruher die Dynamik des Regelkreises weiter verbessert [26].Ein großerer Zylinderdurchmesser erhoht die effektive Steifigkeit der Olsaule und damit auchdie Kennfrequenz des hydraulischen Antriebs, was in einem verbesserten dynamischen Regel-kreisverhalten resultiert. Diese Maßnahme erfordert aber auch großere Volumenflusse fur dieBewegung der Zylinderkolbenstange, was kostspieligere Systemkomponenten zur Folge hat.
In vielen praktischen Anwendungen reichen die entworfenen linearen einschleifigen Reglerbezuglich Genauigkeit und dynamischer Leistungsfahigkeit aus und sind daher noch sehr ge-brauchlich in der industriellen Praxis.
Gegen den Einfluss der Schwerkraft bei einem stehenden servohydraulischen Gleichgangzylinderwird in [23] ein zusatzlicher integrierender Anteil im Lageregler verwendet. Der Einsatz von Inte-gratoren in Lagereglern fur servohydraulische Antriebe ist im allgemeinen problematisch wegendes integral wirkenden Verhaltens der Regelstrecke. Theoretisch kommt es bei einem einschleifi-gen Regelkreis mit zwei Integratoren zur Instabilitat, die aber praktisch aufgrund vorhandenerReibung als eine Arbeitsbewegung in Erscheinung tritt [23]. In [22] wird der Einsatz eines schal-tenden Integrators vorgeschlagen. Der Integrator wird hierzu im Großsignalbereich und in einemkleinen Bereich um den Sollwert herum abgeschaltet.
Der Einfluss von Elastizitaten in der Verankerung des hydraulischen Zylinders und der mecha-nischen Last wird in [20] systematisch auf einschleifige Regler und Regelungen mit Hilfsgroßen
10 Kapitel 2. Erkenntnisstand
untersucht. Durch die Elastizitaten der mechanischen Ubertragungselemente verschlechtern sichdie statischen und dynamischen Eigenschaften der Antriebe.
Fur den Entwurf einschleifiger Regelkreise werden Wurzelortskurven-Verfahren und Frequenz-kennlinien-Verfahren verwendet [27, 28]. Beide Verfahren sind nicht streng systematisch undverlangen vom Anwender eine gewisse Erfahrung.
Ist ein sehr genaues lineares Modell der Regelstrecke vorhanden, so lassen sich durch einen Kom-pensationsregler bestimmte Eigenschaften der Regelstrecke vollstandig unterdrucken, indem Pol-und Nullstellen der Ubertragungsfunktionen von Regler und Strecke sich gerade kompensieren.
Fur den industriellen Einsatz von Reglern sind einfache Einstellvorschriften wunschenswert.Eine automatisierte Adaption des Reglers wird in Anwendungsfallen angestrebt, in denen ofteine Inbetriebnahme oder eine Nachfuhrung des Reglers erforderlich ist. In [29] und [30] adaptiertbeispielsweise eine Fuzzy-Set-Logik, in die aus der Erfahrung bekannte Einstellregeln eingebautsind, automatisch einen PI-Regler eines Kraftregelkreises zum Testen von Pruflingen mit zumTeil unbekannter oder sich verandernder nichtlinearer Charakteristik.
Durch eine Aufnahme von weiteren Hilfsgroßen, z.B. der Zylinderkolbengeschwindigkeit, derZylinderkolbenbeschleunigung oder des Differenzdrucks in die Regelung, kann das dynamischeVerhalten des Regelkreises erheblich verbessert werden.Bei einem Multi-Sensor-Regler [28] werden Position, Geschwindigkeit und Beschleunigung durchSensoren erfasst und uber Faktoren zuruckgefuhrt. Hiermit wird dem Regelkreisverhalten eineDynamik aufgezwungen.Zur Erfassung der Hilfsgroßen werden weitere Sensoren benotig, die die Kosten der Anlageerhohen. Eine Rekonstruktion von Hilfsgroßen und dadurch eine Einsparung von Sensoren wirddaher angestrebt.Im Falle, wenn zusatzlich zum Zylinderkolbenweg nur die Zylinderkolbenbeschleunigung gemes-sen wird, kann die Zylinderkolbengeschwindigkeit uber einen Velocity-Computer [31] rekonstru-iert werden.Werden Geschwindigkeit und Beschleunigung nicht durch Sensoren erfasst, besteht die Moglich-keit, sie durch eine einfache und durch eine zweifache numerische Differentiation zu rekonstruie-ren [22, 23]. Hierbei spielt die Auslosung der Wegsensors und dessen Digitalisierung eine entschei-dende Rolle. Durch unterschiedliche numerische Differentiationsansatze wird zwischen Storungenund Phasenverschiebung ein Kompromiss gefunden [23].
Durch einen linearen Zustandsregler lasst sich die Dynamik des Regelkreises beliebig vorgeben,vorausgesetzt ein lineares Zustandsraummodell der Strecke ist vorhanden und alle Zustands-großen stehen fur die Ruckfuhrung zur Verfugung.Der Einsatz von Sensoren zur Erfassung der Zustandsgroßen ist aufwendig, kostspielig oder zumTeil technisch nicht moglich. Als Alternative bietet sich eine Schatzung der Zustande durch einenZustandsbeobachter an.Hierbei werden zur Lageregelung elektro-servohydraulischer Antriebe lineare Zustandsvektor-ruckfuhrungen in Verbindung mit linearen zeitkontinuierlichen Zustandsbeobachtern vollstandi-ger und reduzierter Ordnung [19, 32] sowie nichtlinearen Zustandsbeobachtern [25] verwendet.Zur Vermeidung von Lagefehlern im Fuhrungs- und im Storverhalten und zur Verbesserung derLaststeifigkeit wird in [32] eine einfache Erweiterung des Regelungskonzeptes um eine integrie-rende Ausgangsruckfuhrung vorgeschlagen.In [24] werden digitale Zustandsregler fur eine Lageregelung eines elektrohydraulischen Vor-schubantriebs entwickelt und in Festkommaarithmetik realisiert.
2.3 Regelung von elektro-servohydraulischen Antrieben 11
In der vorliegenden Arbeit werden im Unterkapitel 7.4 die linearen Regler in analoger Weisewie die nichtlinearen Regler nach dem Verfahren der exakten Ein-/Ausgangs-Linearisierung ent-worfen. Als Entwurfsmodell der linearen Regler dient ein linearisiertes reduziertes Modell desservohydraulischen Antriebs.
2.3.2 Nichtlineare Regelung von elektro-servohydraulischen Antrieben
Von einer nichtlinearen Regelung des servohydraulischen Antriebs wird erwartet, dass sie eingutes und stabiles Fuhrungsverhalten im gesamten Arbeitsbereich liefert.Ein linearer Regler kann dies nur in einem eingeschrankten Arbeitsbereich um den Arbeitspunktder Linearisierung erreichen, an dem der Approximationsfehler der Arbeitspunktlinearisierungmittels Taylor-Reihenentwicklung des linearen Modells hinreichend klein ist.Mit dem Verfahren der exakten Linearisierung [4, 5, 33, 34, 35] wird fur ein nichtlineares Systemeine nichtlineare Ruckfuhrung der Zustande entworfen, die das nichtlineare System im gesamtenArbeitsbereich ohne einen Approximationsfehler in ein lineares System uberfuhrt.Fur die erfolgreiche Umsetzung eines Regler nach dem Verfahren der exakten Linearisierung mussvon der zu regelnden Strecke ein sehr genaues analytisches Modell in Form einer nichtlinearenZustandsraumdarstellung mit bilinearem Eingang und differenzierbaren Systemfunktionen vor-liegen. Daruberhinaus mussen die Signale aller Systemzustande fur die nichtlineare Ruckfuhrungverfugbar sein. Es muss sichergestellt sein, dass durch die nichtlineare Zustandsruckfuhrung keininstabiles internes System entsteht.Das Verfahren der exakten Linearisierung wurde in [36, 37, 15, 38, 39, 40, 41, 42, 43, 16, 26, 44, 18]zur nichtlinearen Regelung servohydraulischer Antriebe vorgeschlagen und erfolgreich umgesetzt.Das Verfahren der exakten Linearisierung wird auch als Prinzip der nichtlinearen Systement-kopplung bezeichnet [21].
Ein servohydraulischer Antrieb lasst sich im Prinzip unterteilen in einen hydraulischen Krafter-zeuger und die vom diesem Krafterzeuger angetriebene Mechanik.Der Krafterzeuger besitzt durch die nichtlineare Durchflusscharakteristik der Ventile, diepositionsabhangige Steifheit infolge zylinderpositionsabhangigen Kammervolumens und durchrichtungsabhangige Dynamik beim Differentialzylinder ein nichtlineares Verhalten, welchesdurch analytische Funktionen beschrieben werden kann.Bei der angetriebenen Mechanik sind Reibungskrafte und Elastizitaten ein Problem. Reibungs-krafte konnen ein kompliziertes, nichtlineares und daruber hinaus wenig reproduzierbares Ver-halten besitzen. Elastizitaten erhohen den Modellierungsaufwand der Mechanik.
Fur Modelle zu Systemen mit signifikanten, nichtlinearen Reibungskraften ist das Verfahrender exakten Linearisierung nicht erfolgreich einsetzbar [16, 38, 39], weil sich die Reibungskrafteaufgrund starker Streuungen nicht mehr mit Hilfe analytischer Funktionen abschatzen lassen.In [16, 38, 39] und in [26] werden daher Kaskaden-Regelkreise zur Lageregelung servohydrauli-scher Antriebe fur Gleichgang- und Differentialzylinder vorgeschlagen, bei dem der innere Re-gelkreis die Druckdifferenzkraft und der außere Regelkreis die Zylinderkolbenposition regelt.Die Regelstrecke des inneren Regelkreises ist der nichtlineare hydraulische Krafterzeuger mitder Druckdifferenzkraft als Ausgang, mit dem Ventilkolbenweg als Eingang und mit der Zylin-derkolbengeschwindigkeit als externer Storung. Die Beschreibung des Krafterzeugers ist durchanalytische Funktionen moglich, die sich leicht ermitteln lassen.In [16] wird fur den nichtlinearen hydraulischen Krafterzeuger eine nichtlineare Zustandsruck-fuhrung nach dem Verfahren der exakten Linearisierung entworfen. Beim Differentialzylinder-modell entsteht mathematisch eine Nulldynamik erster Ordnung, deren Stabilitat nachgewiesen
12 Kapitel 2. Erkenntnisstand
wird. Beim Gleichgangzylinder ist die Nulldynamik physikalisch immer noch vorhanden. Siewird jedoch durch die Zusammenfassung der beiden Drucke in den Zylinderkammern zu einemDifferenzdruck im Modell nicht mehr berucksichtigt.In [26] wird der Regler des inneren Regelkreises aus einer Lyapunov-Analyse der nichtlinearenModellgleichungen des Servoventils und des hydraulischen Zylinders abgeleitet und damit auchdie Stabilitat des Regelkreises gezeigt. Die grundsatzliche Form des Regelgesetzes entsprichtdabei der Form der exakten Linearisierung.Die Kompensation der auftretenden Reibungskrafte erfolgt bei beiden Ansatzen im außerenRegelkreis durch eine Storgroßenaufschaltung einer geschatzten Reibungskraft, zu deren Be-rechnung auch nicht analytische Funktionen eingesetzt werden konnen.
Die in [21, 36, 37, 15, 40, 18] fur den gesamten servohydraulischen Antrieb nach dem Verfahrender exakten Linearisierung entworfenen nichtlinearen Regler berucksichtigen nur einen linearen,geschwindigkeitsproportionalen, viskosen Reibungsanteil.Die nichtlinearen Coulomb- und Haftreibungsanteile werden fur den hydraulischen Antrieb alsEinfluss einer Storgroße aufgefasst. Das Ziel besteht darin, robuste Regelverfahren bezuglich derStorgroßeneinwirkung einzusetzen, um so auf die genaue Kenntnis der Reibkraft verzichten zukonnen.
Da in der vorliegenden Arbeit ein servohydraulischer Antrieb mit hydrostatischer Lagerungverwendet wurde, der fast keine Reibung besitzt, konnte ein nichtlinearer Regler nach demVerfahren der exakten Linearisierung fur den gesamten servohydraulischen Antrieb entworfenund umgesetzt werden.
Mit der Berucksichtigung von Elastizitaten aus dem Geratebau im Regler bei hydraulisch ange-triebenen Systemen beschaftigen sich beispielsweise [15] und [16].In [15] werden an einem Handhabungsgerat, das mit zwei hydraulischen Differentialzylindernangetrieben wird, nichtlineare Regelungsverfahren zur Erzeugung eines linearen, entkoppeltenSystemverhaltens untersucht, wobei einer biegeelastischen Mechanik eine besondere Berucksich-tigung zukommt.Die Fertigung von Handhabungsgeraten in Leichtbauweise verbessert das Verhaltnis zwischenEigengewicht und Nutzlast und verringert dadurch den Energieverbrauch wahrend des Arbeits-vorgangs. Durch die Verwendung von Standardmaterialien zeigen die Handhabungsgerate jedochauch elastische Verformungen, wie sie bei gegenwartigen Handhabungssystemen auftreten, wenndiese im Grenzbereich betrieben werden. Um weiterhin ein lineares Regelkreisverhalten sicher-zustellen, werden die im Geratebau auftretenden biegeelastischen Verformungen in der Regelungberucksichtigt.Die Regelstrecke des Handhabungsgerates mit den Armenden als Ausgangen bekommt durch dieBerucksichtigung biegeelastischer Effekte ein nicht minimalphasiges Verhalten. Fur die Lagere-gelung der Armenden darf das Verfahren der exakten Linearisierung nicht angewendet werden,da dann ein instabiles internes System entsteht. Es wird eine Modifikation der exakten Lineari-sierung vorgeschlagen, bei der die Systembeschreibung gedanklich so modifiziert wird, dass einminimalphasiges System vorliegt.In [15] wird außerdem gezeigt, dass die exakte Linearisierung aus dem Grenzbereich einer spe-ziellen bereichsweise adaptierten linearen Regelung hervorgeht.In [16] wird fur Schwerlastroboter mit hydrostatischen Antrieben (z.B. eine Autobetonpumpe)eine nichtlineare Regelung und eine Schwingungsdampfung mit Hilfe von virtuellen passivenmechanischen Feder-Dampfer-Elementen entwickelt. Zur Regelung der Antriebe wird ein neuesnichtlineares Kaskaden-Regelungskonzept auf der Basis der exakten Linearisierung vorgestellt,
2.4 Identifikation von elektro-servohydraulischen Antrieben 13
wobei ein wesentlicher Aspekt die Entwicklung der praktischen Anwendbarkeit des Verfahrensist.
Alternative Ansatze zur Regelung servohydraulischer Antriebe, die Parameterschwankungenund Nichtlinearitaten berucksichtigen, sind beispielsweise adaptive Regler, kunstliche neuronaleNetzwerke oder Sliding-Mode-Regler.
In [17] wird fur einen Schwerlast-Handhabungskran, der aus einer offenen Kette mit 6 hydraulischangetriebenen Gelenken besteht, ein auf einem linearisierten Modell der Regelstrecke basierenderadaptiver Regler entwickelt, um die sich wahrend der normalen Bewegung andernde Dynamikzu kompensieren.In [45] wird eine statische Eingangsnichtlinearitat in Form einer Totzone eines Proportional-ventils durch ein kunstliches neuronales Netzwerk kompensiert. Hierbei wird ausgenutzt, dassein kunstliches neuronales Netzwerk ohne eine strukturelle Anderung verschiedene Arten vonnichtlinearem Verhalten beschreiben kann.Ein Sliding-Mode-Regler ist robust bezuglich großer Parameteranderungen der Regelstrecke undbesitzt eine globale Stabilitat. Es gestaltet sich aber im Einzelfall schwierig, die Umschaltbedin-gung des Reglers auszuwahlen und abzustimmen.In [46] wird ein Sliding-Mode-Regler zur Lageregelung eines servohydraulischen Antrieb miteiner elastisch angekoppelten Masse vorgestellt.
Die Dynamik der Ventilansteuerung hat bei der Verwendung moderner Servoventile nur einengeringen Einfluss auf das Gesamtsystem und wird daher haufig fur den Entwurf nichtlinearerRegler vernachlassigt [36, 26, 16, 18].Der in [21] fur einen elektrohydraulischen Servorotationsantrieb nach dem Verfahren der exak-ten Linearisierung entworfene nichtlineare Regler berucksichtigt fur die Dynamik der Ventilan-steuerung ein lineares System zweiter Ordnung. Der nichtlineare Regler konnte aber aufgrundmangelnder Rechenleistung derzeit nur in der Rechnersimulation getestet werden.
In der vorliegenden Arbeit werden nichtlineare Regler nach dem Verfahren der exakten Linear-isierung erfolgreich zur Regelung des servohydraulischen Antriebs im Laborexperiment einge-setzt. Die Regler berucksichtigen lineare Systeme bis zur dritten Ordnung fur die Dynamik derVentilansteuerung.
2.4 Identifikation von elektro-servohydraulischen Antrieben
Die Systemidentifikation beschaftigt sich allgemein mit dem Erstellen mathematischer Modellevon dynamischen Systemen aus gemessenen Ein-/Ausgangsdaten [6].Die Parameterschatzung bestimmt bei gegebener Modellstruktur die besten Werte fur die un-bekannten Modellparameter aus den gemessenen Daten.Im Rahmen dieser Arbeit werden Modelle mit physikalisch interpretierbaren und dadurch an-schaulichen Parametern eingesetzt, die aus einer physikalisch motivierten Modellbildung stam-men, vergleiche Kapitel 4.Beim vorliegenden servohydraulischen Antrieb konnten die Parameterwerte zum Teil aus techni-schen Daten der Konstruktion oder aus den Spezifikationen der Hersteller ubernommen werden.Die Bestimmung von Schatzwerten der verbleibenden unbekannten Parameter erfolgt aus Sen-sorsignalen, die wahrend eines normalen Betriebs des servohydraulischen Antriebs gemessenwerden.
14 Kapitel 2. Erkenntnisstand
Gelingt es eine Modellgleichung in die Form der linearen Regression zu bringen, so dass einAusgang linear von den unbekannten zu schatzenden Parametern abhangt, konnen die Para-meter mittels Least-Squares-Algorithmus geschatzt werden [47, 48, 6]. Dies ist die numerischeinfachste und sicherste Methode, weil dadurch ein globales Minimum gefunden wird. Hierzuist aber erforderlich, dass alle in der Modellgleichung beteiligten Modellvariablen durch Sen-soren erfasst werden. Eine nachtragliche Rekonstruktion von nicht verfugbaren Eingangs- oderAusgangsgroßen aus anderen gemessenen Daten, z.B. von zeitlichen Ableitungen durch nume-rische Differentiation ist moglich, verschlechtert aber das Ergebnis, weil Voraussetzung fur dieAnwendbarkeit der linearen Regression verletzt werden, siehe Kapitel C.1.2.3.Die Rekonstruktion durch numerische Differentiation lasst sich umgehen, wenn die vorliegendeModellstruktur eine lineare, zeitkontinuierliche Ubertragungsfunktion ist. Dann lassen sich dieParameter einer aquivalenten linearen, zeitdiskreten Ubertragungsfunktion mittels der Pradikti-onsfehlermethode schatzen und anschließend in die gesuchten Parameter umrechnen. Die Pradik-tionsfehlermethode [6, 48] berucksichtigt unterschiedliche Eingangsorte einer externen Storung(equation error: z.B. ARX , output error: z.B. OE). Zusatzlich kann durch lineare Fehlermodelle(z.B. ARMAX, BJ) eine spektrale Zusammensetzung der externen Storung modelliert werden.Durch die bessere Modellierung der externen Storung konnen Bias und Varianz der geschatztenParameter reduziert werden.In der vorliegenden Arbeit wird untersucht, in wie weit sich die Vorteile der Pradiktionsfehler-methode zur Schatzung der Parameter physikalisch motivierter Modelle von servohydraulischenAntrieben nutzen lassen.
Die hier verfolgte Vorgehensweise zur Schatzung physikalisch interpretierbarer Parameter vonservohydraulischen Antrieben wird auch in [26] verwendet. In [26] werden mit Hilfe einer ”Offline-Identifikation” die Koeffizienten des Ventilflusses und die stromungsmechanische Kapazitat furdie spatere Verwendung in einem nichtlinearen Regler geschatzt.
Um die Modellbildung zu umgehen, bietet die Systemidentifikation mit Black-box-Modellen eineAlternative, die aber nicht Gegenstand der Untersuchungen in der vorliegenden Arbeit ist.Black-box-Modelle besitzen eine Modellstruktur, die ”flexibel” genug ist, das Verhalten deszu identifizierenden Systems zu beschreiben. Die Systemidentifikation in Verbindung mit derParameterschatzung und der Modellvalidierung versucht ein passendes Modell mit geeignetenModellgleichungen zu finden.Als erster Schritt fur die Identifikation dynamischer Systeme werden in [6] lineare, zeitdiskreteUbertragungsfunktionen vorgeschlagen.In [14] werden Fuzzy-Logik Modelle und kunstliche neuronale Netzwerke fur die Identifikationservohydraulischer Antriebe eingesetzt.
Kapitel 3
Laboraufbau des servohydraulischen Linearantriebs
3.1 Einleitung
Dieses Kapitel beschreibt
• die hydraulischen und mechanischen Komponenten,• die Sensoren und Auswerteelektronik und• die Hardwarekomponenten des Rechnersystems,
die fur den Laboraufbau des servohydraulischen Antriebs verwendet werden (Bild 3.1) 1.
3.2 Hydraulische und mechanische Komponenten des servohy-draulischen Antriebs
Der servohydraulische Antrieb besitzt folgende hydraulische und mechanische Komponenten:
• Hydraulikversorgung (Bild 3.2(a)),• Hydraulikzylinder (Bild 3.2(c)),• mechanische Last (Bild 3.1),• Fundament (Bild 3.1),• Servoventil (Bild 3.2(c) und Bild 3.2(b)) und• Komponenten des Hydraulikkreislaufs (Bild 3.3).
Die Hydraulikanlage des Laboraufbaus wurde, unterstutzt durch mehrere Studien– und Diplom-arbeiten ([49], [50], [51], [52]), im Rahmen der Dissertation [7] konstruiert und aufgebaut.
3.2.1 Hydraulikversorgung
Das Hydraulikaggregat (Bild 3.2(a)), ausgefuhrt als Axialkolbenpumpe mit 15 kW Antriebslei-stung, 35 l/min Volumenstrom bei 280 bar Oldruck, wurde von der Firma Fichtel & Sachs,Schweinfurt zur Verfugung gestellt. Das Aggregat wurde vollstandig mechanisch undelektrisch uberarbeitet ([50], [51]).
1Der hydraulische Antrieb von (Bild 3.1) wurde dem Fachgebiet RTS dankenswerterweise von derIndustrieanlagen-Betriebsgesellschaft mbH (IABG) fur die Forschungsuntersuchungen zur Verfugung gestellt.
15
16 Kapitel 3. Laboraufbau
Feder−Dämpfer
Stahlstangen
Schlitten
Kolbenstange
mechanische Last
Servoventil
hydraulischer Antrieb
Inertialsystem
Fundament
Elemente
Gehäuse desAntriebs
Leckflussleitung
Bild 3.1: Laboraufbau des servohydraulischen Antriebs am Fachgebiet Regelungstechnik undSystemdynamik (RTS), Fachbereich Maschinenbau, Universitat Kassel
3.2.2 Hydraulikzylinder
Der verwendete Hydraulikzylinder (Bild 3.2(c)) ist ein Hydropuls-Langszylinder PL25 der Fir-ma Carl Schenk AG, Darmstadt. Der Zylinder ist ein doppeltwirkender Krafterzeuger mitgleich großen Kolbenflachen in beiden Zylinderkammern (Gleichlaufbauart), dessen durchgehen-de Kolbenstange unter den ublichen Einsatzbedingungen durch eine hydrostatische Lagerunglaut Herstellerangaben vollkommen spielfrei und frei von Gleitreibung gefuhrt wird. Im Zylinderist ein induktiver Wegaufnehmer eingebaut (siehe Kapitel 3.3.4). Der Hydropuls-LangszylinderPL25 hat
• einen Verfahrweg von ±125mm,• eine Nennkraft von Fn = 25kN bei einem hydraulischen Druck von ca. 270 bar und• eine ’dynamische Vollast’ Fdyn = 20kN (Fdyn = 0.8 · Fn).
An dem Hydraulikzylinder ist ein Servoblock montiert, der als Trager zum Aufbau des Servo-ventils und der beiden Hydrospeichern (Druckol- und Ruckolspeicher) dient (siehe Bild 3.2(c)).
3.2.3 Mechanische Last
Die mechanische Last besteht aus maximal zwolf einzelnen quadratischen Stahlplatten, die starrmit der Kolbenstange des Hydraulikzylinders verschraubt werden (Bild 3.1 zeigt 6 Stahlplatten).Eine Stahlplatte besitzt eine Masse von ca. 29, 5 kg. Die Masse der mechanischen Last kann durchdie Anzahl der verschraubten Stahlplatten variiert werden. Die mechanische Last wird zusatzlichdurch bis zu zwei Schlitten und zwei Stangen gefuhrt, um Querkrafte der Kolbenstange auf den
3.2 Komponenten 17
(a) Hydraulikaggregat (b) Servoventil
Induktiver Wegsensor
Rucklaufleitung
Servoventil
Druckleitung
Rucklaufspeicher
Druckspeicher
Hydraulikzylinder
(c) Hydraulikzylinder mit Servoventilblock und Druckan-schlussleitungen
Bild 3.2: Hydraulische Komponenten des servohydraulischen Antriebs (Fachgebiet RTS)
18 Kapitel 3. Laboraufbau
Hydraulikzylinder gering zu halten. Der Schlitten besitzt eine Masse von 5, 5 kg. Die maximalmogliche mechanische Last betragt ca. 400 kg.
3.2.4 Fundament
Das Fundament (Bild 3.1) aus Stahl mit einer Masse von ca. 1,5 t sitzt gelagert mit 8 Gummi-puffern auf dem Hallenboden auf. Die Gummipuffer sind von der Firma EFFBE-Werk FritzBrumme GmbH aus Raunheim und tragen die Typenbezeichnung KE-5.
3.2.5 Servoventil
Das eingesetzte Servoventil (Bild 3.2(c) und Bild 3.2(b)) vom Typ D769-318A mit elektronischerLageregelung von der Firma Moog aus Boblingen besitzt laut Herstellerangaben die folgendentechnischen Daten:
• Nennvolumenstrom von 38 l/min bei ∆pN = 70bar,• Nennsignal: Spannungs-Ansteuerung ±10V ,• Nulluberdeckung,• lineare Kennlinie zwischen Ventilweg und Offnungsquerschnitt uber der Steuerkante,• Ausgang fur Signal des Ventilwegsensors (10V =− 0.6mm),• nutzbare Bandbreite bis 100 Hz,• maximaler Betriebsdruck von 315 bar.
3.2.6 Hydraulikkreislauf
Das Bild 3.3 zeigt den installierten Hydraulikkreislauf mit den einzelnen Komponenten [49].Die Druckspeicher am Zylinder (Teile 13, 14 des Hydraulikschaltplanes in Bild 3.3) und in derVersorgungsleitung (Teil 12) dienen zur Glattung der Druckschwankungen und zur kurzfristigenErhohung des Volumenstroms. Die Ruckschlagventile (Teile 7, 8), der Druckwachter (Teil 11)und das vorgeschaltete Druckbegrenzungsventil (Teil 6) sowie deren elektrische Auswertung [51]dienen der Sicherheit der Anlage.
3.3 Sensoren
Im servohydraulischen Prufstand sind Sensoren fur folgende physikalische Großen eingebaut:
• Ventilweg xV ,• Kammerdrucke pI und pII des Hydraulikzylinders,• Differenzdruck pL der Zylinderkammern,• Druck pS in der hydraulischen Versorgungsleitung,• Druck pR in der hydraulischen Rucklaufleitung,• Zylinderkolbenauslenkung xk relativ zum Zylinderkolbengehause,• Zylinderkolbengeschwindigkeit xk relativ zum Zylinderkolbengehause,• Beschleunigung der mechanischen Last in vertikaler Richtung xka relativ zum Inertialsystem,• Verschiebung des Fundamentes in vertikaler Richtung xG relativ zum Hallenboden (Inertial-
system) und• Beschleunigung des Fundamentes in vertikaler Richtung xG relativ zum Inertialsystem.
3.3 Sensoren 19
Drucküberwachung
M
P
R
Druckloses Anfahren+
Blasenspeicherentladung
R
M
M
T
15
P R
1314
n= 1460 U/min
P= 15 KW
P
R
P
R
T
Kühlwasser
Kühlwasser
P
P
P
P
R
T
10
1
2
7
11
Druckbegrenzung
3
45
6
8
9
12
16
17
18
19
20
Bild 3.3: Hydraulikschaltplan des Hydraulikkreislaufs mit Rucklauftank (Teil 1), Axialkolben-pumpe (Teil 2), Ruckschlagventil in der Zuleitung (Teil 3), Druckfilter (Teil 4),Beluftungsfilter (Teil 5), vorgeschaltetem Druckbegrenzungsventil (Teil 6), einstellba-rem Druckbegrenzungsventil (Teil 7), TUV–gepruftem Druckbegrenzungsventil (Teil8), Manometerabsperrventil (Teil 9), Manometer (Teil 10), Druckschalter (Teil 11),Blasenspeicher (Teil 12), Membranspeicher (Teil 13 und Teil 14), Servoventil (Teil 15),Hydraulikzylinder (Teil 16), Rucklauffilter (Teil 17), Ruckschlagventil in der Rucklei-tung (Teil 18), Wasserkuhler (Teil 19) und Leckolpumpe (Teil 20)
20 Kapitel 3. Laboraufbau
Bemerkung: Auf den Einbau von Volumenflussmessgeraten wurde verzichtet, da es durchEinfugen dieser Messgerate in den entsprechenden hydraulischen Leitungen zu Druckverlu-sten kommt, die die dynamischen Eigenschaften des servohydraulischen Antriebs verschlechternwurden. Volumenflusssensoren sind sehr teuer und waren nur fur die Identifikation und nicht furdie Regelung erforderlich.
3.3.1 Beschreibung des Ventilwegsensors
Das verwendete Servoventil vom Typ D769-318A besitzt einen internen Wegaufnehmer mit Aus-werteelektronik zur elektronischen Lageregelung. Der Wegaufnehmer arbeitet auf der Basis einesDifferentialtransformators. Das Signal des Wegaufnehmers ist uber einen Kontakt nach außengelegt. Einer elektrischen Spannung von +10V entspricht ein Ventilweg von −0.6mm und einerelektrischen Spannung von -10V entspricht ein Ventilweg von 0.6mm.
3.3.2 Beschreibung der Drucksensoren
Zur Erfassung der Hydraulikdrucke pI , pII , pS und pR werden Absolutdruckaufnehmer vomTyp PM3A der Firma Hottinger Baldwin Messtechnik HBM verwendet. Die Abso-lutdruckaufnehmer sind zur Messung von statischen und dynamischen Drucken geeignet. AlsMesssystem der Absolutdruckaufnehmer PM3A wird eine temperaturkompensierte Wheatstone-Brucke aus HBM-Dehnungsmessstreifen verwendet. Die HBM-Dehnungsmessstreifen sind aufeiner Messmembran befestigt. Aufgrund hoher Eigenfrequenz (> 100kHz) der Messmembranlassen sich rasche Druckanderungen verzerrungsfrei messen. Die Signale der Absolutdruckauf-nehmer werden mit Gleichspannungsverstarkern (HBM Typ AE101) aufbereitet (siehe Kapitel3.3.7). Der Absolutdruckaufnehmer PM3A besitzt laut Herstellerangaben einen Messbereich von0 bis 500 bar bei einem Fehler von 0.15% vom Endwert. Die Gleichspannungsverstarker sind aufeine Grenzfrequenz von 6 kHz eingestellt.Um eine bessere Auflosung bei der Druckmessung zu erhalten, werden die Gleichspannungs-verstarker der Drucksensoren pI , pII , pS auf einen Messbereichsendwert von 300 bar und derGleichspannungsverstarker des Drucksensors pR auf einen Messbereichsendwert von 100 bar ein-gestellt. Der Messbereichsanfang ist einheitlich auf 0 bar festgelegt. Die Ausgangsspannung derGleichspannungsverstarker betragt am Messbereichsanfang 0 V und am Messbereichsende 10 V.
3.3.3 Beschreibung des Differenzdrucksensors
Zur Erfassung der Druckdifferenz zwischen den beiden Zylinderkammern wird ein Differenz-druckaufnehmer vom Typ PMDD der Firma Schenk verwendet. Der Differenzdrucksensorwird am Servoblock des Hydropuls-Zylinders montiert, so dass er mit beiden Zylinderkam-mern verbunden ist. Jeder der beiden im Aufnehmergehause angeordneten Messfuhler wird vomDruckol einer Kammer beaufschlagt. Zwei Dehnungsmessstreifen, die in jedem Messfuhler zueiner Wheatstone’schen Halbbrucke verschaltet sind, wandeln den Druck der Zylinderkammerin ein dem Druck proportionales elektrisches Signal um. Die beiden Halbbrucken der Messfuhlersind wieder zu einer Vollbrucke geschaltet. Ist der Druck in den beiden Zylinderkammern unter-schiedlich, ist auch die Vollbrucke verstimmt und sie gibt ein der Druckdifferenz proportionalesMesssignal ab. Das Messsignal des Differenzdruckaufnehmers wird mit dem Gleichspannungs-verstarker (HBM Typ AE101) aufbereitet (siehe Kapitel 3.3.7). Der Sensor besitzt laut Her-stellerangaben einen Nenndifferenzdruck von maximal ∆pn = 500 bar mit einem Fehler von< ±0.5% vom Nenndifferenzdruck. Der Messverstarker ist auf eine Grenzfrequenz von 6 kHz
3.3 Sensoren 21
xk
Mittelstellung Eingefahren Ausgefahrenxk = 0 mmUxk = 0 V
xk = 125 mmUxk = +10 V
xk = −125 mmUxk = −10 V
xk = −125 mm
xk = 0 mm
xk = 125 mm
Kolben-stange
Zylinder-gehause
Bild 3.4: Grafische Darstellung der Position der Zylinderkolbenstange bezuglich des Zylinder-kolbengehause mit entsprechender Ausgangsspannung der Auswerteelektronik
eingestellt. Um eine bessere Auflosung bei der Druckmessung zu erhalten, wird der Gleich-spannungsverstarker des Differenzdrucksensors auf einen Messbereichsanfang von -50 bar undeinen Messbereichsendwert von 50 bar eingestellt. Die Ausgangsspannung des Gleichspannungs-verstarkers betragt am Messbereichsanfang -10 V und am Messbereichsende 10 V.
3.3.4 Beschreibung des Wegsensors fur die Zylinderkolbenauslenkung
Im Hydraulikzylinder ist ein induktiver Wegaufnehmer eingebaut, der die Position der Zylin-derkolbenstange bezuglich des Zylinderkolbengehauses vermisst. Diese Zylinderkolbenpositionwird als Zylinderkolbenweg xk bezeichnet. Die Auswerteelektronik des Wegaufnehmers ist soeingestellt, dass sie in Mittelstellung der Zylinderkolbenstange (xk = 0) eine Ausgangsspan-nung von Uxk = 0V anzeigt (siehe Bild 3.4). Ist die Zylinderkolbenstange in das Zylinder-gehause eingefahren (xkmax = 125mm), so liegt am Ausgang der Auswerteelektronik eine Span-nung von Uxk = 10V an. Ist die Zylinderkolbenstange ganz aus dem Zylindergehause ausge-fahren (xkmin = −125mm), so liegt am Ausgang der Auswerteelektronik eine Spannung vonUxk = −10V an.Der Wegaufnehmer ist als induktive Halbbrucke ausgefuhrt. Er wird an den Universal-Messverstarker MV312 der Firma Carl Schenk AG, Darmstadt angeschlossen. Der Universal–Messverstarker MV312 ist ein Tragerfrequenz–Messverstarker fur Voll- und Halbbruckenschal-tung und arbeitet mit einer Tragerfrequenz von 5 kHz.
3.3.5 Beschreibung des Wegsensors fur das Fundament
Zur Erfassung der Verschiebung des Fundamentes in vertikaler Richtung wird das beruhrungs-lose optische Wegmesssystem optoNCDT 1605 mit einem Laser–Sensor von der Firma Micro-Epsilon aus Ortenburg verwendet. Der Laser–Sensor LD1605-20 arbeitet bei einer Wellenlangevon 675nm (sichtbares Rotlicht) und besitzt einen Abtastbereich von ±10 mm bei einem Aus-gangsspannungsbereich von ±10 V und einem Grundabstand in der Messbereichsmitte von65 mm. Die Linearitatsabweichungen sind kleiner 60 µm (≤ ±0.30 % des Messbereiches). Die
22 Kapitel 3. Laboraufbau
Reaktionszeit des Sensors wurde auf 2 ms eingestellt, wobei ein Kompromiss zwischen Rausch-empfindlichkeit und Messgenauigkeit gefunden wurde. Zur mechanischen Entkoppelung wurdeder Sensor mit drei Bindfaden von der Decke hangend befestigt (vgl. Bild 3.5).
Bild 3.5: Beruhrungsloses optisches Wegmesssystem optoNCDT 1605 und DMS-Beschleunigungssensoren Typ 89010 zur Erfassung der Verschiebung und derBeschleunigung des Fundamentes in vertikaler Richtung
3.3.6 Beschreibung der Beschleunigungssensoren fur die mechanische Lastund das Fundament
Zur Erfassung der Beschleunigung der mechanischen Last und der Beschleunigung des Funda-ments (vgl. Bild 3.5) werden DMS-Beschleunigungssensoren des Typ 89010 der Firma Bur-ster aus Gernsbach und der dazugehorigen Auswerteelektronik SEMMEG 9000 eingesetzt. DieAuswerteelektronik ubernimmt die Speisung der Dehnungsmessstreifen (DMS) in den Sensorenund die Verstarkung und Tiefpassfilterung der Sensorsignale. Die Tiefpassfilter werden hard-waremaßig auf eine Grenzfrequenz von 1 kHz eingestellt. Der Ausgangsspannungsbereich desVerstarkers betragt ±10 V. Der Beschleunigungssensor der mechanischen Last besitzt einenMessbereich von ±10 g. Der Beschleunigungssensor des Fundaments besitzt einen Messbereichvon ±5 g. Der Arbeitsfrequenzbereich der Beschleunigungssensoren betragt 0 bis 250 Hz beieiner Resonanzfrequenz von ca. 600 Hz.
3.3.7 Beschreibung des Gleichspannungsmessverstarkers Typ AE101
Der Gleichspannungsmessverstarker vom Typ AE101 dient zur aktiven Signalaufbereitung derpassiven Vollbrucken der Druckaufnehmer. Unter aktiver Signalaufbereitung versteht man dieWandlung des vom Sensorelement kommenden Signals in ein definiertes bzw. standardisiertes
3.4 Beschreibung der Hardware des Rechnersystems 23
elektrisches Ausgangssignal. Der Gleichspannungsmessverstarker vom Typ AE101 besteht auseinem einstellbarem Differenzverstarker mit anschließender analoger Filterung durch ein Bessel-Tiefpassfilter 3. Ordnung, dessen Grenzfrequenz sich zwischen 10 Hz und 6 kHz umschalten lasst.Die Bruckenspeisespannung wird fur alle Sensoren auf eine Gleichspannung von 5 Volt einge-stellt. Die Ausgangsspannung des Gleichspannungsmessverstarkers betragt ±10 V bei einemmaximalen Lastwiderstand von 4 kΩ. Er besitzt die Genauigkeitsklasse 0.1 und eine Linearitats-abweichung <0.05 % vom Endwert.
3.4 Beschreibung der Hardware des Rechnersystems
Das Rechnersystem dient zur
• Implementierung der Regelalgorithmen und zur
• Durchfuhrung von Identifikationsexperimenten.
Die Hardware des Rechnersystems, dargestellt im Bild 3.6, besteht aus:
• einer Transputermesskarte ADWIN der Firma Jager-electronic und
• einem DSM–860/16–Board der Firma DSM.
ADWIN DSM-860/16
Bild 3.6: Einsteckkarten des Rechnersystems (links: Transputermesskarte ADWIN, mitte undrechts: DSM–860/16–Board)
Die Transputermesskarte ADWIN ist eine Messwerterfassungskarte, die als Einsteckkartefur den PC gefertigt wird. Sie besitzt
• 16 Analogeingange und• 2 Analogausgange
mit jeweils einer Auflosung von 12 Bit. Die Signale der 16 Analogeingange werden uber zwei8-Kanal-Multiplexer mit zwei nachgeschalteten Analog-Digital-Wandlern erfasst. Ein Analog-Digital-Wandler besitzt eine Summenabtastrate von 100 kHz. Zur Signalverarbeitung besitztdie Messwerterfassungskarte einen Transputer T805/25 mit 4 MB Arbeitsspeicher. Transputer
24 Kapitel 3. Laboraufbau
16 AnalogInT805 T222 i860
ISA-BUS
Standard PC (’486, 40 MHz, 16MB RAM)
RISC-i860-KarteADWIN-Karte
Link1 Link0
Link0
6 AnalogOut
Bild 3.7: Blockschaltbild der Rechnersystems
sind multitasking- und multiprozessorfahige Mikroprozessoren. Die Analog-Digital- und Digital-Analog-Wandler werden vom Transputer direkt angesprochen. Die Verbindung zwischen PCund Transputer T805 erfolgt uber einen der vier Kommunikationsports (Links) des Transputers(Link 0). Uber ein Serverprogramm wird das Anwenderprogramm vom PC in den Transputergeladen und anschließend ausgefuhrt. Wahrend der Ausfuhrung des Anwenderprogramms imTransputer findet uber diesen Link die Kommunikation zwischen Transputer und PC statt, umzum Beispiel Messdaten der Analog-Digital-Wandler auf dem PC abspeichern zu konnen. Dierestlichen drei Links stehen zum Ankoppeln weiterer Transputer zur Verfugung. Im vorliegendenRechnersystem wird uber den Link 1 des Transputer T805 der Transputermesskarte ADWINder Transputer T222 auf dem DSM–860/16–Board angeschlossen (siehe das Blockschaltbild desRechnersystems im Bild 3.7).Die Programmierung erfolgt uber den Host-PC in Parallel–C (Transputer).Das DSM–860/16–Board ist eine Einsteckkarte fur den PC, auf der sich
• ein RISC-Prozessor i860 der Firma Intel mit 8 MB Arbeitsspeicher und
• ein Transputer T222 zur Kommunikation mit anderen Transputern
befinden. Ein Risc-Prozessor ist ein Mikroprozessor, der aufgrund seines kompakten und ef-fizienten Befehlsatzes eine hohe Rechenleistung besitzt. Der Risc-Prozessor i860 auf demDSM–860/16–Board wird mit 40 MHz getaktet. Er ist uber eine Mapped-I/O - Schnittstelle mitdem PC verbunden. Uber diese Schnittstelle wird das Anwenderprogramm vom PC in den Pro-grammspeicher des Risc-Prozessors i860 auf dem DSM–860/16–Board geladen und anschließendausgefuhrt. Ebenfalls uber diese Schnittstelle findet die Kommunikation zwischen PC und i860bei Ausfuhrung des Anwenderprogramms statt. Die Verbindung des Risc-Prozessors i860 mitdem Transputer T222 findet uber eine Dual-Ported-RAM Schnittstelle statt. Alle vier Links desTransputers T222 sind fur Ankopplung an weitere Transputer frei. Die DSM 860-Karte besitztkeine Analogschnittstellen.Im vorliegenden Rechnersystem ubernimmt die Transputermesskarte ADWIN die Aufgaben zurMesswerterfassung und Datenvorverarbeitung und das DSM–860/16–Board fuhrt die Berech-nung der Regelalgorithmen durch.
3.5 Zusammenfassung
In diesem Kapitel wurden
3.5 Zusammenfassung 25
Sensor fur Messbereich Ausgang max. FehlerVentilweg xV ±6 · 10−4 m ±10VDrucke pI , pII , pS 0...300 bar 0...10 V ≤0.15%Druck pR 0...100 bar 0...10 V ≤0.15%Differenzdruck pL −50 bar... + 50 bar ±10 V ≤ 0.5%Zylinderkolbenauslenkung xk ±125 mm ±10 VAuslenkung des Fundaments xG ±10 mm ±10 V ≤0.3%Beschleunigung xka ±10 g ±10 V ≤5%Beschleunigung xG ±5 g ±10 V ≤5%
Tabelle 3.1: Ubersicht der einzelnen Sensoren mit ihren Messbereichen, ihren Ausgangsspan-nungen und ihren auf den Messbereichsendwert bezogenen maximalen Fehlern
• die hydraulischen Komponenten• die Sensoren und• die Hardwarekomponenten des Rechnersystems,
fur den Laboraufbau des servohydraulischen Prufstands beschrieben. In der Tabelle 3.1 ist eineUbersicht der einzelnen Sensoren mit ihren Messbereichen, ihren Ausgangsspannungen und ihrenauf den Messbereichsendwert bezogenen maximalen Fehlern gegeben.
26 Kapitel 3. Laboraufbau
Kapitel 4
Mathematische Modellbildung eines
servohydraulischen Linearantriebs
4.1 Einleitung
Die im Rahmen dieser Arbeit verwendeten Typen von Modellgleichungen eines servohydrauli-schen Linearantriebs sind :
• nichtlineare nicht reduzierte Modellgleichungen (Abschnitt 4.2)Sie enthalten die meisten Details des Prozessverhaltens und werden als Streckenmodell in derRechnersimulation des Laborexperiments eingesetzt (vgl. Kapitel 8). Fur eine Verwen-dung als Streckenmodell im Reglerentwurf sind sie zu umfangreich.
• nichtlineare reduzierte Modellgleichungen (Abschnitt 4.3)Sie werden aus den nichtlinearen nicht reduzierten Modellgleichungen aufgrund mehrerer Re-duktionsannahmen entwickelt und dienen beim nichtlinearen Reglerentwurf als Strecken-modell (vgl. Kapitel 7.3).
• lineare nicht reduzierte Modellgleichungen (Abschnitt 4.4)Sie werden aus den nichtlinearen nicht reduzierten Modellgleichungen durch Linearisierung ineiner Ruhelage berechnet (vgl. Kapitel 5.3). Mittels dieses Modells wird der Reduktionsschrittzum linearen reduzierten Modell untersucht (vgl. Kapitel 5.5).
• lineare reduzierte Modellgleichungen (Abschnitt 4.5)Sie werden aus den nichtlinearen reduzierten Modellgleichungen durch Linearisierungin einer Ruhelage berechnet (vgl. Kapitel 5.2) und dienen beim linearen Reglerentwurfals Streckenmodell (vgl. Kapitel 7.4).
Alle genannten Modellgleichungen werden als Modellhypothese bei der parametrischen Iden-tifikation eingesetzt (vgl. Kapitel 6).
4.2 Nichtlineare nicht reduzierte Modellgleichungen
Die nichtlinearen nicht reduzierten Modellgleichungen des servohydraulischen Linearantriebssind der Ausgangspunkt fur die
• Rechnersimulationen zur
• Validierung des Streckenmodells und zur• Erprobung der entworfenen Regelalgorithmen, fur die
27
28 Kapitel 4. Mathematische Modellbildung
• Modellreduktion zum Erzeugen nichtlinearer reduzierter Modellgleichungen, die als Strecken-modell fur den nichtlinearen Reglerentwurf dienen, fur die
• Bestimmung der statischen Ruhelage mit anschließender Linearisierung zur Bildung derlinearen nicht reduzierten und der linearen reduzierten Modellgleichungen, die als Strecken-modell fur den linearen Reglerentwurf dienen und fur die
• parametrische Identifikation als Modellhypothese.
Der servohydraulische Antrieb wird in die folgenden drei Teilsysteme unterteilt:
Teilsystem I: Ansteuerung der Servoventilmechanik (Servoventil),Teilsystem II: Volumenflusse uber die Steuerkanten des Servoventils und
Druckaufbau in den Zylinderkammern (Hydraulik)Teilsystem III: Mechanik der Last und des Fundaments (Mechanik).
Die Modellgleichungen fur die Teilsysteme sind aus [1] ubernommen worden.
Im Bild 4.1 ist das Wirkschaltbild des servohydraulischen Antriebs und im Bild 4.2 die Mechanikdes servohydraulischen Antriebs dargestellt (vgl. Bild 3.1).
Das Teilsystem I (Servoventil) wird durch die folgenden Modellgleichungen beschrieben:
• Modellgleichung fur die elektromagnetische Ansteuerung der Ventilkolbenstange
FV + a′M · FV = k′M · a′M · u′M , (PT1-Verhalten) (4.1)
• Sattigungkennlinie F ′V (FV ) (vgl. Bild 4.3) der durch die elektromagnetische Ansteuerung
erzeugten Kraft FV
F ′V := F ′
V (FV ) =
FVmax fur FV > FVmax
FV fur −FVmax < FV < FVmax
−FVmax fur FV < −FVmax
, (4.2)
• Modellgleichung fur die Bewegung der Ventilkolbenstange
mV · xV + dV · xV = F ′V und (4.3)
• Modellgleichungen fur den Lageregler (P-Regler)
xV d = k′V · uM , (4.4a)exV = xV d − xV , (4.4b)u′M = kpV · exV . (4.4c)
Bemerkung 4.1 (Einfuhrung gestrichener Parameter k′V , k′M , a′M): Die gestrichenenParameter k′V , k′M , a′M werden zur Unterscheidung der Parameter des linearen Servoventil-modells (4.25) und (4.26) eingefuhrt (vgl. [1]).
Bemerkung 4.2 (Rechnersimulation des physikalischen Modells des Servoventils):In der Rechnersimulation wird das Modell des Servoventils mit den physikalischen Parameterndurch ein Modell mit formalen Parametern (vgl Kapitel A.1) ersetzt, beim dem sich die Para-meter eindeutig aus dem Ein-/Ausgangsverhalten identifizieren lassen.
4.2 Nichtlineare nicht reduzierte Modellgleichungen 29
laminarer und turbulenter
hydrostatisches Lager
hydrostatisches Lager
Zylinderkolbenstange
Zylinderkammer II
Leck
fluss
qL
EI
Feder–DampferElemente
pS
pIIFV
FV
xV
xV
xV
q4
q2
q1
pS
Servoventil–steuerkanten
mechanische Last
Inertialsystem
Steuereingang uM
mG
cG dG
xG
xG,xG
elektro-magnetischer
Antrieb
Servoventil–mechanik
Servoventil
Servoventil–kolben
Zylinderkolben
mk
gxkaxka
xka
q3
Zylindergehause
Fundament
Bypassfluss qBP , qBPL
Versorgungsdruck
Versorgungsdruck
pS
druckVersorgungs-
RucklaufdruckpR
Zylinderkammer I
pI
Leck
fluss
qL
EII
Bild 4.1: Wirkschaltbild des servohydraulischen Antriebs
Das Teilsystem II (Hydraulik) wird durch die folgenden Modellgleichungen beschrieben:
• Modellgleichungen fur den Druckaufbau in den Zylinderkammern I und II
pI · AI
B· (lI0 + (xka − xG)) + AI · (xka − xG) = qZI(xV , pI , pII) , (4.5a)
pII · AII
B· (lII0 − (xka − xG))−AII · (xka − xG) = −qZII(xV , pI , pII) (4.5b)
mit den Volumenflussen
qZI(xV , pI , pII) := q2(xV , pI) −q1(xV , pI) −qBP (pI , pII) −qBPL(pI , pII) −qLEI(pI), (4.6a)qZII(xV , pI , pII) := q4(xV , pII) −q3(xV , pII) −qBP (pI , pII) −qBPL(pI , pII) +qLEII(pII), (4.6b)
30 Kapitel 4. Mathematische Modellbildung
Fuhrung
dG
mk
ElementeFeder–Dampfer
Fundament
Inertialsystem
mechanische Last
mG
cG
pII
pI
Tisch
Hydraulikzylinder
xka
xka
xka
xG
xG
xG
xk := xka − xG
xk := xka − xG
Zylindergehause
Zylinderkolbenstange
Bild 4.2: Mechanik des servohydraulischen Antriebs
SattigungFVmax
FV [N ]−FVmax
F ′V [N ]
1
F ′VFV
Bild 4.3: Sattigungkennlinie F ′V (FV ) der durch die elektromagnetische Ansteuerung erzeugten
Kraft FV (vgl. Gleichung (4.2))
• Modellgleichungen fur die Volumenflusse uber die Servoventil-Steuerkanten;
q1(xV , pI) := −αD1 ·π ·d1 ·√
2/ρ·√|pI−pR| ·sign (pI−pR) ·(xV +xu1)·σ (−xV −xu1) , (4.7a)
q2(xV , pI) := αD2 ·π ·d2 ·√
2/ρ·√|pS−pI | ·sign (pS−pI) ·(xV −xu2)·σ ( xV −xu2) , (4.7b)
q3(xV , pII) := −αD3 ·π ·d3 ·√
2/ρ·√|pS−pII | ·sign (pS−pII) ·(xV +xu3)·σ (−xV −xu3) , (4.7c)
q4(xV , pII) := αD4 ·π ·d4 ·√
2/ρ·√|pII−pR|·sign (pII−pR)·(xV −xu4)·σ ( xV −xu4) , (4.7d)
4.2 Nichtlineare nicht reduzierte Modellgleichungen 31
Hier wurde bereits fur beide Zylinderkammern die gleiche spezifische Dichte ρ des Arbeits-mediums Ol angenommen, was der Annahme in Gl. (4.15c) entspricht.
• Modellgleichungen fur die Leckflusse aufgrund hydrostatischer Lagerung der Zylinderkolben-stange (siehe hierzu auch Anhang A.3)
qLEI(pI) := kLEPI · pI − kLEPSI · pS (Kammer I) , (4.8a)qLEII(pII) := kLEPII · pII − kLEPSII · pS (Kammer II) , (4.8b)
• Modellgleichungen fur laminaren bzw. turbulenten Bypassfluss
qBPL(pI , pII) := kBPL · (pI − pII) (laminar) , (4.9a)
qBP (pI , pII) := αBP ·ABP ·√
2/ρ ·√|pI − pII | · sign (pI − pII) (turbulent) . (4.9b)
Bemerkung 4.3 (Leckflusse aufgrund hydrostatischer Lagerung): Das Zustandekom-men der Gleichungen (4.8a) und (4.8b) der Leckflusse aufgrund hydrostatischer Lagerung derZylinderkolbenstange wird im Kapitel A.3 beschrieben.
Das Teilsystem III (Mechanik) wird durch die folgenden Modellgleichungen beschrieben:
• Modellgleichung der Lastmechanik
mk · xka + dk · (xka − xG) = AI · pI −AII · pII︸ ︷︷ ︸=:Fhyd
+ mk · gφ und (4.10)
• Modellgleichung der Mechanik des Fundaments mit Feder–Dampfer–Elementen
mG · xG − dk · (xka − xG) + dG · xG + cG · xG = −AI · pI + AII · pII︸ ︷︷ ︸=−Fhyd
+ mG · gφ (4.11)
Bemerkung 4.4 (Senkrechte oder waagerechte Einbaulage des Zylinders): Uber dieKonstante gφ := g · sin(φ) in den Gleichungen (4.10) und (4.11) ist das Behandeln eines waage-recht liegenden (sin(φ) = 0, gφ = 0) und eines senkrecht stehenden Zylinders (sin(φ) = 1, gφ = g)moglich. Der Winkel φ bezeichnet den Winkel zwischen Horizontale und Zylinderkolbenstange.
Die Modellgleichungen (4.1) bis (4.11) enthalten die folgenden Modellvariablen :
uM Ventileingangsspannung [V],xV Ventilkolbenweg (Ist-Wert) [m],xV d Ventilkolbenweg (Soll-Wert) [m],exV Fehler des Ventilkolbenwegs [m],u′M Eingangsspannung der elektromagnetischen Ansteuerung [V],FV Ansteuerkraft der Ventilkolbenstange vor Sattigung [N],F ′
V Ansteuerkraft der Ventilkolbenstange nach Sattigung [N],
xka Zylinderkolbenweg bezogen auf das Inertialsystem [m],xG Verschiebung des Fundaments bezogen auf das Inertialsystem [m] ,xk := xka − xG Zylinderkolbenweg relativ zum Fundament [m] (vgl. Bild 4.2),pI , pII Drucke in den Zylinderkammern I, II [ N
m2 ],
32 Kapitel 4. Mathematische Modellbildung
pS Versorgungsdruck [ Nm2 ],
pR Rucklaufdruck [ Nm2 ],
q1 , q2 , q3 , q4 Volumenflusse uber die Servoventil–Steuerkanten 1, 2, 3, 4 [m3
s ],qLEI , qLEII Leckflusse des Antriebs [m
3
s ],qBP turbulenter Bypassfluss des Antriebs [m
3
s ],qBPL laminarer Bypassfluss des Antriebs [m
3
s ],Fhyd durch die Hydraulik erzeugte Kraft [N]
und die Modellparameter :
k′V stationarer Ubertragungsfaktor des Servoventils [mV ]kpV Verstarkungsfaktor des Lagereglers im Servoventil [V
m ],k′M Verstarkungsfaktor des elektromagnetischen Antriebs [NV ],a′M Polstelle der Ubertragungsfunktion zur Gleichung (4.1) [1s ],FVmax Sattigung der magnetischen Kraft FV [N],mV Masse der Ventilkolbenstange [kg],dV linearer Dampfungskoeffizient der Ventilkolbenmechanik [N·sm ],
lI0 , lII0 Zylinderkammerlangen I, II in Mittenposition des Kolbens [m],AI , AII Zylinderkolbenflachen der Kammern I, II [m2],B stromungsmechanische Kompressibilitat [ N
m2 ],ρ spezifische Dichte des Arbeitsmediums Ol [ kg
m3 ],αD1 , αD2 , αD3 , αD4 Durchflusskoeffizienten der Ventilsteuerkanten [1],d1 , d2 , d3 , d4 Durchmesser der Ventilsteuerkanten [m],xu1 , xu2 , xu3 , xu4 Uberdeckungsverhaltnisse [m],kLEPI , kLEPSI Leckflusskoeffizienten der Kammer I [m
4·skg ] ,
kLEPII , kLEPSII Leckflusskoeffizienten der Kammer II [m4·s
kg ] ,kBPL Koeffizient des laminaren Bypassflusses [m
4·skg ]
αBP ·ABP Koeffizient des turbulenten Bypassflusses [m2],mk Masse der Last und der Kolbenstange [kg],dk linearer Dampfungskoeffizient der Lastmechanik [N·sm ],mG Masse des Fundaments [kg],dG linearer Dampfungskoeffizient der Feder-Dampfer-Elemente [N·sm ] ,cG Federsteifigkeit der Feder-Dampfer-Elemente [N
m ] undg Gravitationskonstante [m
s2].
In den Gleichungen (4.7a) bis (4.7d) wird die Sprungfunktion σ(x) verwendet, die wie folgtdefiniert wird:
σ(x) =
1 fur x ≥ 00 sonst
. (4.12)
Das Blockschaltbild zu den nichtlinearen nicht reduzierten Modellgleichungen (4.1) bis (4.11) istim Bild 4.4 dargestellt.
4.2 Nichtlineare nicht reduzierte Modellgleichungen 33
Tei
lsys
tem
II
-+
AI
AII
AI
AII
kL
EP
Ik
LE
PS
I
kL
EP
II
kL
EP
SII
-
+
∫∫
kB
PL
q BP(p
I−
p II)
(4.9
b)
BA
I·(l I
0+x
ka−x
G)
BA
II·(
l II0−
xk
a+x
G)
−1 mG
c G mG
dG
mG
dk
mG
∫
dk
mk
∫ ∫
k′ V
- +
+- -
+
- +
q 1(x
V,p
I,p
R)
(4.7
a)
(4.7
b)
q 2(x
V,p
I,p
S)
p I
-+
-
p II
p I p II
Dru
ckau
fbau
der
Kam
mer
I(4
.5a)
(4.7
c)q 3
(xV,p
II,p
S)
q 4(x
V,p
II,p
R)
(4.7
d)
-
xka−x
G
xka−x
G
xV
p I p R xV
p I p S xV
p II
p S xV
p II
p R
p I
+ +
p I p II
p II
q 2
q BP
L
p I p II
+-q L
EI
+q L
EII
p S p S
Dru
ckau
fbau
der
Kam
mer
II(4
.5b)
(4.8
b)
(4.8
a)
q BP
p I−p
II
q 4q 3q 1
++ -
xka−x
G
xka−x
G
Fhyd
xka−x
G
-
∫
+
++
+
+
-
1 mk
g φ
xka
xka
Las
tmec
han
ik(4
.10)
Mec
han
ikdes
Fundam
ents
(4.1
1)+x
ka
xG
-
xG
-
xka−x
G
xG
xka
+
+
g φ-
xka−xG
xka
xG
xV
∫F
Vx
V
Sat
tigu
ng
−+
−
+x
VF′ V
−e xV
+
u′ M
FV
kp
Vk′ M·a′ M
a′ M
1m
V
∫ dV
mV
∫u
M
elek
trom
agnet
isch
eLag
ereg
ler
Anst
euer
ung
Ven
tilm
echan
ik(4
.3)
Sat
tigu
ngs
kennlinie
der
erze
ugt
en
Anst
euer
ung
der
Ser
vove
ntilm
echan
ik
(4.4
a),(4
.4b),
(4.4
c)(4
.1)
Kra
ft(4
.2)
xV
xV
d
Tei
lsys
tem
ITei
lsys
tem
III
Mec
han
ikV
olum
enflu
sse
und
Dru
ckau
fbau
(Hyd
raulik
)
Bild
4.4:
Blo
cksc
halt
bild
zude
nni
chtl
inea
ren
nich
tre
duzi
erte
nM
odel
lgle
ichu
ngen
(4.1
)bi
s(4
.11)
34 Kapitel 4. Mathematische Modellbildung
Bemerkung 4.5 (Reibung): In diesen Untersuchungen wird ein servohydraulischer Antriebmit hydrostatischer Lagerung der Kolbenstange verwendet, der sich durch sehr geringe Rei-bungskrafte auszeichnet. Im Falle der Verwendung von Antrieben ohne hydrostatische Lagerungmussen Reibungskrafte in den Modellgleichungen erganzt werden. Standard-Reibmodelle sind:
• Coulomb-Reibmodell mit Reibungskraft Fc
Fc = ck · sign (xk) und (4.13)
• Stribeck-Reibmodell mit Reibungskraft FRS
FRS(xk, xk) :=
sign (xk) ·(
Fhaft ·( |xk|−xk,krit
xk,krit
)4)
furund fur
|xk| ≤ xk,krit
sign (xk) = sign (xk)0 sonst
.
(4.14)
mit den Modellparametern ck , Fhaft und xk,krit.
4.3 Nichtlineare reduzierte Modellgleichungen
Die nichtlinearen reduzierten Modellgleichungen des servohydraulischen Linearantriebs werdenaus den nichtlinearen nicht reduzierten Modellgleichungen (4.1) bis (4.11) aufgrund folgenderReduktionsannahmen entwickelt [1]:
1. Der Arbeitszylinder hat zug- und druckseitig gleiche Zylinderkolbenflachen
Ak := AI = AII . (4.15a)
2. Der Arbeitszylinderkolben wird um die Mittelstellung herum ausgesteuert
L/2 := lI0 = lII0 . (4.15b)
3. Es wird angenommen, dass die Dichte des Arbeitsmediums Ol in beiden Zylinderkam-mern in erster Naherung gleich ist
ρ := ρI = ρII . (4.15c)
4. Beim Servoventil liegt folgende Leitwertanpassung der Steuerkanten vor (vgl. [1])
Y1(·) ≡ Y3(·) und (4.15d)Y2(·) ≡ Y4(·) .
5. Die Druckversorgung wird als ideal angenommen
pS + pR = pI + pII ≡ 0 und damit (4.15e)pS + pR = pI + pII = konstant.
6. Die Ventilkolbendurchmesser erfullen die Symmetriebedingung
d := d1 = d2 = d3 = d4 . (4.15f)
4.3 Nichtlineare reduzierte Modellgleichungen 35
7. Die Ventiluberdeckungen erfullen die Symmetriebedingung
xu := xu1 = xu2 = xu3 = xu4 . (4.15g)
8. Die Durchflusskoeffizienten erfullen die Symmetriebedingung
αD := αD1 = αD2 = αD3 = αD4 . (4.15h)
9. Die Leckflusskoeffizienten erfullen die Symmetriebedingungen, da die hydrostatischenLager gleich ausgebildet sind
kLEP := kLEPI = kLEPII und (4.15i)kLEPSI = kLEPSII .
Bemerkung 4.6 (hydraulischer Leitwert, siehe Annahme 4): Der hydraulische Leitwertbzw. sein Kehrwert der hydraulische Widerstand, die hydraulische Kapazitat und die hydrau-lische Induktivitat sind die drei elementaren konstitutiven Relationen, die ahnlich wie in derElektrotechnik durch ein zweipoliges passives Netzwerkelement dargestellt werden [1]. Bei einerSteuerkante kann die Beziehung zwischen dem durch sie stromenden Volumenfluss q und dem anihr abfallenden Differenzdruck ∆p := p1 − p2 wie folgt durch einen Leitwert Y (xV ) beschriebenwerden (vgl. Bild 4.5):
q = Y (xV ) ·√|∆p| · sign (∆p) = Y (xV ) · fp(∆p) , (4.16)
wobei die Druckabhangigkeit in der Funktion fp(∆p) abgekurzt wird:
fp(∆p) :=√|∆p| · sign (∆p) . (4.17)
Der Leitwert Y (xV ) selbst ist vom Ventilweg xV abhangig:
Y (xV ) := αD · π · d ·√
2/ρ · (xV − xu) · σ(xV − xu) . (4.18)
Hiermit lassen sich die Modellgleichungen (4.7a) bis (4.7d) fur die Volumenflusse uber dieServoventil-Steuerkanten wie folgt schreiben:
q1(xV , pI)= −Y1(xV ) · fp(pI−pR) , (4.19a)q2(xV , pI)= Y2(xV ) · fp(pS−pI) , (4.19b)
q3(xV , pII)= −Y3(xV ) · fp(pS−pII) und (4.19c)q4(xV , pII)= Y4(xV ) · fp(pII−pR) . (4.19d)
Die beteiligten hydraulischen Leitwerte Y1(xV ) bis Y4(xV ) lauten:
Y1(xV ) := αD1 ·π ·d1 ·√
2/ρ·(xV +xu1)·σ (−xV −xu1) , (4.20a)
Y2(xV ) := αD2 ·π ·d2 ·√
2/ρ·(xV −xu2)·σ ( xV −xu2) , (4.20b)
Y3(xV ) := αD3 ·π ·d3 ·√
2/ρ·(xV +xu3)·σ (−xV −xu3) und (4.20c)
Y4(xV ) := αD4 ·π ·d4 ·√
2/ρ·(xV −xu4)·σ ( xV −xu4) . (4.20d)
36 Kapitel 4. Mathematische Modellbildung
Y (xV ) = αD · π · d ·√
2/ρ · (xV − xu) · σ(xV − xu)
q, p1 q, p2
xV
Druckabfall ∆p := p1 − p2√|∆p| · sign (∆p)
q = Y (xV ) ·√|∆p| · sign (∆p)
Bild 4.5: Darstellung einer Steuerkante, an der die Druckdifferenz ∆p := p1 − p2 abfallt unddurch die der Fluss q fließt; die Steuerkante besitzt einen durch den Ventilweg xV
veranderbaren Leitwert Y (xV ).
Bemerkung 4.7 (Leitwertanpassung der Steuerkanten, siehe Annahme 4): Im Bild 4.6werden die vier Steuerkanten des Servoventils als Bruckenschaltung dargestellt [1]. Die Brucken-schaltung besteht aus den vier hydraulischen Leitwerten Y1(xV ) bis Y4(xV ), die in Gl. (4.20a)bis Gl. (4.20d) beschrieben werden. Da der Volumenfluss qS , der in die Anlage fließt, gleich demVolumenfluss qR ist, der aus der Anlage fließt, folgt:
q2 + q3 − q1 − q4 = 0 . (4.21)
Werden die Gleichungen (4.19a) bis (4.19d) in die Gleichung (4.21) eingesetzt, ergibt sich:
Y2(xV )·fp(pS−pI)− Y3(xV )·fp(pS−pII) + Y1(xV )·fp(pI−pR)− Y4(xV )·fp(pII−pR) = 0 .(4.22)
Fur die Leitwertanpassung der Steuerkanten aus Gl. (4.15d) lasst sich die Gleichung (4.22) mitfolgenden Bedingungen fur die beteiligten Drucke erfullen:
Y1(·) ≡ Y3(·) : fp(pI−pR)− fp(pS−pII) = 0 bzw. pI−pR = pS−pII (4.23a)Y2(·) ≡ Y4(·) : fp(pS−pI)− fp(pII−pR) = 0 bzw. pS−pI = pII−pR . (4.23b)
Aus Gl. (4.23a) oder aus Gl. (4.23b) folgt die Reduktionsrelation:
pS + pR = pI + pII . (4.24)
Fur eine Leitwertanpassung der Steuerkanten aus Gl. (4.15d) sind die Symmetriebedingungbezuglich Ventilkolbendurchmesser Gl. (4.15f), Ventiluberdeckungen Gl. (4.15g) und Durchflus-skoeffizienten Gl. 4.15h zu erfullen.
Bemerkung 4.8 (ideale Druckversorgung, siehe Annahme 5): Fur die Herleitung derGl. (4.27) bzw. Gl. (A.16) wird die Bedingung pI + pII ≡ 0 verwendet, die bei einer idealenDruckversorgung erfullt ist. Bei einer idealen Druckversorgung sind Versorgungsdruck pS undRucklaufdruck pR konstant und nicht abhangig vom abgegebenem bzw. aufgenommenem Vo-lumenfluss. Fur die zeitlichen Ableitungen des Versorgungs- und Rucklaufdruckes gilt bei eineridealen Druckversorgung pS ≡ 0 und pR ≡ 0 . Durch Differentation der Gl. (4.24) folgt die Gl.(4.15e).
4.3 Nichtlineare reduzierte Modellgleichungen 37
pL
pR
xVp S− p I
pS −
pII
pI −
pR p II
− pRxV xV
xV
Y2 Y3
Y4Y1
q2
q4
qR
qS
q1qL/2
pS
pI pII
q4 qL/2
S
q2 q3A B
R
Versorgung
Rucklauf
Kammer I Kammer II
q3
q1
Bild 4.6: Darstellung der vier Steuerkanten des Servoventils als Bruckenschaltung der hydrauli-schen Leitwerte Y1(xV ) bis Y4(xV ) aus den Gln. (4.20a) bis (4.20d)
Die nichtlinearen reduzierten Modellgleichungen setzen sich zusammen aus:
• einer linearen Modellgleichung fur die elektromagnetische Ventilansteuerung
FV + aM · FV = kM · aM · uM , (4.25)
• einer linearen Modellgleichung fur die Servoventilmechanik
xV + 2 · ζV · ωV · xV + ω2V · xV = kV · ω2
V · FV , (4.26)
Bemerkung 4.9 (Lineare Modelle der elektromagnetischen Ventilansteuerungund der Ventilmechanik): Die nichtlinearen Modellgleichungen (4.1) bis (4.4c) gebenden inneren Aufbau mit sattigungsbehafteter elektromagnetischer Ventilansteuerung, mitder Mechanik der Ventilkolbenstange und mit einen Lageregler wieder. In dem von außenerkennbaren Ubertragungsverhalten von der Eingangsspannung uM zum Ventilkolbenweg xV
wirkt der Lageregler wie eine Feder auf die Ventilkolbenstange. Die linearen Modellgleichungfur die elektromagnetische Ventilansteuerung (4.25) und (4.26) beschreiben nur dieses vonaußen erkennbare Ubertragungsverhalten fur den Fall, dass die Sattigungskennlinie (4.2) imlinearen Bereich ausgesteuert wird (vgl. Kapitel A.2). Hierzu werden die formalen Parame-ter kM , aM , kV , ζV und ωV verwendet. Fur den Reglerentwurf ist ein Streckenmodell ohneSattigungskennlinie erforderlich.
• einer nichtlinearen Modellgleichung fur den Druckaufbau in den Zylinderkammern
pL = − Ak
CH· (xka − xG) +
1CH
· qL(pL, xV )− 1CH
· qBPLred(pL)− 1
CH· qBP (pL) (4.27)
38 Kapitel 4. Mathematische Modellbildung
mit dem Lastfluss (Volumenfluss), siehe Anhang A.4,
qL(pL, xV ) := 2·kL ·CH· √
|p0−pL| · sign(p0−pL) · (xV −xu) · σ( xV −xu) (4.28)
+√|p0+pL| · sign(p0+pL) · (xV +xu) · σ(−xV −xu)
,
mit dem turbulenten Bypassfluss
qBP (pL) := 2 · kBP · CH
√|pL| · sign(pL) (4.29)
und mit dem laminaren Bypass- und Leckfluss
qBPLred(pL) := kLE · pL , (4.30)
Bemerkung 4.10 (Bypass- und Leckflussmodell): Im Rahmen dieser Arbeit wird das in[1] angenommene turbulente Bypass- und Leckflussmodell (4.29) durch ein laminares Bypass-und Leckflussmodell (4.30) angenahert, welches Vorteile beim Entwurf der nichtlinearen Reg-ler im Hinblick auf die Berechnung der partiellen Ableitungen bringt. Die Berechnung desBypass- und Leckflusskoeffizienten kLE wird in Kapitel A.4 beschrieben.
• einer Modellgleichung fur die Bewegung der Lastmechanik
mk · xka + dk · (xka − xG) = Ak · pL︸ ︷︷ ︸=Fhyd
+ mk · g und (4.31)
• einer Modellgleichung fur die Mechanik des Fundaments mit Feder–Dampfer–Elementen
mG · xG − dk · (xka − xG) + dG · xG + cG · xG = −Ak · pL︸ ︷︷ ︸=Fhyd
+ mG · g (4.32)
Das Blockschaltbild der nichtlinearen reduzierten Modellgleichungen (4.25) bis (4.32) ist im Bild4.7 dargestellt.
Die nichtlinearen reduzierten Modellgleichungen (4.25) bis (4.32) enthalten die zusatzlichen Mo-dellvariablen:
pL := pI − pII Lastdruck; Differenz der Drucke in Kammern I und II [ Nm2 ],
qL Lastfluss (Volumenfluss) [m3
s ]qBPLred
laminarer Bypassfluss des reduzierten Modells [m3
s ],
und die zusatzlichen Modellparameter:
kM Verstarkungsfaktor der elektromagnetischen Ventilansteuerung [NV ],aM Polstelle der Ubertragungsfunktion zu (4.25) [1s ],kV Verstarkungsfaktor der Servoventilmechanik [mN ],ωV Kreisfrequenz der Servoventilmechanik [1s ],ζV Lehrsches Dampfungsmaß der Servoventilmechanik [1],p0 effektiver Versorgungsdruck ( p0 := pS − pR ) [ N
m2 ],Ak Zylinderkolbenflache ( Ak := AI = AII ) [m2],
4.4 Lineare nicht reduzierte Modellgleichungen 39
L Lange beider Zylinderkammern ( L := lI0 + lII0 ) [m],αD symmetrischer Durchflusskoeffizient (αD := αD1 = αD2 = αD3 = αD4) [1] ,d symmetrischer Ventilkolbendurchmesser ( d := d1 = d2 = d3 = d4) [m],xu symmetrische Ventiluberdeckungen ( xu := xu1 = xu2 = xu3 = xu4) [m],CH hydraulische Kapazitat (CH := Ak·L
4·B ) [m5
N ],kL Lastflusskoeffizient (kL := αD·π·d
2·CH ·√ρ) [√
Nm2·s ],
kBP turbulenter Bypassflusskoeffizient (kBP := αD·ABP√2·CH ·√ρ
) [√
Nm·s ] und
kLE laminarer Bypass- und Leckflusskoeffizient (kLE := kBPL + 12 · kLEP ) [ m5
N·s ](vgl. Kapitel A.4).
Die Systemskizze in Bild 4.8 dient zur Veranschaulichung der Wirkung des Lastdrucks pL undzur Erklarung des Lastflusses qL. Die beiden Zylinderkammern werden zu einer fiktiven Zylin-derkammer zusammengefasst, in der der Lastdruck pL ansteht, der direkt auch auf die Mechanikwirkt. Der Lastdruck pL ist der Differenzdruck der beiden absoluten Kammerdrucke pI und pII .Ein Differenzdruck nimmt im Gegensatz zu einem Absolutdruck auch negative Werte an. DasServoventil liefert den Lastfluss qL aus Gl. (4.28) vermindert um Bypass- und Leckflusse aus Gl.(4.29) und Gl. (4.30) in die fiktive Zylinderkammer, wo sich dadurch der Lastdruck pL aufbaut.
Die nichtlinearen reduzierten Modellgleichungen finden Verwendung als
• Streckenmodell beim nichtlinearen Reglerentwurf, bei• der Arbeitspunktbestimmung mit anschließender Linearisierung zur Bildung der linearen
reduzierten Modellgleichungen und als• Modellhypothese bei der parametrischen Identifikation.
4.4 Lineare nicht reduzierte Modellgleichungen
Die linearen nicht reduzierten Modellgleichungen des servohydraulischen Linearantriebs werdenaus den nichtlinearen nicht reduzierten Modellgleichungen (4.1) bis (4.11) durch Linearisier-ung in einer statischen Ruhelage berechnet (vgl. Kapitel 5.3). Mittels dieses Modells wird derReduktionsschritt zum linearen reduzierten Modell untersucht (vgl. Kapitel 5.5).Die linearen nicht reduzierten Modellgleichungen setzen sich zusammen aus:
• einer linearen Modellgleichung fur die elektromagnetische Ventilansteuerung
FV + aM · FV = kM · aM · uM , (4.33)
• einer linearen Modellgleichung fur die Servoventilmechanik
xV + 2 · ζV · ωV · xV + ω2V · xV = kV · ω2
V · FV , (4.34)
• zwei Modellgleichungen des linearen nicht reduzierten Druckaufbaus
pI = QXV 1·xV + QP11·pI + QP21·pII + QXK1·(xka−xG) + QV K1·(xka−xG), (4.35a)pII = QXV 2·xV + QP12·pI + QP22·pII + QXK2·(xka−xG) + QV K2·(xka−xG), (4.35b)
40 Kapitel 4. Mathematische Modellbildung
xka
kV·ω
2 V
2·ζ V
·ωV
kM·a M
Ak
kL
E−
1m
G
c G mG
dG
mG
dk
mG
∫
dk
mk
∫ ∫
q L(p
L,x
V)
p LxV
xV
∫- ++
+∫ ω2 V
aM∫
FV
xV
-
+u
M
Anst
euer
ung
der
Ser
vove
ntilm
echan
ikTei
lsys
tem
I
∫p L
Ak
xka−x
G
Fhyd
+-- +
+
1C
H
q BP(p
L)
Dru
ckau
fbau
(4.2
7)
-
∫+
+
+
+
-
1 mk
g φ
+ -
xka
xG
xka
xG
xka
xG
xka−x
G
+
g φ+ +
xka−x
G
Las
tmec
han
ik(4
.31)
Mec
han
ikdes
Fundam
ents
(4.3
2)
Mec
han
ikTei
lsys
tem
III
Ser
vove
nti
lmec
han
ik(4
.26)
mag
net
isch
erA
ntr
ieb
(4.2
5)
Dru
ckau
fbau
(Hyd
raulik
)Tei
lsys
tem
II
Bild
4.7:
Blo
cksc
halt
bild
der
nich
tlin
eare
nre
duzi
erte
nM
odel
lgle
ichu
ngen
(4.2
5)bi
s(4
.32)
4.4 Lineare nicht reduzierte Modellgleichungen 41
xkaxkaxka
Zylinderkolbenstange
mechanische Last mk
Zylinderkammer
pL
Zylinderkolben
Zylindergehause
Feder–DampferElemente
Inertialsystem
mG
cG
FundamentxGxG,xG
Bypass- undLeckfluss
qBP
g
dG
qBPLred
fiktivevom ServoventilLastfluss qL
Lastdruck pL
Bild 4.8: Systemskizze zur Veranschaulichung der Wirkung des Lastdrucks pL und zur Erklarungdes Lastflusses qL
• einer Modellgleichung fur die Bewegung der Last
mk · xka + dk · (xka − xG) = AI · pI −AII · pII︸ ︷︷ ︸=Fhyd
und (4.36)
• einer Modellgleichung der Mechanik des Fundaments mit Feder–Dampfer–Elementen
mG · xG − dk · (xka − xG) + dG · xG + cG · xG = −AI · pI + AII · pII︸ ︷︷ ︸=−Fhyd
. (4.37)
Hierin enthalten sind die Linearisierungskoeffizienten, siehe Gl. (5.79) aus Kapitel 5.3.3:
QXV 1, QXV 2, QP11, QP12, QP21, QP22, QXK1, QXK2, QV K1 und QV K2,
42 Kapitel 4. Mathematische Modellbildung
die Kleinsignalgroßen, siehe Gl. (5.76) aus Kapitel 5.3.3:
FV := FV − FVC, (4.38a)
xV := xV − xVC, (4.38b)
pI := pI − pIC, (4.38c)
pII := pII − pIIC, (4.38d)
xka := xka − xkaC, (4.38e)
xG := xG − xGCund (4.38f)
uM := uM − uMC, (4.38g)
die Großen FVC, xVC
, pIC, pIIC
xkaCund xGC
der statischen Ruhelage und das konstanteEingangssignal uMC
, siehe Gln. (5.60) und (5.61) aus Kapitel 5.3.2.Die Ermittlung der statischen Ruhelage und die Definition der Linearisierungskoeffizienten undKleinsignalgroßen sind in Kapitel 5.3 beschrieben.
Das Blockschaltbild der linearen nicht reduzierten Modellgleichungen (4.33) bis (4.37) ist imBild 4.9 dargestellt.
4.5 Lineare reduzierte Modellgleichungen
Die linearen reduzierten Modellgleichungen des servohydraulischen Linearantriebs werden durchLinearisierung in einer statischen Ruhelage aus den nichtlinearen reduzierten Modellgleichungen(4.25) bis (4.32) berechnet (vgl. Kapitel 5.2).Diese Modellgleichungen finden Verwendung als
• Streckenmodell beim linearen Reglerentwurf und als• Modellhypothese bei der parametrischen Identifikation.
Die linearen reduzierten Modellgleichungen setzen sich zusammen aus:
• einer linearen Modellgleichung fur die elektromagnetische Ventilansteuerung
FV + aM · FV = kM · aM · uM , (4.39)
• einer linearen Modellgleichung fur die Servoventilmechanik
xV + 2 · ζV · ωV · xV + ω2V · xV = kV · ω2
V · FV , (4.40)
• einer linearen Modellgleichung fur den Druckaufbau in den Zylinderkammern
pL = − AkCH
· (xka − xG) + QPCH
· pL + QXCH
· xV , (4.41)
• einer Modellgleichung fur die Lastmechanik
mk · xka + dk · (xka − xG) = Ak · pL︸ ︷︷ ︸=Fhyd
und (4.42)
• einer Modellgleichung fur die Mechanik des Fundaments mit Federdampfer–Elementen
mG · xG − dk · (xka − xG) + dG · xG + cG · xG = −Ak · pL︸ ︷︷ ︸=Fhyd
, (4.43)
4.5 Lineare reduzierte Modellgleichungen 43
xka
QX
K1
QV
K1
∫
QP
11
QP
21
QP
12
QP
22 ∫
QV
K2
QX
K2
AI
AII
-+
−1 mG
c G mG
dG
mG
dk
mG
∫
dk
mk
∫ ∫
kV·ω
2 V
2·ζ V
·ωV
kM·a M
xka−x
G
xka−x
G
p I p I p II
+ +++ + ++
+++++ ++
QX
V2
QX
V1
xka−x
G
xka−x
G
p II
p II
p I
xV
xV
xka−x
G
xka−x
G
xka−x
G
Fhyd
xka−x
G
Mec
han
ik
Las
tmec
han
ik(4
.36)
Mec
han
ikdes
Fundam
ents
(4.3
7)
-
∫
+
++
+-
1 mk
xka
xka
xG
-
xka−x
G
xka
+
+
+ -x
G
xka
xG xG
xka−x
G
xG
Dru
ckau
fbau
der
Kam
mer
I(4
.35a
)
Dru
ckau
fbau
der
Kam
mer
II(4
.35b
)
Dru
ckau
fbau
(Hyd
raulik
)
xV
Ser
vove
nti
lmec
han
ik(4
.34)
mag
net
isch
erA
ntr
ieb
(4.3
3)
∫- ++
+∫ ω2 V
aM∫
FV
xV
xV
-
+u
M
Anst
euer
ung
der
Ser
vove
ntilm
echan
ikTei
lsys
tem
ITei
lsys
tem
IITei
lsys
tem
III
Bild
4.9:
Blo
cksc
halt
bild
der
linea
ren
nich
tre
duzi
erte
nM
odel
lgle
ichu
ngen
(4.3
3)bi
s(4
.37)
44 Kapitel 4. Mathematische Modellbildung
mit dem Volumenflusskoeffizienten QX (flow gain), siehe Gl. (5.39) aus Kapitel 5.2.3 :
QX = 2·kL ·CH · √|p0 − pLC
|·sign(p0 − pLC) fur xVC
> 0√|p0 + pLC
|·sign(p0 + pLC) fur xVC
< 0, (4.44)
dem Volumenflusskoeffizienten QP (flow-pressure coefficient), siehe Gl. (5.41) aus Kapitel 5.2.3 :
QP =
−kL·CH ·xVC√|p0−pLC| − kLE fur xVC
> 0kL·CH ·xVC√|p0+pLC
| − kLE fur xVC< 0
, (4.45)
den Kleinsignalgroßen, siehe Gl. (5.35) aus Kapitel 5.2.3 :
FV := FV − FVC, (4.46a)
xV := xV − xVC, (4.46b)
pL := pL − pLC, (4.46c)
xG := xG − xGCund (4.46d)
uM := uM − uMC(4.46e)
und den Großen FVC, xVC
, pLC, xGC
der statischen Ruhelage und dem konstanten EingangssignaluMC
, siehe Gln. (5.26) und (5.27) aus Kapitel 5.2.2.
Die Ermittlung der statischen Ruhelage und die Definition der Linearisierungskoeffizienten undKleinsignalgroßen sind in Kapitel 5.2 beschrieben.Das Blockschaltbild der linearen reduzierten Modellgleichungen (4.39) bis (4.43) ist im Bild 4.10dargestellt.
4.6 Zusammenfassung
Die beschriebenen Typen von Modellgleichungen des servohydraulischen Antriebs bilden dieGrundlage fur die
• Linearisierung der nichtlinearen Modellgleichungen in einer statischen Ruhelage (vgl.Kapitel 5 ). Sie liefern die
• Modellhypothesen fur die parametrische Identifikation (vgl. Kapitel 6). Sie stellen furden
• nichtlinearen und linearen Reglerentwurf Regelstreckenmodelle zur Verfugung (vgl. Ka-pitel 7) und sie dienen als
• Streckenmodell in der Rechnersimulation des Laborexperiments (vgl. Kapitel 8).
4.6 Zusammenfassung 45
Tei
lsys
tem
I
Ak
CH
QX
CH
kV·ω
2 V
2·ζ V
·ωV
kM·a M
−1
mG
c G mG
dG
mG
dk
mG
∫
dk
mk
∫ ∫
∫ −QP
CH
+--
xV
Dru
ckau
fbau
(4.4
1)
p L
xka−x
G
Fhyd
xka−x
G
Ak
mag
net
isch
erA
ntr
ieb
(4.3
9)
∫- ++
+∫ ω2 V
aM∫
FV
xV
-
+u
M
Ser
vove
nti
lmec
han
ik(4
.40)
xV
-
∫
+
++
+-
1 mk
Mec
han
ik
+
Tei
lsys
tem
III
Las
tmec
han
ik(4
.42)
Mec
han
ikdes
Fundam
ents
(4.4
3)
p L
xka
p Lx
ka
xka
xka−x
G
xG
xG
xG
xka
+ -
Dru
ckau
fbau
(Hyd
raulik
)Tei
lsys
tem
IIA
nst
euer
ung
der
Ser
vove
ntilm
echan
ik
Bild
4.10
:B
lock
scha
ltbi
ldzu
den
linea
ren
redu
zier
ten
Mod
ellg
leic
hung
en(4
.39)
bis
(4.4
3)
46 Kapitel 4. Mathematische Modellbildung
Kapitel 5
Linearisierung der nichtlinearen Modellgleichungen
des servohydraulischen Antriebs in einer Ruhelage
5.1 Einleitung
Das folgende Kapitel beschreibt die Bestimmung von linearen Ersatzsystemen (Linearisierung)in einer statischen Ruhelage fur die nichtlinearen reduzierten Modellgleichungen im Un-terkapitel 5.2 und fur die nichtlinearen nicht reduzierten Modellgleichungen des servo-hydraulischen Antriebs im Unterkapitel 5.3.Die bei der Linearisierung der nichtlinearen reduzierten Modellgleichungen verwendeten For-melsymbole tragen den Index I, entsprechend wird der Index II fur die Formelsymbole derLinearisierung der nichtlinearen nicht reduzierten Modellgleichungen verwendet.
Die Linearisierungen umfassen jeweils die folgenden drei Schritte:
Der erste Schritt beinhaltet das Aufstellen einer nichtlinearen Zustandsraumdarstellungmit dem Zustandsvektor xi und dem Eingang ui mit i = I, II fur die nichtlinearen reduziertenbzw. nichtlinearen nicht reduzierten Modellgleichungen:
xi = fi(xi, ui) , i = I, II . (5.1)
Im zweiten Schritt erfolgt die Bestimmung der statischen Ruhelagen (xiC , uiC ) mit i = I, IIdes Systems durch Losung des nichtlinearen Gleichungssystems gebildet aus Gleichung (5.1) :
0 = f(xiC , uiC ) , i = I, II . (5.2)
Der dritte Schritt beinhaltet die Bestimmung der linearen Ersatzsysteme :
xi = Ai · xi + Bi · ui , i = I, II , (5.3)
die durch Taylorreihenentwicklung unter Vernachlassigung der Terme hoherer Ordnung um dieRuhelagen (xiC , uiC ) mit i = I, II des Systems ermittelt werden.
Bei der Herleitung wird davon ausgegangen, dass der Antrieb durch eine konstante Eingangs-spannung in der Ruhelage gehalten wird. Zum Erreichen der Ruhelage wird in der Praxis einLageregler verwendet, der die Zylinderkolbenstange an eine Sollposition fahrt.
Innerhalb dieses Kapitels wird zusatzlich auf die folgenden Aspekte eingegangen :
• senkrechte oder waagerechte Einbaulage des Zylinders und• Einfluss der Bypass- und Leckflusse auf das Einstellen der statischen Ruhelage.
47
48 Kapitel 5. Linearisierung
5.2 Linearisierung der nichtlinearen reduzierten Modellglei-chungen
Die drei Schritte zur Linearisierung der nichtlinearen reduzierten Modellgleichungen des servo-hydraulischen Antriebs werden in den Unterkapitel 5.2.1, 5.2.2 und 5.2.3 beschrieben.
5.2.1 Nichtlineare Zustandsraumdarstellung der nichtlinearen reduziertenModellgleichungen
Bei den nichtlinearen reduzierten Modellgleichungen (4.25) bis (4.32) aus Kapitel 4.3 wird einServoventil mit Nulluberdeckung (xu = 0) angenommen :Der Zustandsvektor xI := [xI1 , xI2 , xI3 , xI4 , xI5 , xI6 , xI7 , xI8 ]
T ∈ R8 setzt sich zusammen aus:
xI1 := FV , xI2 := xV , xI3 := xV , xI4 := pL, (5.4)xI5 := xka, xI6 := xka, xI7 := xG und xI8 := xG .
Der Eingang uI ∈ R1 des Systems ist die Ventileingangsspannung uM :
uI := uM . (5.5)
Die nichtlineare Zustandsraumdarstellung xI = fI(xI , uI), fI : R8 × R1 → R8, lautet:∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
xI1
xI2
xI3
xI4
xI5
xI6
xI7
xI8
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸
xI
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
−aM · xI1 + aM · kM · uI
xI3
−2 · ζV · ωV · xI3 − ω2V · xI2 + ω2
V · kV · xI1
− AkCH
· (xI6 − xI8) + 1CH
· qL(xI4 , xI2)− kLECH
· xI4
xI6
− dkmk
· (xI6 − xI8) + Akmk
· xI4 + gφ
xI8
+ dkmG
· (xI6 − xI8)− dGmG
· xI8 − cGmG
· xI7 − AkmG
· xI4 + gφ
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸
fI(xI ,uI)
(5.6)
mit dem Lastfluss (4.28)
qL(xI4 , xI2) := 2·kL ·CH· √
|p0−xI4 | · sign(p0−xI4) · (xI2) · σ( xI2) (5.7)
+√|p0+xI4 | · sign(p0+xI4) · (xI2) · σ(−xI2)
.
Mit der Große gφ ist das formale Behandeln eines waagerecht liegenden (gφ = 0) oder einessenkrecht stehenden Zylinders (gφ = g) moglich (siehe Bemerkung 4.4).
Bemerkung 5.1 (Signifikanter oder vernachlassigbarer Bypass ): Ein signifikanter By-pass wird durch kLE > 0 und ein vernachlassigbarer Bypass durch kLE = 0 in den Modellglei-chungen ausgedruckt.
Bemerkung 5.2 (Annahmen): Es werden folgende Annahmen verwendet:
0 ≤ mk · gφ
Ak< p0 , (5.8a)
0 < kL und (5.8b)0 ≤ kLE . (5.8c)
5.2 Linearisierung der nichtlinearen reduzierten Modellgleichungen 49
5.2.2 Bestimmung der Ruhelagen der nichtlinearen reduzierten Modellglei-chungen
Die Ruhelagen (xIC, uIC
) mit xIC:= [xI1C
, xI2C, xI3C
, xI4C, xI5C
, xI6C, xI7C
, xI8C] des Systems
xI = fI(xI , uI) aus Gleichung (5.6) ergeben sich durch Losen des nichtlinearen Gleichungssy-stems
fI(xIC, uIC
) = 0 (5.9)
bezuglich der 8 Unbekannten (xI1Cbis xI8C
) bei einem Einstellparameter uIC.
Das nichtlineare Gleichungssystem (5.9) besteht aus folgenden 8 Gleichungen:
0 = −aM · xI1C+ aM · kM · uIC
, (5.10a)
0 = xI3C, (5.10b)
0 = −2 · ζV · ωV · xI3C− ω2
V · xI2C+ ω2
V · kV · xI1C, (5.10c)
0 = − Ak
CH· (xI6C
− xI8C) +
1CH
· qL(xI4C, xI2C
)− kLE
CH· xI4C
, (5.10d)
0 = xI6C, (5.10e)
0 = − dk
mk· (xI6C
− xI8C) +
Ak
mk· xI4C
+ gφ , (5.10f)
0 = xI8Cund (5.10g)
0 = +dk
mG· (xI6C
− xI8C)− dG
mG· xI8C
− cG
mG· xI7C
− Ak
mG· xI4C
+ gφ . (5.10h)
Die Losung des Gleichungssystems wird wie folgt ermittelt.
Aus den Gleichungen (5.10b), (5.10e) und (5.10g) folgt:
x3IC= 0 , (5.11)
x6IC= 0 und (5.12)
x8IC= 0 . (5.13)
Aus der Gleichung (5.10f) folgt unter Verwendung der Gleichungen (5.12) und (5.13) :
xI4C= −mk · gφ
Ak≤ 0 , (5.14)
d.h. die Gewichtskraft der Last (mk · gφ) wird durch die vom statischen Druck erzeugte Kraft(Ak · xI4C
) kompensiert.
Aus der Gleichung (5.10h) folgt unter Verwendung der Gleichungen (5.12), (5.13) und (5.14) :
xI7C=
(mG + mk) · gφ
cG≥ 0 , (5.15)
d.h. die Gewichtskraft des Fundaments und der Last ((mG+mk)·gφ) druckt die Feder–Dampfer–Elemente zusammen.
50 Kapitel 5. Linearisierung
Aus der Gleichung (5.10d) entsteht unter Verwendung der Gleichungen (5.12), (5.13) und (5.14)eine nichtlineare Gleichung mit der Unbekannten xI2C
:
qL(−mk · gφ
Ak, xI2C
) = −kLE · mk · gφ
Ak. (5.16)
Die Losung xI2Cder nichtlinearen Gleichung (5.16) wird wie folgt bestimmt.
Durch Einsetzen von Gleichung (5.7) in Gleichung (5.16) folgt :√|p0 +
mk · gφ
Ak| · sign(p0 +
mk · gφ
Ak)
︸ ︷︷ ︸=:a1
·xI2C· σ( xI2C
) (5.17)
+√|p0 − mk · gφ
Ak| · sign(p0 − mk · gφ
Ak)
︸ ︷︷ ︸=:a2
·xI2C· σ(−xI2C
) = − kLE ·mk · gφ
2 · kL ·Ak · CH︸ ︷︷ ︸=:b
.
Durch die Einfuhrung der Abkurzungen
a1 :=√|p0 +
mk · gφ
Ak| · sign(p0 +
mk · gφ
Ak) > 0 , (5.18a)
a2 :=√|p0 − mk · gφ
Ak| · sign(p0 − mk · gφ
Ak) > 0 und (5.18b)
b :=kLE ·mk · gφ
2 · kL ·Ak · CH≥ 0 (5.18c)
wird die Struktur der Gleichung (5.17) hervorgehoben:
a1 · xI2C· σ( xI2C
) + a2 · xI2C· σ(−xI2C
) = −b mit a1 > a2 > 0 und b ≥ 0 , (5.19)
wobei bezuglich der Abschatzungen folgende Annahmen verwendet werden:
0 ≤ mk · gφ
Ak< p0 , (5.20a)
0 < kL und (5.20b)0 ≤ kLE . (5.20c)
Ein Aufteilen der Gleichung (5.19) in eine Gleichung fur positive und eine Gleichung fur negativeWerte von x2C liefert:
a1 · xI2C= −b fur xI2C
> 0 oder (5.21a)
a2 · xI2C= −b fur xI2C
≤ 0 , (5.21b)
mit den Losungen
xI2C= − b
a1fur x2C > 0 oder (5.22a)
xI2C= − b
a2fur x2C ≤ 0 . (5.22b)
Aufgrund der Abschatzungen a1, a2 > 0 und b ≥ 0 (vgl. Gleichung 5.18) verbleibt die Losung :
xI2C= − b
a2= − kLE ·mk · gφ
2 · kL ·Ak · CH· 1√
|p0 − mk·gφ
Ak| · sign(p0 − mk·gφ
Ak)
. (5.23)
5.2 Linearisierung der nichtlinearen reduzierten Modellgleichungen 51
Aus der Gleichung (5.10c) folgt unter Verwendung der Gleichungen (5.11) und (5.23) :
xI1C=
1kV
· xI2C= − 1
kV· kLE ·mk · gφ
2 · kL ·Ak · CH· 1√
|p0 − mk·gφ
Ak| · sign(p0 − mk·gφ
Ak)
. (5.24)
Der Einstellparameter uICberechnet sich nach Gleichung (5.10a) unter Verwendung der Glei-
chung (5.24) zu:
uIC=
1kM
· xI1C= − 1
kV · kM· kLE ·mk · gφ
2 · kL ·Ak · CH· 1√
|p0 − mk·gφ
Ak| · sign(p0 − mk·gφ
Ak)
. (5.25)
Bemerkung 5.3 (Einstellparameter uIC): Der Einstellparameter uIC
ist laut Gleichung(5.25) fest vorgegeben. Dies hat Konsequenzen fur die praktische Einstellung des Arbeitspunktesim Laborexperiment. Um den Antrieb in der Ruhelage zu halten muss im Labor diese Spannungeingestellt werden.
Als statische Ruhelagen eines Antriebs ergeben sich zu :
FVC:= xI1C
= − 1kV
· kLE ·mk · gφ
2 · kL ·Ak · CH· 1√
|p0 − mk·gφ
Ak| · sign(p0 − mk·gφ
Ak)
, (5.26a)
xVC:= xI2C
= − kLE ·mk · gφ
2 · kL ·Ak · CH· 1√
|p0 − mk·gφ
Ak| · sign(p0 − mk·gφ
Ak)
, (5.26b)
xVC:= xI3C
= 0 , (5.26c)
pLC:= xI4C
= −mk · gφ
Ak, (5.26d)
xkaC:= xI5C
= nicht festgelegt durch das Gleichungssystem (5.10) , (5.26e)
xkaC:= xI6C
= 0 , (5.26f)
xGC:= xI7C
=(mG + mk) · gφ
cGund (5.26g)
xGC:= xI8C
= 0 (5.26h)
mit der konstanten Eingangsspannung :
uMC= uIC
= − 1kV · kM
· kLE ·mk · gφ
2 · kL ·Ak · CH· 1√
|p0 − mk·gφ
Ak| · sign(p0 − mk·gφ
Ak)
, (5.27)
wobei xI1Caus Gleichung (5.24), xI2C
aus Gleichung (5.23), xI3Caus Gleichung (5.11), xI4C
aus Gleichung (5.14), xI6Caus Gleichung (5.12), xI7C
aus Gleichung (5.15), xI8Caus Gleichung
(5.13) und uICaus Gleichung (5.25) stammen.
Die Tabelle 5.1 unterteilt die statischen Ruhelagen (xIC, uIC
) fur Antriebe mit und ohne Bypassin senkrechter oder waagerechter Einbaulage.Die Ruhelagen aus Gleichung (5.26) und (5.27) entsprechen fur gφ = g und kLE > 0 denRuhelagen eines senkrecht stehenden Antriebs mit Bypass.
52 Kapitel 5. Linearisierung
Ruhelagen dernichtlinearen reduzierten
Modellgleichungen
Zylinder mit Bypass(kLE > 0)
Antrieb ohne Bypass(kLE = 0)
senkrecht stehender Antrieb(gφ = g)
xICaus Gleichung (5.26)
uICaus Gleichung (5.27)
xICaus Gleichung (5.28)
uICaus Gleichung (5.29)
waagerecht liegender Antrieb(gφ = 0)
xICaus Gleichung (5.30)
uICaus Gleichung (5.31)
Tabelle 5.1: Einteilung der statischen Ruhelagen von Antrieben mit und ohne Bypass in senk-rechter oder waagerechter Einbaulage basierend auf den nichtlinearen reduziertenModellgleichungen
Die Ruhelagen eines senkrecht stehende Antriebe mit vernachlassigbaren Bypass erhalt man ausGleichung (5.26) und Gleichung (5.27) mit gφ = g und kLE = 0:
FVC= x1C = 0 , (5.28a)
xVC= x2C = 0 , (5.28b)
xVC= x3C = 0 , (5.28c)
pLC= x4C = −mk · g
Ak, (5.28d)
xkaC= x5C = nicht festgelegt durch das Gleichungsystem (5.10) , (5.28e)
xkaC= x6C = 0 , (5.28f)
xGC= x7C =
(mG + mk) · gcG
, (5.28g)
xGC= x8C = 0 (5.28h)
mit der konstanten Eingangsspannung :
uMC= uC = 0 . (5.29)
Fur waagerecht liegende Antriebe (gφ = 0) hat der Bypass keine Auswirkung auf die Ruhelagen
FVC= x1C = 0 , (5.30a)
xVC= x2C = 0 , (5.30b)
xVC= x3C = 0 , (5.30c)
pLC= x4C = 0 , (5.30d)
xkaC= x5C = nicht festgelegt durch das Gleichungsystem (5.10) , (5.30e)
xkaC= x6C = 0 , (5.30f)
xGC= x7C = 0 , (5.30g)
xGC= x8C = 0 (5.30h)
5.2 Linearisierung der nichtlinearen reduzierten Modellgleichungen 53
mit der konstanten Eingangsspannung :
uMC= uC = 0 . (5.31)
Damit fallen in Tabelle 5.1 bei einem waagerecht liegenden Antrieb die Falle mit und ohneBypass zusammen.
Bemerkung 5.4 (Zylinderkolbenauslenkung xkaC= xI5C
in der statischen Ruhelage):Der Wert der Zylinderkolbenauslenkung xkaC
= xI5Cin der statischen Ruhelage wird weder
durch das Eingangssignal uICeingestellt noch durch andere Modellparameter festgelegt (vgl.
(5.26), (5.28) und (5.30)). Wie die statische Ruhelage angefahren wird, ist fur den Wert derZylinderkolbenauslenkung von entscheidender Bedeutung. Die Zylinderkolbenauslenkung xka
ergibt sich durch Integration aus der Zylinderkolbengeschwindigkeit xka. Wenn im Falle derRuhelage die Geschwindigkeit Null xka = 0 ist, so wird die aktuelle Zylinderkolbenauslenkunggehalten (Integrationskonstante). Um in eine vorgegebene Position zu fahren, ist es in der Praxiszweckmaßig einen Lageregler zu verwenden. Hat der Lageregler die Ruhelage mit der Sollpositionerreicht, kann vom Lageregler auf eine Steuerung umgeschaltet werden.
5.2.3 Linearisierung des nichtlinearen reduzierten Modells durch Taylorrei-henentwicklung um eine statische Ruhelage des Systems
Die nichtlineare Zustandsraumdarstellung aus Gleichung (5.6)
x = fI(xI , uI) := [fI1(xI , uI), fI2(xI , uI), ..., fI8(xI , uI)]T
mit
fI1(xI , uI) := −aM · xI1 + aM · kM · uI , (5.32a)fI2(xI , uI) := xI3 , (5.32b)
fI3(xI , uI) := −2 · ζV · ωV · xI3 − ω2V · xI2 + ω2
V · kV · xI1 , (5.32c)
fI4(xI , uI) := − Ak
CH· (xI6 − xI8) +
1CH
· qL(xI4 , xI2)−kLE
CH· xI4 , (5.32d)
fI5(xI , uI) := xI6 , (5.32e)
fI6(xI , uI) := − dk
mk· (xI6 − xI8) +
Ak
mk· xI4 + gφ , (5.32f)
fI7(xI , uI) := xI8 und (5.32g)
fI8(xI , uI) := +dk
mG· (xI6 − xI8)−
dG
mG· xI8 −
cG
mG· xI7 −
Ak
mG· xI4 + gφ (5.32h)
wird um eine Ruhelage (xIC, uIC
) aus Gleichung (5.26) und dem konstanten Eingangssignal uIC
aus Gleichung (5.27) mittels Taylorreihenentwicklung linearisiert:
xI = fI(xI , uI)︸ ︷︷ ︸≡0
+∂fI(xI , uI)
∂xI
∣∣∣∣(xIC
,uIC)︸ ︷︷ ︸
=:AI
· (xI − xIC)︸ ︷︷ ︸
xI
(5.33)
54 Kapitel 5. Linearisierung
+∂fI(xI , uI)
∂uI
∣∣∣∣(xIC
,uIC)︸ ︷︷ ︸
=:BI
· (uI − uIC)︸ ︷︷ ︸
uI
+ Terme hoherer Ordnung .
Unter Vernachlassigung der Terme hoherer Ordnung erhalt man ein lineares Ersatzsystem:
xI = AI · xI + BI · uI . (5.34)
mit den Kleinsignalgroßen
xI := xI − xIC:= [xI1 , xI2 , xI3 , xI4 , xI5 , xI6 , xI7 , xI8 ]
T und (5.35a)uI := uI − uIC
, (5.35b)
sowie der Systemmatrix AI := ∂fI(xI ,uI)∂xI
∣∣∣(xIC
,uIC)
:
AI =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
−aM 0 0 0 0 0 0 00 0 1 0 0 0 0 0
ω2V · kV −ω2
V −2 · ζV · ωV 0 0 0 0 00 QX
CH0 QP
CH0 − Ak
CH0 Ak
CH
0 0 0 0 0 1 0 00 0 0 Ak
mk0 − dk
mk0 dk
mk
0 0 0 0 0 0 0 10 0 0 − Ak
mG0 dk
mG− cG
mG−dk+dG
mG
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
(5.36)
und dem Steuervektor BI := ∂fI(xI ,uI)∂uI
∣∣∣(xIC
,uIC)
BI =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
aM · kM
0000000
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
(5.37)
mit den Linearisierungskoeffizienten QX und QP .
Der Linearisierungskoeffizient QX (flow–gain coefficient) wird definiert als:
QX := CH · ∂fI4(xI , uI)∂xI2
∣∣∣∣(xIC
,uIC)
. (5.38)
Der Ausdruck fI4(x, u) in Gleichung (5.38) wird durch Gleichung (5.32d) ersetzt und partiellnach xI2 abgeleitet:
QX = CH ·∂
(− Ak
CH· (xI6 − xI8) + 1
CH· qL(xI4 , xI2)− kLE
CH· xI4
)
∂xI2
∣∣∣∣∣∣(xIC
,uIC)
,
5.2 Linearisierung der nichtlinearen reduzierten Modellgleichungen 55
QX =∂qL(xI4 , xI2)
∂xI2
∣∣∣∣(xIC
,uIC)
.
Der Ausdruck qL(xI4 , xI2) wird durch Gleichung (5.7) ersetzt und anschließend partiell nach xI2
abgeleitet:
QX = 2 · kL · CH ·∂
(√|p0 − xI4 | · sign(p0 − xI4) · xI2 · σ( xI2)
)
∂xI2
∣∣∣∣∣∣(xIC
,uIC)
+ 2 · kL · CH ·∂
(√|p0 + xI4 | · sign(p0 + xI4) · xI2 · σ(−xI2)
)
∂xI2
∣∣∣∣∣∣(xIC
,uIC)
,
QX = 2 · kL · CH ·√|p0 − xI4 | · sign(p0 − xI4) · σ( xI2)
∣∣∣(xIC
,uIC)
+ 2 · kL · CH ·√|p0 − xI4 | · sign(p0 + xI4) · σ(−xI2)
∣∣∣(xIC
,uIC)
,
QX = 2·kL ·CH ·
√|p0 − xI4C
|·sign(p0 − xI4C) fur xI2C
> 0√|p0 + xI4C
|·sign(p0 + xI4C) fur xI2C
< 0. (5.39)
Der Linearisierungskoeffizient QP (flow–pressure coefficient) wird definiert als:
QP := CH · ∂fI4(xI , uI)∂xI4
∣∣∣∣(xIC
,uIC)
(5.40)
Der Ausdruck fI4(x, u) in Gleichung (5.40) wird durch Gleichung (5.32d) ersetzt und partiellnach xI2 abgeleitet:
QP = CH ·∂
(− Ak
CH· (xI6 − xI8) + 1
CH· qL(xI4 , xI2)− kLE
CH· xI4
)
∂xI4
∣∣∣∣∣∣(xIC
,uIC)
,
QP = +∂qL(xI4 , xI2)
∂xI4
∣∣∣∣(xIC
,uIC)
− kLE
Der Ausdruck qL(xI4 , xI2) wird durch Gleichung (5.7) ersetzt und anschließend partiell nach xI2
abgeleitet:
QP = 2 · kL · CH ·∂
(√|p0 − xI4 | · sign(p0 − xI4) · xI2 · σ( xI2)
)
∂xI4
∣∣∣∣∣∣(xIC
,uIC)
+ 2 · kL · CH ·∂
(√|p0 + xI4 | · sign(p0 + xI4) · xI2 · σ(−xI2)
)
∂xI4
∣∣∣∣∣∣(xIC
,uIC)
− kLE ,
QP = 2 · kL · CH ·−xI2 · σ( xI2)2 ·
√|p0 − xI4 |
∣∣∣∣∣(xIC
,uIC)
+xI2 · σ(−xI2)
2 ·√|p0 + xI4 |
∣∣∣∣∣(xIC
,uIC)
− kLE ,
56 Kapitel 5. Linearisierung
QP =
−kL·CH ·xI2Cq|p0−xI4C
| − kLE fur xI2C> 0
kL·CH ·xI2C√|p0+x4C
| − kLE fur xI2C< 0
. (5.41)
Bemerkung 5.5 (Probleme bei der Linearisierung): Die Linearisierung fur xI2C= 0 ist
mit diesem Verfahren nicht moglich, da dort eine Unstetigkeitsstelle vorliegt. Zudem tritt eineSingularitat bei xI4C
= ±p0 auf. In diesem Fall ware der statische Lastdruck pLC= xI4C
gleichdem effektiven Versorgungsdruck p0 und konnte damit keinen hoheren dynamischen Lastdruckmehr aufbringen. Der Antrieb ware uberlastet.
5.3 Linearisierung der nichtlinearen nicht reduzierten Modell-gleichungen
Die drei Schritte zur Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen desservohydraulischen Antriebs werden in den Unterkapiteln 5.3.1, 5.3.2 und 5.3.3 beschrieben.
5.3.1 Nichtlineare Zustandsraumdarstellung der nichtlinearen nicht reduzier-ten Modellgleichungen
Die nichtlinearen nicht reduzierten Modellgleichungen (4.1) bis (4.11) aus Kapitel 4.2 wurdenwie folgt modifiziert und dann auf eine nichtlineare Zustandsraumdarstellung gebracht :
• Anstatt der nichtlinearen Servoventildynamik (4.1) bis (4.4c) werden lineare Modelle derelektromagnetischen Ventilansteuerung (4.25) und der Ventilmechanik (4.26) angesetzt (vgl.Kommentar 4.9).
• Es wird ein Servoventil mit Nulluberdeckung (xui = 0, i = 1, 2, 3, 4) angenommen.
Der Zustandsvektor xII := [xII1 , xII2 , xII3 , xII4 , xII5 , xII6 , xII7 , xII8 , xII9 ]T ∈ R9 setzt sich zu-
sammen aus:
xII1 := FV , xII2 := xV , xII3 := xV , xII4 := pI , xII5 := pII , (5.42)xII6 := xka, xII7 := xka, xII8 := xG und xII9 := xG .
Der Eingang u ∈ R1 des Systems ist die Ventileingangsspannung uM :
uII := uM . (5.43)
Die nichtlineare Zustandsraumdarstellung x = fII(x, u), fII : R9 × R1 → R9, lautet:
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
xII1
xII2
xII3
xII4
xII5
xII6
xII7
xII8
xII9
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸
xII
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
−aM · xII1 + aM · kM · uII
xII3
−2 · ζV · ωV · xII3 − ω2V · xII2 + ω2
V · kV · xII1−B(lI0+xII6
−xII8) ·(xII7 − xII9) + B
AI·(lI0+xII6−xII8
) ·qZI(xII2 , xII4 , xII5)B
(lII0−xII6+xII8
) ·(xII7 − xII9)− BAII·(lII0−xII6
+xII8) ·qZII(xII2 , xII4 , xII5)
xII7
− dkmk·(xII7−xII9) + AI
mk·xII4 − AII
mk·xII5 + gφ
xII9dkmG
·(xII7−xII9)− dGmG
·xII9 − cGmG
·xII8 − AImG
·xII4 + AIImG
·xII5 + gφ
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣︸ ︷︷ ︸
fII(xII ,uII)
, (5.44)
5.3 Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen 57
mit den Zuflussen in die Zylinderkammern
qZI(xII2 , xII4 , xII5) := q2(xII2 , xII4)− q1(xII2 , xII4) (5.45a)− qBP (xII4 , xII5)− qBPL(xII4 , xII5)− qLEI(xII4) ,
qZII(xII2 , xII4 , xII5) := q4(xII2 , xII5)− q3(xII2 , xII5) (5.45b)− qBP (xII4 , xII5)− qBPL(xII4 , xII5) + qLEII(xII5) ,
den Volumenflussen uber die Steuerkanten des Ventils (4.7a) bis (4.7d) mit xui = 0, i = 1, 2, 3, 4
q1(xII2 , xII4) := −αD1 · π · d1 ·p
2/ρ ·p|xII4 − pR| · sign (xII4 − pR) · xII2 · σ (−xII2) , (5.46a)
q2(xII2 , xII4) := αD2 · π · d2 ·p
2/ρ ·p|pS − xII4 | · sign (pS − xII4) · xII2 · σ ( xII2) , (5.46b)
q3(xII2 , xII5) := −αD3 · π · d3 ·p
2/ρ ·p|pS − xII5 | · sign (pS − xII5) · xII2 · σ (−xII2) , (5.46c)
q4(xII2 , xII5) := αD4 · π · d4 ·p
2/ρ ·p|xII5 − pR| · sign (xII5 − pR) · xII2 · σ ( xII2) , (5.46d)
sowie den Leck- und Bypassflussen (4.8a), (4.8b), (4.9a) und (4.9b)
qLEI(xII4) := kLEPI · xII4 − kLEPSI · pS , (5.47a)qLEII(xII5) := kLEPII · xII5 − kLEPSII · pS , (5.47b)
qBPL(xII4 , xII5) := kBPL · (xII4 − xII5) und (5.47c)
qBP (xII4 , xII5) := αBP ·ABP ·√
2/ρ ·√|xII4 − xII5 | · sign (xII4 − xII5) . (5.47d)
Mit der Große gφ ist das Behandeln eines waagerecht liegenden (gφ = 0) oder eines senkrechtstehenden Zylinders (gφ = g) moglich (siehe Bemerkung 4.4).
Bemerkung 5.6 (Signifikante oder vernachlassigbare Bypass-/Leckflusse): Signifi-kante Bypass-/Leckflusse werden durch qLEI(pI) 6= 0, qLEII(pII) 6= 0, qBPL(pI , pII) 6= 0und qBP (pI , pII) 6= 0 und vernachlassigbare Bypass-/Leckflusse werden durch qLEI(pI) ≡ 0,qLEII(pII) ≡ 0, qBPL(pI , pII) ≡ 0 und qBP (pI , pII) ≡ 0 in den Modellgleichungen ausgedruckt.
5.3.2 Bestimmung der Ruhelagen der nichtlinearen nicht reduzierten Mo-dellgleichungen
Die Ruhelagen (xIIC, uIIC
) mit xIIC:= [xII1C
, xII2C, xII3C
, xII4C, xII5C
, xII6C, xII7C
, xII8C, xII9C
]des Systems xII = fII(xII , uII) aus Gleichung (5.44) ergeben sich aus der Losung des nichtli-nearen Gleichungssystems
fII(xIIC, uIIC
) = 0 (5.48)
bezuglich der 9 Unbekannten (xII1Cbis xII9C
) bei einem Einstellparameter uIIC.
Das nichtlineare Gleichungssystem (5.48) besteht aus folgenden 9 Gleichungen:
0 = −aM · xII1C+ aM · kM · uIIC
, (5.49a)
0 = xII3C, (5.49b)
0 = −2 · ζV · ωV · xII3C− ω2
V · xII2C+ ω2
V · kV · xII1C, (5.49c)
0 =−B · (xII7C
− xII9C)
(lI0 + xII6C− xII8C
)+
B · qZI(xII2C, xII4C
, xII5C)
AI · (lI0 + xII6C− xII8C
), (5.49d)
58 Kapitel 5. Linearisierung
0 =B · (xII7C
− xII9C)
(lII0 − xII6C+ xII8C
)− B · qZII(xII2C
, xII4C, xII5C
)AII · (lII0 − xII6C
+ xII8C)
, (5.49e)
0 = xII7C, (5.49f)
0 = − dk
mk·(xII7C
−xII9C) +
AI
mk·xII4C
− AII
mk·xII5C
+ gφ , (5.49g)
0 = xII9Cund (5.49h)
0 =dk
mG·(xII7C
−xII9C)− dG
mG·xII9C
− cG
mG·xII8C
− AI
mG·xII4C
+AII
mG·xII5C
+gφ . (5.49i)
Die Losung des Gleichungssystems wird wie folgt ermittelt.
Aus den Gleichungen (5.49b), (5.49f) und (5.49h) folgt:
xII3C= 0 , (5.50)
xII7C= 0 und (5.51)
xII9C= 0 . (5.52)
Aus der Gleichung (5.49g) folgt unter Verwendung der Gleichungen (5.51) und (5.52):
AI · xII4C−AII · xII5C
= −mk · gφ ≤ 0 , (5.53)
d.h., die Gewichtskraft der Last (mk · gφ) wird durch die vom statischen Druck erzeugte Kraft(AI · xII4C
−AII · xII5C) kompensiert.
Aus der Gleichung (5.49h) folgt unter Verwendung der Gleichungen (5.51), (5.52) und (5.53):
xII8C=
(mG + mk) · gφ
cG≥ 0 , (5.54)
d.h., die Gewichtskraft des Fundaments und der Last ((mG+mk)·gφ) druckt die Feder–Dampfer–Elemente zusammen.
Aus den Gleichungen (5.49d) und (5.49e) entsteht unter Verwendung der Gleichungen (5.51)und (5.52) und mit den Annahmen lI0 + xII6C
− xII8C6= 0 und lII0 − xII6C
+ xII8C6= 0 das
folgende nichtlineare Gleichungssystem mit den zwei Unbekannten xII2C, xII4C
:
qZI(xII2C, xII4C
, xII5C) = 0 und (5.55a)
qZII(xII2C, xII4C
, xII5C) = 0 . (5.55b)
wobei sich xII5Cnach Gleichung (5.53) aus xII4C
ergibt:
xII5C=
mk
AII· gφ +
AI
AII· xII4C
. (5.56)
In das Gleichungssystem (5.55) werden zuerst die Gleichungen (5.45a) und (5.45b) und danachdie Gleichungen (5.46a), (5.46b), (5.46c) und (5.46d) eingesetzt:
0 = qZI(xII2C, xII4C
, xII5C) ,
5.3 Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen 59
0 = q2(xII2C, xII4C
)− q1(xII2C, xII4C
)
− qBP (xII4C, xII5C
)− qBPL(xII4C, xII5C
)− qLEI(xII4C) ,
0 = αD2 · π · d2 ·√
2/ρ ·√∣∣∣pS − xII4C
∣∣∣ · sign(pS − xII4C
)· xII2C
· σ(xII2C
)(5.57a)
+ αD1 · π · d1 ·√
2/ρ ·√∣∣∣xII4C
− pR
∣∣∣ · sign(xII4C
− pR
)· xII2C
· σ(−xII2C
)
− αBP ·ABP ·√
2/ρ ·√∣∣∣xII4C
− xII5C
∣∣∣ · sign(xII4C
− xII5C
)
− kBPL · (xII4C− xII5C
)
− kLEPI · xII4C+ kLEPSI · pS ,
0 = qZII(xII2C, xII4C
, xII5C) ,
0 = q4(xII2C, xII5C
)− q3(xII2C, xII5C
)
− qBP (xII4C, xII5C
)− qBPL(xII4C, xII5C
) + qLEII(xII5C) ,
0 = αD4 · π · d4 ·√
2/ρ ·√∣∣∣xII5C
− pR
∣∣∣ · sign(xII5C
− pR
)· xII2C
· σ(xII2C
)(5.57b)
+ αD3 · π · d3 ·√
2/ρ ·√∣∣∣pS − xII5C
∣∣∣ · sign(pS − xII5C
)· xII2C
· σ(−xII2C
)
− αBP ·ABP ·√
2/ρ ·√∣∣∣xII4C
− xII5C
∣∣∣ · sign(xII4C
− xII5C
)
− kBPL · (xII4C− xII5C
)
+ kLEPII · xII5C− kLEPSII · pS .
Bemerkung 5.7 (Losen des Gleichungssystems (5.55) bzw. (5.57)):Bei bekannten Modellparametern in den Gleichungen (5.57) werden die Werte fur xII2C
, xII4C
durch ein numerisches Verfahren (z.B. Methode von Newton-Kantorowitsch [53]) gefunden.
Aus der Gleichung (5.49c) folgt unter Verwendung der Gleichungen (5.50) und dem aus demGleichungssystem (5.55) numerisch ermittelten Wert fur xII2C
:
xII1C=
1kV
· xII2C. (5.58)
Aus der Gleichung (5.49c) folgt unter Verwendung der Gleichung (5.58):
uIC=
1kM
· xI1C=
1kM · kV
· xII2C. (5.59)
Bemerkung 5.8 (Einstellparameter uIIC): Der Einstellparameter uIIC
ist laut Gleichung(5.59) nicht frei wahlbar (vgl. Bemerkung 5.3).
Die Ruhelagen ergeben sich zu :
FVC:= xII1C
=1
kV· xII2C
, (5.60a)
xVC:= xII2C
= Losung des Gleichungsystems (5.55) , (5.60b)
60 Kapitel 5. Linearisierung
Ruhelagen dernichtlinearen
nicht reduziertenModellgleichungen
Zylinder mitBypass- und Leckflussen
(qBP 6= 0, qBPL 6= 0,qLEI 6= 0, qLEII 6= 0)
Antrieb ohneBypass- und Leckflussen
(qBP ≡ 0, qBPL ≡ 0,qLEI ≡ 0, qLEII ≡ 0)
senkrecht stehender Antrieb(gφ = g)
xIICaus Gleichung (5.60)
uIICaus Gleichung (5.61)
xIICaus Gleichung (5.64)
uIICaus Gleichung (5.65)
waagerecht liegender Antrieb(gφ = 0)
xIICaus Gleichung (5.67)
uIICaus Gleichung (5.68)
xIICaus Gleichung (5.71)
uIICaus Gleichung (5.72)
Tabelle 5.2: Einteilung der statischen Ruhelagen von Antrieben mit und ohne Bypass in senk-rechter oder waagerechter Einbaulage basierend auf den nichtlinearen nicht redu-zierten Modellgleichungen
xVC:= xII3C
= 0 , (5.60c)
pIC:= xII4C
= Losung des Gleichungssystems (5.55) , (5.60d)
pIIC:= xII5C
=mk
AII· gφ +
AI
AII· xII4C
, (5.60e)
xkaC:= xII6C
= nicht festgelegt durch das Gleichungssystem (5.49) , (5.60f)
xkaC:= xII7C
= 0 , (5.60g)
xGC:= xII8C
=(mG + mk) · gφ
cGund (5.60h)
xGC:= xII9C
= 0 (5.60i)
mit der konstanten Eingangsspannung
uMC:= uIC
=1
kM · kV· xII2C
, (5.61)
wobei xI1Caus Gleichung (5.58), xI3C
aus Gleichung (5.50), xI5Caus Gleichung (5.56), xI7C
ausGleichung (5.51), xI8C
aus Gleichung (5.54), xI9Caus Gleichung (5.52) und uIC
aus Gleichung(5.59) stammen.
Die Tabelle 5.2 unterteilt die statischen Ruhelagen (xIIC, uIIC
) fur Antriebe mit und ohneBypass in senkrechter oder waagerechter Einbaulage.Die Ruhelagen aus Gleichung (5.60) und (5.61) entsprechen fur gφ = g und qBP 6= 0, qBPL 6=0, qLEI 6= 0, qLEII 6= 0 den Ruhelagen eines senkrecht stehenden Antriebs mit Bypass- undLeckflussen.
Fur den Fall eines senkrecht stehenden Antriebs (gφ = g) mit vernachlassigbaren Bypass- undLeckflussen (qBP = qBPL = qLEI = qLEII = 0) lautet die Losung des Gleichungssystems (5.55):
xII2C= 0 und (5.62)
xII4C= nicht festgelegt . (5.63)
5.3 Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen 61
Dies ergibt die Ruhelagen :
FVC:= xII1C
= 0 , (5.64a)
xVC:= xII2C
= 0 , (5.64b)
xVC:= xII3C
= 0 , (5.64c)
pIC:= xII4C
= nicht festgelegt durch das Gleichungssystem (5.55) , (5.64d)
pIIC:= xII5C
= nicht festgelegt durch das Gleichungssystem (5.55) , (5.64e)
xkaC:= xII6C
= nicht festgelegt durch das Gleichungssystem (5.49) , (5.64f)
xkaC:= xII7C
= 0 , (5.64g)
xGC:= xII8C
=(mG + mk) · gφ
cGund (5.64h)
xGC:= xII9C
= 0 (5.64i)
mit der konstanten Eingangsspannung
uMC:= uIC
= 0 . (5.65)
Fur den Fall eines waagerecht liegenden Zylinders (gφ = 0) mit signifikanten Bypass- und Leck-flussen (qBP 6= 0, qBPL 6= 0, qLEI 6= 0, qLEII 6= 0) gilt aufgrund Gleichung (5.53):
xII4C
xII5C
=AII
AI. (5.66)
Die Ruhelagen ergeben sich zu :
FVC:= xII1C
=1
kV· xII2C
, (5.67a)
xVC:= xII2C
= Losung des Gleichungsystems (5.55) , (5.67b)
xVC:= xII3C
= 0 , (5.67c)
pIC:= xII4C
= Losung des Gleichungssystems (5.55) , (5.67d)
pIIC:= xII5C
=AI
AII· xII4C
, (5.67e)
xkaC:= xII6C
= nicht festgelegt durch das Gleichungssystem (5.49) , (5.67f)
xkaC:= xII7C
= 0 , (5.67g)
xGC:= xII8C
= 0 und (5.67h)
xGC:= xII9C
= 0 (5.67i)
mit der konstanten Eingangsspannung
uMC:= uIC
=1
kM · kV· xII2C
. (5.68)
Fur den Fall eines waagerecht liegenden Zylinders (gφ = 0) mit vernachlassigbaren Bypass- undLeckflussen (qBP = qBPL = qLEI = qLEII = 0) lautet die Losung des Gleichungssystems (5.55):
xII2C= 0 und (5.69)
62 Kapitel 5. Linearisierung
xII4C= nicht festgelegt . (5.70)
Dies ergibt die Ruhelagen :
FVC:= xII1C
= 0 , (5.71a)
xVC:= xII2C
= 0 , (5.71b)
xVC:= xII3C
= 0 , (5.71c)
pIC:= xII4C
= nicht festgelegt durch das Gleichungssystem (5.55) , (5.71d)
pIIC:= xII5C
= nicht festgelegt durch das Gleichungssystem (5.55) , (5.71e)
xkaC:= xII6C
= nicht festgelegt durch das Gleichungssystem (5.49) , (5.71f)
xkaC:= xII7C
= 0 , (5.71g)
xGC:= xII8C
= 0 und (5.71h)
xGC:= xII9C
= 0 (5.71i)
mit der konstanten Eingangsspannung
uMC:= uIC
= 0 . (5.72)
Zur Zylinderkolbenauslenkung xkaC= xII6C
in der statischen Ruhelage siehe Bemerkung 5.4
5.3.3 Linearisierung des nichtlinearen nicht reduzierten Modells durch Tay-lorreihenentwicklung um eine statische Ruhelage des Systems
Die nichtlineare Zustandsraumdarstellung aus Gleichung (5.44)
xII = fII(xII , uII) :=[fII1(xII , uII), fII2(xII , uII), ..., fII9(xII , uII)]T
mit
fII1(xII , uII) := −aM · xII1 + aM · kM · uII , (5.73a)fII2(xII , uII) := xII3 , (5.73b)
fII3(xII , uII) := −2 · ζV · ωV · xII3 − ω2V · xII2 + ω2
V · kV · xII1 , (5.73c)
fII4(xII , uII) :=B
(lI0+xII6−xII8)·[−(xII7−xII9) +
qZI(xII2 , xII4 , xII5)AI
], (5.73d)
fII5(xII , uII) :=B
(lII0−xII6 +xII8)·[(xII7−xII9)−
qZII(xII2 , xII4 , xII5)AII
], (5.73e)
fII6(xII , uII) := xII7 , (5.73f)
fII7(xII , uII) := − dk
mk·(xII7 − xII9) +
AI
mk·xII4 −
AII
mk·xII5 + gφ , (5.73g)
fII8(xII , uII) := xII9 und (5.73h)
fII9(xII , uII) :=dk
mG·(xII7−xII9)−
dG
mG·xII9−
cG
mG·xII8−
AI
mG·xII4 +
AII
mG·xII5 +gφ (5.73i)
wird um eine statische Ruhelage (xIIC,uIIC
) aus Gleichung (5.60) und dem konstanten Ein-gangssignal uIIC
aus Gleichung (5.61) mittels Taylorreihenentwicklung linearisiert:
xII = fII(xII , uII)︸ ︷︷ ︸≡0
+∂fII(xII , uII)
∂xII
∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
=:AII
· (xII − xIIC)︸ ︷︷ ︸
xII
(5.74)
5.3 Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen 63
+∂fII(xII , uII)
∂uII
∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
=:BII
· (uII − uIIC)︸ ︷︷ ︸
uII
+ Terme hoherer Ordnung .
Bei Vernachlassigung der Terme hoherer Ordnung erhalt man ein lineares Ersatzsystem:
xII = AII · xII + BII · uII (5.75)
mit den Kleinsignalgroßen
xII := xII − xIIC:= [xII1 , xII2 , xII3 , xII4 , xII5 , xII6 , xII7 , xII8 , xII9 ]
T und (5.76a)uII := uII − uIIC
, (5.76b)
der Systemmatrix AII := ∂fII(xII ,uII)∂xII
∣∣∣(xIIC
,uIIC)
:
AII =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
−aM 0 0 0 0 0 0 0 00 0 1 0 0 0 0 0 0
ω2V ·kV −ω2
V −2·ζV ·ωV 0 0 0 0 0 00 QXV 1 0 QP11 QP21 QXK1 QV K1 −QXK1 −QV K10 QXV 2 0 QP12 QP22 QXK2 QV K2 −QXK2 −QV K20 0 0 0 0 0 1 0 00 0 0 AI
mk−AII
mk0 − dk
mk0 dk
mk
0 0 0 0 0 0 0 0 10 0 0 − AI
mG
AII
mG0 dk
mG− cG
mG−dk+dG
mG
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
(5.77)
und dem Steuervektor BII := ∂fII(xII ,uII)∂uII
∣∣∣(xIIC
,uIIC)
BII =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
aM · kM
00000000
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
. (5.78)
Die Systemmatrix AII (5.77) enthalt die folgenden Linearisierungskoeffizienten:
QXV 1 :=∂fII4(xII , uII)
∂xII2
∣∣∣∣(xIIC
,uIIC)
(5.79a)
=B
AI ·(lI0+xII6C−xII8C
)· ∂
∂xII2
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
,
QP11 :=∂fII4(xII , uII)
∂xII4
∣∣∣∣(xIIC
,uIIC)
(5.79b)
64 Kapitel 5. Linearisierung
=B
AI · (lI0 + xII6C−xII8C
)· ∂
∂xII4
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
,
QP21 :=∂fII4(xII , uII)
∂xII5
∣∣∣∣(xIIC
,uIIC)
(5.79c)
=B
AI · (lI0 + xII6C−xII8C
)· ∂
∂xII5
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
,
QXK1 :=∂fII4(xII , uII)
∂xII6
∣∣∣∣(xIIC
,uIIC)
(5.79d)
=−B
AI · (lI0 + xII6C−xII8C
)2· qZI(xII2C
, xII4C, xII5C
) ,
QV K1 :=∂fII4(xII , uII)
∂xII7
∣∣∣∣(xIIC
,uIIC)
=−B
(lI0 + xII6C−xII8C
), (5.79e)
QXV 2 :=∂fII5(xII , uII)
∂xII2
∣∣∣∣(xIIC
,uIIC)
(5.79f)
=−B
AII · (lII0 − xII6C+xII8C
)· ∂
∂xII2
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
,
QP12 :=∂fII5(xII , uII)
∂xII4
∣∣∣∣(xIIC
,uIIC)
(5.79g)
=−B
AII · (lII0 − xII6C+xII8C
)· ∂
∂xII4
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
,
QP22 :=∂fII5(xII , uII)
∂xII5
∣∣∣∣(xIIC
,uIIC)
(5.79h)
=−B
AII · (lII0 − xII6C+xII8C
)· ∂
∂xII5
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
,
QXK2 :=∂fII5(xII , uII)
∂xII6
∣∣∣∣(xIIC
,uIIC)
(5.79i)
=−B
AII · (lII0 − xII6C+xII8C
)2· qZII(xII2C
, xII4C, xII5C
) und
QV K2 :=∂fII5(xII , uII)
∂xII7
∣∣∣∣(xIIC
,uIIC)
=B
(lII0 − xII6C+xII8C
), (5.79j)
5.3 Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen 65
mit den partiellen Ableitungen der Flussfunktionen qZI(xII2 , xII4 , xII5) (5.45a) und qZII(xII2 , xII4 , xII5)(5.45b) (vgl. Kapitel B.1):
∂
∂xII2
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
αD2 ·π ·d2 ·√
2/ρ·√∣∣∣pS − xII4C
∣∣∣·sign(pS − xII4C
)·σ
(xII2C
)
+ αD1 ·π ·d1 ·√
2/ρ·√∣∣∣xII4C
− pR
∣∣∣·sign(xII4C
− pR
)·σ
(−xII2C
), (5.80a)
∂
∂xII4
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
−
αD2 ·π ·d2 ·σ(xII2C
)√
2 · ρ ·∣∣∣pS − xII4C
∣∣∣−
αD1 ·π ·d1 ·σ(−xII2C
)√
2 · ρ ·∣∣∣xII4C
− pR
∣∣∣
·xII2C
− αBP ·ABP√2 · ρ ·
∣∣∣xII4C− xII5C
∣∣∣− kBPL − kLEPI , (5.80b)
∂
∂xII5
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
= +αBP ·ABP√
2 · ρ ·∣∣∣xII4C
− xII5C
∣∣∣+ kBPL , (5.80c)
∂
∂xII2
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
αD4 ·π ·d4 ·√
2/ρ·√∣∣∣xII5C
− pR
∣∣∣·sign(xII5C
− pR
)·σ
(xII2C
)
+ αD3 ·π ·d3 ·√
2/ρ·√∣∣∣pS − xII5C
∣∣∣·sign(pS − xII5C
)·σ
(−xII2C
), (5.80d)
∂
∂xII4
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
= − αBP ·ABP√2 · ρ ·
∣∣∣xII4C− xII5C
∣∣∣− kBPL und (5.80e)
∂
∂xII5
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
αD4 ·π ·d4 ·σ(xII2C
)√
2 · ρ ·∣∣∣xII5C
− pR
∣∣∣−
αD3 ·π ·d3 ·σ(−xII2C
)√
2 · ρ ·∣∣∣pS − xII5C
∣∣∣
·xII2C
+αBP ·ABP√
2 · ρ ·∣∣∣xII4C
− xII5C
∣∣∣+ kBPL + kLEPII . (5.80f)
66 Kapitel 5. Linearisierung
Bemerkung 5.9 (Partielle Ableitungen nach xII8 und xII9): Die partielle Ableitungenvon fII4(xII , uII) bzw. fII5(xII , uII) nach xII8 und xII9 lassen sich auf bekannte Linearisierungs-koeffizienten zuruckfuhren:
∂fII4(xII , uII)∂xII8
∣∣∣∣(xIIC
,uIIC)
=−B
(lI0+xII6C−xII8C
)2·[xII7C
− qZI(xII2C, xII4C
, xII5C)
AI
](5.81a)
= −QXK1 ,
∂fII4(xII , uII)∂xII9
∣∣∣∣(xIIC
,uIIC)
=B
(lI0 + xII6C−xII8C
)= −QV K1 , (5.81b)
∂fII5(xII , uII)∂xII8
∣∣∣∣(xIIC
,uIIC)
=−B
(lI0 − xII6C+xII8C
)2·[xII7C
− qZII(xII2C, xII4C
, xII5C)
AII
](5.81c)
= −QXK2 ,
∂fII5(xII , uII)∂xII9
∣∣∣∣(xIIC
,uIIC)
=−B
(lI0 − xII6C+xII8C
)= −QV K2 . (5.81d)
5.4 Einstellung der Ruhelage
Die Ruhelage des servohydraulischen Antriebs wird durch ein konstantes Eingangssignal uMC
eingestellt. Die Zustande x des servohydraulischen Antriebs stellen sich auf konstante WertexC ein. Die konstanten Werte xC
• sind Null im Falle der Geschwindigkeiten xVC, xkaC
oder xGC,
• hangen direkt von dem konstanten Eingangssignal uMCab, wie im Falle von FVC
undxVC
,• ergeben sich nur aus den Systemparametern im Falle von pLC
und xGCoder
• sind nicht durch die Bedingungen bezuglich der Ruhelage festgelegt, wie im Falle von xkaC.
Liegen fur bestimmte Zustandswerte keine Bedingungen bezuglich der Ruhelage vor, so ergebensich diese
• uber die Anfangsbedingungen x0 des Systems im Falle der Zylinderkolbenauslenkung xkaC
oder• uber Modellerweiterungen im Falle von pIC
und pIICdurch die Annahme von Bypass- und
Leckflussen.
Bemerkung 5.10 (Halten eines senkrecht stehenden Zylinders mit signifikantenBypass- und Leckflussen):Ein senkrecht stehender Zylinder mit signifikanten Bypass- und Leckflussen erfordert laut Glei-chung (5.27) bzw. (5.61) eine konstante Eingangsspannung uMC
6= 0. In diesem Fall ist das Hal-ten der Zylinderkolbenstange in der Ruhelage durch eine konstante Eingangsspannung uMC
= 0nicht moglich. Dies kann in einem linearisierten Modell als eine konstante Storung auf denSteuereingang modelliert werden. Die Amplitude der Storung ist die erforderliche konstanteEingangsspannung, die aber negiert werden muss. Ein P-Regler als Lageregler arbeitet bei einerkonstanten Storung am Steuereingang nicht mehr stationar exakt.
Bemerkung 5.11 (veranderliche Bypass- und Leckflusse):Die Bypass- und Leckflusse sind nicht konstant, sondern hangen von zahlreichen Einflussfaktorenab, die nicht alle erfasst werden konnen (z.B. Blendenoffnung, Temperatur, usw. ). Demzufolge
5.4 Einstellung der Ruhelage 67
verandern sich die Parameter der Bypass- und Leckflusse und damit die erforderliche konstanteEingangsspannung uMC
. So gestaltet sich das Einstellen einer festen Eingangsspannung uMC6= 0
zum Halten eines senkrecht stehenden Zylinders in der Ruhelage schwierig.
Bemerkung 5.12 (Fahren in die Ruhelage): Um den servohydraulischen Antrieb in dieRuhelage zu fahren, sind zwei Vorgehensweisen denkbar:
1. manuelles Verstellen der konstanten Eingangsspannung bis die Zylinderkolbenstange sichin der gewunschten Position und in Ruhe befindet oder
2. Einsatz eines Lagereglers zum Anfahren und Halten der gewunschten Position (Einricht-regler).
Die erstgenannte Vorgehensweise ist unter dem Gesichtspunkt einer Automatisierung nachteilig.
Im folgenden wird untersucht zu klaren,
• wie reproduzierbar sich im Laborexperiment die Ruhelagen mit Hilfe eines Einrichtreglerseinstellen lassen und
• wie genau diese Ruhelagen mit denen aus der Rechnersimulation ubereinstimmen.
5.4.1 Reproduzierbarkeit der Ruhelage im Laborexperiment
Im folgenden wird untersucht, wie reproduzierbar sich die Ruhelagen im Laborexperiment ein-stellen lassen. Hierzu wird ein Positionsregler (P-Regler mit kp = 400) fur die relative Zylinder-position xkC
:= xkaC− xGC
verwendet. Die Masse der Last betragt mk = 155 kg. Die Tabellen5.3 und 5.4 zeigen die Bereiche der Variablen der Ruhelagen fur das mehrmalige Anfahrender Sollpositionen xkD
= 0, xkD= −5 cm und xkD
= 5 cm bei einem Versorgungsdruck vonpS = 100 bar und pS = 150 bar. Der Rucklaufdruck pR betragt ca. 5 bar.
Variable xkD= 0 xkD
= −5 cm xkD= 5 cm Einheit
Mitte Oben UntenxkC
0.024 ... 0.089 -49.942 ... -49.900 50.066 ... 50.102 mmuMC
-0.036 ... -0.009 -0.040 ... -0.023 -0.041 ... -0.026 VxVC
-3.1 ... -2.5 -3.6 ... -3.2 -3.1 ... -2.7 µmpLC
-16.9 ... -16.1 -16.7 -16.3 ... -16.1 barpIC
45.1 ... 46.3 45.3 ... 45.9 45.1 ... 45.8 barpIIC
61.9 ... 63.0 62.0 ... 62.6 61.4 ... 62.1 barpS 101.3 .. 102.1 101.4 .. 102.0 101.5 .. 102.1 barpR 4.5 .. 4.7 4.5 .. 4.7 4.5 .. 4.7 bar
Tabelle 5.3: Laborexperiment: Reproduzierbarkeit der Ruhelagen fur die Sollpositionen xkD= 0,
xkD= −5 cm und xkD
= 5 cm bei einem Versorgungsdruck pS = 100 bar
Die gemessenen Werte der Drucke pLC, pIC
und pIICschwanken im Bereich der Genauigkeit der
Drucksensoren von 0.75 bar (vgl. Kapitel 3.3.2).Die Werte der Drucke pLC
, pICund pIIC
sind erwartungsgemaß unabhangig von der SollpositionxkD
und stellen sich im Laborexperiment bei einem Versorgungsdruck pS = 100bar auf pIC≈
45.5 bar, pIIC≈ 62 bar und pLC
≈ −16.5 bar und bei einem Versorgungsdruck pS = 150barauf pIC
≈ 75 bar, pIIC≈ 81 bar und pLC
≈ −16 bar ein.Hiermit ist die Reduktionsannahme pS + pR = pI + pII (vgl. Annahme 5) recht gut erfullt :
68 Kapitel 5. Linearisierung
Variable xkD= 0 xkD
= −5 cm xkD= 5 cm Einheit
Mitte Oben UntenxkC
-0.096 ... 0.021 -50.031 ... -49.973 49.957 ... 50.046 mmuMC
-0.008 ... 0.039 -0.011 ... 0.013 -0.018 ... 0.017 VxVC
-1.9 ... -0.8 -2.3 ... -1.7 -2.0 ... -1.1 µmpLC
-16.2 ... -15.1 -16.2 ... -16.0 -15.8 ... -15.7 barpIC
72.2 ... 80.3 70.2 ... 75.3 72.5 ... 77.6 barpIIC
87.3 ... 95.9 86.4 ... 91.3 88.3 ... 93.4 barpS 150.1 ... 151.1 150.2 ... 151.0 150.4 ... 151.1 barpR 4.4 ... 4.8 4.5 ... 4.7 4.5 ... 4.7 bar
Tabelle 5.4: Laborexperiment: Reproduzierbarkeit der Ruhelagen fur die Sollpositionen xkD= 0,
xkD= −5 cm und xkD
= 5 cm bei einem Versorgungsdruck pS = 150 bar
• Versorgungsdruck pS = 100 bar
pS + pR = 105 bar zu pIC+ pIIC
= 107.5 bar
• Versorgungsdruck pS = 150 bar
pS + pR = 155 bar zu pIC+ pIIC
= 156 bar
und pICund pIIC
lassen sich gut aus pS , pR und pLCberechnen
• Versorgungsdruck pS = 100 bar
pIC=
12· (pS + pR + pLC
) = 44.25 bar (gemessen: pIC≈ 45.5 bar) ,
pIIC=
12· (pS + pR − pLC
) = 60.75 bar (gemessen: pIIC≈ 62 bar) .
• Versorgungsdruck pS = 150 bar
pIC=
12· (pS + pR + pLC
) = 69.5 bar (gemessen: pIC≈ 75 bar) ,
pIIC=
12· (pS + pR − pLC
) = 85.5 bar (gemessen: pIIC≈ 81 bar) .
Der Positionsregler arbeitet nicht stationar exakt. Die Abweichung von der Sollposition, sowiedie damit verbundene Eingangsspannung uMC
sind sehr gering, so dass hier neben dem erwahn-ten Auswirkung der Leckflusse auch andere Effekte wie Hysterese und Einstellgenauigkeit desServoventils eine Rolle spielen.
Bemerkung 5.13 (Werte fur xGC): Der Sensor fur xG wird bedingt durch den Einbau im
Versuchsstand vor Beginn eines Versuchs manuell auf Null abgeglichen, damit ist sein Wert furdiese Auswertung uninteressant.
5.5 Reduktion des linearen nicht reduzierten Modells 69
Variable xkD= 0 xkD
= −5 cm xkD= 5 cm Einheit
Mitte Oben UntenxkC
0.357 -49.658 50.3417 mmuMC
-0.123 -0.123 -0.123 VxVC
-2.833 -2.833 -2.833 µmpLC
-16.42 -16.42 -16.42 barpIC
46.51 46.51 46.51 barpIIC
62.93 62.93 62.93 barpS 100.0 100.0 100.0 barpR 4.0 4.0 4.0 bar
Tabelle 5.5: Rechnersimulation der Ruhelagen fur die Sollpositionen xkD= 0, xkD
= −5 cm undxkD
= 5 cm bei einem Versorgungsdruck pS = 100 bar
Variable xkD= 0 xkD
= −5 cm xkD= 5 cm Einheit
Mitte Oben UntenxkC
0.275 -49.725 50.275 mmuMC
-0.0966 -0.0966 -0.0966 VxVC
-2.221 -2.221 -2.221 µmpLC
-16.42 -16.42 -16.42 barpIC
73.96 73.96 73.96 barpIIC
90.38 90.38 90.38 barpS 150.0 150.0 150.0 barpR 4.0 4.0 4.0 bar
Tabelle 5.6: Rechnersimulation der Ruhelagen fur die Sollpositionen xkD= 0, xkD
= −5 cm undxkD
= 5 cm bei einem Versorgungsdruck pS = 150 bar
5.4.2 Ruhelage in der Rechnersimulation
Die Tabellen 5.5 und 5.6 zeigen die Ruhelagen in der Rechnersimulation fur die SollpositionenxkD
= 0, xkD= −5 cm und xkD
= 5 cm bei einem Versorgungsdruck pS = 100 bar undpS = 150 bar.Die Ubereinstimmung der Rechnersimulation mit den Laborexperiment ist gut.Der stationare Fehler ist in der Rechnersimulation etwa um den Faktor 10 großer als im Labor-experiment.
5.5 Reduktion des linearen nicht reduzierten Modells
Die Reduktion des linearen nicht reduzierten Modells (5.75) wird im Frequenzbereich anhandder Ubertragungsfunktion vom Ventilweg xV zur Zylinderkolbenauslenkung xka untersucht (vgl.Kapitel B.2).Die vorgeschaltete Ventildynamik (A.6) von der Ventileingangsspannung uM zum Ventilweg xV
wird aus Grunden der Ubersichtlichkeit weggelassen.Die Ubertragungsfunktion vom Ventilweg xV zur Zylinderkolbenauslenkung xka des linearen
70 Kapitel 5. Linearisierung
nicht reduzierten Modells mit den allgemeinen Linearisierungskoeffizienten in den Gleichungen(5.79) aus Kapitel 5.3.3 lautet (vgl. Gleichung (B.4) aus Kapitel B.2):
Gxka, xV (s) :=Xka(s)XV (s)
= k′0 ·(s− sNZD) · (s2 + dG
mG· s + cG
mG)
s6 + a′5 · s5 + a′4 · s4 + a′3 · s3 + a′2 · s2 + a′1 · s + a′0. (5.82)
Sie besitzt im Vergleich zu der Ubertragungsfunktion GmFxka, xV
(s) des linearen reduzierten Mo-dells aus Gleichung (A.59) eine zusatzliche Nullstelle sNZD :
sNZD :=[AI ·QP22 + AII ·QP12] ·QXV 1− [AI ·QP21 + AII ·QP11] ·QXV 2
AI ·QXV 1−AII ·QXV 2(5.83)
und eine zusatzliche Polstelle, deren Wert aber nicht geschlossen angegeben werden kann.Aufgrund der Reduktionsannahmen (4.15) aus Kapitel 4.3 entstehen Abhangigkeiten und Sym-metrien zwischen den Linearisierungskoeffizienten (5.79) :
QXV 1 = −QXV 2 =12· QX
CH, (5.84a)
QP11 = QP22 , (5.84b)QP12 = QP21 , (5.84c)
QV K1 = −QV K2 = −12· Ak
CH(5.84d)
und
QP11−QP12 =QP
CH. (5.84e)
Werden diese vereinfachten Linearisierungskoeffizienten (5.84) in die Ubertragungsfunktion ausGleichung (5.82) eingesetzt, kommt es zu einer Pol-/Nullstellenkurzung. Die gekurzte NullstellesNZD liegt bei :
sNZD := QP11 + QP12 (5.85)
und ist nach (B.26) phasenminimal. Damit ist die gekurzte Polstelle stabil bzw. grenzstabil.Mit der zusatzlichen Bedingung QXK1 = QXK2 erhalt man die UbertragungsfunktionGmF
xka, xV(s) des linearen reduzierten Modells aus Gleichung (A.59).
5.6 Zusammenfassung
Im vorliegenden Kapitel wurde die Bestimmung von linearen Ersatzsystemen (Linearisierung)in einer statischen Ruhelage fur die nichtlinearen reduzierten Modellgleichungen und furdie nichtlinearen nicht reduzierten Modellgleichungen des servohydraulischen Antriebsbeschrieben mit folgenden Konsequenzen fur
• RechnersimulationenMittels der Modellgleichungen wird eine Vorhersage fur die sich einstellende Ruhelageermoglicht, auch wenn eine reale Strecke nicht vorhanden ist. Zudem werden die Abhangig-keiten von Einflussfaktoren wie Modellvariablen und -parametern der Ruhelage deutlich.
5.6 Zusammenfassung 71
• LaborexperimenteUm eine vorgegebene Zylinderposition gezielt anfahren zu konnen, wird im Laborexperimentdie Ruhelage mittels eines Lagereglers eingestellt. Die einzelnen Werte der Ruhelage werden,wenn moglich messtechnisch erfasst und stehen dann fur die Berechnung von Kleinsignal-großen zur Verfugung, wie sie von linearen Identifikationsverfahren und linearen Regelalgo-rithmen benotigt werden.
• IdentifikationEin identifiziertes lineares Modell ist nur fur die Ruhelage gultig in der es identifiziert wur-de. Um das Modell fur einen Reglerentwurf verwenden zu konnen, muss sich die Ruhelagereproduzierbar im Laborexperiment einstellen lassen.
• ModellvalidierungBei der Validierung nichtlinearer Modelle wird untersucht, wie gut die Rechnersimulation dieRuhelage des Laborexperiments voraussagen kann. Bei der Validierung linearisierter Modellemussen die Ruhelagen von Laborexperiment und Rechnersimulation ubereinstimmen.
Die Reduktion des linearen, nicht reduzierten Modells zum linearen, reduzierten Modell erfolgtdurch eine stabile Pol-/Nullstellenkurzung.
72 Kapitel 5. Linearisierung
Kapitel 6
Experimentelle Identifikation und Modellvalidierung
eines einachsigen servohydraulischen Antriebs
6.1 Einleitung
Dieses Kapitel beschreibt die experimentelle Identifikation und die Modellvalidierung eines ser-vohydraulischen Linearantriebs.
Zum Zwecke der experimentellen Identifikation wird das Gesamtsystem in folgende Teilsystemeeingeteilt (vgl. Bild 6.1):
• Ansteuerung des Servoventils (siehe Kapitel 6.3),• Druckaufbau (siehe Kapitel 6.4),• Lastmechanik (siehe Kapitel 6.5) und• Mechanik des Fundaments (siehe Kapitel 6.6).
Fur die Teilsysteme werden physikalisch motivierte Modellhypothesen aus Kapitel 4 angesetzt.
Die im Kapitel (A.5) aus den linearen, reduzierten Modellgleichungen analytisch berechnetenUbertragungsfunktionen dienen bei den folgenden Teilsystemen als Modellhypothese:
• Kombination von Druckaufbau und Lastmechanik (siehe Kapitel 6.4.4),• Lastmechanik (siehe Kapitel 6.5) und• Mechanik des Fundaments (siehe Kapitel 6.6).
Die Parameterschatzung erfolgt mit der linearen Regression (Least-Squares-Algorithmus), mitder Pradiktionsfehlermethode (Matlab System Identification Toolbox) oder mit der nichtlinearenOptimierung (Nelder–Mead–Simplex–Algorithmus).
Die Modellvalidierung in Kapitel 6.7 uberpruft die Wirklichkeitsnahe des gesamten Modells desservohydraulischen Antriebs.
Die Vorgehensweise bei der parametrischen Identifikation des servohydraulischen Antriebs be-schreibt Kapitel 6.2.
Das Ergebnis dieses Kapitels sind Streckenmodelle fur
• den Reglerentwurf und• fur die Rechnersimulation.
73
74 Kapitel 6. Experimentelle Identifikation
−Ansteuerung
− −uM
Mechanik desFundaments
des Servoventils DruckaufbauxV
xk
xk
xka
pS
pR
pI
+ pL
pII
Lastmechanik
xG
xk
xka
xk
xka
xk
xkxG
+ +
pL
pL
xG
Bild 6.1: Unterteilung des servohydraulischen Antriebs zum Zwecke der Identifikation in dieTeilsysteme: Ansteuerung des Servoventils, Druckaufbau, Lastmechanik und Mechanikdes Fundaments
6.2 Vorgehensweise bei der parametrischen Identifikation desservohydraulischen Antriebs
Der servohydraulische Antrieb stellt ein technisches System oder einen technischen Prozess dar,dessen Aufgabe die gezielte Bewegung der mechanischen Last ist.Der Systemausgang ist die Position der mechanischen Last, die sich aus Zylinderkolbenweg xka,Zylinderkolbengeschwindigkeit xka und Zylinderkolbenbeschleunigung xka zusammensetzt. DerSteuereingang dieses Systems ist die Ventileingangsspannung uM . Weitere Ausgange sind dieVariablen des Systems, die messtechnisch durch Sensoren erfasst werden.
Fur die Rechnersimulation und den modellbasierten Reglerentwurf ist ein mathematisches Mo-dell dieses Prozesses erforderlich.
Die Systemidentifikation beschaftigt sich allgemein mit dem Erstellen mathematischer Modellevon dynamischen Systemen aus gemessenen Ein-/Ausgangsdaten [6].
Ein mathematisches Modell beschreibt durch seine Modellstruktur und seine Modellparameter,wie sich das Ausgangssignal aus dem Eingangssignal errechnet.Eine aufgrund physikalischer Einsicht entstandene Modellstruktur wird als white-box-modellingbezeichnet, z.B. die Modelle des servohydraulischen Antriebs aus Kapitel 4. Als black-box-modelling bezeichnet man eine nicht physikalisch motivierte Modellstruktur, die aber ”flexibel”genug ist, das Verhalten des Systems zu beschreiben, z.B. lineare, zeitdiskrete Ubertragungs-funktionen. Die Kombination beider wird mit grey-box-modelling bezeichnet.Die Modelle konnen nichtlinear oder linear, zeitkontinuierlich oder zeitdiskret sein.
Die Parameterschatzung (Parameter Estimation) bestimmt bei gegebener Modellstruktur diebesten Werte fur die unbekannten Modellparameter aus den gemessenen Daten.
6.2 Vorgehensweise bei der parametrischen Identifikation des servohydraulischen Antriebs 75
Die Bestimmung der besten Werte erfolgt durch Minimierung eines skalarwertigen Kriteriums,das die Abweichung der Ausgangssignale von System und Modell beschreibt.Folgende Parameterschatzverfahren wurden verwendet:
• lineare Regression mit Least-Squares-Algorithmus [47, 48, 6] (vgl. Kapitel C.1.2)Wenn es moglich ist, die vorliegende Modellstruktur in die Form der linearen Regressionzu bringen, der Ausgang linear von den zu schatzenden Parametern abhangt, konnen dieParameter mittels Least-Squares-Algorithmus geschatzt werden. Dies ist die numerisch ein-fachste und sicherste Methode (globales Minimum). Sind aber bestimmte Voraussetzungennicht erfullt, kommt es zu fehlerhaften (Bias) oder ungenauen (Varianz) Parametern.
• Pradiktionsfehlermethode [6, 48] (vgl. Kapitel C.1.3)Ist die vorliegende Modellstruktur eine lineare, zeitkontinuierliche Ubertragungsfunktion, las-sen sich die Parameter einer aquivalenten linearen, zeitdiskreten Ubertragungsfunktion mit-tels der Pradiktionsfehlermethode schatzen und anschließend in die gesuchten Parameterumrechnen. Es liegt eine indirekte Identifikation vor, da nicht die gesuchten, sondern die Pa-rameter eines aquivalenten Modells geschatzt werden. Die Pradiktionsfehlermethode beruck-sichtig unterschiedliche Eingangsorte einer externen Storung (equation error: z.B. ARX ,output error: z.B. OE). Zusatzlich kann durch lineare Fehlermodelle (z.B. ARMAX, BJ) einespektrale Zusammensetzung der externen Storung modelliert werden.Die Pradiktionsfehlermethode ist aus numerischer Sicht aufwendiger als der Least-Squares-Algorithmus, da in der Regel die Losung iterativ gefunden wird. Eine Ausnahme bildet derARX-Ansatz. Er verwendet den Least-Squares-Algorithmus.Durch die bessere Modellierung der externen Storung konnen Bias und Varianz der geschatz-ten Parameter reduziert werden.
• Parameterschatzung mittels nichtlinearer Optimierung [54] (vgl. Kapitel C.1.4)Die Parameterschatzung mittels nichtlinearer Optimierung betrifft Modellstrukturen, die sichweder auf die Form der linearen Regression bringen, noch auf aquivalente lineare, zeitdiskreteModelle transformieren lassen.Mit der vorliegenden Modellstruktur wird fur ein gegebenes Eingangssignal und fur einenParametersatz ggf. unter Verwendung numerischer Integrationsverfahren das Ausgangssignalberechnet.Die Abweichung zwischen dem Ausgangssignal des realen Systems und dem simulierten Aus-gangssignal wird durch eine skalarwertige Verlustfunktion beschrieben.Durch ein nichtlineares Optimierungsverfahren wird der Parametersatz ermittelt, der dieVerlustfunktion minimiert.Es besteht die Gefahr, ein lokales Minimum zu finden.Da die gesuchten Parameter geschatzt werden, liegt direkte Identifikation vor.
Das so ermittelte Prozessmodell wird in der Modellvalidierung (Model Validation) uberpruft.Wird es durch sie angenommen, ist ein Prozessmodell gefunden. Wird es hingegen abgelehnt,geht die Suche weiter, z.B. mit einer geanderten Modellstruktur oder einem Messdatensatz auseinem modifizierten Identifikationsexperiment.Die Aufgabe der Parameterschatzung beschrankt sich auf die Bestimmung der besten Parame-terwerte fur eine gegebene Modellstruktur. Die Systemidentifikation sucht daruberhinaus nacheiner geeigneten Modellstruktur fur die Parameterschatzung.
Im Kapitel 4 sind physikalisch motivierte mathematische Modelle des servohydraulischen Lin-
76 Kapitel 6. Experimentelle Identifikation
earantriebs beschrieben, die als Modellhypothese fur die experimentelle Identifikation eingesetztwerden. Die Modellgleichungen bestehen aus:
• statischen Funktionen, z.B. Volumenflussen uber den Servoventil–Steuerkanten Gl. (4.7) oder• linearen bzw. nichtlinearen Differentialgleichungen, z.B. Lastmechanik Gl. (4.10) oder Druck-
aufbau Gl. (4.5).
Eine Differentialgleichung enthalt Ableitungen der Ein- und Ausgangsvariablen, die in der Regelnicht zusatzlich uber Sensoren erfasst werden.
Jede Modellgleichung beschreibt einen algebraischen Zusammenhang zwischen Modellvariablenund Modellparametern.Die in den Modellgleichungen enthaltenen Modellparameter teilen sich auf in
• a priori bekannte Modellparameter, z.B. Abmessungen, physikalische Konstanten und in• unbekannte, zu identifizierende Modellparameter.
Die in den Modellgleichungen enthaltenen Modellvariablen teilen sich auf in die
• messtechnisch verfugbaren Modellvariablen, z.B. durch Sensoren gemessene oder als Stell-großen vorgegebene Prozessvariablen und in die
• nicht messtechnisch verfugbaren Modellvariablen, z.B. Volumenflusse, die beim hier unter-suchten servohydraulischen Antrieb nicht durch Sensoren erfasst werden.
Die nicht messtechnisch verfugbaren Modellvariablen wiederum teilen sich auf in die
• aus messtechnisch verfugbaren Modellvariablen approximierbaren Modellvariablen, z.B. zeit-liche Ableitungen von Modellvariablen und in die
• nicht approximierbaren Modellvariablen.
Die messtechnisch verfugbaren Modellvariablen und die approximierbaren Modellvariablen wer-den zur Menge der verfugbaren Modellvariablen zusammengefasst.
Der hier gewahlte Ansatz fur die experimentelle Identifikation versucht zunachst, jede der physi-kalisch motivierten Modellgleichungen losgelost von den anderen zu betrachten, damit die Anzahlder gemeinsam zu schatzenden Modellparameter moglichst gering wird.Nicht verfugbare Modellvariablen in einer Modellgleichung werden durch das Verknupfen zwei-er oder mehrerer Modellgleichungen eliminiert, wodurch sich die Anzahl der gemeinsam zuschatzenden Parameter in der neuen Modellgleichung wieder erhoht.Der technische Prozess des servohydraulischen Antriebs wird zum Zwecke der experimentellenIdentifikation in Subprozesse (Submodelle) unterteilt. Die Unterteilung geschieht aufgrund derStruktur der Modellgleichungen und der verfugbaren Modellvariablen, so dass an allen Schnitt-stellen der Subprozesse verfugbare Modellvariablen sind. Welche Schnittstellen der SubprozesseEingange und welche Ausgange sind, ist nicht immer eindeutig. Nicht verfugbare Modellva-riablen werden zu internen Modellvariablen der Subprozesse. Die Subprozesse treten dann alsunabhangige Prozesse auf.Die folgenden Prozessvariablen werden im Laboraufbau des servohydraulischen Antriebs durchSensoren erfasst (vgl. Bild 6.1):
• Zylinderkolbenweg relativ zum Fundament xk,• Zylinderkolbengeschwindigkeit relativ zum Fundament xk,• Beschleunigung der Last xka,• Verschiebung des Fundaments xG,
6.2 Vorgehensweise bei der parametrischen Identifikation des servohydraulischen Antriebs 77
• Beschleunigung des Fundaments xG,• Druck in den Kammern I und II pI , pII ,• Lastdruck pL,• Versorgungsdruck pS ,• Rucklaufdruck pR und• Servoventilweg xV .
Damit ist es moglich, das Gesamtsystem des servohydraulischen Antriebs zum Zwecke der Iden-tifikation in die vier folgenden Teilsysteme zu unterteilen:
• Ansteuerung des Servoventils (siehe Kapitel 6.3)• Druckaufbau (siehe Kapitel 6.4)• Lastmechanik (siehe Kapitel 6.5)• Mechanik des Fundaments (siehe Kapitel 6.6).
Das Servoventil wird als ruckwirkungsfrei betrachtet. Dagegen sind Druckaufbau und Mechanikmiteinander uber den Lastdruck pL und die Relativgeschwindigkeit xk gekoppelt.
Fur die Bestimmungen der unbekannten Modellparameter ist ein geeignetes Parameterschatzver-fahren zu wahlen. Hierbei spielen die praktische Verfugbarkeit der Verfahren und ihr numerischerAufwand eine wesentliche Rolle.Das Verfahren der linearen Regression mit der Methode der kleinsten Fehlerquadrate (Least-Squares-Algorithmus) bietet sich wegen seiner einfachen Berechnung im Vergleich zu den nicht-linearen Optimierungsalgorithmen an, frei nach dem Motto ”Try simple things first!”.Bei der linearen Regression wird versucht, eine Variable, die als Ausgang bezeichnet wird, auseiner linearen Kombination von Parametern und anderen Variablen, die als Regressoren oderEingange bezeichnet werden, vorherzusagen (vgl. Kapitel C.1.2).Gelingt es, die Modellgleichung des Subprozesses durch Umformung in die Form der linearen Re-gression zu bringen, so konnen die unbekannten Parameter mit dem Least-Squares-Algorithmusbestimmt werden. Der wesentliche Vorteil liegt in der einfachen numerischen Berechnung desAlgorithmus.Bei der Umformung der Modellgleichung des Subprozesses auf die Form der linearen Regressionwird zwangslaufig ein Ausgang gewahlt. Die entstandene Gleichung wird als Identifikationsglei-chung in expliziter Form bezeichnet, die einen formalen Ausgang, formale Eingange und formaleParameter besitzt. Der formale Ausgang und die formalen Eingange werden unter Umstandendurch nichtlineare Transformationen aus verfugbaren Modellvariablen und aus bekannten Mo-dellparametern gebildet. Die formalen Parameter und die physikalischen Parameter der Modell-gleichung hangen unter Umstanden ebenfalls uber nichtlineare Transformationen zusammen, beider auch bekannte Modellparameter beteiligt sein konnen.Fur eine biasfreie Schatzung muss der Regressor der linearen Regression frei von Storungen sein.Nur der Ausgang darf eine mittelwertfreie, unkorrelierte Storung enthalten. Diese Forderungkann hier nicht erfullt werden, da die formalen Eingange der Identifikationgleichung so wie derAusgang in der Regel aus gemessenen und damit storungsbehafteten Signalen gebildet werden.Der durch gestorte Regressoren verursachte Bias lasst sich im allgemeinen nicht mit einemFehlermodell und dem Einsatz der Pradiktionsfehlermethode beseitigen. Um den Bias kleinzu halten, ist eine Selektion der Messdaten bezuglich eines guten Signal-Rausch-Verhaltnissessinnvoll.Der gewahlte Ausgang, auf den die Parameter angepasst werden, ist mitunter nicht der Ausgang
78 Kapitel 6. Experimentelle Identifikation
des Modells im spateren Einsatzfall. Ein nicht im Modell berucksichtigter Einfluss auf den Pro-zess fuhrt dazu, dass die Modellparameter fur den gewahlten Ausgang angefittet werden, aberfur den spater verwendeten Ausgang moglicherweise nicht mehr passen.Sind die Subprozesse uber eine Schleife, ahnlich der Schleife eines Regelkreises, miteinanderverkoppelt, liegt also keine Kettenschaltung von Subprozessen vor, konnen die aus verfugba-ren Modellvariablen gebildeten Regressoren teilweise linear abhangig werden. Im Falle linearabhangiger Regressoren besitzt der Least-Squares-Algorithmus keine eindeutige Losung mehr.Fur fast linear abhangige Regressoren bereitet die Numerik Schwierigkeiten.Die bei den nichtlinearen Transformationen der formalen Eingange und des formalen Ausgangseingehenden Signale der Modellvariablen sind mehr oder weniger stark gestort. Hier besteht dieGefahr einer Verstarkung der Storung, wenn die Signalwerte oder die nichtlineare Transformationungunstig sind. Als einfaches Beispiel ist der Quotient aus zwei Modellvariablen zu nennen.
Die im Kapitel (A.5) aus den linearen, reduzierten Modellgleichungen analytisch berechnetenUbertragungsfunktionen dienen bei den folgenden Teilsystemen als Modellhypothese:
• Kombination von Druckaufbau und Lastmechanik (siehe Kapitel 6.4.4),• Lastmechanik (siehe Kapitel 6.5) und• Mechanik des Fundaments (siehe Kapitel 6.6).
Bezuglich der Identifikation der Teilsysteme bietet es sich an, eine Ubertragungsfunktion mitmoglichst wenigen Differenzierern oder Integratoren zu wahlen, da ideale Differenzierer oderIntegratoren aufgrund der praktisch immer bandbegrenzten Anregung nicht identifizierbar sind.Mittels der Pradiktionsfehlermethode werden die Modellparameter einer aquivalenten linearen,zeitdiskreten Ubertragungsfunktion geschatzt und anschließend in die gesuchten Parameter derlinearen, zeitkontinuierlichen Ubertragungsfunktion umgerechnet.
Darstellung der Identifikationsergebnisse
Die mit der Pradiktionsfehlermethode erzielten Ergebnisse eines Identifikationsexperiments wer-den in den folgenden drei Blocken (a, b, c) zusammengefasst:
Der Block a) stellt zur visuellen Beurteilung der Anregung die Zeitverlaufe der Eingangssi-gnale des zu identifizierenden Teilsystems dar.Der Block b) gibt tabellarisch fur die einzelnen Modellansatze die geschatzten Modellpara-meter und die damit erreichten Fits von Simulation und Pradiktion fur den Validierungs -und den Identifikationsdatensatz, in Klammern angegeben, wieder. Der Fit wird in Gl. (6.1)definiert.Der Block c) dient zur Untersuchung der Qualitat der Identifikation anhand der folgendenZeitverlaufe:
1. Ausgangssignal y(t) des Teilsystems als Referenz,
2. Ausgangssignal der Simulation ys(t),
3. Simulationsfehler εs(t) := y(t)− ys(t),
4. 1-Schritt-Pradiktion yp(t) des Ausgangssignals und
5. Pradiktionsfehler εp(t) := y(t)− yp(t)
und der folgenden Kovarianzfunktionen:
1. Autokovarianzfunktion Ree des Pradiktionsfehlers εp(t) und
6.2 Vorgehensweise bei der parametrischen Identifikation des servohydraulischen Antriebs 79
2. Kreuzkovarianzfunktionen Reu des Pradiktionsfehlers εp(t) mit den einzelnen Eingangs-signalen u(t).
Bei mit dem Least-Squares-Verfahren oder den mittels nichtlinearer Optimierung erzielten Er-gebnissen entfallt die Darstellung von Pradiktion, Pradiktionsfehler und den Kovarianzfunktio-nen.
Bei der Identifikation der Ansteuerung des Servoventils erfolgt eine Darstellung der Identifikati-onsergebnisse anhand des Frequenzgangs.
Fur das Laborexperiment wird ein
• Regler, ein
• Fuhrungssignal (siehe Kapitel E.1.1) und eine
• Lastmasse
gewahlt.
Definition des Fits
Der Fit zwischen dem Ausgangssignal y(t) und dem durch Simulation oder Pradiktion nachge-bildeten Ausgangssignal y(t) wird wie folgt definiert:
Fit =
(1−
√∑Nt=1 [y(t)− y(t)]2∑N
t=1 y2(t)
)· 100% , (6.1)
wobei N die Anzahl der Abtastpunkte bezeichnet. Der Fit gibt an, wie gut die Simulationbzw. Pradiktion das reale Ausgangssignal nachbilden kann. Die Qualitat von Simulation bzw.Pradiktion ist um so besser, je naher der Fit an die 100 % Grenze herankommt.Der Fit wird negativ, wenn der Effektivwert des Simulations- bzw. Pradiktionsfehler großer alsder Effektivwert des Ausgangssignals wird.Eine Normierung des Effektivwertes des Simulations- bzw. Pradiktionsfehler auf Effektivwertdes Ausgangssignals ist beim Vergleich mit unterschiedlicher Ansteuerungsamplitude notwendig(vgl. Servoventil Kapitel 6.3).
Beurteilung der Identifikationsergebnisse
Der Simulationsfehler :
εs(t) := y(t)− ys(t) (6.2)
und der Pradiktionsfehler
εp(t) := y(t)− yp(t) (6.3)
sind Residuen.Residuen ε(t) setzen sich zusammen aus einem Modellfehlersignal (model error signal) g(t) undaus einem externen Storsignal (disturbance signal) v(t) :
ε(t) = g(t)︸︷︷︸Modellfehlersignal
+ v(t)︸︷︷︸Storsignal
. (6.4)
80 Kapitel 6. Experimentelle Identifikation
Das Modellfehlersignal (model error signal) g(t) entsteht aufgrund eines deterministischen Mo-dellfehlers aus dem Anregungssignal u(t).Das Storsignal (disturbance signal) v(t) hingegen steht in keinerlei Beziehung zum Anregungs-signal u(t). Es setzt sich zusammen aus Prozess- und Messrauschen sowie unbekannten deter-ministische Einflussfaktoren (z.B. Brummstorungen).Der Pradiktionsfehler εp(t) ergibt sich uber das inverse Fehlermodell H(q)−1 aus dem Simulati-onsfehler εs(t) vgl. Kapitel C.1.3.1:
εp(t) = H(q)−1 · εs(t) . (6.5)
Demnach ist der Pradiktionsfehler εp(t) eine spektrale Bewertung des Simulationsfehlers εs(t).Bei der Pradiktionsfehlermethode werden die Modellparameter so bestimmt, dass die Energiedes Pradiktionsfehlers minimal wird.Die Fehlermodelle der Ansatze lauten:
ARX : H(q)−1 = A(q)ARMAX : H(q)−1 = A(q)
C(q)
OE : H(q)−1 = 1BJ : H(q)−1 = D(q)
C(q)
Bei ARX und ARMAX ist das Fehlermodell mit der Dynamik A(q) des Simulationsmodellsverbunden, wohingegen BJ ein unabhangiges Fehlermodell besitzt.Bei OE wird der Simulationsfehler nicht gewichtet.
Mit der Autokovarianzfunktion Ree des Pradiktionsfehlers εp(t) wird uberpruft, ob dieser un-korreliert ist. Fur alle Verzogerungsschritte (lags) großer Null sollte die AutokovarianzfunktionRee im gestrichelt eingezeichneten Band liegen. Die Aufgabe des Fehlermodells ist es, den mogli-cherweise mit sich selbst korrelierten Simulationsfehler εs(t) so zu bewerten, dass daraufhin derPradiktionsfehlers εp(t) unkorreliert wird.Mit der Kreuzkovarianzfunktionen Reu des Pradiktionsfehlers εp(t) mit den einzelnen Eingangs-signalen u(t) wird uberpruft, ob der Pradiktionsfehler nicht mit den Eingangen korreliert ist.Ist der Pradiktionsfehler noch mit den Eingangen korreliert, konnte das Modell noch verbes-sert werden. Unkorreliert gilt nur fur eine lineare Beziehung, eine nichtlineare Abhangigkeit isttrotzdem moglich.
Die Ordnung des Fehlermodells wird so bestimmt, dass eine steigende Ordnung des Fehlermodellseine Verbesserung des Fits in der Simulation mit dem Validierungsdatensatz bringen muss.
A priori bekannte Parameter
Die folgenden Modellparameter werden als a priori bekannt angenommen:
Ak = AI = AII = 9.43 cm2 Zylinderkolbenflachen,lI0 = lII0 = 33.3 cm Ausgangslagen der Zylinderkolbenauslenkung,d1 = d2 = d3 = d4 = 7.95 mm Ventilkolbendurchmesser,ρ = 850 kg
m3 Dichte des Ols undp0 = pS − pR [ N
m2 ] effektiver Systemdruck abhangig vom Versorgungsdruck pS
(pR ≈ 4 bar)
6.3 Identifikation der Ansteuerung des Servoventils 81
6.3 Identifikation der Ansteuerung des Servoventils
Die Ansteuerung des Servoventils ist ein geregelter Antrieb mit der Aufgabe, den VentilwegxV proportional zur Vorgabe der Ventileingangsspannung uM moglichst verzogerungsfrei ein-zustellen. Es ist zu erwarten, dass dies fur den statischen Fall und bis zu einer Grenzfrequenzgut gelingt. Dieses Verhalten lasst sich anhand des Frequenzgangs darstellen. In Abschnitt 6.3.1werden Frequenzgange der Ansteuerung des Servoventils experimentell aufgenommen. Sie dienenim folgenden als Kennfunktionen zur Gegenuberstellung mit den identifizierten mathematischenModellen. Die mathematischen Modelle fur das Teilsystem Servoventil beschreiben das dyna-mische Verhalten zwischen der Ventileingangsspannung uM als Eingang und dem Ventilweg xV
als Ausgang der Ansteuerung des Servoventils (vgl. Bild 6.2). Das Teilsystem ”Ansteuerung desServoventils” ist den anderen Teilsystemen vorgeschaltet und wird als ruckwirkungsfrei betrach-tet.Fur den Reglerentwurf in Kapitel 7 wird ein lineares, zeitkontinuierliches Modell der Ansteuerungdes Servoventil erwartet. Es stellte sich aber im Verlauf der Untersuchungen heraus, dass einnichtlineares Verhalten aufgrund einer Sattigung der Ventilkolbengeschwindigkeit vorliegt.Es werden folgende Modellhypothesen identifiziert:
• lineares, zeitkontinuierliches Modell 3. Ordnung im Kapitel 6.3.2 und• nichtlineare, zeitkontinuierliche Modelle 1. bis 3. Ordnung im Kapitel 6.3.3.
AnsteuerunguM
des Servoventils
xV
Bild 6.2: Teilsystem Servoventil mit den Schnittstellen: Ventileingangsspannung uM und Ventil-weg xV
6.3.1 Experimentelle Aufnahme eines Frequenzgangs
Zur experimentellen Aufnahme des Frequenzgangs der Ansteuerung des Servoventils wird derservohydraulische Antrieb mit einem P-Regler im geschlossenen Regelkreis betrieben und miteinem sinusformigen Fuhrungssignal angesteuert, dessen Frequenz linear mit der Zeit erhohtwird (Sinus-Sweep).Gemessen werden N Abtastpunkte des Eingangs- u(t) := uM (t) und des Ausgangssignals y(t) :=xV (t) mit t = ξ ·∆t und ξ = 0, ..., N − 1, wobei ∆t die Abtastzeit bezeichnet.Zur Auswertung werden von den gemessenen Ein- und Ausgangssignalen jeweils die Periodo-gramme (Diskrete Fourier Transformation) an den diskreten Frequenzen f = 1
∆t·N · ν mitν = 0, ..., N − 1 berechnet [6]:
UN (f) :=1√N·
N−1∑
ξ=0
u (ξ ·∆t) · e−j·2·π·f ·ξ·∆t und (6.6a)
YN (f) :=1√N·
N−1∑
ξ=0
y (ξ ·∆t) · e−j·2·π·f ·ξ·∆t (6.6b)
mit j =√−1 als imaginarer Einheit.
82 Kapitel 6. Experimentelle Identifikation
Der Quotient der Periodogramme liefert eine Schatzung des komplexwertigen Frequenzgangs(ETFE empirical transfer-function estimate [6]):
ˆG(f) :=
YN (f)UN (f)
. (6.7)
Die Fast Fourier Transformation muss uber den gesamten Sweep gebildet werden, weil die Fre-quenz des Sweeps wahrend des Versuchs einmal durchgestimmt wird. Es ergibt sich aufgrund dergroßen Anzahl an Abtastpunkten N eine sehr feine spektrale Auflosung ∆f = 1
∆t·N . Verbunden
damit ist ein aufgerauhter Verlauf der Schatzung des komplexwertigen Frequenzgangs ˆG(f), der
aber durch eine gewichtete Mittlung uber benachbarte Werte im Spektralbereich geglattet wird(n = 10):
G(f) :=n · ˆ
G(f) +∑n−1
k=1 (n− k) ·[ ˆG
(f + k
∆t·N)
+ ˆG
(f − k
∆t·N)]
n2. (6.8)
Aus dem geglatteten, komplexwertigen Frequenzgang G(f) werden Amplitudengang |G(f)| undPhasengang arg G(f) gebildet und dargestellt.Aus dem Amplitudengang |G(f)| wird eine Grenzfrequenz (Knickfrequenz) als Kennzahl fur dasdynamische Verhalten der Ansteuerung des Servoventil abgelesen.Durch Aufnahme des Frequenzgangs fur unterschiedliche Ansteuerungsamplituden wird unter-sucht, ob der Frequenzgang unabhangig von der Amplitude ist und damit das Verhalten derAnsteuerung des Servoventils linear ist.
Die Daten der Laborexperimente lauten:
– Regler : P-Regler mit kp = 400
– Fuhrungssignal des Reg-lers
: Sinussweep Gl. (E.2) vgl. Kapitel E.1.1 mitAmplitude A = 2, 4, 8, und 16 mm ,Startfrequenz fStart = 0 Hz ,Stopfrequenz fStop = 400 Hz ,Sweepdauer tDauer = 8.192 s und 16.384 s ,
– Abtastrate : fabst = 1∆t = 4 kHz ( fabst = 10 · fStop )
– Meßdauer : a) 0 bis 8.192 s (N = 32768 = 215 Abtastpunkte)b) 0 bis 16.384 s (N = 65536 = 216 Abtastpunkte)
– mechanische Last : mk = 200 kg
– Versorgungsdruck : pS = 150 bar
– Gemessene Signale : uM , xV
Es stehen zwei in der Anregung vergleichbare, in der Versuchsdauer tDauer unterschiedlicheVersuchsreihen v1a bis v4a und v1b bis v4b zur Verfugung:
A = 2 mm A = 4 mm A = 8 mm A = 16mma) tDauer = 8.192 s v1a v2a v3a v4ab) tDauer = 16.384 s v1b v2b v3b v4b
6.3 Identifikation der Ansteuerung des Servoventils 83
Die Bezeichnung der Versuche beginnt mit dem Buchstaben v gefolgt von einer Ziffer fur die un-terschiedliche Aussteuerungsamplitude und einem Buchstaben a oder b fur die unterschiedlicheVersuchsdauer.
Im Bild 6.3 sind die aus den 8 Laborexperimenten ermittelten Amplituden- und Phasengangeder Ansteuerung des Servoventils zwischen dem Eingang uM und dem Ausgang xV dargestellt.Die Amplituden- und Phasengange wurden mit den Gln. (6.6) und (6.7) berechnet und nach Gl.(6.8) mit n = 10 geglattet.Aus der Darstellung geht hervor, dass die Amplituden- und Phasengange bei gleicher Ansteuer-ungsamplitude sehr gut ubereinstimmen.Anhand des Phasengangs (mittleres Diagramm von Bild 6.3) ist deutlich eine Totzeit zu erken-nen, sie betragt 1.4 ms. Zusatzlich wurde zum Vergleich in dieses Diagramm der Phasengangeiner Totzeit von 1.4 ms als gestrichelte Linie eingezeichnet. Der Phasengang einer Totzeit Tlautet: ϕT (f) = 2 · π · f · T .Im untersten Diagramm ist der Phasengang um diese Totzeit bereinigt dargestellt.Die Ansteuerungsamplitude des Fuhrungssignals xkd wird von Versuch v1a bis v4a bzw. v1b bisv4b jeweils verdoppelt, was auch jeweils eine Verdopplung der Amplitude der Ventileingangs-spannung uM zur Folge hat.Aus den Amplitudengangen im Bild 6.3 lassen sich folgende ungefahre Grenzfrequenzen ablesen:
v1a, v1b v2a, v2b v3a, v3b v4a, v4bAmplitude des Fuhrungssignals xkd 2 mm 4 mm 8 mm 16mmAmplitude der Ventileingangsspannung uM ≈ 0.75 V ≈ 1.5 V ≈ 3.0 V ≈ 6.0 Vabgelesene Grenzfrequenz fg ≈ 316 Hz ≈ 190 Hz ≈ 110 Hz ≈ 50 Hz
Die Grenzfrequenz fg sinkt mit steigender Amplitude der Aussteuerung. Die Ansteuerung desServoventils besitzt damit ein nichtlineare Verhalten.Der Abfall oberhalb der Grenzfrequenz betragt fur die kleinste Amplitude 40 dB/Dekade, wasdem Abfall eines PT2-Glieds entspricht und fur die großte Amplitude 20 dB/Dekade, was demAbfall eines PT1-Glieds entspricht.
6.3.2 Lineares Modell 3. Ordnung
Im folgenden wird trotz des beobachteten nichtlinearen Verhaltens der Ansteuerung des Ser-voventils ein lineares Modell 3. Ordnung ohne gesonderte Berucksichtigung der Totzeit an dieMessdaten angefittet. Das lineare, zeitkontinuierliche Modell 3. Ordnung lautet:
...xV + α2 · xV + α1 · xV + α0 · xV = β0 · uM (6.9a)
mit den Koeffizienten
α2 := 2 · ζV · ωV + aM , (6.9b)
α1 := ω2V + 2 · ζV · ωV · aM (6.9c)
α0 := aM · ω2V , (6.9d)
β0 := kV · aM · ω2V (6.9e)
und den unbekannten 4 Parametern: kV , aM , ζV und ωV , vgl. die Zusammenfassung von Gl.(4.25) und (4.26) bzw. Gl. (4.33) und (4.34) bzw. Gl. (4.39) und (4.40) .
84 Kapitel 6. Experimentelle Identifikation
-115.0
-110.0
-105.0
-100.0
-95.0
-90.0
-85.0
-300.0
-250.0
-200.0
-150.0
-100.0
-50.0
0.0
50.0
[Hz]10 1 10 2 10 3-100.0
-80.0-60.0-40.0-20.0
0.020.040.0
Amplitudengang |G(f)|[dB]
1
2
3
4
Phasengang arg G(f)[]
1234
Phasengang arg G(f) (Totzeit herausgerechnet)
Frequenz
[]
1234
Bild 6.3: Laborexperiment: Amplituden- und Phasengang der Ansteuerung des Servoventils zwi-schen dem Eingang uM und dem Ausgang xV bei 4 unterschiedlichen Amplituden dessinussweepformigen Fuhrungssignals: 1 = xkd = 2 mm (uM ≈ 0.75 V), 2 = xkd = 4mm (uM ≈ 1.5 V), 3 = xkd = 8 mm (uM ≈ 3.0 V) und 4 = xkd = 16 mm (uM ≈6.0 V); im mittleren Diagramm ist zusatzlich der Phasengang einer Totzeit von 1.4 msals gestrichelte Linie eingezeichnet; im untersten Diagramm ist der Phasengang um dieTotzeit bereinigt dargestellt
6.3 Identifikation der Ansteuerung des Servoventils 85
Bei der Parameterschatzung werden nicht die gesuchten Modellparameter des zeitkontinuierli-chen, sondern die Modellparameter eines aquivalenten linearen, zeitdiskreten Modells geschatztund anschließend transformiert.Das aquivalente lineare, zeitdiskrete Modell 3. Ordnung lautet:
xV =b1 · q−1 + b2 · q−2
1 + f1 · q−1 + f2 · q−2 + f3 · q−3· uM . (6.10)
Die Berechnung der physikalischen Modellparameter aM , ωV , ζV , kV der Modellgleichung (6.9)aus den geschatzten formalen Modellparametern b1 , b2 , f1 , f2 , f3 der Identifikationsgleichung(6.10) erfolgt mit:
ωV =√
δ2 + ω21 (6.11a)
ζV =−δ√
δ2 + ω21
(6.11b)
aM = s3 (6.11c)
kV =b1 + b2
1 + f1 + f2 + f3(6.11d)
mit s1, 2 = δ ± j ·ω1 und s3 als den Polstellen des zeitkontinuierlichen Modells, die durch dieTransformation si = 1
∆t · ln zi , i = 1, 2, 3 aus den Nullstellen z1 , z2 , z3 des Polynomsz3 + f1 · z2 + f2 · z + f3 = 0 gebildet werden. Die Große ∆t bezeichnet die Abtastzeit.
Fur jeden der 8 Versuche v1a bis v4a und v1b bis v4b wurden die Modellparameter eines linearenModells 3. Ordnung geschatzt. Die Daten der Identifikationsexperimente lauten:
– Identifikationsgleichungen : (6.10)
– Identifizierte Modellpara-meter
: aM , ωV , ζV und kV
– Signalvorverarbeitung : keine
– Identifikationsverfahren : Pradiktionsfehlermethode: Output Error mit nb = 2,nf = 3 und nk = 1
– Geschatzte Parameterwer-te der Modellgleichungen
:
Versuch Fit [%] aM [1/s] ωV [1/s] ζV kV [m/V]v1a 79.6 1107.2 2046.9 0.30 2.6·10−5
v1b 80.3 1070.9 2029.2 0.28 2.6·10−5
v2a 75.3 1282.6 1458.8 0.32 2.3·10−5
v2b 76.2 1188.4 1459.6 0.31 2.4·10−5
v3a 69.7 2709.2 932.8 0.46 2.1·10−5
v3b 71.1 2376.4 938.1 0.47 2.2·10−5
v4a 61.2 3641.6 695.0 0.64 1.7·10−5
v4b 63.0 3355.5 674.5 0.65 1.9·10−5
Der Fit ist in Gl. (6.1) definiert worden.
Der Fit ist bei gleicher Ansteuerungsamplitude (z.B. v1a und v1b) vergleichbar, was auch furdie geschatzten Modellparameter zutrifft. Bei der langeren Versuchszeit (v1b bis v4b) ist der Fitleicht besser.
86 Kapitel 6. Experimentelle Identifikation
Es ist deutlich zu erkennen, dass der Fit mit steigender Ansteuerungsamplitude schlechter wird.Wird bei einer Ansteuerungsamplitude von 0.75 V (v1a und v1b) noch ein Fit von ca. 80 %erreicht, geht dieser um ca. 20 Prozentpunkte bei einer Ansteuerungsamplitude von 6 V (v4aund v4b) auf ca. 60 % zuruck.Die Tendenz des geschatzten Parameters ωV , mit steigender Ansteuerungsamplitude kleiner zuwerden, entspricht der im Amplitudengang abgelesenen Grenzfrequenz.Der geschatzte Parameter aM besitzt eine entgegengesetzte Tendenz. Er wird mit steigenderAnsteuerungsamplitude großer, d.h. die zugehorige reelle Polstelle vgl. Gl. (6.11c) wandert vomUrsprung weg und wandert sogar aus dem Frequenzband der Anregung von 0 bis 400 Hz heraus.Dies deutet daraufhin, dass die Polstelle im Modell an Bedeutung verliert.Im Bild 6.4(a) sind Amplituden- und Phasengange fur die 8 Parametersatze des linearen Modells3. Ordnung dargestellt. Zum Zwecke des Vergleichs wurde im dort dargestellten Phasengang eineTotzeit von 1.4 ms herausgerechnet.Es sind deutlich Schwierigkeiten des linearen Modells 3.Ordnung zu erkennen, den gemessenenFrequenzgang nachzubilden. Der Amplitudengang des realen Systems fallt oberhalb der Grenz-frequenz flacher als das lineare Modell 3. Ordnung ab. Bei einem linearen Modell geringererOrdnung ware die Phase aber oberhalb der Grenzfrequenz zu gering.
Bemerkung 6.1 (Verwendung des Output Error-Ansatzes bei der Pradiktionsfehler-methode): Der numerisch einfachste Ansatz bei der Pradiktionsfehlermethode ist der ARX-Ansatz, weil dort zur Berechnung der Parameterschatzung der Least-Squares-Algorithmus ein-gesetzt wird. Der Erfolg der Parameterschatzung hangt sehr stark vom richtig modelliertenEingang einer externen Storung ab (vgl. Kapitel C.1.3.2). Der Output Error-Ansatz ist auf-grund seiner iterativen Berechnung numerisch aufwendiger, dafur aber weniger empfindlich, wasdie Art und den Eingangsort einer Storung angeht. Die Pradiktionsfehlermethode mit ARMAXund BJ-Ansatzen, die ein lineares Fehlermodell enthalten, ist nicht sinnvoll, weil bei der Iden-tifikation der Ansteuerung des Servoventils mit einem linearen Modell 3. Ordnung ein großerModellfehler vorliegt.
In der folgenden Tabelle ist eine Kreuzvalidierung fur das lineare Modell 3. Ordnung durchgefuhrtworden. Dargestellt ist der Fit aus Gl. (6.1). Alle Zahlen sind in [%] angegeben:
Validierungs- Identifikationsdatensatz fur Parameterschatzungdatensatz v1a v2a v3a v4a v1b v2b v3b v4b
v1a 79.6 48.6 25.0 10.5 79.6 48.3 25.2 10.9v2a 39.8 75.3 40.1 16.6 40.1 75.2 40.2 16.9v3a -11.1 25.5 69.7 37.2 -11.1 25.3 69.7 37.8v4a -89.7 -53.3 16.4 61.2 -89.7 -54.3 15.1 62.5v1b 80.2 50.4 27.4 13.0 80.3 50.1 27.6 13.6v2b 42.1 76.1 42.2 19.2 42.4 76.2 42.5 19.7v3b -3.5 30.4 70.7 39.7 -3.5 30.3 71.1 40.7v4b -64.8 -33.3 26.5 60.7 -64.8 -34.1 25.8 63.0
Der fur die Schatzung der Modellparameter verwendete Datensatz wird als Identifikationsdaten-satz bezeichnet.Der fur die Berechnung des Fits verwendete Datensatz wird als Validierungsdatensatz bezeichnet.Aus den 8 Versuchen ergeben sich 8 Identifikationsdatensatze, die in den Spalten der Tabelleeingetragen sind, und 8 Validierungsdatensatze, die in den Zeilen der Tabelle eingetragen sind.
6.3 Identifikation der Ansteuerung des Servoventils 87
Ein Kreuzungspunkt einer Spalte mit einer Zeile liefert einen Fit, wobei der Datensatz derZeile als Validierungsdatensatz und der Datensatz der Spalte als Identifikationsdatensatz fur dieParameterschatzung verwendet wurde.Es sind bei der Interpretation der Tabelle folgende Falle zu betrachten:
• Identifikations- gleich Validierungsdatensatz:Auf der Diagonalen sind Identifikations- und Validierungsdatensatz gleich. Der Fit gibt an,wie gut das gewahlte Modell bei der Parameterschatzung an den Identifikationsdatensatzangepasst wurde. Hierbei kann es aber zu einer ungewunschten Anpassung an eine externeStorung kommen.
• gleiche Ansteuerung, aber Identifikations- und Validierungsdatensatz verschieden:Sind Identifikations- und Validierungsdatensatz verschieden, besitzen sie aber die gleiche An-steuerung des Versuchs wie z.B. v1a und v1b, kann uberpruft werden, wie stark der Fit voneiner externen Storung beeinflusst wird.
• unterschiedliche Ansteuerung:Bei den ubrigen Kombinationen besitzen Identifikations- und Validierungsdatensatz unter-schiedliche Ansteuerungsamplitude. Hiermit wird untersucht, wie gut sich das identifizierteModell auf eine andere Betriebssituation ubertragen lasst. Dies gibt Aufschluss uber eventuellvorhandene Modellfehler.
Die Interpretation der Tabelle fuhrt zu folgenden Ergebnissen:Das fur die jeweilige Ansteuerungsamplitude geschatzte Modell passt gut fur diese Ansteue-rungsamplitude, was die geringe Veranderung des Fits vom Identifikations- zum Validierungs-datensatz zeigt. Der aus Versuch v4a geschatzte Parametersatz ergibt einen Fit von 61.2% beider Identifikation. Mit dem Datensatz aus Versuch v4b verringert sich der Fit nur geringfugigauf 60.7%.Jedoch mit den Datensatzen aus Versuchen mit anderer Ansteuerungsamplitude z.B. v1b, v2boder v3b fallt der Fit stark auf 39.7%, 19.2% bzw. 13.0% ab. Dies deutet daraufhin, dass daslineare Modell hier nicht mehr passt und somit große Modellfehler vorliegen.
Das Verhalten der Ansteuerung des Servoventils lasst sich also nicht mit einem Parametersatzbei den unterschiedlichen Ansteuerungsamplituden wiedergeben.
6.3.3 Identifikation nichtlinearer Modelle
Es wird vermutet, dass eine Sattigung der Ventilkolbengeschwindigkeit fur das Abknicken desAmplitudengangs verantwortlich ist.Das in Kapitel A.1 beschriebene nichtlineare, formale Modell 3. Ordnung des Servoventils Gln.(A.1) bis (A.5) besteht im wesentlichen aus einem Lageregelkreis bezuglich des Ventilkolbenwegsund einer Sattigung der Ventilkolbengeschwindigkeit (vgl. Bild A.2). Vor und hinter der Satti-gung befinden sich PT1-Glieder. Um deren Notwendigkeit im Modell zu untersuchen, werdenaus dem Modell 3. Ordnung durch Weglassen des PT1-Gliedes vor der Sattigung ein Modell 2.Ordnung und durch Weglassen beider PT1-Glieder ein Modell 1. Ordnung gebildet.Weil die im Experiment ermittelte Totzeit im wesentlichen der Reglerhardware zuzuschreibenist, enthalten die nichtlinearen Modelle keine Totzeit. Fur die Identifikation der nichtlinearenModelle wird beim gemessenen Ausgangssignal die Totzeit als ganzzahliges Vielfaches der Ab-tastzeit herausgerechnet.Da sich die vorliegenden nichtlinearen, zeitkontinuierlichen Modelle 1. bis 3. Ordnung wederauf die Form der linearen Regression bringen lassen noch sich in aquivalente lineare, zeitdis-krete Modelle transformieren lassen, erfolgt die Parameterschatzung mittels eines nichtlinearen
88 Kapitel 6. Experimentelle Identifikation
Optimierungsverfahrens (siehe Kapitel C.1.4).Begonnen wird mit der Schatzung der Modellparameter des Modells 1. Ordnung. Untersuchtwird, ob sich der Fit durch ein komplexeres Modell 2. oder 3. Ordnung noch signifikant verbessernlasst.
6.3.3.1 Nichtlineares Modell 1. Ordnung
Das nichtlineare Modell 1. Ordnung geht aus dem nichtlinearen, formalen Modell 3. Ordnungder Ansteuerung des Servoventils Gl. (A.1) bis Gl. (A.5) durch Weglassen beider PT1-Glieder(vgl. Bild A.2) hervor:
xV ≡ x′V (weggelassenes PT1-Glied hinter der Sattigung) , (6.12a)
x′V := x′V (x′′V ) =
xVmax fur x′′V > xVmax
x′′V fur −xVmax < x′′V < xVmax
−xVmax fur x′′V < −xVmax
(Sattigung) , (6.12b)
x′′V ≡ x′′′V (weggelassenes PT1-Glied vor der Sattigung) , (6.12c)exV = kV · uM − xV (Regelfehler) , (6.12d)x′′′V = b1 · exV (P-Regler) (6.12e)
mit den 3 unbekannten Parametern kV , xVmax und b1.
Fur jeden der 8 Versuche v1a bis v4a und v1b bis v4b wurden die Modellparameter des nichtli-nearen Modells 1. Ordnung geschatzt. Die Daten der Identifikationsexperimente lauten:
– Identifikationsgleichungen : (6.12)
– Identifizierte Modellpara-meter
: kV , ˆxVmax und b1
– Signalvorverarbeitung : bei den gemessenen Signalen uM und xV werden jeweilsihre Mittelwerte abgezogen; beim Signal xV wird zusatz-liche eine Totzeit von 1.25 ms (5 Abtastschritten) heraus-gerechnet
– Identifikationsverfahren : Parameterschatzung mittels Integrationsverfahren undnichtlinearer Optimierung (Nelder–Mead–Simplex–Algorithmus)
– Geschatzte Parameterwer-te der Modellgleichungen
:
Versuch Fit [%] kV [mV ] ˆxVmax [ms ] b1 [1s ]v1a 85.6 2.5·10−5 0.031 29837.3v2a 80.8 2.6·10−5 0.035 30000.0v3a 82.2 2.7·10−5 0.038 29872.5v4a 81.3 2.7·10−5 0.040 4100.2v1b 85.6 2.5·10−5 0.031 30000.0v2b 81.2 2.7·10−5 0.035 29969.3v3b 83.2 2.7·10−5 0.039 30000.0v4b 82.9 2.7·10−5 0.041 5213.8
In der folgenden Tabelle ist eine Kreuzvalidierung fur das nichtlineare Modell 1. Ordnung durch-gefuhrt worden. Dargestellt ist der Fit aus Gl. (6.1). Alle Zahlen sind in [%] angegeben:
6.3 Identifikation der Ansteuerung des Servoventils 89
Validierungs- Identifikationsdatensatz fur Parameterschatzungdatensatz v1a v2a v3a v4a v1b v2b v3b v4b
v1a 85.6 83.7 81.1 75.7 85.6 83.6 81.0 78.3v2a 78.4 80.8 79.5 76.6 77.7 80.8 79.4 76.9v3a 75.0 80.6 82.2 81.0 73.8 80.5 82.2 81.2v4a 70.6 77.5 80.5 81.3 69.3 77.3 80.6 81.2v1b 85.6 83.4 80.8 76.5 85.6 83.3 80.7 78.7v2b 79.0 81.2 79.9 77.1 78.3 81.2 79.8 77.4v3b 76.5 81.7 83.2 82.0 75.4 81.7 83.2 82.1v4b 71.8 78.7 82.1 82.8 70.5 78.6 82.1 82.9
Der Fit der Validierung schwankt zwischen 69.3 % bei Versuch v4a mit Parametern aus v1b und85.6 % bei Versuch v1a mit Parametern aus v1b.Die geschatzten Parameter aus Datensatzen mit mittlerer Ansteuerungsamplitude (v2a, v2b,v3a und v3b) erzielen auch bei den anderen Ansteuerungsamplituden gleich große Fits. DasModell passt somit fur alle Ansteuerungsamplituden fast gleich gut.Die geschatzten Parameterwerte von kV und ˆxVmax liegen dicht beieinander.Bei der Optimierung wurde die obere Grenze fur den Parameter b1 auf 30000 festgelegt. DerModellparameter b1 ist der KP-Faktor des Lageregelkreises. Die schlechte Sensitivitat dieses Pa-rameter wird durch die Sattigung der Ventilkolbengeschwindigkeit verursacht. Es ist wichtig, dasdieser Wert moglichst hoch ist, was aber durch numerische Probleme des Integrationsalgorithmusin der Simulation begrenzt wird.Es werden die folgenden Parameter fur das nichtlineare Modell 1. Ordnung gewahlt:
kV = 2.7·10−5 mV ,
b1 = 15000 1s und
ˆxVmax = 0.04 ms .
Im Bild 6.4(b) sind Amplituden und Phasengange des nichtlinearen Modells 1. Ordnung furdiese Parameter dargestellt. Das Abknicken der Amplitudengange sowie der Phasenverlauf beiden unterschiedlichen Ansteuerungsamplituden wird durch das Modell mit diesem Parametersatzgut wiedergegeben.Im folgenden wird versucht durch das nichtlineare Modell 2. und 3. Ordnung den Fit weiter zuverbessern.
6.3.3.2 Nichtlineares Modell 2. Ordnung
Das nichtlineare Modell 2. Ordnung wird aus dem nichtlinearen, formalen Modell 3. Ordnungder Ansteuerung des Servoventils Gl. (A.1) bis Gl. (A.5) durch Weglassen des PT1-Gliedes vorder Sattigung (vgl. Bild A.2) entwickelt:
xV + a1 · xV = a1 · x′V (PT1-Glied nach der Sattigung) , (6.13a)
x′V := x′V (x′′V ) =
xVmax fur x′′V > xVmax
x′′V fur −xVmax < x′′V < xVmax
−xVmax fur x′′V < −xVmax
(Sattigung) , (6.13b)
x′′V ≡ x′′′V (weggelassenes PT1-Glied vor der Sattigung) , (6.13c)exV = kV · uM − xV (Regelfehler) , (6.13d)
90 Kapitel 6. Experimentelle Identifikation
x′′′V = b1 · exV (P-Regler) (6.13e)
mit den 4 unbekannten Parametern: kV , xVmax , b1 und a1.
Fur jeden der 8 Versuche v1a bis v4a und v1b bis v4b wurden die Modellparameter des nichtli-nearen Modells 2. Ordnung geschatzt. Die Daten der Identifikationsexperimente lauten:
– Identifikationsgleichungen : (6.13)
– Identifizierte Modellpara-meter
: kv, ˆxVmax , b1 und a1
– Signalvorverarbeitung : bei den gemessenen Signalen uM und xV werden jeweilsihre Mittelwerte abgezogen; beim Signal xV wird zusatz-liche eine Totzeit von 1.25 ms (5 Abtastschritten) heraus-gerechnet
– Identifikationsverfahren : Parameterschatzung mittels Integrationsverfahren undnichtlinearer Optimierung (Nelder–Mead–Simplex–Algorithmus)
– Geschatzte Parameterwer-te der Modellgleichungen
:
Versuch Fit [%] kv [mV ] ˆxVmax [ms ] b1 [1s ] a1 [1s ]v1a 86.9 2.5·10−5 0.033 28850.7 11891.9v2a 82.4 2.6·10−5 0.038 12766.4 8903.8v3a 84.2 2.6·10−5 0.041 6236.5 7518.7v4a 83.4 2.6·10−5 0.042 2812.2 6511.8v1b 86.8 2.5·10−5 0.032 28418.9 12446.3v2b 82.8 2.6·10−5 0.039 9749.3 7069.5v3b 85.1 2.6·10−5 0.041 6426.6 7449.5v4b 84.9 2.7·10−5 0.042 3402.2 6359.1
In der folgenden Tabelle ist eine Kreuzvalidierung fur das nichtlineare Modell 2. Ordnung durch-gefuhrt worden. Dargestellt ist der Fit aus Gl. (6.1). Alle Zahlen sind in [%] angegeben:
Validierungs- Identifikationsdatensatz fur Parameterschatzungdatensatz v1a v2a v3a v4a v1b v2b v3b v4b
v1a 86.9 84.7 80.3 63.1 86.8 83.9 80.3 68.0v2a 80.0 82.4 81.5 75.4 79.3 82.2 81.4 77.5v3a 77.3 83.0 84.2 82.5 76.2 83.3 84.2 83.3v4a 73.8 81.1 82.8 83.4 72.3 81.7 82.8 83.3v1b 86.7 84.5 80.9 65.0 86.8 84.0 80.8 69.7v2b 80.6 82.9 81.9 76.1 79.9 82.8 81.9 78.2v3b 78.7 84.0 85.1 83.3 77.6 84.3 85.1 84.2v4b 75.0 82.3 84.4 84.7 73.6 83.0 84.4 84.9
Der Fit der Validierung schwankt zwischen 63.1 % bei Versuch v1a mit Parametern aus v4a und86.8 % bei Versuch v1a mit Parametern aus v1b.Der Fit wird durch das nichtlineare Modell 2. Ordnung nur geringfugig besser als beim nichtli-nearen Modell 1. Ordnung.Es werden die folgenden Parameter fur das nichtlineare Modell 2. Ordnung gewahlt:
6.3 Identifikation der Ansteuerung des Servoventils 91
kV = 2.6·10−5 mV ,
b1 = 12000 1s ,
ˆxVmax = 0.04 ms und
a1 = 9000 1s .
Im Bild 6.4(c) sind Amplituden und Phasengange des nichtlinearen Modells 2. Ordnung darge-stellt.Das nichtlineare Modell 2. Ordnung verbessert den Phasenverlauf gegenuber dem nichtlinearenModell 1. Ordnung.
6.3.3.3 Nichtlineares Modell 3. Ordnung
Das nichtlineare Modell 3. Ordnung lautet, vgl. Gl. (A.1) bis Gl. (A.5):
xV + a1 · xV = a1 · x′V (PT1-Glied nach der Sattigung) , (6.14a)
x′V := x′V (x′′V ) =
xVmax fur x′′V > xVmax
x′′V fur −xVmax < x′′V < xVmax
−xVmax fur x′′V < −xVmax
(Sattigung) , (6.14b)
x′′V + a2 · x′′V = a2 · x′′′V (PT1-Glied vor der Sattigung) , (6.14c)exV = kV · uM − xV (Regelfehler) , (6.14d)x′′′V = b1 · exV (P-Regler) (6.14e)
mit den 5 unbekannten Parametern: kV , xVmax , b1, a1 und a2.Fur jeden der 8 Versuche v1a bis v4a und v1b bis v4b wurden die Modellparameter des nichtli-nearen Modells 3. Ordnung geschatzt. Die Daten der Identifikationsexperimente lauten:
– Identifikationsgleichungen : (6.14)
– Identifizierte Modellpara-meter
: kv, ˆxVmax , b1, a1 und a2
– Signalvorverarbeitung : bei den gemessenen Signalen uM und xV werden jeweilsihre Mittelwerte abgezogen; beim Signal xV wird zusatz-liche eine Totzeit von 1.25 ms (5 Abtastschritten) heraus-gerechnet
– Identifikationsverfahren : Parameterschatzung mittels Integrationsverfahren undnichtlinearer Optimierung (Nelder–Mead–Simplex–Algorithmus)
– Geschatzte Parameterwer-te der Modellgleichungen
:
92 Kapitel 6. Experimentelle Identifikation
Versuch Fit [%] kv [mV ] ˆxVmax [ms ] b1 [1s ] a1 [1s ] a2 [1s ]v1a 87.6 2.5·10−5 0.031 18543.6 29969.6 18208.3v2a 83.7 2.6·10−5 0.037 18099.8 17643.3 12731.7v3a 85.3 2.7·10−5 0.041 8798.3 12233.2 15371.1v4a 83.8 2.7·10−5 0.041 25843.2 14889.6 14047.9v1b 79.9 2.4·10−5 0.1 5990.8 29999.1 29990.4v2b 84.0 2.6·10−5 0.037 26156.4 13301.7 16226.0v3b 86.3 2.7·10−5 0.04 13044.5 10436.5 18165.7v4b 85.4 2.7·10−5 0.041 15725.8 9577.9 18082.6
In der folgenden Tabelle ist eine Kreuzvalidierung fur das nichtlineare Modell 3. Ordnung durch-gefuhrt worden. Dargestellt ist der Fit aus Gl. (6.1). Alle Zahlen sind in [%] angegeben:
Validierungs- Identifikationsdatensatz fur Parameterschatzungdatensatz v1a v2a v3a v4a v1b v2b v3b v4b
v1a 87.6 82.9 80.5 78.7 80.1 82.9 80.9 79.5v2a 78.5 83.7 81.8 81.4 43.2 83.5 82.1 81.2v3a 74.1 84.0 85.3 85.6 12.2 83.9 85.3 85.1v4a 69.7 81.3 83.7 83.8 -4.8 81.4 83.6 83.5v1b 87.4 82.4 80.3 78.2 79.9 82.5 80.5 79.0v2b 79.2 84.3 82.3 82.0 45.1 84.0 82.7 81.9v3b 75.8 85.1 86.2 86.5 18.0 85.0 86.3 86.1v4b 70.9 82.4 85.2 85.4 8.8 82.5 85.2 85.4
Der Fit der Validierung schwankt zwischen -4.8 % bei Versuch v4a mit Parametern aus v1a und87.4 % bei Versuch v1b mit Parametern aus v1a.Das nichtlineare Modell 3. Ordnung bringt eine weitere geringfugige Verbesserung um wenigeProzentpunkte gegenuber dem nichtlinearen Modell 2. Ordnung.Der aus Versuch v1b geschatzte Parametersatz fallt aus dem Rahmen.Es werden die folgenden Parameter fur das nichtlineare Modell 3. Ordnung gewahlt:
kV = 2.7 · 10−5 mV ,
b1 = 13000 1s ,
xVmax = 0.04 ms ,
a1 = 10000 1s und
a2 = 18000 1s
Im Bild 6.4(d) sind Amplituden- und Phasengange des nichtlinearen Modells 3. Ordnung dar-gestellt.Im Vergleich zum nichtlinearen Modells 2. Ordnung wurde der Phasenverlauf der zweit kleinstenAnsteuerungsamplitude weiter verbessert.Das Abknicken des Amplitudengangs der kleinsten Ansteuerungsamplitude wird immer nochschlecht wiedergegeben.Bis zu einer Frequenz von 200 Hz zeigt das nichtlineare Modell 3. Ordnung aber eine sehr guteUbereinstimmung.
6.3 Identifikation der Ansteuerung des Servoventils 93
-115
.0
-110
.0
-105
.0
-100
.0
-95.
0
-90.
0
-85.
0
[Hz]
10 1
10 2
10 3
-100
.0-8
0.0
-60.
0-4
0.0
-20.
00.
020
.040
.0
Am
plitu
den
gang|G
(f)|
[dB
]
1 2 3 4
Phas
enga
ng
arg
G(f
)(T
otze
ither
ausg
erec
hnet
)
Fre
quen
z
[]
12
34
(a)
Lin
eare
sM
odel
l3.O
rdnung
(8Para
met
ersa
tze)
-115
.0
-110
.0
-105
.0
-100
.0
-95.
0
-90.
0
-85.
0
[Hz]
10 1
10 2
10 3
-100
.0-8
0.0
-60.
0-4
0.0
-20.
00.
020
.040
.0
Am
plitu
den
gang|G
(f)|
[dB
]
1 2 3 4
Phas
enga
ng
arg
G(f
)(T
otze
ither
ausg
erec
hnet
)
Fre
quen
z
[]
12
34
(b)
Nic
htl
inea
reM
odel
l1.O
rdnung
mit
kV
=2.7·1
0−
5m V
,
b 1=
15000
1 sund
ˆ xV
ma
x=
0.0
4m s
-115
.0
-110
.0
-105
.0
-100
.0
-95.
0
-90.
0
-85.
0
[Hz]
10 1
10 2
10 3
-100
.0-8
0.0
-60.
0-4
0.0
-20.
00.
020
.040
.0
Am
plitu
den
gang|G
(f)|
[dB
]
1 2 3 4
Phas
enga
ng
arg
G(f
)(T
otze
ither
ausg
erec
hnet
)
Fre
quen
z
[]
12
34
(c)
Nic
htl
inea
reM
odel
l2.O
rdnung
mit
kV
=2.6·1
0−
5m V
,
b 1=
12000
1 s,
ˆ xV
ma
x=
0.0
4m s
und
a1
=9000
1 s.
-115
.0
-110
.0
-105
.0
-100
.0
-95.
0
-90.
0
-85.
0
[Hz]
10 1
10 2
10 3
-100
.0-8
0.0
-60.
0-4
0.0
-20.
00.
020
.040
.0
Am
plitu
den
gang|G
(f)|
[dB
]
1 2 3 4
Phas
enga
ng
arg
G(f
)(T
otze
ither
ausg
erec
hnet
)
Fre
quen
z
[]
12
34
(d)
Nic
htl
inea
reM
odel
l3.O
rdnung
mit
kV
=2.7·1
0−
5m V
,b 1
=13000
1 s,
xV
ma
x=
0.0
4m s
,a1
=10000
1 sund
a2
=18000
1 s
Bild
6.4:
Geg
enub
erst
ellu
ngde
rA
mpl
itud
en-
und
Pha
seng
ange
der
Serv
oven
tilm
odel
le(l
inea
r3.
Ord
nung
und
nich
tlin
ear
1.bi
s3.
Ord
-nu
ng)da
rges
tellt
alsdu
rchg
ezog
ene
Lin
ien
und
derau
sLab
orex
peri
men
ten
erm
itte
lten
Am
plit
uden
-und
Pha
seng
ange
darg
este
lltal
sge
stri
chel
teLin
ien;
4A
nste
ueru
ngsa
mpl
itud
en:1
=u
M≈
0.75
V,2
=u
M≈
1.5
V,3
=u
M≈
3.0
Vun
d4
=u
M≈
6.0
V
94 Kapitel 6. Experimentelle Identifikation
-115.0
-110.0
-105.0
-100.0
-95.0
-90.0
-85.0
[Hz]10 1 10 2 10 3-300.0
-250.0
-200.0
-150.0
-100.0
-50.0
0.0
50.0
Amplitudengang |G(f)|[dB]
PT1PT2
PT3
Totzeit
Phasengang arg G(f)
Frequenz
[]
PT1
PT2
PT3
Totzeit
Bild 6.5: Approximation einer Totzeit von 1.4 ms durch :a) PT1 Glied: aM = 1200.0 1/s , kV = 2.3 · 10−5 m/V ,b) PT2 Glied: ωV = 1000.0 1/s , ζV = 0.51 , kV = 2.3 · 10−5 m/V undc) PT3 Glied: aM = 1200.0 1/s , ωV = 1000.0 1/s , ζV = 0.51 , kV = 2.3 · 10−5 m/V
6.3.4 Approximation der Totzeit durch lineare Modelle
Die Ansteuerung des Servoventils wird hauptsachlich charakterisiert durch die Sattigung derVentilkolbengeschwindigkeit und durch die Totzeit. Die Dynamik des Lageregelkreises der Ser-voventilansteuerung spielt eine sekundare Rolle.Die Sattigung der Ventilkolbengeschwindigkeit kann im exakt linearisierenden Regler nichtberucksichtigt werden. Sie bildet eine Grenze, die nicht uberschritten oder kompensiert wer-den kann. Der geregelte Betrieb kann sinnvollerweise nur unterhalb dieser Grenze stattfinden.Die Totzeit, die zum großten Teil von der Hardware verursacht wird, kann als solche auch nichtim exakt linearisierenden Regler berucksichtig werden.Die Totzeit von 1.4 ms wird durch lineare Ubertragungsglieder 1. bis 3. Ordnung approximiert(siehe Bild 6.5):
a) PT1 Glied: aM = 1200.0 1/s , kV = 2.3 · 10−5 m/V ,
b) PT2 Glied: ωV = 1000.0 1/s , ζV = 0.51 , kV = 2.3 · 10−5 m/V und
c) PT3 Glied: aM = 1200.0 1/s , ωV = 1000.0 1/s , ζV = 0.51 , kV = 2.3 · 10−5 m/V.
6.4 Identifikation des Druckaufbaus 95
6.4 Identifikation des Druckaufbaus
Die mathematischen Modelle des Teilsystems Druckaufbau beschreiben das Verhalten zwischendem Ventilweg xV als Eingang und den Kammerdrucken pI , pII bzw. der Differenz der Kam-merdrucke pL als Ausgang. Weitere Eingange sind der Versorgungsdruck pS , der RucklaufdruckpR, die relative Geschwindigkeit xk = xka − xG zwischen Kolbenstange und Gehause des hy-draulischen Zylinders und der Differenzweg xk = xka − xG zwischen der Kolbenstange und demGehause des Zylinders (vgl. Bild 6.6).
Druckaufbau
pS
xV
xk
xk
pR
pL
pI
pII
−+
Bild 6.6: Teilsystem Druckaufbau mit den Schnittstellen: Ventilweg xV , Kammerdrucke pI , pII ,Versorgungsdruck pS , Rucklaufdruck pR, relative Geschwindigkeit xk := xka − xG
zwischen Kolbenstange und Gehause des hydraulischen Zylinders und Differenzwegxk := xka − xG zwischen Kolbenstange und Gehause des hydraulischen Zylinders
Die Modellhypothesen des Druckaufbaus sind:
• nichtlinearer, nicht reduzierter Druckaufbau (siehe Kapitel 6.4.1)• nichtlinearer, reduzierter Druckaufbau (siehe Kapitel 6.4.2) und• linearer, reduzierter Druckaufbau (siehe Kapitel 6.4.3) .
In Kapitel 6.4.4 wird die Kombination von linearem, reduzierten Druckaufbau und Lastmechanikidentifiziert.
6.4.1 nichtlinearer, nicht reduzierter Druckaufbau
Die Modellgleichungen des nichtlinearen, nicht reduzierten Druckaufbaus Gln. (4.5), (4.6) und(4.7) nur mit turbulentem Bypassfluss (qBP ) lauten:
pI · AI
B· (lI0 + xk) + AI · xk = (q2 − q1 − qBP ) (6.15a)
pII · AII
B· (lII0 − xk)−AII · xk = − (q4 − q3 − qBP ) (6.15b)
mit den Volumenflussen:
q1 := − αD1 ·π ·d1 ·√
2ρ·√|pI−pR| ·sign (pI−pR) ·(xV + xu1)·σ(−xV −xu1) , (6.16a)
q2 := αD2 ·π ·d2 ·√
2ρ·√|pS−pI | ·sign (pS−pI) ·(xV − xu2)·σ( xV −xu2) , (6.16b)
q3 := − αD3 ·π ·d3 ·√
2ρ·√|pS−pII |·sign (pS−pII)·(xV + xu3)·σ(−xV −xu3) , (6.16c)
96 Kapitel 6. Experimentelle Identifikation
q4 := αD4 ·π ·d4 ·√
2ρ·√|pII−pR|·sign (pII−pR)·(xV − xu4)·σ( xV −xu4) , (6.16d)
qBP := αBP ·ABP ·√
2ρ·√|pI−pII |·sign (pI−pII) . (6.16e)
Die Modellgleichungen enthalten folgende Modellparameter und -variablen:
unbekannte Modellparameter:
B [N/m2] : stromungsmechanische Kompressibilitat des Ols,αD1, αD2, αD3, αD4 [-] : Durchflusskoeffizienten der Ventilsteuerkanten,xu1, xu2, xu3, xu4, [m] : Uberdeckungsverhaltnisse undαBP ·ABP [m2] : Koeffizient des turbulenten Bypassflusses,
a priori bekannte Modellparameter:
d1, d2, d3, d4 [m] : Durchmesser der Ventilsteuerkanten,lI0, lII0 [m] : Zylinderkammerlangen I, II in Mittenposition des KolbensAI , AII [m2] : Zylinderkolbenflachen der Kammern I, II undρ [kg/m3] : spezifische Dichte des Arbeitsmediums Ol
gemessene Modellvariablen :
xV [m] : Ventilweg,xk [m] : Zylinderkolbenweg relativ zum Fundament xk = xka − xG,xk [m/s] : Zylinderkolbengeschwindigkeit relativ zum Fundament,pI ,pII [N/m2] : Drucke in den Zylinderkammern I und II,pS ,pR [N/m2] : Versorgungsdruck und Rucklaufdruck,
zu approximierende Modellvariablen:
pI , pII [N/m2s] : Ableitung der Drucke in den Zylinderkammern I und II
durch Zusammenfassung zu eliminierende Modellvariablen:
q1, q2, q3, q4 [m3/s] : Volumenflusse uber die Servoventil–Steuerkanten undqBP [m3/s] : turbulenter Bypassfluss des Antriebs.
Durch die Wahl des formalen Ausgangs y
y := xk (6.17)
entstehen die Identifikationsgleichungen im Format der linearen Regression:
• Gleichung A
y = kA1 · ϕA1 + kA2 · ϕA2 + kA3 · ϕA3 + kA4 · ϕA4 + kA5 · ϕA5 + kA6 · ϕA6 (6.18)
6.4 Identifikation des Druckaufbaus 97
mit den formalen Eingangen ϕA1, . . . , ϕA6 (Regressoren):
ϕA1 := −pI · (lI0 + xk) , (6.19a)
ϕA2 :=π ·d1
AI·√
2ρ·√|pI − pR| · sign (pI − pR) · xV · σ
(−xV − xCu1
), (6.19b)
ϕA3 :=π ·d2
AI·√
2ρ·√|pS − pI | · sign (pS − pI) · xV · σ
(xV − xC
u2
), (6.19c)
ϕA4 :=π ·d1
AI·√
2ρ·√|pI − pR| · sign (pI − pR) · σ (−xV − xC
u1
), (6.19d)
ϕA5 := −π ·d2
AI·√
2ρ·√|pS − pI | · sign (pS − pI) · σ
(xV − xC
u2
), (6.19e)
ϕA6 := − 1AI
·√
2ρ·√|pI − pII | · sign (pI − pII) (6.19f)
und den formalen Parametern kA1, . . . , kA6:
kA1 :=1B
, (6.20a)
kA2 := αD1 , (6.20b)kA3 := αD2 , (6.20c)kA4 := αD1 · xu1 , (6.20d)kA5 := αD2 · xu2 , (6.20e)kA6 := αDBP ·ABP , (6.20f)
aus denen sich die physikalischen Parameter B, αD1, αD2, xu1, xu2 und αDBP ·ABP wie folgtberechnen lassen:
BA =1
kA1, (6.21a)
αD1 = kA2 , (6.21b)αD2 = kA3 , (6.21c)
xu1 =kA4
kA2, (6.21d)
xu2 =kA5
kA3, (6.21e)
αDBP ·ABP = kA6 . (6.21f)
• Gleichung B
y = kB1 · ϕB1 + kB2 · ϕB2 + kB3 · ϕB3 + kB4 · ϕB4 + kB5 · ϕB5 + kB6 · ϕB6 (6.22)
mit den formalen Eingangen uB1, . . . , uB6:
ϕB1 := pII · (lII0 − xk) , (6.23a)
ϕB2 :=π ·d3
AII·√
2ρ·√|pS − pII | · sign (pS − pII) · xV · σ
(−xV − xCu3
), (6.23b)
ϕB3 :=π ·d4
AII·√
2ρ·√|pII − pR| · sign (pII − pR) · xV · σ
(xV − xC
u4
), (6.23c)
98 Kapitel 6. Experimentelle Identifikation
ϕB4 :=π ·d3
AII·√
2ρ·√|pS − pII | · sign (pS − pII) · σ
(−xV − xCu3
), (6.23d)
ϕB5 := −π ·d4
AII·√
2ρ·√|pII − pR| · sign (pII − pR) · σ (
xV − xCu4
), (6.23e)
ϕB6 := − 1AII
·√
2ρ·√|pI − pII | · sign (pI − pII) (6.23f)
und den formalen Parametern kB1, . . . , kB6:
kB1 :=1B
, (6.24a)
kB2 := αD3 , (6.24b)kB3 := αD4 , (6.24c)kB4 := αD3 · xu3 , (6.24d)kB5 := αD4 · xu4 , (6.24e)kB6 := αDBP ·ABP . (6.24f)
aus denen sich die physikalischen Parameter B, αD3, αD4, xu3, xu4 und αDBP ·ABP wie folgtberechnen lassen:
B =1
kB1, (6.25a)
αD3 = kB2 , (6.25b)αD4 = kB3 , (6.25c)
xu3 =kB4
kB2, (6.25d)
xu4 =kB5
kB3, (6.25e)
αDBP ·ABP = kB6 . (6.25f)
Die Signale pI(t), pII(t) werden durch numerische Differentation aus den Signalen pI(t) bzw.pII(t) approximiert.
Bemerkung 6.2 (Schatzung der Uberdeckungsverhaltnisse xu1 bis xu4): Es wird an-genommen, dass die Uberdeckungsverhaltnisse sehr klein sind, da laut Herstellerangaben dasServoventil Nulluberdeckung besitzt.Fur die Parameterschatzung wird eine obere Grenze fur die Uberdeckungsverhaltnisse xC
u1 bis xCu4
von 5 µm angenommen. Es werden nur die Messwerte bei der Parameterschatzung ausgewertet,bei denen der Ventilweg betragsmaßig großer als die angenommene Grenze der Uberdeckungs-verhaltnisse ist.
Die Daten und die Ergebnisse des Identifikationsexperiments sind:
– Identifikationsgleichungen : (6.18) und (6.22)
– Regler : P-Regler mit kp = 1000
– Fuhrungssignal des Reg-lers
: Sinussweep Gl. (E.2) vgl. Kapitel E.1.1 mitAmplitude A = 1cm ,Startfrequenz fStart = 1 Hz ,Stopfrequenz fStop = 5 Hz ,Sweepdauer tDauer = 2 s ,
6.4 Identifikation des Druckaufbaus 99
– Gemessene Signale : xk, xV , p1, p2, pS , pR
– Abtastrate : fabst = 1 kHz
– Meßdauer : 0.2 bis 2 s
– Identifizierte Modellpara-meter
: B, αDi, xui, αDBP ·ABP mit i = 1, 2, 3, 4
– Identifikationsverfahren : Least-Squares-Algorithmus (siehe Bild 6.7)
– Geschatzte Parameterwer-te der Modellgleichungen
:
B = 4.33 · 109 Nm2 in Gl. (6.18)
B = 4.38 · 109 Nm2 in Gl. (6.22)
αD1 = 1.23 in Gl. (6.18)αD2 = 1.17 in Gl. (6.18)αD3 = 1.10 in Gl. (6.22)αD4 = 1.18 in Gl. (6.22)xu1 = −1.76 µm in Gl. (6.18)xu2 = 3.43 µm in Gl. (6.18)xu3 = −5.62 µm in Gl. (6.22)xu4 = 5.58 µm in Gl. (6.22)
αDBP ·ABP = 2.59 · 10−7 m2 in Gl. (6.18)αDBP ·ABP = 2.62 · 10−7 m2 in Gl. (6.22)
6.4.2 nichtlinearer, reduzierter Druckaufbau
Die Modellgleichung des nichtlinearen, reduzierten Druckaufbaus aus Gl. (4.27) mit dem Last-fluss (Volumenfluss) aus Gl. (4.28) lautet fur Nulluberdeckung xu = 0 und nur mit dem laminarenBypass- und Leckfluss aus Gl. (4.30) wie folgt:
pL = − Ak
CH· (xka − xG)︸ ︷︷ ︸
=xk
+1
CH· qL(pL, xV )− kLE
CH· pL und (6.26)
qL(pL, xV ) := 2·kL ·CH ·xV· √
|p0−pL| · sign(p0−pL) fur xV > 0√|p0+pL| · sign(p0+pL) fur xV ≤ 0
. (6.27)
Da sich beim Lastfluss aus Gl. (6.27) das Vorzeichen vor dem Lastdruck pL in entgegenge-setzten Sinn wie das Vorzeichen des Ventilwegs xV verhalt, ist folgende Schreibweise mit derVorzeichenfunktion sign(xV ) moglich:
qL(pL, xV ) := 2·kL ·CH ·xV ·√|p0− sign(xV ) ·pL| · sign(p0− sign(xV )·pL) , (6.28)
die dann in Gl. (6.26) eingesetzt wird und folgende Modellgleichung liefert:
pL = − Ak
CH·xk + 2·kL ·
√|p0 − sign(xV )·pL|·sign(p0 − sign(xV )·pL)·xV − kLE
CH·pL .
(6.29)
Diese Modellgleichung enthalt folgende Modellparameter und -variablen:
100 Kapitel 6. Experimentelle Identifikationx
v[m
]x
k[m
]p
I[b
ar]
pII
[bar
]p
S[b
ar]
pR
[bar
]
0.2
0.8
1.4
2.0
x10-6
-200
.0-1
00.0
-0.0
100.
020
0.0
0.2
0.8
1.4
2.0
x10-3
-10.
0-5
.00.0
5.0
10.0
0.2
0.8
1.4
2.0
25.0
35.0
45.0
0.2
0.8
1.4
2.0
20.0
30.0
40.0
0.2
0.8
1.4
2.0
45.0
55.0
65.0
75.0
0.2
0.8
1.4
2.0
4.0
5.0
6.0
7.0
8.0
Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
](a
)G
emes
sene
Sig
nale
B[
N m2]
αD
1α
D2
xu1
[µm
]x
u2
[µm
]
αD
BP·A
BP
[m2]
4.33·1
091.
231.
17−1
.76
3.43
2.59·1
0−7
(b)
Ges
chatz
teM
odel
lpara
met
erG
leic
hung
A(6
.18)
xk
[m/s
]ˆ x k
[m/s
]x
k−
ˆ x k[m
/s]
0.2
0.8
1.4
2.0
x10-3
-200
.0-1
00.00.0
100.
020
0.0
0.2
0.8
1.4
2.0
x10-3
-200
.0-1
00.00.0
100.
020
0.0
0.2
0.8
1.4
2.0
x10-3
-30.
0
-10.
0
10.0
Zei
t[s
]Zei
t[s
]Zei
t[s
](c
)G
leic
hung
A:A
usg
angss
ignal
y=
xk,Sim
ula
tion
ys
=ˆ x
kund
Sim
ula
tions-
fehle
rε s
=x
k−
ˆ xk
(10
fach
ver
gro
ßer
tdarg
este
llt)
B[
N m2]
αD
3α
D4
xu3
[µm
]x
u4
[µm
]
αD
BP·A
BP
[m2]
4.38·1
091.
101.
18−5
.62
5.58
2.62·1
0−7
(d)
Ges
chatz
teM
odel
lpara
met
erG
leic
hung
B(6
.22)
xk
[m/s
]ˆ x k
[m/s
]x
k−
ˆ x k[m
/s]
0.2
0.8
1.4
2.0
x10-3
-200
.0-1
00.00.0
100.
020
0.0
0.2
0.8
1.4
2.0
x10-3
-200
.0-1
00.00.0
100.
020
0.0
0.2
0.8
1.4
2.0
x10-3
-30.
0
-10.
0
10.0
Zei
t[s
]Zei
t[s
]Zei
t[s
](e
)G
leic
hung
B:A
usg
angss
ignal
y=
xk,Sim
ula
tion
ys
=ˆ x
kund
Sim
ula
tions-
fehle
rε s
=x
k−
ˆ xk
(10
fach
ver
gro
ßer
tdarg
este
llt)
Bild
6.7:
Lab
orex
peri
men
t:Id
enti
fikat
ions
erge
bnis
sede
snic
htl
inea
ren,nic
htr
eduzi
erte
nD
ruck
aufb
aus
(6.1
5)er
ziel
tm
itSi
nuss
wee
pA
mpl
itud
e1c
mun
dFr
eque
nz1H
zbi
s5H
zal
sFuh
rung
ssig
nalun
dei
nem
P-R
egle
run
dLea
stSq
uare
s–
Ver
fahr
enzu
rId
enti
fi-ka
tion
6.4 Identifikation des Druckaufbaus 101
unbekannte Modellparameter:
CH [m5/N] : hydraulische Kapazitat,kL [
√N/m2s] : Ventilkoeffizient kL = αD·π·d
2·CH ·√ρ undkLE [m5/Ns] : Leckflusskoeffizient,
a priori bekannte Modellparameter:
Ak [m2] : Zylinderkolbenflache, siehe Gl. (4.15a) undp0 [N/m2] : effektiver Versorgungsdruck ( p0 := pS − pR )
gemessene Modellvariablen:
xV [m] : Ventilweg,xk [m/s] : Zylinderkolbengeschwindigkeit relativ zum Fundament undpL [N/m2] : Lastdruck,
zu approximierende Modellvariablen:
pL [N/m2s] : Ableitung des Lastdrucks.
Durch Wahl des Ausgangs y
y := pL (6.30)
und der beiden formalen Eingange u1 und u2
u1 := xk , (6.31)
u2 := 2·√|p0 − sign(xV )·pL|·sign(p0 − sign(xV ))·pL)·xV (6.32)
entsteht folgende Schreibweise der Differentialgleichung (6.29):
y +kLE
CH· y = − Ak
CH· u1 + kL · u2 . (6.33)
Die Darstellung der obigen Differentialgleichung im Laplace-Bereich lautet:
Y (s) = −AkCH
s + kLECH
· U1(s) +kL
s + kLECH
· U2(s) (6.34)
mit Y (s), U1(s) und U2(s) als die Laplace-Transformierten der Signale y(t), u1(t) und u2(t).In Kapitel C.2.1 wird gezeigt, dass sich eine lineare, zeitkontinuierliche Ubertragungsfunktion1. Ordnung:
G(s) =A
s− sP(6.35)
naherungsweise in die folgende lineare, zeitdiskrete Ubertragungsfunktion 1. Ordnung:
G(z) =A ·∆t · z−1
1 + (−sP ·∆t− 1) · z−1(6.36)
102 Kapitel 6. Experimentelle Identifikation
transformiert, wenn die Abtastzeit ∆t ausreichend hoch ist.Mit sP = −kLE
CHergibt sich aus Gl. (6.34) naherungsweise die folgende zeitdiskrete Ubertra-
gungsfunktion:
Y (z) = −AkCH
·∆t · z−1
1 +(
kLECH
·∆t− 1)· z−1
· U1(z) +kL ·∆t · z−1
1 +(
kLECH
·∆t− 1)· z−1
· U2(z)
und hieraus folgt die Differenzengleichung:
y(t) +(
kLE
CH·∆t− 1
)· y(t−∆t) = − Ak
CH·∆t · u1(t−∆t) + kL ·∆t · u2(t−∆t) . (6.37)
Die Annahme eines konstanten Eingangssignals zwischen den Abtastpunkten ist nicht erfullt,weil u1(t) und u2(t) aus gemessenen und nicht aus mit einem Digital-Analog-Wandler vorgege-benen Signalen berechnet werden.So wird bei der folgenden Identifikationsgleichung auf eine Verzogerung der Eingange u1(t) undu2(t) um einen Zeitschritt verzichtet.Die Identifikationsgleichung fur die Pradiktionsfehlermethode lautet:
y(t) =b10 · u1(t) + b20 · u2(t)
1 + a1 · q−1(6.38a)
mit q−1 als Zeitverschiebeoperator um die Verzogerung eines Zeitschritts und den Parametern:
a1 =kLE
CH·∆t− 1 , (6.38b)
b10 = − Ak
CH·∆t und (6.38c)
b20 = kL ·∆t . (6.38d)
Die Beziehungen zwischen den formalen Parametern b10 , b20 , a1 und den physikalischen Para-metern kLE , CH , kL lauten:
kLE = −Ak
b10· (1 + a1) bzw.
kLE
CH=
1∆t
· (1 + a1) , (6.38e)
CH = −Ak
b10·∆t und (6.38f)
kL =b20
∆t(6.38g)
mit ∆t als der Abtastzeit.
Die Daten und die Ergebnisse des Identifikationsexperiments sind:
– Identifikationsgleichungen : (6.38)
– Regler : P-Regler mit kp = 400
– Fuhrungssignal des Reg-lers
: Sinussweep (E.2) mitAmplitude A = 2 mm ,Startfrequenz fStart = 0 Hz ,Stopfrequenz fStop = 90 Hz ,Sweepdauer tDauer = 20 s ,
6.4 Identifikation des Druckaufbaus 103
– Gemessene Signale : xV , xk und pL
– Abtastrate : 1 kHz
– Meßdauer : 20.0 s
– Identifizierte Modellpara-meter
: CH [m5
N ], kL [√
Nm2·s ] und kLE
CH[1s ]
– Identifikationsverfahren : Pradiktionsfehlermethode (PEM) mit folgendenAnsatzen (siehe Bild 6.8):Output Error (OE),Box–Jenkins (BJ),AutoRegressive Moving Average eXogenious (ARMAX) undAutoRegressive eXogenious (ARX)
– Geschatzte Parameterwer-te der Modellgleichungen
:
Ansatz Fit % CH [m5
N ] kL [√
Nm2·s ] kLE
CH[1s ]
OE 91.4 5.97 · 10−14 8.45 · 109 97.86BJ, nc =nd =1 90.5 6.00 · 10−14 8.07 · 109 83.26ARMAX, nc =1 90.2 6.09 · 10−14 8.23 · 109 91.91ARX 90.2 6.09 · 10−14 8.23 · 109 92.04
Der Fit ist in Gl. (6.1) definiert worden.
In Bild 6.8 sind die Ergebnisse der experimentellen Identifikation unter Verwendung der Fehler-modellansatze Output Error (OE), Box–Jenkins (BJ), AutoRegressive Moving Average eXoge-nious (ARMAX) und AutoRegressive eXogenious (ARX) dargestellt.
Wahrend der Aufnahme der Sensorsignale wurde der Antrieb mit einem P-Regler geregelt. AlsFuhrungssignal wurde ein Sinussweep von 0 bis 90 Hz bei einer Amplitude von 2 mm bei einerVersuchsdauer von 20 s verwendet.
Die mit dem Output Error (OE) Ansatz identifizierten Parameter werden fur den Reglerentwurfverwendet.
6.4.3 linearer, reduzierter Druckaufbau
Die Modellgleichung des linearen, reduzierten Druckaufbaus (4.41) lautet:
pL = − Ak
CH· xk +
QP
CH· pL +
QX
CH· xV (6.39)
Die Modellgleichung enthalt folgende Modellparameter und -variablen:
104 Kapitel 6. Experimentelle Identifikation
0.0
8.0
16.0
-100
.0-6
0.0
-20.
020
.060
.010
0.0
0.0
8.0
16.0
-0.2
-0.10.0
0.1
0.2
xV
[µm
]x
k[m
/s]
Zei
t[s
]Zei
t[s
]
(a)
Gem
esse
ne
Ein
gangss
ignale
Ans
atz
Fit
%C
H[m
5 N]
kL
[√ Nm
2·s
]k
LE
CH
[1 s]
OE
91.4
5.97·1
0−14
8.45·1
0997
.86
BJ,
nc=
nd=
190
.56.
00·1
0−14
8.07·1
0983
.26
AR
MA
X,n
c=
190
.26.
09·1
0−14
8.23·1
0991
.91
AR
X90
.26.
09·1
0−14
8.23·1
0992
.04
(b)
Ges
chatz
tePara
met
er;D
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-150
.0
-50.
0
50.0
150.
0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
-150
.0
-50.
0
50.0
150.
0
-15.
0
-5.05.0
15.0
0.0
8.0
16.0
-150
.0
-50.
0
50.0
150.
0
0.0
8.0
16.0
-150
.0
-50.
0
50.0
150.
0
0.0
8.0
16.0
-15.
0
-5.05.0
15.0
0.0
8.0
16.0
-150
.0
-50.
0
50.0
150.
0
0.0
8.0
16.0
-15.
0
-5.05.0
15.0
0.0
8.0
16.0
-150
.0
-50.
0
50.0
150.
0
0.0
8.0
16.0
-15.
0
-5.05.0
15.0
BJ
OE
AR
MA
X
AR
X
y=
p L[b
ar]
y p[b
ar]
ε p[b
ar]
y p10
[bar
]y s
[bar
]ε p
10
[bar
]ε s
[bar
]
Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
]Zei
t[s
]
(c)
Zei
tver
laufe
des
gem
esse
nen
Ausg
angss
ignals
y=
pL,des
Ausg
angss
ignals
des
1–Sch
ritt
–P
radik
tors
yp,des
Pra
dik
tionsf
ehle
rsdes
1–Sch
ritt
–P
radik
tors
ε p=
y−
yp,des
Ausg
angss
ignals
des
10–Sch
ritt
–P
radik
tors
yp10,des
Pra
dik
tionsf
ehle
rsdes
10–Sch
ritt
–P
radik
tors
ε p10
=y−
yp10,des
sim
ulier
ten
Ausg
angss
ignals
ys
und
des
Sim
ula
tionsf
ehle
rsε s
=y−
ys
Bild
6.8:
Lab
orex
peri
men
t:Id
enti
fikat
ions
erge
bnis
sede
snic
htl
inea
ren
reduzi
erte
nD
ruck
aufb
aus
(6.2
9)un
ter
Ver
wen
dung
der
Pra
dikt
ions
fehl
erm
etho
dem
itO
E-,
BJ-
,A
RM
AX
-un
dA
RX
-Ans
atz
bei
Sinu
ssw
eepa
nreg
ung
mit
Am
plit
ude
2mm
und
Fre-
quen
z0
bis
90H
zun
dP
–Reg
ler
6.4 Identifikation des Druckaufbaus 105
unbekannte Modellparameter:
CH [m5/N] : hydraulische Kapazitat,QX [m2/s] : Linearisierungskoeffizienten bezuglich Ventilweg undQP [m5/Ns] : Linearisierungskoeffizienten bezuglich Lastdruck,
a priori bekannte Modellparameter:
Ak [m2] : Zylinderkolbenflache, siehe Gl. (4.15a)
gemessene Modellvariablen:
xV [m] : Ventilwegxk [m/s] : Geschwindigkeit des ZylinderkolbenspL [N/m2] : Lastdruck
zu approximierende Modellvariablen
pL [N/m2s] : Ableitung des Lastdrucks
Die Identifikationsgleichung fur die lineare Regression lautet:
y = k1 · ϕ1 + k2 · ϕ2 + k3 · ϕ3 (6.40)
mit dem formalen Ausgang y
y := pL (6.41)
und den formalen Eingangen ϕ1 bis ϕ3:
ϕ1 := pL , (6.42a)ϕ2 := Ak · xk , (6.42b)ϕ3 := −xV (6.42c)
und den formalen Parametern k1 bis k3:
k1 :=CH
QP, (6.43a)
k2 :=1
QPund (6.43b)
k3 :=QX
QP. (6.43c)
Die Beziehungen zwischen den formalen Parametern k1 bis k3 und den physikalischen ParameternCH , QX und QP lauten:
CH :=k1
k2, (6.44a)
QP :=1k2
und (6.44b)
106 Kapitel 6. Experimentelle Identifikation
QX :=k3
k2. (6.44c)
Das Signal pL(t) wird durch numerische Differentation aus pL(t) approximiert.
Die Daten und die Ergebnisse des Identifikationsexperiments sind:
– Identifikationsgleichungen : (6.40)
– Regler : P-Regler mit kp = 1000
– Fuhrungssignal des Reg-lers
: Sinus (E.1) mitAmplitude A = 5 mm undFrequenz f = 10 Hz
– Gemessene Signale : xV , xk und pL
– Abtastrate : 1 kHz
– Meßdauer : 0.05 bis 0.3 s
– Identifizierte Modellpara-meter
: QP , QX und CH
– Identifikationsverfahren : Lineare Regression mit Least-Squares-Algorithmus
– Geschatzte Parameterwer-te der Modellgleichungen
: QP [m5
N·s ] QX [m2
s ] CH [m5
N ]−2.65 · 10−11 2.19 7.51 · 10−14
6.4.4 linearer, reduzierter Druckaufbau und Lastmechanik
6.4.4.1 ohne Fundament (starre Lagerung)
Der Druckaufbau zusammen mit der Lastmechanik ergibt ein schwingungsfahiges System, dasim folgenden unter der Annahme eines linearen, reduzierten Modells fur den Druckaufbau iden-tifiziert wird.Ohne Berucksichtigung eines mitschwingenden Fundaments wird die Ubertragungsfunktion zwi-schen dem Ventilweg xV und der Zylinderkolbengeschwindigkeit xk durch Gl. (A.35) aus KapitelA.5.1 beschrieben:
GoFxk, xV
(s) := kH · ω2H
s2 + 2 · ζH · ωH · s + ω2H
mit dem Verstarkungsfaktor kH , der Resonanzfrequenz fH = ωH2·π und der Dampfung ζH aus Gl.
(A.33):
kH :=Ak ·QX
A2k − dk ·QP
≈ QX
Ak, (6.45a)
ωH :=
√A2
k − dk ·QP
mk · CH≈
√A2
k
mk · CHund (6.45b)
ζH :=dkmk
− QPCH
2 ·√
A2k−dk· QP
mk· CH
≈−QP
CH
2 ·√
A2k
mk· CH
. (6.45c)
Die getroffenen Naherungen sind bei Ak ≈ 1 · 10−3m2, mk ≈ 200..400kg, dk ≈ 500N·sm , QP ≈
−1 · 10−11 m5
N·s und CH ≈ 5 · 10−14 m5
N wie folgt gerechtfertigt:
6.4 Identifikation des Druckaufbaus 107
• A2k À −dk ·QP
Der Ausdruck A2k ≈ 1 · 10−6m4 ist gegenuber dem Ausdruck −dk ·QP ≈ 5 · 10−8m4 um den
Faktor 20 großer.• −QP
CHÀ dk
mk
Der Ausdruck −QPCH
≈ 200 1/s ist gegenuber dem Ausdruck dkmk
≈ 1.25 .. 2.5 um mindestensden Faktor 80 großer.
Durch die Naherungen lassen sich QX , QP , CH aus den geschatzten Werten kH , ωH , ζH beibekannter Lastmasse mk bestimmen:
QX ≈ kH ·Ak (6.46)
CH ≈ A2k
mk · ω2H
und (6.47)
QP
CH≈ −2 · ζH · ωH . (6.48)
Die Ubertragungsfunktion GoFxk, xV
(s) Gl. (A.35) vom Ventilweg xV zur Zylinderkolbengeschwin-digkeit xk wurde gewahlt, weil die Ubertragungsfunktion GoF
xk, xV(s) (A.34) zur Zylinderkolben-
auslenkung xk zusatzlich einen Integrator und die Ubertragungsfunktion GoFxk, xV
(s) (A.36) zurZylinderkolbenbeschleunigung xk zusatzlich einen Differenzierer in ihrer Ubertragungsfunktionbesitzt.
6.4.4.2 mit Fundament (nachgiebige Lagerung)
Die Berucksichtigung eines mitschwingenden Fundaments im Modell, vgl. Kapitel A.5.2, ergibt
• fur die relative Geschwindigkeit xk bezogen auf das Fundament die UbertragungsfunktionGl. (A.62):
GmFxk, xV
(s) := kH · a0
ω2G2
· s2 + 2 · ζG2 · ωG2 · s + ω2G2
s4 + a3 · s3 + a2 · s2 + a1 · s + a0(6.49)
• und fur die Geschwindigkeit xka bezogen auf das Inertialsystem (Hallenboden) die Uber-tragungsfunktion (A.59):
GmFxka, xV
(s) := kH · a0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
mit ωG1 und ζG1 aus Gl. (A.54), mit ωG2 und ζG2 aus Gl. (A.55) und a0 bis a3 aus Gl. (A.56).
Fur die Identifikationsexperimente ergeben sich die folgenden Variationen:
• Durch Variation der Lastmasse mk im Laborexperiment (200kg und 400kg) wird die zuschatzenden Resonanzfrequenz fH verandert.
• Es bieten sich folgende Signale als Ausgang fur die Identifikation an:
• relative Geschwindigkeit xk bezogen auf das Fundament und• Geschwindigkeit xka bezogen auf das Inertialsystem (Hallenboden).
Der Einfluss des Fundaments auf die beiden Ubertragungsfunktionen (A.59) und (A.62) istunterschiedlich stark, weil Pol- und Nullstellen unterschiedlich dicht zueinander liegen.
108 Kapitel 6. Experimentelle Identifikation
• Folgende Modellhypothesen sind fur die Identifikation denkbar:
• lineares Modell 2. Ordnung ohne Berucksichtigung eines mitschwingenden Fundamentes• lineares Modell 4. Ordnung unter Berucksichtigung eines mitschwingenden Fundamentes.
Dies macht insgesamt 2 · 2 · 2 = 8 Untersuchungen.Die Daten des Identifikationsexperiments lauten:
– Regler : P-Regler mit kp = 400
– Fuhrungssignal des Reg-lers
: Rechtecksignal (vgl. Kapitel E.1.2):
Datensatz fur Identifikation ValidierungLastmasse mk [kg] 200 400 200 400Amplitude A [mm] 2.8 1.4 2.52 1.26Periodendauer T [s] 0.25Anstiegszeit tan [s] 0.01
Der Identifikations- und der Validierungsdatensatz sindLaborexperimente mit gleicher Form der Ansteuerung;die Amplitude fur die Validierung ist um 10 % geringer.
– Abtastrate : fabst = 2 kHz
– Meßdauer : 0.5 s
– mechanische Last : mk = 200 kg und 400 kg
– Versorgungsdruck : pS = 150 bar
– Gemessene Signale : xV , xk, xG und xG
– Identifikationsgleichungen : lineare, zeitdiskrete Ubertragungsfunktionen aus
a) Gl. (A.35) mit 2 Polstellen:
G(q) =b1 ·q−1
1 + a1 ·q−1 + a2 ·q−2(6.50)
(nb = 1; na bzw. nf = 2; nk = 1) undb) Gln. (A.59) und (A.62) mit 4 Pol- und 2 Nullstellen:
G(q) =b1 ·q−1 + b2 ·q−2 + b3 ·q−3
1 + a1 ·q−1 + · · ·+ a4 ·q−4(6.51)
(nb = 3; na bzw. nf = 4; nk = 1)
– Identifizierte Modellpara-meter
: fH , ζH und kH
6.4 Identifikation des Druckaufbaus 109
– Signalvorverarbeitung : Das Signal xka wird mit xka = xk + xG rekonstruiert,wobei xG mit einem Velocity Computer [3, 55] aus xG
und xG berechnet wird.
Bei den gemessenen Signalen xV , xk und xka werdenjeweils ihre Mittelwerte abgezogen.
Die Abtastrate wird von 2 kHz auf 1 kHz reduziert(Downsampling).
– Identifikationsverfahren : Pradiktionsfehlermethode mit folgenden Modellansatzen:
– ARX
– ARMAX mit nc von 1 bis 4
– OE
– BJ mit nc = nd von 1 bis 4
– Geschatzte Parameterwer-te der Modellgleichungen
:a) Modellhypothese Gl. (A.35) (2 Polstellen)
Lastmasse Ausgang xk Ausgang xka
Fall 1: Fall 2:mk = 200kg Tabelle 6.1(a) Tabelle 6.1(b)
Bild 6.9Fall 3: Fall 4:
mk = 400kg Tabelle 6.1(c) Tabelle 6.1(d)Bild 6.10
b) Gln. (A.59) und (A.62) (4 Pol- und 2 Nullstellen)Bei den Schatzungen kommen keine sinnvollenPol/Nullstellen heraus. Die simultane Einbeziehungdes Fundaments in die Identifikation der Parameter furdie Bewegungsgleichung der Last scheint nicht sinn-voll.
Zur Beurteilung der Schatzung sind in den folgenden Tabellen die erzielten Fits in Simulation undPradiktion fur den Validierungs- und fur den Identifikationsdatensatz angegeben. Der Fit fur denIdentifikationsdatensatz steht jeweils in Klammern. Die Definition des Fits erfolgt in Gl. (6.1).Der Fit in der Simulation mit dem Validierungsdatensatz gibt die Qualitat des identifiziertenModells wieder.
Bemerkung 6.3 (Identifikationsergebnisse Fall 1):Die Identifikationsergebnisse von Fall 1 mit Ausgang xk, Masse mk = 200 kg und einem linearenModell 2. Ordnung als Modellhypothese sind in Tabelle 6.1(a) und in Bild 6.9 dargestellt.Die Unterschiede zwischen den einzelnen Ansatzen der Prediktionsfehlermethode sind nicht groß,da alle erzielten Fits der Simulationen nahe zusammen im Bereich von > 85 % und < 90 % liegen.Den besten Fit in der Simulation besitzen die Ansatze OE und BJ (nc = nd = 1) mit 89.2 %.Der Fit der Pradiktion liegt ca. 10 % Punkte besser als der Fit der Simulation mit Ausnahmedes OE-Ansatzes. Dieses wird durch das Fehlermodell hervorgerufen, welches einen Tiefpass-Charakter besitzt.
110 Kapitel 6. Experimentelle Identifikation
Identi
fikati
on
des
lineare
n,re
duzi
ert
en
Dru
ckaufb
aus
zusa
mm
en
mit
der
Last
mech
anik
ohne
Beru
cksi
chtigung
des
Fundam
ents
(lin
eare
sM
odell
2.O
rdnung)
Fall
1:A
usg
ang
xk,Last
mass
em
k=
200kg
Iden
tifika
tion
s-f H
ζ Hk
HFit
inder
verf
ahre
n[H
z][1 s
]Sim
ula
tion
Pra
dik
tion
AR
X44
.60.
3741
16.8
986
.2%
(86.
1%
)98
.7%
(98.
9%
)A
RM
AX
nc=
144
.70.
3741
46.8
786
.3%
(86.
1%
)98
.8%
(98.
9%
)A
RM
AX
nc=
247
.70.
4141
66.8
387
.9%
(87.
8%
)98
.9%
(99.
1%
)A
RM
AX
nc=
347
.40.
4041
64.4
687
.8%
(87.
7%
)98
.9%
(99.
1%
)A
RM
AX
nc=
449
.50.
4341
82.5
888
.4%
(88.
4%
)98
.9%
(99.
1%
)O
E55
.20.
4343
48.9
989
.2%
(88.
6%
)89
.2%
(88.
6%
)B
Jn
c=
nd
=1
57.4
0.51
4310
.78
89.2
%(8
9.2
%)
98.5
%(9
8.6
%)
BJ
nc=
nd
=2
56.6
0.52
4208
.37
88.7
%(8
9.0
%)
99.0
%(9
9.1
%)
BJ
nc=
nd
=3
60.8
0.61
4208
.16
87.7
%(8
8.3
%)
99.0
%(9
9.2
%)
BJ
nc=
nd
=3
64.8
0.67
4207
.33
87.1
%(8
7.8
%)
99.0
%(9
9.2
%)
(a)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
1m
itA
usg
ang
xk
bei
Mass
em
k=
200kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.3
Fall
2:A
usg
ang
xka,Last
mass
em
k=
200kg
Iden
tifika
tion
s-f H
ζ Hk
HFit
inder
verf
ahre
n[H
z][1 s
]Sim
ula
tion
Pra
dik
tion
AR
X38
.70.
3741
06.2
480
.1%
(80.
2%
)98
.6%
(98.
7%
)A
RM
AX
nc=
138
.80.
3841
18.7
180
.3%
(80.
4%
)98
.6%
(98.
7%
)A
RM
AX
nc=
240
.60.
4141
48.9
282
.0%
(82.
1%
)98
.7%
(98.
8%
)A
RM
AX
nc=
342
.20.
4341
78.4
983
.3%
(83.
4%
)98
.7%
(98.
9%
)A
RM
AX
nc=
445
.40.
4742
18.2
184
.8%
(85.
0%
)98
.7%
(98.
9%
)O
E58
.50.
5544
45.8
686
.8%
(86.
4%
)86
.8%
(86.
4%
)B
Jn
c=
nd
=1
68.2
0.76
4660
.92
85.6
%(8
5.4
%)
98.4
%(9
8.5
%)
BJ
nc=
nd
=2
70.9
0.81
4251
.78
85.1
%(8
5.7
%)
98.8
%(9
9.0
%)
BJ
nc=
nd
=3
67.8
0.77
4244
.26
85.2
%(8
5.8
%)
98.8
%(9
9.0
%)
BJ
nc=
nd
=4
73.5
0.85
4260
.12
84.9
%(8
5.5
%)
98.8
%(9
9.0
%)
(b)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
2:
Ausg
ang
xk
abei
Mass
em
k=
200kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.4
Fall
3:A
usg
ang
xk,Last
mass
em
k=
400kg
Iden
tifika
tion
s-f H
ζ Hk
HFit
inder
verf
ahre
n[H
z][1 s
]Sim
ula
tion
Pra
dik
tion
AR
X32
.40.
4438
84.7
378
.2%
(77.
9%
)98
.7%
(98.
8%
)A
RM
AX
nc=
132
.70.
4439
16.1
178
.5%
(78.
2%
)98
.7%
(98.
8%
)A
RM
AX
nc=
233
.90.
4739
47.2
479
.9%
(79.
6%
)98
.7%
(98.
8%
)A
RM
AX
nc=
334
.50.
4839
61.6
480
.4%
(80.
2%
)98
.8%
(98.
8%
)A
RM
AX
nc=
434
.50.
4839
65.5
880
.5%
(80.
2%
)98
.8%
(98.
8%
)O
E47
.60.
6941
71.5
583
.8%
(83.
4%
)83
.8%
(83.
4%
)B
Jn
c=
nd
=1
46.6
0.66
4167
.97
83.8
%(8
3.4
%)
98.3
%(9
8.3
%)
BJ
nc=
nd
=2
42.7
0.60
4087
.53
83.6
%(8
3.2
%)
98.9
%(9
9.0
%)
BJ
nc=
nd
=3
43.8
0.76
4115
.35
82.4
%(8
2.4
%)
99.0
%(9
9.0
%)
BJ
nc=
nd
=4
42.7
0.64
4081
.16
83.5
%(8
3.2
%)
99.0
%(9
9.0
%)
(c)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
3:A
usg
ang
xk
bei
Mass
em
k=
400kg;zu
rD
iskuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.5
Fall
4:A
usg
ang
xka,Last
mass
em
k=
400kg
Iden
tifika
tion
s-f H
ζ Hk
HFit
inder
verf
ahre
n[H
z][1 s
]Sim
ula
tion
Pra
dik
tion
AR
X30
.90.
5340
63.9
680
.3%
(80.
1%
)98
.4%
(98.
4%
)A
RM
AX
nc=
128
.10.
4539
17.8
478
.1%
(77.
9%
)98
.5%
(98.
4%
)A
RM
AX
nc=
229
.00.
4739
53.2
679
.0%
(78.
8%
)98
.5%
(98.
5%
)A
RM
AX
nc=
329
.60.
4939
90.3
279
.4%
(79.
2%
)98
.5%
(98.
5%
)A
RM
AX
nc=
429
.10.
4739
39.4
278
.9%
(78.
7%
)98
.5%
(98.
5%
)O
E38
.90.
6543
47.7
981
.8%
(81.
4%
)81
.8%
(81.
4%
)B
Jn
c=
nd
=1
49.0
1.01
4782
.27
78.9
%(7
8.5
%)
98.1
%(9
8.0
%)
BJ
nc=
nd
=2
45.1
0.80
4109
.54
81.1
%(8
1.0
%)
98.7
%(9
8.7
%)
BJ
nc=
nd
=3
45.9
0.94
4169
.35
79.7
%(7
9.7
%)
98.7
%(9
8.7
%)
BJ
nc=
nd
=4
45.8
0.94
4168
.93
79.7
%(7
9.7
%)
98.7
%(9
8.7
%)
(d)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
4:
Ausg
ang
xk
abei
Mass
em
k=
400kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.6
Tab
elle
6.1:
Erg
ebni
sse
der
Iden
tifik
atio
nde
slin
eare
n,re
duzi
erte
nD
ruck
aufb
aus
zusa
mm
enm
itde
rLas
tmec
hani
koh
neB
eruc
ksic
htig
ung
des
Fund
amen
ts(l
inea
res
Mod
ell
2.O
rdnu
ng),
darg
este
lltsi
nddi
ege
scha
tzte
nPar
amet
erf H
,ζ H
und
kH
der
gew
ahlt
enA
nsat
ze(A
RX
,AR
MA
X,O
E,B
J)m
itde
ner
ziel
ten
Fit
sin
der
Sim
ulat
ion
und
inde
rP
radi
ktio
nfu
rde
nV
alid
ieru
ngs-
und
fur
den
Iden
tifik
atio
nsda
tens
atz,
Fit
fur
den
Iden
tifik
atio
nsda
tens
atz
jew
eils
inK
lam
mer
nan
gege
ben,
zur
Defi
niti
onde
sFit
ssi
ehe
Gl.
( 6.1
)
6.4 Identifikation des Druckaufbaus 111
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0x
V(t
)−
xV
Zei
tt
[s]
Eingang
[µm
]
(a)
Ein
gangsi
gnalu(t
):=
xV
(t)−
xV
Iden
tifika
tion
s-f H
ζ Hk
HFit
inder
verf
ahre
n[H
z][1 s
]Sim
ula
tion
Pra
dik
tion
AR
X44
.60.
3741
16.8
986
.2%
(86.
1%
)98
.7%
(98.
9%
)A
RM
AX
nc=
144
.70.
3741
46.8
786
.3%
(86.
1%
)98
.8%
(98.
9%
)O
E55
.20.
4343
48.9
989
.2%
(88.
6%
)89
.2%
(88.
6%
)B
Jn
c=
nd
=1
57.4
0.51
4310
.78
89.2
%(8
9.2
%)
98.5
%(9
8.6
%)
(b)
ges
chatz
tePara
met
erf H
,ζ H
und
kH
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
6.0
12.0
18.0
-1.0
0
-0.5
0
0.00
0.50
1.00
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
0
-0.5
0
0.00
0.50
1.00
y(t
)
ARX
[m/s]
y s(t
)[m
/s]
y(t
)−
y s(t
)[m
/s]
y p(t
)[m
/s]
y(t
)−
y p(t
)[m
/s]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xk(t
)−
xk,
des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
xV
(t)−
xV
Bild
6.9:
Lab
orex
peri
men
t:Id
enti
fikat
ion
des
linea
ren,
redu
zier
ten
Dru
ckau
fbau
szu
sam
men
mit
der
Las
tmec
hani
koh
neB
eruc
ksic
htig
ung
des
Fund
amen
ts(l
inea
res
Mod
ell
2.O
rdnu
ng)
fur
Fall
1:A
usga
ngx
k,
Mas
sem
k=
200k
g;si
ehe
Bem
erku
ng6.
3;P
-Reg
ler
und
Rec
htec
ksig
nalA
mpl
itud
e2.
52m
m,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s
als
Fuh
rung
ssig
nal
112 Kapitel 6. Experimentelle Identifikation
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0x
V(t
)−
xV
Zei
tt
[s]
Eingang
[µm
]
(a)
Ein
gangsi
gnalu(t
):=
xV
(t)−
xV
Iden
tifika
tion
s-f H
ζ Hk
HFit
inder
verf
ahre
n[H
z][1 s
]Sim
ula
tion
Pra
dik
tion
AR
X32
.40.
4438
84.7
378
.2%
(77.
9%
)98
.7%
(98.
8%
)A
RM
AX
nc=
132
.70.
4439
16.1
178
.5%
(78.
2%
)98
.7%
(98.
8%
)O
E47
.60.
6941
71.5
583
.8%
(83.
4%
)83
.8%
(83.
4%
)B
Jn
c=
nd
=1
46.6
0.66
4167
.97
83.8
%(8
3.4
%)
98.3
%(9
8.3
%)
(b)
ges
chatz
tePara
met
erf H
,ζ H
und
kH
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
6.0
12.0
18.0
-1.0
0
-0.5
0
0.00
0.50
1.00
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
0
-0.5
0
0.00
0.50
1.00
y(t
)
ARX
[m/s]
y s(t
)[m
/s]
y(t
)−
y s(t
)[m
/s]
y p(t
)[m
/s]
y(t
)−
y p(t
)[m
/s]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xk(t
)−
xk,
des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
xV
(t)−
xV
Bild
6.10
:Lab
orex
peri
men
t:Id
enti
fikat
ion
deslin
eare
n,re
duzi
erte
nD
ruck
aufb
auszu
sam
men
mit
derLas
tmec
hani
koh
neB
eruc
ksic
htig
ung
des
Fund
amen
ts(l
inea
res
Mod
ell
2.O
rdnu
ng)
fur
Fall
3:A
usga
ngx
k,
Mas
sem
k=
400k
g;si
ehe
Bem
erku
ng6.
5;P
-Reg
ler
und
Rec
htec
ksig
nalA
mpl
itud
e1.
26m
m,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s
als
Fuh
rung
ssig
nal
6.4 Identifikation des Druckaufbaus 113
Die Residuen, beurteilt durch den Verlauf Autokovarianzfunktion Ree und Kreuzkovarianzfunk-tionen Reu in Bild 6.10(c) zeigen ein zufriedenstellendes Verhalten. Die Funktionen liegen fastinnerhalb der gestrichelt eingezeichneten Bander.Beim OE-Ansatz, das kein Fehlermodell besitzt, zeigt die Autokovarianzfunktion Ree eine starkeKorreliertkeit.Im Zeitverlauf des Simulationsfehlers εs(t) ist eine Abhangigkeit von der Anregung erkennbar.Aufgrund der kleinen Werte der Kreuzkovarianzfunktionen Reu kann sie aber nicht uber einelineare Beziehung vom Eingang u her stammen. Dies deutet auf ein nichtlineares Verhalten hin.Ein hoheres Fehlermodell beim BJ-Ansatz bringt keine Verbesserung. Beim OE-Ansatz ist derWert des Fits fur den Validierungsdatensatz großer als jener fur den Identifikationsdatensatz.Dieser Fall 1 liefert im Vergleich zu den anderen folgenden Fallen die besten Identifikationser-gebnisse.
Bemerkung 6.4 (Identifikationsergebnisse Fall 2):Die Identifikationsergebnisse von Fall 2 mit Ausgang xka, Masse mk = 200 kg und einem linearenModell 2. Ordnung als Modellhypothese sind in Tabelle 6.1(b) dargestellt.Der OE-Ansatz ist mit 86.8 % der beste Fit in der Simulation. Der Fit in der Simulation istgenerell nur um wenige Prozentpunkte kleiner als bei Fall 1 mit Ausgang xk.
Bemerkung 6.5 (Identifikationsergebnisse Fall 3):Die Identifikationsergebnisse von Fall 3 mit Ausgang xk, Masse mk = 400 kg und einem linearenModell 2. Ordnung als Modellhypothese sind in Tabelle 6.1(c) und in Bild 6.10 dargestellt.Die besten Fits in der Simulation besitzen die Ansatze OE- und BJ nc = nd = 1 mit 83.8 % undsind damit schlechter als bei Fall 1 mit 200kg. Der Fit der Pradiktion ist vergleichbar mit demvon Fall 1.
Bemerkung 6.6 (Identifikationsergebnisse Fall 4):Die Identifikationsergebnisse von Fall 4 mit Ausgang xka, Masse mk = 400 kg und einem linearenModell 2. Ordnung als Modellhypothese sind in Tabelle 6.1(d) dargestellt.Der OE-Ansatz ist mit 81.8 % der beste Fit in der Simulation. Der Fit in der Simulation istgenerell nur um wenige Prozentpunkte kleiner als bei Fall 3 mit Ausgang xk.
Die Ergebnisse werden wie folgt zusammengefasst:
• Der Ausgang xk liefert geringfugig bessere Ergebnisse als der Ausgang xka.
• Es ist besser, die Parameter fur ein einfacheres Modell als diejenigen fur ein komplexereszu schatzen.
• Der OE-Ansatz liefert den besten Fit in der Simulation. Das Fehlermodell beim BJ liefertkeine Verbesserung. ARX und ARMAX liefern etwas schlechtere Fits in der Simulation.Die Werte der Fits der Simulation liegen relativ dicht beieinander.
• Die geschatzten Parameter fH , ζH und kH des OE-Ansatz bei Ausgang xk von Fall 1und Fall 3 werden mit Gln. (6.46), (6.47) und (6.48) in die Parameter QP , QX und CH
umgerechnet mit Ak = 0.9259 · 10−3m2:
mk [kg] fH [Hz] ζH kH [1s ] QP [m5
N·s ] QX [m2
s ] CH [m5
N ]Fall 1 200 55.2 0.43 4348.99 −1.06 · 10−11 4.03 3.56 · 10−14
Fall 3 400 47.6 0.69 4171.55 −0.99 · 10−11 3.86 2.40 · 10−14
114 Kapitel 6. Experimentelle Identifikation
Das Verhaltnis der Massen mk, 2 = 400 kg und mk, 1 = 200 kg ist 2. Fur das Verhaltnisder Resonanzfrequenzen fH, 1 zu fH, 2 folgt nach Gl. (6.45b):
fH, 1
fH, 2≈
√mk, 2
mk, 1=√
2 ≈ 1.41, (6.52)
was aber nur annahernd erfullt wird durch die identifizierten Werte von:
fH, 1
fH, 2=
55.2Hz47.6Hz
= 1.1597 . (6.53)
6.4.5 Gegenuberstellung der geschatzten Parameter
Aus den Ergebnissen der Identifikation des nichtlinearen, nicht reduzierten Druckaufbaus ausKapitel 6.4.1 mit B ≈ 4.3 · 109 N
m2 und αD ≈ 1.1 berechnen sich die hydraulische Kapazitat CH :
CH :=Ak · L4 ·B = 3.55 · 10−14 m5
N(6.54)
und der Lastflußkoeffizient kL:
kL :=αD · π · d
2 · CH · √ρ= 1.33 · 1010
√N
m2 · s (6.55)
mit Ak = 9.43 cm2, L = 66 cm, d = 7.95 mm und ρ = 850 kgm3 .
Aus der gefundenen hydraulischen Kapazitat CH ergibt sich mit der Eigenkreisfrequenz
ωH = 2·π ·fH ≈√
A2k
mk · CH(6.56)
fur die Bewegung der Last eine Resonanzfrequenz von fH = 55.28 Hz fur eine Lastmasse vonmk = 200 kg, die gut mit der geschatzten Resonanzfrequenz aus der Identifikation des linearen,reduzierten Durckaufbaus zusammen mit der Lastmechanik in Kapitel 6.4.4 ubereinstimmt.
Fur den nichtlinearen, reduzierten Druckaufbau in Kapitel 6.4.2 wurde im Vergleich zum nicht-linearen, nicht reduzierten Druckaufbau eine knapp doppelt so große hydraulische Kapazitatvon CH = 6.0 · 10−14 m5
N und ein etwas kleinerer Lastflußkoeffizient von kL = 0.85 · 1010√
Nm2·s
geschatzt. Die Resonanzfrequenz fur eine Lastmasse von mk = 200 kg ist mit fH = 42.54 Hzentsprechend tiefer.
Die beim linearen, reduzierten Druckaufbau in Kapitel 6.4.3 geschatzte hydraulische Kapazitatist mit CH = 7.51 · 10−14 m5
N noch ein wenig hoher als die des nichtlinearen, reduzierten Druck-aufbaus.
6.5 Identifikation der Lastmechanik
Das mathematische Modell des Teilsystems Lastmechanik beschreibt das Verhalten zwischendem Lastdruck pL und der Bewegung der Zylinderkolbenstange xk, xk und xk sowie der Bewe-gung des Fundaments xG.Das Ziel der Identifikation ist die Bestimmung der physikalischen Modellparameter mk und dk
der Lastmechanik.
6.5 Identifikation der Lastmechanik 115
Ohne Berucksichtigung des mitschwingenden Fundamentes wird die Ubertragungsfunktion zwi-schen dem Lastdruck pL und der Zylinderkolbengeschwindigkeit xk durch Gl. (A.39) aus KapitelA.5.1 beschrieben:
GoFxk, pL
(s) :=Xk(s)PL(s)
= kLast · aLast
s + aLast=
Ak
dk·
dkmk
s + dkmk
mit kLast und aLast aus Gl. (A.33b). Die Ubertragungsfunktion GoFxk, pL
(s) Gl. (A.39) vom Last-druck pL zur Zylinderkolbengeschwindigkeit xk wurde gewahlt, weil die UbertragungsfunktionGoF
xk, pL(s) (A.38) zur Zylinderkolbenauslenkung xk zusatzlich einen Integrator und die Uber-
tragungsfunktion GoFxk, pL
(s) (A.40) zur Zylinderkolbenbeschleunigung xk zusatzlich einen Diffe-renzierer in ihrer Ubertragungsfunktion besitzt.Die Lastmechanik ist mit der Mechanik des Fundaments uber die Dampfungkonstante dk ver-koppelt. Im folgenden wird fur die Identifikation der Lastmechanik die Verkopplung mit der Me-chanik des Fundaments vernachlassigt, da die Dampfungskonstante dk ≈ 500 Ns/m sehr geringist und der Abstand zwischen der Knickfrequenz der Lastmechanik und der Resonanzfrequenzdes Fundaments mehr als 1 Dekade (ca. 0.4 Hz zu ca. 25 Hz) betragt.Mit der Annahme dG
mGÀ dk
mGfur den Koeffizienten b2 (A.57a) ergibt sich unter Berucksichtigung
eines mitschwingenden Fundaments im Modell, vgl. Kapitel A.5.2,
• fur die Geschwindigkeit xka, bezogen auf das Inertialsystem (Hallenboden) aus der Uber-tragungsfunktion (A.68), naherungsweise die Ubertragungsfunktion:
GmFxka, pL
(s) :=Xka(s)PL(s)
≈ kLast · aLast
s + aLastvgl. Gl (A.39) , (6.57)
• und fur die relative Geschwindigkeit xk, bezogen auf das Fundament aus der Ubertra-gungsfunktion Gl. (A.71), naherungsweise die Ubertragungsfunktion:
GmFxk, pL
(s) =Xk(s)PL(s)
≈ kLast · aLast
s + aLast· ω2
G1
ω2G2
· s2 + 2 · ζG2 · ωG2 · s + ω2G2
s2 + 2 · ζG1 · ωG1 · s + ω2G1
(6.58)
mit ωG1 und ζG1 aus Gl. (A.54), mit ωG2 und ζG2 aus Gl. (A.55). Beim Ausgang xk tritt dasFundament mehr in Erscheinung als beim Ausgang xka. Beim Ausgang xk kann ein Modell mitBerucksichtigung des Fundaments genommen werden.Die auf das Inertialsystem bezogene Geschwindigkeit xka berechnet sich aus der Summe der ge-messenen relativen Geschwindigkeit xk und der Geschwindigkeit des Fundaments xG, die mittelseines Velocity Computers aus der gemessenen Auslenkung xG und der gemessenen Beschleuni-gung xG des Fundaments berechnet wird.Vor der Identifikation ist es sinnvoll, die jeweiligen Mittelwerte von den gemessenen Signalenxka, xk und pL abzuziehen, da in der Modellhypothese kein stationarer Druck zum Halten derLastmasse vorgesehen ist.Die Lastmasse wird zusatzlich aus dem statischem Druck pL, stat = pL berechnet:
mk, stat =Ak · pL, stat
g. (6.59)
Die Daten des Identifikationsexperiments lauten:
– Regler : P-Regler mit kp = 400
116 Kapitel 6. Experimentelle Identifikation
– Fuhrungssignal des Reg-lers
: Rechtecksignal (vgl. Kapitel E.1.2):
Datensatz fur Identifikation ValidierungLastmasse mk [kg] 200 400 200 400Amplitude A [mm] 2.8 1.4 2.52 1.26Periodendauer T [s] 0.25Anstiegszeit tan [s] 0.01
Der Identifikations- und der Validierungsdatensatz sindLaborexperimente mit gleicher Form der Ansteuerung;die Amplitude fur die Validierung ist um 10 % geringer.
– Abtastrate : fabst = 2 kHz
– Meßdauer : 0.5 s
– mechanische Last : mk = 200 kg und 400 kg
– Versorgungsdruck : pS = 150 bar
– Gemessene Signale : pL, xk, xG und xG
– Identifikationsgleichungen : lineare, zeitdiskrete Ubertragungsfunktionen aus
a) Gl. (A.35) bzw. Gl. (6.57) mit 1 Polstelle:
G(q) =b0 + b1 ·q−1
1 + a1 ·q−1(6.60)
(nb = 2; na bzw. nf = 1; nk = 0) undb) Gl. (6.58) mit 3 Pol- und 2 Nullstellen:
G(q) =b1 ·q−1 + b2 ·q−2 + b3 ·q−3
1 + a1 ·q−1 + a2 ·q−2 + a3 ·q−3(6.61)
(nb = 3; na bzw. nf = 3; nk = 1)
– Identifizierte Modellpara-meter
: mk und dk
– Signalvorverarbeitung : Das Signal xka wird mit xka = xk + xG rekonstruiert,wobei xG mit einem Velocity Computer [3, 55] aus xG
und xG berechnet wird.
Bei den gemessenen Signalen pL, xk und xka werdenjeweils ihre Mittelwerte abgezogen.
Die Abtastrate wahrend der Messung von 2 kHz wird auf200 Hz bei der Modellhypothese ohne Fundament und auf500 Hz bei der Modellhypothese mit Fundament reduziert(Downsampling).
6.5 Identifikation der Lastmechanik 117
– Identifikationsverfahren : Pradiktionsfehlermethode mit folgenden Modellansatzen:
– ARX
– ARMAX mit nc von 1 bis 4
– OE
– BJ mit nc = nd von 1 bis 4
– Geschatzte Parameterwer-te der Modellgleichungen
:a) Modellhypothese (6.60) mit 1 Polstelle
Lastmasse Ausgang xk Ausgang xka
Fall 1: Fall 2:mk = 200kg Tabelle 6.2(a) Tabelle 6.2(b)
Bild 6.11Fall 3: Fall 4:
mk = 400kg Tabelle 6.2(c) Tabelle 6.2(d)Bild 6.12
b) Modellhypothese (6.61) mit 3 Pol- und 2 NullstellenLastmasse Ausgang xk Ausgang xka
Fall 5: Fall 6:mk = 200kg Tabelle 6.3(a) Tabelle 6.3(b)
Bild 6.13Fall 7: Fall 8:
mk = 400kg Tabelle 6.3(c) Tabelle 6.3(d)Bild 6.14
Die aus dem statischen Druck aus Gl. (6.59) berechnete Masse betragt mk,stat = 207.5 kg furdie Laborexperimente mit der Lastmasse mk = 200 kg und betragt mk,stat = 381.0 kg fur dieLaborexperimente mit der Lastmasse mk = 400 kg.
Bemerkung 6.7 (Identifikationsergebnisse Fall 1):Die Identifikationsergebnisse von Fall 1 mit Ausgang xk, Masse mk = 200 kg und einem linearenModell 1. Ordnung (6.60) als Modellhypothese sind in Tabelle 6.2(a) dargestellt.Die Ansatze ARX und OE besitzen mit 86.1 % den besten Fit in der Simulation. Der BJ-Ansatzmit nc = nd = 1 besitzt innerhalb der BJ-Ansatze mit 85.2 % den besten Simulations-Fit. DerARMAX-Ansatz mit nc = 4 liefert unter den verschiedenen ARMAX-Ansatzen mit 86.0 % dasbeste Ergebnis fur den Wert des Fits.Die geschatzten Massen mk stimmen gut mit der Masse aus dem statischen Druck mk,stat =207.5 kg uberein.
Bemerkung 6.8 (Identifikationsergebnisse Fall 2):Die Identifikationsergebnisse von Fall 2 mit Ausgang xka, Masse mk = 200 kg und einem linearenModell 1. Ordnung (6.60) als Modellhypothese sind in Tabelle 6.2(b) und in Bild 6.11 dargestellt.Der Fit in der Simulation ist um mehr als 4 Prozentpunkte besser bei Fall 1.Der BJ-Ansatz mit nc = nd = 1 besitzt mit 91.5 % den besten Fit in der Simulation. DieAnsatze OE, ARX und ARMAX sind um 1 bis 2 Prozentpunkte schlechter. Die Ordnung desFehlermodells beim ARMAX-Ansatz bringt keine merkliche Verbesserung. Der Unterschied dergeschatzten Parameter ist gering.
118 Kapitel 6. Experimentelle Identifikation
Identi
fikati
on
der
Last
mech
anik
ohne
Beru
cksi
chtigung
des
Fundam
ents
(Modell
1.O
rdnung)
Fall
1:A
usg
ang
xk,Last
mass
em
k=
200kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X21
0.2
1867
.186
.1%
(86.
5%
)91
.7%
(92.
0%
)A
RM
AX
,n
c=
120
4.8
2293
.484
.3%
(83.
9%
)93
.9%
(93.
9%
)A
RM
AX
,n
c=
220
0.1
2458
.782
.5%
(81.
9%
)94
.4%
(94.
4%
)A
RM
AX
,n
c=
321
8.5
2018
.785
.8%
(86.
2%
)94
.3%
(94.
3%
)A
RM
AX
,n
c=
421
3.9
1978
.386
.0%
(86.
4%
)94
.8%
(94.
8%
)O
E21
4.8
1749
.486
.1%
(86.
9%
)86
.1%
(86.
9%
)B
J,n
c=
nd
=1
205.
121
52.0
85.2
%(8
5.0
%)
94.2
%(9
4.1
%)
BJ,
nc=
nd
=2
200.
522
20.2
83.9
%(8
3.6
%)
94.7
%(9
4.7
%)
BJ,
nc=
nd
=3
185.
317
38.4
80.4
%(8
0.1
%)
94.9
%(9
4.9
%)
BJ,
nc=
nd
=4
185.
718
70.4
81.4
%(8
1.3
%)
94.9
%(9
4.9
%)
(a)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
1m
itA
usg
ang
xk
und
Mass
em
k=
200kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.7
Fall
2:A
usg
ang
xka,Last
mass
em
k=
200kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X21
2.9
1527
.189
.1%
(90.
5%
)95
.9%
(96.
2%
)A
RM
AX
,n
c=
121
1.7
1711
.389
.8%
(90.
8%
)96
.2%
(96.
4%
)A
RM
AX
,n
c=
221
3.0
1770
.289
.9%
(90.
9%
)96
.5%
(96.
7%
)A
RM
AX
,n
c=
321
4.0
1776
.089
.8%
(90.
9%
)96
.6%
(96.
7%
)A
RM
AX
,n
c=
421
4.1
1767
.489
.8%
(90.
9%
)96
.6%
(96.
7%
)O
E21
1.1
1713
.189
.8%
(90.
8%
)89
.8%
(90.
8%
)B
J,n
c=
nd
=1
211.
417
37.7
91.5
%(9
2.4
%)
96.3
%(9
6.4
%)
BJ,
nc=
nd
=2
212.
318
17.8
90.7
%(9
1.4
%)
96.3
%(9
6.5
%)
BJ,
nc=
nd
=3
214.
817
78.7
91.2
%(9
2.0
%)
96.5
%(9
6.7
%)
BJ,
nc=
nd
=4
212.
117
95.0
90.7
%(9
1.5
%)
96.5
%(9
6.7
%)
(b)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
2:
Ausg
ang
xk
a,
Last
mass
em
k=
200kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.8
Fall
3:A
usg
ang
xk,Last
mass
em
k=
400kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X39
4.6
897.
880
.6%
(81.
6%
)89
.1%
(89.
2%
)A
RM
AX
,n
c=
137
9.3
1537
.178
.7%
(79.
4%
)93
.2%
(93.
4%
)A
RM
AX
,n
c=
237
2.5
2954
.074
.1%
(74.
3%
)94
.7%
(94.
9%
)A
RM
AX
,n
c=
340
5.2
872.
681
.2%
(82.
2%
)94
.3%
(94.
4%
)A
RM
AX
,n
c=
440
2.4
838.
881
.2%
(82.
3%
)95
.2%
(95.
3%
)O
E41
3.4
845.
981
.2%
(82.
2%
)81
.2%
(82.
2%
)B
J,n
c=
nd
=1
384.
222
53.8
78.6
%(7
9.0
%)
92.9
%(9
3.1
%)
BJ,
nc=
nd
=2
410.
293
2.3
81.4
%(8
2.4
%)
95.2
%(9
5.6
%)
BJ,
nc=
nd
=3
407.
156
8.9
86.3
%(8
6.3
%)
95.9
%(9
6.2
%)
BJ,
nc=
nd
=4
405.
269
9.2
85.6
%(8
5.6
%)
96.5
%(9
6.6
%)
(c)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
3:
Ausg
ang
xk,
Last
mass
em
k=
400kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.9
Fall
4:A
usg
ang
xka,Last
mass
em
k=
400kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X38
5.8
344.
684
.9%
(86.
6%
)96
.2%
(96.
3%
)A
RM
AX
,n
c=
138
3.1
398.
184
.8%
(86.
5%
)96
.5%
(96.
8%
)A
RM
AX
,n
c=
237
8.6
871.
385
.1%
(86.
7%
)97
.5%
(97.
8%
)A
RM
AX
,n
c=
337
4.1
940.
884
.9%
(86.
4%
)97
.5%
(97.
8%
)A
RM
AX
,n
c=
438
4.6
901.
986
.0%
(87.
6%
)97
.7%
(98.
0%
)O
E39
8.5
1022
.786
.3%
(87.
8%
)86
.3%
(87.
8%
)B
J,n
c=
nd
=1
383.
635
9.6
91.0
%(9
2.0
%)
96.6
%(9
6.8
%)
BJ,
nc=
nd
=2
379.
110
22.8
90.3
%(9
1.2
%)
97.5
%(9
7.8
%)
BJ,
nc=
nd
=3
389.
577
7.8
96.3
%(9
6.2
%)
97.9
%(9
8.1
%)
BJ,
nc=
nd
=4
389.
777
8.6
96.3
%(9
6.3
%)
98.1
%(9
8.3
%)
(d)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
4:
Ausg
ang
xk
a,
Last
mass
em
k=
400kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.1
0
Tab
elle
6.2:
Lab
orex
peri
men
t:Id
enti
fikat
ions
erge
bnis
sede
rLas
tmec
hani
koh
neB
eruc
ksic
htig
ung
desFu
ndam
ents
;Mod
ellh
ypot
hese
linea
-re
sM
odel
l1.O
rdnu
ng(6
.60)
;dar
gest
ellt
sind
die
gesc
hatz
ten
Par
amet
erm
kun
dd
kde
rge
wah
lten
Ans
atze
(AR
X,A
RM
AX
,O
E,
BJ)
mit
den
erzi
elte
nFit
sin
der
Sim
ulat
ion
und
inde
rP
radi
ktio
nfu
rde
nV
alid
ieru
ngs-
und
fur
den
Iden
tifik
ati-
onsd
aten
satz
,Fit
fur
den
Iden
tifik
atio
nsda
tens
atz
jew
eils
inK
lam
mer
nan
gege
ben,
zur
Defi
niti
onde
sFit
ssi
ehe
Gl.
( 6.1
)
6.5 Identifikation der Lastmechanik 119
Identi
fikation
der
Last
mech
anik
mit
Beru
cksi
chtigung
des
Fundam
ents
(Modell
3.O
rdnung)
Fall
5:A
usg
ang
xk,Last
mass
em
k=
200kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X26
5.8
1192
.478
.3%
(79.
7%
)97
.9%
(98.
2%
)A
RM
AX
,n
c=
126
4.6
1374
.078
.9%
(80.
2%
)98
.0%
(98.
3%
)A
RM
AX
,n
c=
226
3.4
1399
.979
.2%
(80.
5%
)98
.0%
(98.
3%
)A
RM
AX
,n
c=
326
0.6
1493
.379
.8%
(81.
0%
)98
.1%
(98.
3%
)A
RM
AX
,n
c=
425
2.5
1781
.981
.4%
(82.
5%
)98
.4%
(98.
5%
)O
E19
9.9
2140
.389
.9%
(90.
5%
)89
.9%
(90.
5%
)B
J,n
c=
nd
=1
250.
114
49.5
83.0
%(8
4.0
%)
98.0
%(9
8.2
%)
BJ,
nc=
nd
=2
235.
821
18.5
84.0
%(8
4.5
%)
98.1
%(9
8.4
%)
BJ,
nc=
nd
=3
219.
521
21.9
85.1
%(8
5.5
%)
98.4
%(9
8.5
%)
BJ,
nc=
nd
=4
221.
422
05.2
84.8
%(8
5.2
%)
98.5
%(9
8.7
%)
(a)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
5m
itA
usg
ang
xk
und
Mass
em
k=
200kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.1
1
Fall
6:A
usg
ang
xka,Last
mass
em
k=
200kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X23
1.7
1590
.885
.8%
(87.
5%
)98
.2%
(98.
5%
)A
RM
AX
,n
c=
123
4.6
1566
.085
.2%
(86.
9%
)98
.3%
(98.
5%
)A
RM
AX
,n
c=
223
0.3
1597
.986
.1%
(87.
8%
)98
.5%
(98.
7%
)A
RM
AX
,n
c=
323
1.4
1596
.385
.9%
(87.
6%
)98
.5%
(98.
6%
)A
RM
AX
,n
c=
423
3.2
1603
.685
.6%
(87.
2%
)98
.6%
(98.
7%
)O
E60
1.4
1220
6.0
92.3
%(9
3.2
%)
92.3
%(9
3.2
%)
BJ,
nc=
nd
=1
231.
917
73.4
88.5
%(8
9.5
%)
98.3
%(9
8.6
%)
BJ,
nc=
nd
=2
233.
315
43.6
89.2
%(9
1.0
%)
98.3
%(9
8.6
%)
BJ,
nc=
nd
=3
231.
216
14.1
88.1
%(8
9.4
%)
98.6
%(9
8.7
%)
BJ,
nc=
nd
=4
229.
115
97.6
89.3
%(9
0.7
%)
98.8
%(9
8.9
%)
(b)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
6:
Ausg
ang
xk
a,
Last
mass
em
k=
200kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.1
2
Fall
7:A
usg
ang
xk,Last
mass
em
k=
400kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X57
1.9
-491
.7in
stab
ilA
RM
AX
,n
c=
154
0.9
-309
.0in
stab
ilA
RM
AX
,n
c=
239
7.6
1358
.292
.3%
(92.
6%
)97
.7%
(97.
9%
)A
RM
AX
,n
c=
352
0.1
2518
.974
.4%
(74.
4%
)98
.2%
(98.
2%
)A
RM
AX
,n
c=
453
8.9
2005
.873
.8%
(73.
8%
)98
.3%
(98.
3%
)O
E39
3.7
1301
.193
.0%
(93.
5%
)93
.0%
(93.
5%
)B
J,n
c=
nd
=1
482.
1-1
04.7
inst
abil
BJ,
nc=
nd
=2
408.
710
74.9
84.7
%(8
4.9
%)
98.2
%(9
8.3
%)
BJ,
nc=
nd
=3
415.
111
46.8
85.3
%(8
5.4
%)
98.5
%(9
8.5
%)
BJ,
nc=
nd
=4
449.
878
0.0
84.7
%(8
4.8
%)
98.4
%(9
8.4
%)
(c)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
7:
Ausg
ang
xk,
Last
mass
em
k=
400kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.1
3
Fall
8:A
usg
ang
xka,Last
mass
em
k=
400kg
Iden
tifika
tion
s-m
kd
kFit
inder
verf
ahre
n[k
g][N
s/m
]Sim
ula
tion
Pra
dik
tion
AR
X41
9.4
751.
493
.0%
(93.
4%
)98
.4%
(98.
5%
)A
RM
AX
,n
c=
141
5.7
732.
093
.4%
(93.
9%
)98
.4%
(98.
4%
)A
RM
AX
,n
c=
241
3.1
738.
893
.7%
(94.
2%
)98
.5%
(98.
5%
)A
RM
AX
,n
c=
340
9.2
782.
794
.1%
(94.
6%
)98
.5%
(98.
6%
)A
RM
AX
,n
c=
440
7.6
848.
694
.2%
(94.
7%
)98
.6%
(98.
7%
)O
E24
6.6
3681
.295
.4%
(95.
6%
)95
.4%
(95.
6%
)B
J,n
c=
nd
=1
411.
489
4.8
94.0
%(9
4.4
%)
98.5
%(9
8.5
%)
BJ,
nc=
nd
=2
411.
410
41.8
93.7
%(9
4.1
%)
98.5
%(9
8.5
%)
BJ,
nc=
nd
=3
400.
979
4.4
inst
abil
BJ,
nc=
nd
=4
400.
179
6.3
inst
abil
(d)
Iden
tifika
tionse
rgeb
nis
sevon
Fall
8:
Ausg
ang
xk
a,
Last
mass
em
k=
400kg;
zur
Dis
kuss
ion
der
Erg
ebnis
sesi
ehe
Bem
erkung
6.1
4
Tab
elle
6.3:
Lab
orex
peri
men
t:Id
enti
fikat
ions
erge
bnis
sede
rLas
tmec
hani
km
itB
eruc
ksic
htig
ung
des
Fund
amen
ts;M
odel
lhyp
othe
selin
ea-
res
Mod
ell3
.Ord
nung
(6.6
1);d
arge
stel
ltsi
nddi
ege
scha
tzte
nPar
amet
erm
kun
dd
kde
rge
wah
lten
Ans
atze
(AR
X,A
RM
AX
,O
E,
BJ)
mit
den
erzi
elte
nFit
sin
der
Sim
ulat
ion
und
inde
rP
radi
ktio
nfu
rde
nV
alid
ieru
ngs-
und
fur
den
Iden
tifik
ati-
onsd
aten
satz
,Fit
fur
den
Iden
tifik
atio
nsda
tens
atz
jew
eils
inK
lam
mer
nan
gege
ben,
zur
Defi
niti
onde
sFit
ssi
ehe
Gl.
( 6.1
)
120 Kapitel 6. Experimentelle Identifikation
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0p
L(t
)−
pL
Zei
tt
[s]
Eingang
[bar]
(a)
Ein
gangsi
gnalu(t
):=
pL(t
)−
pL
Iden
tifika
tion
s-m
kd
kk
last
ala
stFit
inder
ansa
tz[k
g][N
s/m
][m
3
N·s]
[1/s
]Sim
ula
tion
Pra
dik
tion
AR
X21
2.9
1527
.16.
06·1
0−7
7.17
89.1
%(9
0.5
%)
95.9
%(9
6.2
%)
AR
MA
X,n
c=
121
1.7
1711
.35.
41·1
0−7
8.08
89.8
%(9
0.8
%)
96.2
%(9
6.4
%)
OE
211.
117
13.1
5.40·1
0−7
8.11
89.8
%(9
0.8
%)
89.8
%(9
0.8
%)
BJ,
nc=
nd
=1
211.
417
37.7
5.33·1
0−7
8.22
91.5
%(9
2.4
%)
96.3
%(9
6.4
%)
(b)
ges
chatz
tePara
met
erm
k,d
k,k
last
und
ala
st
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,
Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
6.0
12.0
18.0
-1.0
0
-0.5
0
0.00
0.50
1.00
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
0
-0.5
0
0.00
0.50
1.00
y(t
)
ARX
[m/s]
y s(t
)[m
/s]
y(t
)−
y s(t
)[m
/s]
y p(t
)[m
/s]
y(t
)−
y p(t
)[m
/s]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xk
a(t
)−
xk
a,des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
pL(t
)−
pL
Bild
6.11
:Lab
orex
peri
men
t:Fa
ll2;
Iden
tifik
atio
nser
gebn
isse
derLas
tmec
han
ikoh
neB
eruc
ksic
htig
ung
des
Fund
amen
ts,l
inea
res
Mod
ell
1.O
rdnu
ng(6
.60)
erzi
eltm
itFuh
rung
ssig
nalR
echt
eck
Am
plit
ude
2.52
mm
,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s,
eine
mP
-Reg
ler,
der
Las
tmas
sem
k=
200k
gun
dde
rP
radi
ktio
nsfe
hler
met
hode
(PE
M)
mit
den
Ans
atze
n:A
RX
,A
RM
AX
,O
Eun
dB
J
6.5 Identifikation der Lastmechanik 121
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0p
L(t
)−
pL
Zei
tt
[s]
Eingang
[bar]
(a)
Ein
gangsi
gnalu(t
):=
pL(t
)−
pL
Iden
tifika
tion
s-m
kd
kk
last
ala
stFit
inder
ansa
tz[k
g][N
s/m
][m
3
N·s]
[1/s
]Sim
ula
tion
Pra
dik
tion
AR
X38
5.8
344.
62.
69·1
0−6
0.89
84.9
%(8
6.6
%)
96.2
%(9
6.3
%)
AR
MA
Xn
c=
438
4.6
901.
91.
03·1
0−6
2.34
86.0
%(8
7.6
%)
97.7
%(9
8.0
%)
OE
398.
510
22.7
9.05·1
0−7
2.57
86.3
%(8
7.8
%)
86.3
%(8
7.8
%)
BJ
nc=
nd
=3
389.
577
7.8
1.19·1
0−6
2.00
96.3
%(9
6.2
%)
97.9
%(9
8.1
%)
(b)
ges
chatz
tePara
met
erm
k,d
k,k
last
und
ala
st
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,
Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
6.0
12.0
18.0
-1.0
0
-0.5
0
0.00
0.50
1.00
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
0
-0.5
0
0.00
0.50
1.00
y(t
)
ARX
[m/s]
y s(t
)[m
/s]
y(t
)−
y s(t
)[m
/s]
y p(t
)[m
/s]
y(t
)−
y p(t
)[m
/s]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xk
a(t
)−
xk
a,des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
pL(t
)−
pL
Bild
6.12
:Lab
orex
peri
men
t:Fa
ll4;
Iden
tifik
atio
nser
gebn
isse
derLas
tmec
han
ikoh
neB
eruc
ksic
htig
ung
des
Fund
amen
ts,l
inea
res
Mod
ell
1.O
rdnu
ng(6
.60)
erzi
eltm
itFuh
rung
ssig
nalR
echt
eck
Am
plit
ude
1.26
mm
,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s,
eine
mP
-Reg
ler,
der
Las
tmas
sem
k=
400k
gun
dde
rP
radi
ktio
nsfe
hler
met
hode
(PE
M)
mit
den
Ans
atze
n:A
RX
,A
RM
AX
,O
Eun
dB
J
122 Kapitel 6. Experimentelle Identifikation
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0p
L(t
)−
pL
Zei
tt
[s]
Eingang
[bar]
(a)
Ein
gangsi
gnalu(t
):=
pL(t
)−
pL
Iden
tifika
tion
s-m
kd
kk
last
ala
stFit
inder
ansa
tz[k
g][N
s/m
][m
3
N·s]
[1/s
]Sim
ula
tion
Pra
dik
tion
AR
X26
5.8
1192
.47.
76·1
0−7
4.49
78.3
%(7
9.7
%)
97.9
%(9
8.2
%)
AR
MA
Xn
c=
226
3.4
1399
.96.
61·1
0−7
5.31
79.2
%(8
0.5
%)
98.0
%(9
8.3
%)
OE
199.
921
40.3
4.33·1
0−7
10.7
189
.9%
(90.
5%
)89
.9%
(90.
5%
)B
Jn
c=
nd
=1
250.
114
49.5
6.39·1
0−7
5.80
83.0
%(8
4.0
%)
98.0
%(9
8.2
%)
(b)
ges
chatz
tePara
met
erm
k,d
k,k
last
und
ala
st
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,
Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
6.0
12.0
18.0
-1.0
0
-0.5
0
0.00
0.50
1.00
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
0
-0.5
0
0.00
0.50
1.00
y(t
)
ARX
[m/s]
y s(t
)[m
/s]
y(t
)−
y s(t
)[m
/s]
y p(t
)[m
/s]
y(t
)−
y p(t
)[m
/s]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xk(t
)−
xk,
des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
pL(t
)−
pL
Bild
6.13
:Lab
orex
peri
men
t:Fa
ll5;
Iden
tifik
atio
nser
gebn
isse
derLas
tmec
han
ikm
itB
eruc
ksic
htig
ung
des
Fund
amen
ts,lin
eare
sM
odel
l3.
Ord
nung
(6.6
1)er
ziel
tm
itFuh
rung
ssig
nalR
echt
eck
Am
plit
ude
2.52
mm
,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s,
eine
mP
-Reg
ler,
der
Las
tmas
sem
k=
200k
gun
dde
rP
radi
ktio
nsfe
hler
met
hode
(PE
M)
mit
den
Ans
atze
n:A
RX
,A
RM
AX
,O
Eun
dB
J
6.5 Identifikation der Lastmechanik 123
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0p
L(t
)−
pL
Zei
tt
[s]
Eingang
[bar]
(a)
Ein
gangsi
gnalu(t
):=
pL(t
)−
pL
Iden
tifika
tion
s-m
kd
kk
last
ala
stFit
inder
ansa
tz[k
g][N
s/m
][m
3
N·s]
[1/s
]Sim
ula
tion
Pra
dik
tion
AR
Xin
stab
ilA
RM
AX
nc=
439
7.6
1358
.26.
82·1
0−7
3.42
92.3
%(9
2.6
%)
97.7
%(9
7.9
%)
OE
393.
713
01.1
7.12·1
0−7
3.31
93.0
%(9
3.5
%)
93.0
%(9
3.5
%)
BJ
nc=
nd
=3
415.
111
46.8
8.07·1
0−7
2.76
85.3
%(8
5.4
%)
98.5
%(9
8.5
%)
(b)
ges
chatz
tePara
met
erm
k,d
k,k
last
und
ala
st
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,
Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-0.2
0
-0.1
0
0.00
0.10
0.20
-0.0
4
-0.0
2
0.00
0.02
0.04
-1.0
0
-0.5
0
0.00
0.50
1.00
-1.0
0
-0.5
0
0.00
0.50
1.00
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
0.2
0.3
0.4
-0.2
0
-0.1
0
0.00
0.10
0.20
0.0
0.2
0.3
0.4
-0.0
4
-0.0
2
0.00
0.02
0.04
0.0
6.0
12.0
18.0
-1.0
0
-0.5
0
0.00
0.50
1.00
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
0
-0.5
0
0.00
0.50
1.00
y(t
)
ARX
[m/s]
y s(t
)[m
/s]
y(t
)−
y s(t
)[m
/s]
y p(t
)[m
/s]
y(t
)−
y p(t
)[m
/s]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xk(t
)−
xk,
des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
pL(t
)−
pL
Bild
6.14
:Lab
orex
peri
men
t:Fa
ll7;
Iden
tifik
atio
nser
gebn
isse
derLas
tmec
han
ikm
itB
eruc
ksic
htig
ung
des
Fund
amen
ts,lin
eare
sM
odel
l3.
Ord
nung
(6.6
1)er
ziel
tm
itFuh
rung
ssig
nalR
echt
eck
Am
plit
ude
1.26
mm
,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s,
eine
mP
-Reg
ler,
der
Las
tmas
sem
k=
400k
gun
dde
rP
radi
ktio
nsfe
hler
met
hode
(PE
M)
mit
den
Ans
atze
n:A
RX
,A
RM
AX
,O
Eun
dB
J
124 Kapitel 6. Experimentelle Identifikation
Bemerkung 6.9 (Identifikationsergebnisse Fall 3):Die Identifikationsergebnisse von Fall 3 mit Ausgang xk, Masse mk = 400 kg und einem linearenModell 1. Ordnung (6.60) als Modellhypothese sind in Tabelle 6.2(c) dargestellt.Der BJ-Ansatz mit nc = nd = 3 besitzt mit 86.3 % den besten Fit in der Simulation und bringthiermit eine deutliche Verbesserung gegenuber dem OE Ansatz mit einem Simulations-Fit von81.2 %.Das inverse Fehlermodell des BJ-Modells unterdruckt den storenden Einfluß der Resonanz desFundaments. Ein Filter, welches ein bestimmtes Frequenzband unterdruckt, wird in der Nach-richtentechnik als Sperrfilter bezeichnet.Diese Ausgestaltung des Fehlermodells als ein Sperrfilter ist ein Beispiel fur den Einsatz einesFehlermodells zur Abschwachung des Einflusses einer nicht modellierten Dynamik.
Bemerkung 6.10 (Identifikationsergebnisse Fall 4):Die Identifikationsergebnisse von Fall 4 mit Ausgang xka, Masse mk = 400 kg und einem linearenModell 1. Ordnung (6.60) als Modellhypothese sind in Tabelle 6.2(d) und in Bild 6.12 dargestellt.Der BJ-Ansatz mit nc = nd = 3 besitzt mit 96.3 % den besten Fit in der Simulation mit derkleinsten Ordnung des Fehlermodells innerhalb der BJ-Ansatze. Das inverse Fehlermodell bildeteinen Hochpass.Der OE-Ansatz liefert einen 10 Prozentpunkte schlechteren Simulations-Fit.Die Ansatze ARX und ARMAX sind nur wenig schlechter als der OE-Ansatz.Der ARMAX-Ansatz mit nc = 4 liefert den besten Simulations-Fit innerhalb der ARMAX-Ansatze. Das inverse Fehlermodell zeigt auch Hochpass-Charakter.Hier bringt der BJ-Ansatz mit dem Fehlermodell eine deutliche Verbesserung des Modells.Die geschatzten Massen mk stimmen gut mit der Massen aus dem statischen Druck mk,stat =381.0 kg uberein. Die geschatzten Dampfungen dk schwanken relativ stark.
Bemerkung 6.11 (Identifikationsergebnisse Fall 5):Die Identifikationsergebnisse von Fall 5 mit Ausgang xk, Masse mk = 200kg und einem linearenModell 3. Ordnung (6.61) als Modellhypothese sind in Tabelle 6.3(a) und in Bild 6.13 dargestellt.Der OE-Ansatz bringt mit 89.9 % den besten Fit in der Simulation. Der BJ-Ansatz ist um mehrals 4 Prozentpunkte schlechter.
Bemerkung 6.12 (Identifikationsergebnisse Fall 6):Die Identifikationsergebnisse von Fall 6 mit Ausgang xka, Masse mk = 200 kg und einem linearenModell 3. Ordnung (6.61) als Modellhypothese sind in Tabelle 6.3(b) dargestellt.Der OE-Ansatz bringt mit 92.3 % den besten Fit in der Simulation.
Bemerkung 6.13 (Identifikationsergebnisse Fall 7):Die Identifikationsergebnisse von Fall 7 mit Ausgang xk, Masse mk = 400 kg und einem linearenModell 3. Ordnung (6.61) als Modellhypothese sind in Tabelle 6.3(c) und in Bild 6.14 dargestellt.Der OE-Ansatz bringt mit 93.0 % den besten Fit in der Simulation. Der BJ-Ansatz ist um mehrals 6 Prozentpunkte schlechter.Der ARMAX-Ansatz mit nc = 2 liefert einen wenig schlechteren Fit als der OE-Ansatz.
Bemerkung 6.14 (Identifikationsergebnisse Fall 8):Die Identifikationsergebnisse von Fall 8 mit Ausgang xka, Masse mk = 400 kg und einem linearenModell 3. Ordnung (6.61) als Modellhypothese sind in Tabelle 6.3(d) dargestellt.Der OE-Ansatz bringt mit 95.4 % den besten Fit in der Simulation, dicht gefolgt von denanderen.
6.6 Identifikation der Mechanik des Fundaments 125
Der Fall 4 mit BJ-Ansatz bei nc = nd = 3 besitzt mit 96.3 % den besten Fit in der Simulationim Vergleich zu den anderen Fallen.Bei einer Lastmasse mk = 400 kg liegt die Polstelle −dk/mk naher am Ursprung als bei mk =200 kg und wird dadurch schlechter angeregt, wodurch die geschatzten Werte fur die Dampfungdk mehr streuen.
6.6 Identifikation der Mechanik des Fundaments
Das mathematische Modell des Teilsystems Mechanik des Fundaments beschreibt das Verhaltenzwischen dem Lastdruck pL und der Bewegung des Fundamentblocks xG xG und xG und derBewegung der Zylinderkolbenstange xk.Das Ziel der Identifikation ist die Bestimmung der physikalischen Modellparameter mG, dG undcG des Fundaments.Als Ausgang fur die Identifikation wird die gemessene Auslenkung des Fundaments xG verwen-det, weil die zugehorige Ubertragungsfunktion (A.72) eine geringere Zahlerpotenz besitzt als dieUbertragungsfunktion (A.74).Die Mechanik des Fundaments ist mit der Lastmechanik uber die Dampfungskonstante dk ver-koppelt. Im folgenden wird fur die Identifikation des Fundaments die Verkopplung mit der Last-mechanik vernachlassigt, da die Dampfungskonstante dk ≈ 500 Ns/m sehr gering ist und derAbstand zwischen der Resonanzfrequenz des Fundaments zur Knickfrequenz der Lastmechanikmehr als 1 Dekade (ca. 25 Hz zu ca. 0.4 Hz) betragt.Aus der Ubertragungsfunktion (A.72) folgt mit der Annahme dG
mGÀ dk
mGfur den Koeffizienten
b2 (A.57a):
GmFxG, pL
(s) =XG(s)PL(s)
≈ − Ak
mG· s
s + dkmk
· 1s2 + dG
mG· s + cG
mG
. (6.62)
Die Ubertragungsfunktion (6.62) besitzt eine Nullstelle im Ursprung (Differenzierer), die reellePolstelle der Lastmechanik bei −aLast = −dk/mk (A.33b) und die Resonanz des Fundamentsbei ωG1 :=
√cGmG
mit der Dampfung ζG1 := dG2·√cG·mG
siehe Gl. (A.54). Die Nullstelle im Ur-sprung und die reelle Polstelle bei −aLast bilden einen Hochpass 1. Ordnung mit einer relativzur Resonanzfrequenz des Fundaments liegenden niedrigen Grenzfrequenz. Ein Hochpass 1. Ord-nung muss vergleichbar wie ein Tiefpass fur die Identifikation um die Grenzfrequenz angeregtwerden (vgl. Kapitel C.3.1). Im Identifikationsexperiment mussten sowohl die Knickfrequenzder Lastmechanik und die Resonanz des Fundaments angeregt werden. Die Knickfrequenz derLastmechanik wird im Vergleich zur Resonanz des Fundaments nur schwach angeregt.Daher dient die folgende lineare, zeitkontinuierliche Ubertragungsfunktion 2.Ordnung ohne Last-mechanik als Modellhypothese:
XG(s)PL(s)
= −Ak
cG·
cGmG
s2 + dGmG
· s + cGmG
(6.63)
mit den zu schatzenden physikalischen Modellparametern des Fundaments mG, dG und cG undder Zylinderkolbenflache Ak als bekanntem Parameter.Vor der Identifikation ist es sinnvoll, die jeweiligen Mittelwerte von den gemessenen SignalenxG und pL abzuziehen, da die ursprungliche Ubertragungsfunktion (A.72) eine Nullstelle imUrsprung besitzt, d.h. ein konstanter Druck pL, C kann keine konstante Auslenkung des Funda-ments xG,C erzeugen.
126 Kapitel 6. Experimentelle Identifikation
Die Daten des Identifikationsexperiments lauten:
– Regler : P-Regler mit kp = 400
– Fuhrungssignal des Reg-lers
: Rechtecksignal (vgl. Kapitel E.1.2):
Datensatz fur Identifikation ValidierungLastmasse mk [kg] 200 400 200 400Amplitude A [mm] 2.8 1.4 2.52 1.26Periodendauer T [s] 0.25Anstiegszeit tan [s] 0.01
Der Identifikations- und der Validierungsdatensatz sindLaborexperimente mit gleicher Form der Ansteuerung;die Amplitude fur die Validierung ist um 10 % geringer.
– Abtastrate : fabst = 2 kHz
– Meßdauer : 0.5 s
– mechanische Last : mk = 200 kg und 400 kg
– Versorgungsdruck : pS = 150 bar
– Gemessene Signale : xG und pL
– Identifikationsgleichungen : lineare, zeitdiskrete Ubertragungsfunktionen zu Gl.(6.63)
G(q) =b1 ·q−1
1 + a1 ·q−1 + a2 ·q−2(6.64)
(nb = 1; na bzw. nf = 2; nk = 1)
– Identifizierte Modellpara-meter
: mG, dG und cG
– Signalvorverarbeitung : bei den gemessenen Signalen xG und pL werden jeweilsihre Mittelwerte abgezogen;
Abtastrate auf 400 Hz reduziert (Downsampling)
– Identifikationsverfahren : Pradiktionsfehlermethode mit folgenden Modellansatzen:
– ARX
– ARMAX mit nc von 1 bis 4
– OE
– BJ mit nc = nd von 1 bis 4
6.6 Identifikation der Mechanik des Fundaments 127
– Geschatzte Parameterwer-te der Modellgleichungen
: Modellhypothese Gl. (6.63)
Lastmasse Ausgang xG
Fall 1:mk = 200kg Tabelle 6.4(a)
Bild 6.15Fall 2:
mk = 400kg Tabelle 6.4(b)Bild 6.16
Zur Beurteilung der Schatzung sind in den folgenden Tabellen 6.4(a) und 6.4(b) und auf denBildern 6.15(b) und 6.16(b) die erzielten Fits in der Simulation und in der Pradiktion fur denValidierungs- und fur den Identifikationsdatensatz angegeben. Der Fit fur den Identifikations-datensatz steht jeweils in Klammern. Die Definition des Fits erfolgt in Gl. (6.1). Der Fit in derSimulation mit dem Validierungsdatensatz gibt die Qualitat des identifizierten Modells wieder.
Bemerkung 6.15 (Identifikationsergebnisse Fall 1):Die Identifikationsergebnisse von Fall 1 mit einer Lastmasse mk = 200 kg sind in der Tabelle6.4(a) und im Bild 6.15 dargestellt.Der BJ-Ansatz mit nc = nd = 1 besitzt den besten Fit in der Simulation mit 86.8 % bei einemFehlermodell mit geringer Ordnung. Der OE-Ansatz ist nur 0.1 Prozentpunkte schlechter. Diegeschatzten Parameter unterscheiden sich kaum. Innerhalb des ARMAX-Ansatzes besitzt dasFehlermodell mit nc = 1 den besten Fit in der Simulation.Der ARX-Ansatz ist mit einem Fit von 78.4 % in der Simulation deutlich schlechter als der Rest.
Bemerkung 6.16 (Identifikationsergebnisse Fall 2):Die Identifikationsergebnisse von Fall 2 mit einer Lastmasse mk = 400 kg sind in der Tabelle6.4(b) und im Bild 6.16 dargestellt.Der BJ-Ansatz mit nc = nd = 3 besitzt den besten Fit in der Simulation mit 87.8 % bei einemFehlermodell mit geringer Ordnung. Der OE-Ansatz ist wie in Fall 1 nur 0.1 Prozentpunkteschlechter. Die geschatzten Parameter unterscheiden sich wie in Fall 1 nur geringfugig. Innerhalbdes ARMAX-Ansatzes besitzt das Fehlermodell mit nc = 4 den besten Fit in der Simulation.Der ARX-Ansatz ist mit einem Fit von 76.7 % in der Simulation deutlich schlechter als der Rest.Der Unterschied ist hier etwas großer als in Fall 1.
Die geschatzten Parameter und die erzielten Fits in der Simulation sind nahezu unabhangig vonder Lastmasse mk.Die geschatzte Masse mG des Fundaments ist mit ca. 3 t relative hoch. Das Fundament soll eineMasse von 1 bis 1.5 t haben.
Da die inversen Fehlermodelle eine Sperrwirkung um die Resonanzfrequenz von 24 Hz haben,lasst sich vermuten, dass das Fundament nicht nur eine, sondern aufgrund der raumlichen Be-wegung weiter benachbarte Resonanzen besitzt.Beim OE-Ansatz, wo aufgrund des fehlenden Fehlermodells der Pradiktionfehler gleich demSimulationfehler ist, ist im Fehlersignal deutlich eine Schwingung zu erkennen, die leicht hoherals die Resonanzfrequenz ist, siehe Bild 6.15(c) und 6.16(c).Die inversen Fehlermodelle bei ARX-, ARMAX- und BJ-Ansatz versuchen diese Storung zuunterdrucken, was auch gut funktioniert, wie man aus den geringen Pradiktionfehlern erkennenkann.
128 Kapitel 6. Experimentelle Identifikation
Identifikation der Mechanik des Fundaments(lineares Modell 2. Ordnung)
Fall 1: Lastmasse mk=200kg
Identifikations- mG dG cG f0 Fit in derverfahren [kg] [Ns/m] [N/m] [Hz] Simulation Pradiktion
ARX 2690.5 99907.7 6.33 · 107 24.4 78.4 % (78.9 %) 93.4 % (93.9 %)ARMAX nc = 1 2818.1 83715.1 6.48 · 107 24.1 84.0 % (84.8 %) 94.5 % (94.9 %)ARMAX nc = 2 2737.6 86272.1 6.35 · 107 24.2 82.4 % (83.1 %) 94.7 % (95.1 %)ARMAX nc = 3 2735.7 86438.7 6.35 · 107 24.2 82.4 % (83.0 %) 94.8 % (95.1 %)ARMAX nc = 4 2789.2 85346.2 6.44 · 107 24.2 83.4 % (84.2 %) 94.9 % (95.2 %)OE 3150.5 76309.5 7.08 · 107 23.9 86.7 % (87.9 %) 86.7 % (87.9 %)BJ nc = nd = 1 3129.3 76348.3 7.04 · 107 23.9 86.8 % (88.0 %) 94.0 % (94.4 %)BJ nc = nd = 2 2964.4 78725.7 6.76 · 107 24.0 86.3 % (87.1 %) 94.9 % (95.2 %)BJ nc = nd = 3 3099.8 77385.0 6.99 · 107 23.9 86.8 % (87.9 %) 95.0 % (95.3 %)BJ nc = nd = 4 3107.2 77309.6 7.01 · 107 23.9 86.8 % (88.0 %) 95.0 % (95.4 %)
(a) Identifikationsergebnisse von Fall 1 mit Lastmasse mk=200kg; siehe Bemerkung 6.15
Fall 2: Lastmasse mk=400kg
Identifikations- mG dG cG f0 Fit in derverfahren [kg] [Ns/m] [N/m] [Hz] Simulation Pradiktion
ARX 2733.6 117837.0 6.52 · 107 24.6 76.7 % (75.9 %) 90.6 % (92.5 %)ARMAX nc = 1 3001.0 82874.8 6.91 · 107 24.2 87.0 % (86.4 %) 92.8 % (94.1 %)ARMAX nc = 2 2939.6 85028.2 6.81 · 107 24.2 86.4 % (85.7 %) 93.1 % (94.3 %)ARMAX nc = 3 2967.2 84169.2 6.86 · 107 24.2 87.0 % (86.2 %) 93.9 % (94.9 %)ARMAX nc = 4 2976.8 84476.7 6.86 · 107 24.2 87.1 % (86.4 %) 94.0 % (94.9 %)OE 3184.7 81346.5 7.22 · 107 24.0 87.7 % (87.3 %) 87.7 % (87.3 %)BJ nc = nd = 1 3167.2 80309.7 7.17 · 107 23.9 87.5 % (87.5 %) 92.6 % (93.6 %)BJ nc = nd = 2 2980.0 83791.8 6.88 · 107 24.2 87.2 % (86.5 %) 93.3 % (94.4 %)BJ nc = nd = 3 3021.0 83347.6 6.94 · 107 24.1 87.8 % (87.2 %) 94.1 % (95.0 %)BJ nc = nd = 4 3032.1 83533.9 6.96 · 107 24.1 87.8 % (87.2 %) 94.1 % (95.1 %)
(b) Identifikationsergebnisse von Fall 2 mit Lastmasse mk=400kg; siehe Bemerkung 6.16
Tabelle 6.4: Laborexperiment: Identifikation der Mechanik des Fundaments (lineares Modell2. Ordnung), dargestellt sind die geschatzten Parameter mG, dG und cG der gewahl-ten Ansatze (ARX, ARMAX, OE, BJ), die aus den geschatzten Parametern berech-
nete Resonanzfrequenz f0 := 12·π ·
√cGmG
und die erzielten Fits in der Simulation undin der Pradiktion fur den Validierungs- und fur den Identifikationsdatensatz; der Fitfur den Identifikationsdatensatz ist jeweils in Klammern angegeben, zur Definitiondes Fits siehe Gl. (6.1)
6.6 Identifikation der Mechanik des Fundaments 129
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0p
L(t
)−
pL
Zei
tt
[s]
Eingang
[bar]
(a)
Ein
gangsi
gnalu(t
):=
pL(t
)−
pL
Iden
tifika
tion
s-m
Gd
Gc G
f 0Fit
inder
verf
ahre
n[k
g][N
s/m
][N
/m]
[Hz]
Sim
ula
tion
Pra
dik
tion
AR
X26
90.5
9990
7.7
6.33·1
0724
.478
.4%
(78.
9%
)93
.4%
(93.
9%
)A
RM
AX
nc=
128
18.1
8371
5.1
6.48·1
0724
.184
.0%
(84.
8%
)94
.5%
(94.
9%
)O
E31
50.5
7630
9.5
7.08·1
0723
.986
.7%
(87.
9%
)86
.7%
(87.
9%
)B
Jn
c=
nd
=1
3129
.376
348.
37.
04·1
0723
.986
.8%
(88.
0%
)94
.0%
(94.
4%
)(b
)ges
chatz
tePara
met
erm
G,
dG
und
c G,
Res
onanzf
requen
zf 0
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,
Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-100
.0
-50.
0
0.0
50.0
100.
0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
-1.0
-0.50.0
0.5
1.0
-100
.0
-50.
0
0.0
50.0
100.
0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
-1.0
-0.50.0
0.5
1.0
-100
.0
-50.
0
0.0
50.0
100.
0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
-1.0
-0.50.0
0.5
1.0
0.0
0.2
0.3
0.4
-100
.0
-50.
0
0.0
50.0
100.
0
0.0
0.2
0.3
0.4
-100
.0
-50.
0
0.0
50.0
100.
0
0.0
0.2
0.3
0.4
-20.
0
-10.
0
0.0
10.0
20.0
0.0
0.2
0.3
0.4
-100
.0
-50.
0
0.0
50.0
100.
0
0.0
0.2
0.3
0.4
-20.
0
-10.
0
0.0
10.0
20.0
0.0
6.0
12.0
18.0
-1.0
-0.50.0
0.5
1.0
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
y(t
)
ARX
[µm
]y s
(t)
[µm
]y(t
)−
y s(t
)[µ
m]
y p(t
)[µ
m]
y(t
)−
y p(t
)[µ
m]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xG
(t)−
xG
,des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
,des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
),des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−y
p(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
pL(t
)−
pL
Bild
6.15
:Lab
orex
peri
men
t:Fa
ll1;
Iden
tifik
atio
nde
rM
echa
nik
des
Fund
amen
ts(l
inea
res
Mod
ell2
.Ord
nung
)fu
rLas
tmas
sem
k=
200k
g;si
ehe
Bem
erku
ng6.
15;
P-R
egle
run
dR
echt
ecks
igna
lA
mpl
itud
e2.
52m
m,
Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s
als
Fuh
rung
ssig
nal
130 Kapitel 6. Experimentelle Identifikation
0.0
0.2
0.3
0.4
-100
.0
-60.
0
-20.
0
20.0
60.0
100.
0p
L(t
)−
pL
Zei
tt
[s]
Eingang
[bar]
(a)
Ein
gangsi
gnalu(t
):=
pL(t
)−
pL
Iden
tifika
tion
s-m
Gd
Gc G
f 0Fit
inder
verf
ahre
n[k
g][N
s/m
][N
/m]
[Hz]
Sim
ula
tion
Pra
dik
tion
AR
X27
33.6
1178
37.0
6.52·1
0724
.676
.7%
(75.
9%
)90
.6%
(92.
5%
)A
RM
AX
nc=
429
76.8
8447
6.7
6.86·1
0724
.287
.1%
(86.
4%
)94
.0%
(94.
9%
)O
E31
84.7
8134
6.5
7.22·1
0724
.087
.7%
(87.
3%
)87
.7%
(87.
3%
)B
Jn
c=
nd
=3
3021
.083
347.
66.
94·1
0724
.187
.8%
(87.
2%
)94
.1%
(95.
0%
)(b
)ges
chatz
tePara
met
erm
G,
dG
und
c G,
Res
onanzf
requen
zf 0
und
erzi
elte
Fit
sin
der
Sim
ula
tion
und
inder
Pra
dik
tion
fur
den
Validie
rungs-
und
fur
den
Iden
tifika
tionsd
ate
nsa
tz,
Fit
fur
den
Iden
tifika
tionsd
ate
nsa
tzje
wei
lsin
Kla
mm
ern
angeg
eben
,zu
rD
efinit
ion
des
Fit
ssi
ehe
Gl.
(6.1
)
-100
.0
-50.
0
0.0
50.0
100.
0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
-1.0
-0.50.0
0.5
1.0
-100
.0
-50.
0
0.0
50.0
100.
0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
-1.0
-0.50.0
0.5
1.0
-100
.0
-50.
0
0.0
50.0
100.
0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-100
.0
-50.
0
0.0
50.0
100.
0
-20.
0
-10.
0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
-1.0
-0.50.0
0.5
1.0
0.0
0.2
0.3
0.4
-100
.0
-50.
0
0.0
50.0
100.
0
0.0
0.2
0.3
0.4
-100
.0
-50.
0
0.0
50.0
100.
0
0.0
0.2
0.3
0.4
-20.
0
-10.
0
0.0
10.0
20.0
0.0
0.2
0.3
0.4
-100
.0
-50.
0
0.0
50.0
100.
0
0.0
0.2
0.3
0.4
-20.
0
-10.
0
0.0
10.0
20.0
0.0
6.0
12.0
18.0
-1.0
-0.50.0
0.5
1.0
-20.
0-1
0.0
0.0
10.0
20.0
-1.0
-0.50.0
0.5
1.0
y(t
)
ARX
[µm
]y s
(t)
[µm
]y(t
)−
y s(t
)[µ
m]
y p(t
)[µ
m]
y(t
)−
y p(t
)[µ
m]
Ree
Reu
ARMAX OE
Zei
tt
[s]
BJ
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
Zei
tt
[s]
lags
lags
(c)
Zei
tver
laufe
des
Ausg
angss
ignals
y(t
)=
xG
(t)−
xG
,des
sim
ulier
ten
Ausg
angss
ignals
ys(t
),des
Sim
ula
tionsf
ehle
rsε s
(t)
=y(t
)−
ys(t
)(5
-fach
ver
gro
ßer
tdarg
e-st
ellt
),des
Ausg
angss
ignals
des
Pra
dik
tors
yp(t
)und
des
Pra
dik
tionsf
ehle
rsε p
(t)
=y(t
)−
yp(t
)(5
-fach
ver
gro
ßer
tdarg
este
llt)
;A
uto
kov
ari
anzf
unkti
on
Ree
des
Pra
dik
tionsf
ehle
rsε p
(t)
und
Kre
uzk
ovari
anzf
unkti
onen
Reu
des
Pra
dik
tionsf
ehle
rsε p
(t)
mit
den
Ein
gangss
ignale
nu(t
)=
pL(t
)−
pL
Bild
6.16
:Lab
orex
peri
men
t:Fa
ll2;
Iden
tifik
atio
nde
rM
echa
nik
des
Fund
amen
ts(l
inea
res
Mod
ell
2.O
rdnu
ng)
fur
Las
tmas
sevo
nm
k=
400k
g;si
ehe
Bem
erku
ng6.
16;P
-Reg
ler
und
Rec
htec
ksig
nalA
mpl
itud
e1.
26m
m,Per
iode
ndau
er0.
25s
und
Ans
tieg
szei
t0.
01s
als
Fuh
rung
ssig
nal
6.7 Modellvalidierung 131
Es konnte aber auch sein, dass die beobachtete Schwingung aufgrund eines nichtlinearen Effektsentsteht.
6.7 Modellvalidierung
Die Aufgabe der Modellvalidierung im Rahmen dieser Arbeit ist es, die Wirklichkeitsnahe derverschiedenen Modellansatze inklusive der geschatzten Modellparametern zu uberprufen und soVertrauen in das Streckenmodell des servohydraulischen Antriebs zu bekommen.Hierzu werden Laborexperiment und dazugehorige Rechnersimulation nebeneinander geplottetund optisch verglichen.In Bild 6.17 wird die Validierung des gesamten Modells des servohydraulischen Antriebs beiVerwendung eines Sinussweeps von 0 bis 90 Hz des P–geregelten Antriebs als Fuhrungssignalgezeigt.Die Ubereinstimmung der Rechnersimulation mit dem Laborexperiment ist gut.
xkd [m]x10-3
-10.0
-6.0
-2.0
2.0
6.0
10.0uM [V]
-10.0
-5.0
0.0
5.0
10.0
x.v [m/s]x10-3
-30.0-20.0-10.0
0.010.020.030.0
xk [m]x10-3
-10.0
-6.0
-2.0
2.0
6.0
10.0x.k [m/s]
-0.4
-0.2
0.0
0.2
0.4
x..
ka [m/s2]
-40.0
-20.0
0.0
20.0
40.0
x..
G [m/s2]
Frequenz [Hz]0.0 30.0 60.0 90.0
-40.0
-20.0
0.0
20.0
40.0
pL [bar]
Frequenz [Hz]0.0 30.0 60.0 90.0
-150.0-100.0-50.0
0.050.0
100.0150.0
pI [bar]
Frequenz [Hz]0.0 30.0 60.0 90.0
0.0
40.0
80.0
120.0
160.0
xkd [m]x10-3
-10.0
-6.0
-2.0
2.0
6.0
10.0uM [V]
-10.0
-5.0
0.0
5.0
10.0
x.
v [m/s]x10-3
-30.0-20.0-10.0
0.010.020.030.0
xk [m]x10-3
-10.0
-6.0
-2.0
2.0
6.0
10.0x.k [m/s]
-0.4
-0.2
0.0
0.2
0.4
x..
ka [m/s2]
-40.0
-20.0
0.0
20.0
40.0
x..
G [m/s2]
Frequenz [Hz]0.0 30.0 60.0 90.0
-40.0
-20.0
0.0
20.0
40.0
pL [bar]
Frequenz [Hz]0.0 30.0 60.0 90.0
-150.0-100.0
-50.00.0
50.0100.0150.0
pI [bar]
Frequenz [Hz]0.0 30.0 60.0 90.0
0.0
40.0
80.0
120.0
160.0
b) Rechnersimulationa) Laborexperiment
Bild 6.17: Validierung des gesamten Modells des servohydraulischen Antriebs
132 Kapitel 6. Experimentelle Identifikation
Kapitel 7
Nichtlinearer und linearer Reglerentwurf fur einen
servohydraulischen Linearantrieb
7.1 Einleitung
Dieses Kapitel beschreibt den Entwurf einer Folgeregelung fur einen servohydraulischenLinearantrieb unter Verwendung des Verfahrens der exakten Ein-/Ausgangs-Linearisie-rung [5, 35] . Das Regelziel einer Folgeregelung ist, den Ausgang y der Regelstrecke moglichstgenau einer gegebenen Soll-Trajektorie yd folgen zu lassen. Da fur die Folgeregelung auch diehoheren zeitlichen Ableitungen der Soll-Trajektorie benotigt werden, muss der Verlauf der Soll-Trajektorie stetig und differenzierbar sein. Auf die Generierung der Sollsignale durch eine analy-tische Berechnung mittels Polynomen und durch eine Approximation uber ein Referenzmodell inForm eines Zustandsvariablenfilters geht Kapitel E.1 ein. Beim Entwurf der Regler wird davonausgegangen, dass die Soll-Trajektorie yd und ihre zeitlichen Ableitungen zur Verfugung stehen.Nach einer kurzen Beschreibung des Verfahrens der exakten Ein-/Ausgangs-Linearisierung imKapitel 7.2 werden im Kapitel 7.3 nichtlineare Regelalgorithmen fur nichtlineare Strecken-modelle unterschiedlicher Komplexitat des servohydraulischen Linearantriebs entwickelt.Zu den Grundbestandteilen des Streckenmodells gehoren:
• ein Modell des nichtlinearen, reduzierten Druckaufbaus inklusive eines linearen Modells desBypassflusses,
• ein einfaches, lineares Modell der Lastmechanik und• ein lineares, statisches Servoventilmodell.
Erweitert wird das Streckenmodell um ein
• lineares, dynamisches Servoventilmodell 1. bis 3. Ordnung und um ein• lineares Modell des Fundaments.
Der Eingang u der Regelstrecke ist die Ventileingangsspannung uM :
u := uM ∈ R1 (7.1)
und als Ausgang y wird der auf den Hallenboden bezogene Zylinderkolbenweg xka gewahlt:
y := xka ∈ R1 . (7.2)
Um die Verbesserung des Regelverhaltens durch die nichtlinearen Regler zu zeigen, werden imKapitel 7.4 zum Vergleich lineare Regelalgorithmen in analoger Weise nach dem Verfahren
133
134 Kapitel 7. Regelung
der exakten Ein-/Ausgangs-Linearisierung basierend auf einem linearisierten, reduzierten Modelldes servohydraulischen Linearantriebs entwickelt.
Die Tabelle 7.1 gibt Auskunft uber die entwickelten nichtlinearen und linearen Regelalgorithmenund die fur sie zugrundeliegenden Streckenmodelle.Die Regler bekommen eine alphanumerische Bezeichnung und eine Kenn-Nummer. Die Bezeich-nung setzt sich zusammen aus:
• einem NL fur einen nichtlinearen oder einem L fur einen linearen Regelalgorithmus,• einem B fur ein enthaltenes Modell des Bypassflusses,• einem F fur ein enthaltenes Modell des Fundaments,• einem 3O bis 8O fur die Ordnung des gesamten Streckenmodells und• einem R fur ein reduziertes Modell des Druckaufbaus.
So steht die Abkurzung NLBF8OR fur einen nichtlinearen Regelalgorithmus mit Bypassmodellund mit Fundamentmodell basierend auf den Modellgleichungen 8. Ordung des nichtlinearen,reduzierten Streckenmodells.Die Kenn-Nummer dient zur Auswahl des Regelalgorithmus auf der Reglerhardware.
Bezeichnung Modell des Modell des Modell des Modell des Kenn-des Reglers Druckaufbaus Servoventils Fundaments Bypass NummerNLB3OR nichtlinear, reduziert linear, statisch kein linear 53NLBF5OR nichtlinear, reduziert linear, statisch linear linear 153NLB4OR nichtlinear, reduziert linear, 1. Ordnung kein linear 54NLBF6OR nichtlinear, reduziert linear, 1. Ordnung linear linear 154NLB5OR nichtlinear, reduziert linear, 2. Ordnung kein linear 55NLBF7OR nichtlinear, reduziert linear, 2. Ordnung linear linear 155NLB6OR nichtlinear, reduziert linear, 3. Ordnung kein linear 56NLBF8OR nichtlinear, reduziert linear, 3. Ordnung linear linear 156
LB3OR linear, reduziert linear, statisch kein linear 43LBF5OR linear, reduziert linear, statisch linear linear 143LB4OR linear, reduziert linear, 1. Ordnung kein linear 44LBF6OR linear, reduziert linear, 1. Ordnung linear linear 144LB5OR linear, reduziert linear, 2. Ordnung kein linear 45LBF7OR linear, reduziert linear, 2. Ordnung linear linear 145LB6OR linear, reduziert linear, 3. Ordnung kein linear 46LBF8OR linear, reduziert linear, 3. Ordnung linear linear 146
Tabelle 7.1: Entwickelte nichtlineare und lineare Regelalgorithmen mit zugrundeliegendenStreckenmodellen
Bemerkung 7.1 (Reglerentwurf ohne Bypassmodell): Bei allen entworfenen Reglern istein lineares Modell fur einen Bypass enthalten. Dieser Bypass kann durch Nullsetzen des By-passkoeffizienten kLE deaktiviert werden.
7.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung 135
Bemerkung 7.2 (Warum so viele unterschiedliche Regler ?): Durch ein Streckenmodellmit zunehmender Komplexitat als Grundlage fur den Entwurf der Regler wird auf der einenSeite das Verhalten der Strecke besser im Regler berucksichtigt und damit die Leistungsfahigkeitdes Reglers verbessert, auf der anderen Seite wird der zu implementierende Programmcode desRegelalgorithmus und der Aufwand an Sensoren immer umfangreicher. Die unterschiedlichenRegler wurden zur Abschatzung eines Aufwand- zu Nutzenverhaltnisses entworfen.
Bemerkung 7.3 (Implementierung der Regler auf Digitalrechnern): Die hier entwor-fenen Regelalgorithmen gehen von einer zeitkontinuierlichen Realisierung aus. Auf einem Digi-talrechner werden neue Stellsignale nur zu den Abtastzeitpunkten vom Regelalgorithmus be-rechnet und dazwischen konstant gehalten. Aufgrund der Rechenzeit des Algorithmus wird nurverzogert auf aktuelle Sensorsignale reagiert. Die hieraus resultierende Totzeit liegt maximal inder Großenordnung einer Abtastzeit. Im Rahmen dieser Arbeit wird davon ausgegangen, dassdurch eine schnelle Abtastung ein quasi-kontinuierlicher Betrieb moglich ist.
7.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung
Das Verfahren der exakten Linearisierung [5, 35] macht im Gegensatz zur ublichen Arbeitspunkt-linearisierung in der Ruhelage, bei der Terme hoherer Ordnung in der Taylor-Reihenentwicklungvernachlassigt werden, keinen solchen Approximationsfehler.Beim Verfahren der exakten Linearisierung wird ein nichtlineares System durch eine Zu-standsruckfuhrung in ein lineares System uberfuhrt, das dann mittels linearer Reglerentwurfs-verfahren so geregelt wird, dass Stabilitat und gutes Regelverhalten erreicht werden.Das Verfahren der exakten Linearisierung unterteilt sich in die
• exakte Zustands-Linearisierung und in die• exakte Ein-/Ausgangs-Linearisierung.
Bei der exakten Zustands-Linearisierung wird ein nichtlineares System durch eine geeignetenichtlineare Ruckfuhrung seiner Zustande x auf den Systemeingang u exakt in ein lineares Sy-stem gleicher Ordnung mit neuem Eingang ν und transformierten Zustanden z uberfuhrt.Das entstandene lineare, dynamische System mit dem Eingang ν und den Zustanden z kann mitlinearen Methoden der Regelungstechnik (z.B. Polvorgabe) behandelt werden.Bei der exakten Ein-/Ausgangs-Linearisierung wird nur das nichtlineare Verhalten zwischendem Systemeingang u und einem gewahlten Systemausgang y durch eine geeignete nichtlinea-re Ruckfuhrung der Systemzustande x auf den Systemeingang u in ein lineares, dynamischesVerhalten zwischen einem neuen Eingang ν und dem bestehenden Systemausgang y uberfuhrt.Das entstandene, lineare dynamische System zwischen dem Eingang ν und dem Ausgang y kannmit linearen Methoden der Regelungstechnik (z.B. Polvorgabe) behandelt werden.Durch die nichtlineare Ruckfuhrung der Zustande kann eine interne Dynamik entstehen, die auchinternes System genannt wird. Die interne Dynamik wird durch das lineare dynamische Systemzwischen dem Eingang ν und Ausgang y angeregt, ist aber vom Ausgang y nicht beobachtbarund demzufolge durch den außeren linearen Regelkreis nicht mehr regelbar. Aus diesem Grundmuss die interne Dynamik ein stabiles Verhalten aufweisen.Die exakte Ein-/Ausgangs-Linearisierung entspricht der exakten Zustands-Linearisierung fur denFall, dass keine interne Dynamik vorhanden ist.
Fur die Anwendbarkeit des Verfahrens der exakten Linearisierung sind folgende Voraussetzungenzu erfullen:
136 Kapitel 7. Regelung
1. Verfugbarkeit eines sehr genauen mathematischen Modells des SystemsDas Systemverhalten lasst sich durch ein mathematische Modell in Form einer nichtlinearenZustandsraumdarstellung sehr genau wiedergeben.
2. Bilinearer EingangDer Systemeingang geht bilinear in die nichtlineare Zustandsraumdarstellung ein.
3. Differenzierbarkeit der SystemfunktionenDie Systemfunktionen der nichtlinearen Zustandsraumdarstellung sind glatt und hinrei-chend oft differenzierbar.
4. Verfugbarkeit der SystemzustandeFur die nichtlineare Ruckfuhrung mussen die Signale aller Systemzustande verfugbar sein.
Bemerkung 7.4 (Erfullen der Voraussetzung bezuglich Regelung des servohydrauli-schen Antriebs): Aus [1] liegt ein detailliertes, mathematisches Modell des servohydraulischenAntriebs vor, welches sich fur den Reglerentwurf nach dem Verfahren der exakten Linearisierungeignet.Um keine schadlichen Erschutterungen in das Gebaude einzuleiten, wurde der servohydraulischeAntrieb auf einem durch Gummi-Puffer gelagerten Metall-Fundament aufgebaut. Bei Versuchenmit dem servohydraulischen Antrieb zeigte sich, dass die Schwingungen des Metall-Fundamentswahrend des Betriebs nicht zu vernachlassigen sind. Aus diesem Grund wurde das bestehendeModell des servohydraulischen Antriebs um ein Modell des Fundaments erweitert. Hierzu wirddas Fundament als Starrkorper mit einem Freiheitsgrad in Richtung der Bewegungsrichtung desservohydraulischen Antriebs modelliert. Das Verhalten der Gummi-Puffer wird durch eine linea-re Feder mit einem linearen Dampferelement nachgebildet. Diese einfache Art der Modellierungwurde gewahlt, da die aktuelle Bewegung des Fundaments, bestehend aus Weg, Geschwindigkeitund Beschleunigung, fur die Regelung zur Verfugung stehen muss und die messtechnische Erfas-sung bzw. Signalaufbereitung fur die eindimensionale Vertikal-Bewegung mit den zur Verfugungstehenden Mitteln schon sehr aufwandig wurde.Die resultierende Bewegung der Last auf dem servohydraulischen Antrieb in Verbindung mitdem mitschwingenden Metall-Fundament ist keine reine eindimensionale, vertikale, sondern eineraumliche Bewegung, die aber mit dem eingesetzten Aktuator nicht geregelt werden kann.Auch weitere mechanische Resonanzen, welche aus den Stahltragern des Aufbaus herruhren,konnten im Modell fur die Regelung nicht berucksichtigt werden, da hierzu der Aufwand an Sen-sorik, um die Bewegungen der schwingenden Metalltrager zu erfassen, die bestehenden Moglich-keiten weit ubersteigt.Sattigungen, wie sie bei der Großsignalansteuerung des Servoventils auftreten, sind gegebeneGrenzen, die nicht von der exakten Linearisierung kompensiert werden konnen.Die Voraussetzung eines bilinearen Eingangs ist bereichsweise mit einem Umschaltpunkt erfullt.Die Systemfunktionen sind bereichsweise glatt und differenzierbar. Die Verfugbarkeit der Sy-stemzustande wird durch Sensoren und lineare Beobachter bewerkstelligt. Der Einsatz nichtli-nearer Beobachter ist nicht Gegenstand dieser Arbeit.
Nichtlineare Zustandsraumdarstellung des Streckenmodells
Die exakte Ein-/Ausgangs-Linearisierung erfolgt im Rahmen dieser Arbeit fur nichtlineare SISO-Systeme (Singe Input Single Output - Systeme) der Form:
x = f(x) + g(x) · u , (7.3a)
7.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung 137
y = h(x) (7.3b)
mit
dem Zustandsvektor x ∈ Rn der Dimension n,dem Eingangsvektor u ∈ Rp der Dimension p = 1,dem Ausgangsvektor y ∈ Rq der Dimension q = 1 undden Systemoperatoren f , g und h.
Der Systemeingang u geht bilinear ein, da der Systemoperator g(x) nur vom Zustand x undnicht von Systemeingang u selbst abhangt. Eine allgemeine Form des Systemoperators g(x)wurde g(x, u) lauten.Die Systemoperatoren f , g und h werden wie folgt definiert:
f : Rn → Rn (7.4a)(x) 7→ f(x) ,
g : Rn → Rn (7.4b)(x) 7→ g(x) und
h : Rn → R1 (7.4c)(x) 7→ h(x) .
Die komponentenweise Darstellung der Systemoperatoren f und g lautet:
f(x) := [f1(x), f2(x), . . . , fn(x)]T und (7.5a)
g(x) := [g1(x), g2(x), . . . , gn(x)]T . (7.5b)
Formale Hilfsmittel
Fur eine kompaktere Schreibweise werden folgende formale Hilfsmittel eingefuhrt:
Definition 7.1 Der Gradient einer skalaren Funktion h(x) Rn → R1 ist definiert als:
grad h(x) = ∇h(x) :=∂
∂xh(x) =
[∂
∂x1h(x),
∂
∂x2h(x), . . . ,
∂
∂xnh(x)
]. (7.6)
Definition 7.2 Die Lie-Ableitung (Richtungsableitung) einer skalaren Funktion h(x) Rn → R1
entlang der Richtung des Vektorfeldes f(x) Rn → Rn ist definiert als die skalarwertige FunktionLfh(x) in der Weise:
Lfh(x) := ∇h(x) · f(x) =n∑
j=1
∂h(x)∂xj
· fj(x) . (7.7)
Die wiederholte Lie-Ableitung von h(x) zunachst entlang des Vektorfeldes f(x) und dann entlangdes Vektorfeldes g(x) ist definiert als
LgLfh(x) := (∇Lfh(x)) · g(x) (7.8)
Die k-fache Lie Ableitung von h(x) entlang des Vektorfeldes f(x) ist die skalarwertige FunktionLk
fh(x), die als Rekursionsbeziehung definiert ist:
L0fh(x) = h(x) , (7.9a)
138 Kapitel 7. Regelung
Lkfh(x) =
(∇Lk−1
f h(x))· f(x) . (7.9b)
Aus theoretischer Sicht umfassen die Zustande x den kompletten Raum Rn. Aus praktischerSicht ist eine Einschrankung auf einen physikalisch sinnvollen Bereich angebracht. Im Betriebist der Lastdruck durch den Versorgungsdruck z.B. auf einen Bereich von -150 bis 150 bareingeschrankt. Ein Bereich wird als Region Ω bezeichnet [35].
Erzeugen einer linearen Ein-/Ausgangsbeziehung
Ein pragmatischer Ansatz zum Erzeugen einer linearen Ein-/Ausgangsbeziehung fur ein nicht-lineares System (7.3) lautet:
1. Die Ausgangsfunktion y = h(x) wird solange nach der Zeit t differenziert, bis in derAbleitung explizit der Eingang u auftaucht. Die i-te Ableitung von y nach der Zeit lautet:
y(i) = Lifh(x) + LgL
i−1f h(x) · u i = 0 .. r (7.10)
mit r, der kleinsten naturliche Zahl, fur die
LgLr−1f h(x) 6= 0 (7.11)
gilt. Die r-te zeitliche Ableitung von y lasst sich mit den Abkurzungen
αx(x) := Lrfh(x) (7.12a)
βx(x) := LgLr−1f h(x) (7.12b)
wie folgt darstellen:
y(r) = αx(x) + βx(x) · u. (7.13)
2. Das folgende nichtlineare Ruckfuhrgesetz mit dem neuen Steuereingang ν
u = β−1x (x) · [ν − αx(x)] mit βx(x) 6= 0 siehe Gl. (7.11) (7.14)
angewendet auf die r-te zeitliche Ableitung von y
y(r) = αx(x) + βx(x) · β−1x (x) · [ν − αx(x)] (7.15)
liefert die gewunschte lineare Ein-/Ausgangsbeziehung
y(r) = ν , (7.16)
was eine r-fache Integratorkette darstellt.
Die Integratorkette zwischen dem Eingang ν und Ausgang y kann mit linearen Methoden derRegelungstechnik (z.B. Polvorgabe) stabil geregelt werden.
Das nichtlineare Ruckfuhrgesetz aus Gleichung (7.14) bildet den Regelalgorithmus.
Uber das Vorhandensein und die Stabilitat einer internen Dynamik lasst sich jedoch so nochkeine Aussage machen.
7.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung 139
Hierzu ist die Bestimmung des relativen Grades des Systems und eine Darstellung des Systemsin Normalform notwendig.
Relativer Grad eines SISO-Systems
Die Zahl der Differentiationen des Ausgangs y aus Gleichung (7.3b) nach der Zeit t, bis eine ex-plizite Abhangigkeit der Ableitung vom Eingang u vorliegt, wird als relativer Grad r bezeichnet:
y = h(x) = L0fh(x) (7.17a)
y = ∇h(x) · [f(x) + g(x) · u]︸ ︷︷ ︸x
= L1fh(x) + Lgh(x)︸ ︷︷ ︸
≡0
·u (7.17b)
y = ∇L1fh(x) · [f(x) + g(x) · u]︸ ︷︷ ︸
x
= L2fh(x) + LgL
1fh(x)︸ ︷︷ ︸≡0
·u (7.17c)
...
y(r−1) = ∇Lr−2f h(x) · [f(x) + g(x) · u]︸ ︷︷ ︸
x
= Lr−1f h(x) + LgL
r−2f h(x)
︸ ︷︷ ︸≡0
·u (7.17d)
y(r) = ∇Lr−1f h(x) · [f(x) + g(x) · u]︸ ︷︷ ︸
x
= Lrfh(x) + LgL
r−1f h(x)
︸ ︷︷ ︸6=0
·u (7.17e)
unter Verwendung der Gleichung (7.3a) und der Abkurzung y(i) := diydti
.Die Bedingungen Lgh(x) ≡ 0, LgL
1fh(x) ≡ 0, . . . , LgL
r−2f h(x) ≡ 0 und LgL
r−1f h(x) 6= 0 mussen
theoretisch fur jedes x ∈ Rn erfullt sein. Fur die praktische Anwendung ist eine Einschrankungauf den ausgenutzten Arbeitsbereich (Region Ω) sinnvoll.
Damit ergibt sich die folgende formale Definition des relativen Grades:
Definition 7.3 Das SISO-System (7.3) hat in einer Region Ω den relativen Grad r, wenn furalle x ∈ Ω gilt:
LgLifh(x) ≡ 0 fur 0 ≤ i < (r − 1) (7.18a)
LgLr−1f h(x) 6= 0 (7.18b)
Als ein nicht wohl-definierter relativer Grad wird in [35] bezeichnet, wenn in einem Arbeitspunktx0 die Bedingung LgL
r−1f h(x0) = 0 erfullt ist, aber fur einen Punkt x in der Umgebung von x0
die Bedingung LgLr−1f h(x) 6= 0 gilt. Die Ein-/Ausgangs-Linearisierung ist dann im Punkt x0
nicht durchfuhrbar.Fur lineare Systeme entspricht der relative Grad der Differenzordnung zwischen Nenner- undZahlerpolynom der Ubertragungsfunktion.Fur den relativen Grad r in Bezug auf die Ordnung des Systems n gilt:
r ≤ n. (7.19)
Ist der relative Grad r gleich der Systemordnung n, existiert ein nichtlinearer Kompensationsreg-ler, welcher das Streckenmodell zwischen Ein- und Ausgang komplett durch eine nichtlineare Zu-standsvektorruckfuhrung linearisiert. Es ist dann keine interne Dynamik vorhanden. Fur diesenFall entspricht die exakte Ein-/Ausgangs-Linearisierung der exakten Zustands-Linearisierung.
140 Kapitel 7. Regelung
Ist der relative Grad r jedoch kleiner als die Systemordnung n, existiert ein nichtlinearer Kom-pensationsregler, welcher das Streckenmodell ebenfalls zwischen Ein- und Ausgang durch einenichtlineare Zustandsvektorruckfuhrung linearisiert, aber es entsteht eine interne Dynamik derOrdnung n− r, deren Verhalten nicht mehr durch die Regelung kontrollierbar ist.
Byrnes-Isidori-Normalform des Systems
Wird das nichtlineare System (7.3) auf die Byrnes-Isidori-Normalform gebracht, so lassen sichdaraus das erforderliche nichtlineare Ruckfuhrgesetz, die interne Dynamik und die Nulldynamikleicht ablesen.Die Zustande der Byrnes-Isidori-Normalform setzen sich zusammen aus den
• ersten r Zustanden, den Zustanden des Ein-/Ausgangs-Teils
µ : = [µ1, µ2, . . . , µr]T und den (7.20)
• restlichen n− r Zustanden, den Zustanden der internen Dynamik
Ψ = [Ψ1, Ψ2, . . . , Ψn−r]T . (7.21)
Beide Zustandsvektoren µ und Ψ werden zusammengefasst zu dem Zustandsvektor z:
z = [z1, z2, . . . , zn]T = [µ1, µ2, . . . , µr, Ψ1, Ψ2, . . . , Ψn−r]T . (7.22)
Die Umrechnung der Zustande x des Systems (7.3) in die Zustande z der Byrnes-Isidori-Normalform erfolgt durch die Zustandstransformation Φ(x):
Φ : Rn → Rn (7.23)x 7→ z = Φ(x) ,
und in umgekehrter Richtung uber die Inverse der Zustandstransformation Φ−1(z):
Φ−1 : Rn → Rn (7.24)z 7→ x = Φ−1(z) ,
deren Existenz vorausgesetzt wird.Die Zustandstransformation Φ(x) setzt sich zusammen aus dem Systemoperator h(x) des Aus-gangs und dessen Lie-Ableitungen Lfh(x), L2
fh(x), . . . , Lr−1f h(x), sowie den Zustandstransfor-
mationen φr+1(x), . . . , φn(x) fur die Zustande Ψ der internen Dynamik:
z =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
z1
z2
z3...zr
zr+1...
zn
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
µ1
µ2
µ3...
µr
Ψ1...
Ψn−r
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
= Φ(x) :=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
φ1(x)φ2(x)φ3(x)
...φr(x)
φr+1(x)...
φn(x)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
h(x)Lfh(x)L2
fh(x)...
Lr−1f h(x)
φr+1(x)...
φn(x)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
. (7.25)
Die Zustandstransformationen φr+1(x), . . . , φn(x) fur die Zustande zr+1, . . . , zn bzw.Ψ1, . . . , Ψn−r der internen Dynamik werden individuell gefunden.
7.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung 141
Die Byrnes-Isidori-Normalform lautet:
z =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
z1...
zr−1
zr
. . . .zr+1
...zn
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
z2...zr
α(z) + β(z)·u. . . . . . . . . . . . .
w1(z, u)...
wn−r(z, u)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
bzw.
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
µ1...
µr−1
µr
. . . . .
Ψ1...
Ψn−r
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
µ2...
µr
α(µ,Ψ) + β(µ,Ψ)·u. . . . . . . . . . . . . . . . . . .
w1(µ,Ψ, u)...
wn−r(µ,Ψ, u)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
(7.26)
mit
α(z) = Lrfh(x)
∣∣x=Φ−1(z)
bzw. α(µ,Ψ) = Lrfh(x)
∣∣x=Φ−1(µ,Ψ)
(7.27a)
β(z) = LgLr−1f h(x)
∣∣∣x=Φ−1(z)
bzw. β(µ,Ψ) = LgLr−1f h(x)
∣∣∣x=Φ−1(µ,Ψ)
(7.27b)
und w1(z, u), . . . , wn−r(z, u) bzw. w1(µ,Ψ, u), . . . , wn−r(µ,Ψ, u) als nichtlineare Funktionen,die die interne Dynamik beschreiben.Streng genommen mussten fur die Funktionen wie α(z) und α(µ,Ψ) unterschiedliche Funkti-onsnamen gewahlt werden, da die Anzahl der Funktionsargumente unterschiedlich ist. Hieraufwurde aber verzichtet, weil durch µ und Ψ lediglich die Zustande z unterteilt werden.
Der Ausgang y entspricht dem ersten Zustand z1 bzw. µ1:
y = z1 = µ1 . (7.28)
Die Zustande z1, z2, . . . , zr bzw. µ1, µ2, . . . , µr bilden eine Kette von r Integratoren, aufderen Eingang zr die folgende nichtlineare Funktion eingeht:
zr = y(r) = α(µ,Ψ) + β(µ,Ψ) · u . (7.29)
Daraus ist zu erkennen, dass der Eingang u nur auf den Eingang zr der Integratorkette wirkt. Derrelative Grad r gibt die Anzahl der Integratoren an, die ein Signal vom Eingang u zum Ausgangy mindestens durchlaufen muss, und beschreibt damit die Mindestverzogerung zwischen Ein-und Ausgang der nichtlinearen Strecke.Die Funktionen α(µ,Ψ) und β(µ,Ψ) fuhren die Zustande µ der Integratorkette nichtlinear zuruckund lassen einen Einfluss der Zustande Ψ der internen Dynamik auf die Integratorkette unddamit auf den Ausgang y zu.Fur ein lineares Zustandssystem ist die Byrnes-Isidori-Normalform vergleichbar mit der Beob-achtungsnormalform.
Zur Bildung des Ruckfuhrgesetzes aus der Byrnes-Isidori-Normalform (7.26) nutzt man die kon-zentrierte Lage der Nichtlinearitaten zwischen Eingang u und Ausgang y :
y(r) = α(z) + β(z) · u bzw. y(r) = α(µ,Ψ) + β(µ,Ψ) · u . (7.30)
Um auf die lineare Ein-/Ausgangsbeziehung
y(r) !=: ν (7.31)
142 Kapitel 7. Regelung
mit dem neuen Steuereingang ν zu kommen, wird aus
ν : != y(r) = α(z) + β(z) · u bzw. ν!= y(r) = α(µ,Ψ) + β(µ,Ψ) · u (7.32)
das nichtlineare Ruckfuhrgesetz
u = β−1(z) · [ν − α(z)] bzw. u = β−1(µ,Ψ) · [ν − α(µ,Ψ)] (7.33)
mit dem Steuereingang ν gebildet.Durch Anwenden des nichtlinearen Ruckfuhrgesetzes (7.33) auf die Byrnes-Isidori-Normalform(7.26):
z =
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
z1...
zr−1
zr
. . . .zr+1
...zn
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
z2...zr
ν. . . . . . . . . .w1(z, u)
...wn−r(z, u)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
bzw.
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
µ1...
µr−1
µr
. . . . .
Ψ1...
Ψn−r
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
µ2...
µr
ν. . . . . . . . . . . . .w1(µ,Ψ, u)
...wn−r(µ,Ψ, u)
∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣∣
(7.34)
wird der Einfluss der Zustande Ψ der internen Dynamik auf den Ausgang y aufgehoben, weilder Eingang der Integratorkette y(r) = zr = µr gemaß der Forderung aus Gl. (7.31) nur vomSteuereingang ν abhangen soll.Die Aufschaltung des nichtlinearen Ruckfuhrgesetzes (7.33) zerteilt die Dynamik des nichtlinea-ren Systems (7.3) in die
• lineare dynamische Beziehung y(r) = ν zwischen dem Ausgang y und Steuereingang ν undin eine
• interne Dynamik, welche vom Ausgang y und von den Zustanden µ des Ein-/Ausgangs-Teils aus nicht beobachtbar ist.
Die interne Dynamik wird durch die folgenden Gleichungen beschrieben:
Ψ = w(µ,Ψ, u) (7.35)
bzw.∣∣∣∣∣∣∣
zr+1...
zn
∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣
w1(z, u)...
wn−r(z, u)
∣∣∣∣∣∣∣bzw. Ψ =
∣∣∣∣∣∣∣
Ψ1...
Ψn−r
∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣
w1(µ,Ψ, u)...
wn−r(µ,Ψ, u)
∣∣∣∣∣∣∣(7.36)
und stellt ein nichtlineares dynamisches System dar, das durch den Eingang u und durch dieZustande µ des Ein-/Ausgangs-Teils angeregt wird.Dies hat zur Folge, dass die interne Dynamik (7.35) des nichtlinearen Systems aus Gl. (7.3) beiAufschaltung des nichtlinearen Ruckfuhrgesetzes (7.33) gewissermaßen ein ”Eigenleben” fuhrtund nicht mehr durch eine außere lineare Regelung kontrollierbar ist.Das Verhalten der internen Dynamik ist fur die Regelung eines nichtlinearen Systems mit derexakten Ein-/Ausgangs-Linearisierung von entscheidender Bedeutung. Die Zustande Ψ der in-ternen Dynamik haben zwar keinen Einfluss mehr auf den Ausgang y, jedoch werden sie fur
7.2 Verfahren der exakten Ein-/Ausgangs-Linearisierung 143
das nichtlineare Ruckfuhrgesetz (7.33) benotigt. Bei technischen Systemen sind hier Grenzengesetzt, was den Wertebereich angeht, der sich noch kompensieren lasst.Die interne Dynamik darf auf keinen Fall instabil sein, es sollten aber auch keine scharfenResonanzen enthalten sein.Die Differenz zwischen der Systemordnung n und dem relativen Grad r ist die Ordnung derinternen Dynamik.Als Nulldynamik bezeichnet man die interne Dynamik fur den Fall, dass der Ausgang konstantNull gehalten wird y ≡ 0. Damit sind auch die zeitlichen Ableitungen des Ausgangs y ≡ y ≡...y ≡ . . . ≡ 0 und somit auch die Zustande µ ≡ 0 konstant Null und es ergibt sich:
Ψ = w(0,Ψ, u) (7.37)
bzw.
Ψ =
∣∣∣∣∣∣∣
Ψ1...
Ψn−r
∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣
w1(0, Ψ, u)...
wn−r(0, Ψ, u)
∣∣∣∣∣∣∣. (7.38)
Eine stabile Nulldynamik wird minimalphasig genannt.
Bei der exakten Ein-/Ausgangs-Linearisierung lasst sich ggf. nur ein Teil des Gesamtsystemsregeln. Der restliche Teil, die interne Dynamik ist sich selbst uberlassen und kann ggf. storendwirken.
Schritte des Reglerentwurfs
Der Entwurf des Regelalgorithmus umfasst die folgenden Schritte:
Schritt 1: Bestimmung des relativen Grades des StreckenmodellsZur Bestimmung des relativen Grades r ∈ N des Streckenmodells (7.3) werden die Lie-Ableitungen Li
fh(x) und LgLi−1f h(x) fur i = 1, . . . , r berechnet, bis erstmals LgL
r−1f h(x) 6= 0
ist. Ein relativer Grad r kleiner der Systemordnung n macht eine Untersuchung der internenDynamik erforderlich.
Schritt 2: Bilden des nichtlinearen Kompensationsreglers
Die beiden aus Schritt 1 zuletzt berechneten Lie-Ableitungen Lrfh(x) und LgL
r−1f h(x) werden
wie folgt abgekurzt:
αx(x) := Lrfh(x) (7.39a)
βx(x) := LgLr−1f h(x) . (7.39b)
Hiermit ergibt sich der nichtlineare Kompensationsregler:
u = β−1x (x) · [ν − αx(x)] (7.40)
mit dem neuen Steuereingang ν.
Schritt 3: Entwurf einer linearen Zustandsvektorruckfuhrung durch Polvorgabe
Durch Anwendung des nichtlinearen Kompensationsreglers (7.40) entsteht zwischen dem neuenSteuereingang ν und dem Ausgang y das Verhalten einer r-fachen Integratorkette:
y(r) = ν . (7.41)
144 Kapitel 7. Regelung
Zur Regelung dieser Integratorkette kommt eine lineare Zustandsvektorruckfuhrung zum Ein-satz:
ν = ν ′ − kr · zr − kr−1 · zr−1 − . . . − k2 · z2 − k1 · z1 (7.42)
mit dem neuen Steuereingang ν ′ und den Koeffizienten k1, . . . , kr, die durch eine PolvorgabesP1, ..., sPr ermittelt werden. Die erforderlichen Zustande z1 bis zr sind der Ausgang y und seinezeitlichen Ableitungen y bis y(r−1). Sie werden aus den berechneten Lie-Ableitungen Li
fh(x)ermittelt:
zi := y(i−1) = Li−1f h(x) mit i = 1, . . . , r − 1 . (7.43)
Schritt 4: Entwurf eines dynamischen Vorfilters
Zwischen dem Eingang ν ′ und dem Ausgang y liegt das lineare, dynamische Verhalten vor,welches durch die Polvorgabe vorgegeben wurde. Aus Gl. (7.41) mit (7.42) und Gl. (7.43) folgt:
y(r) + kr · y(r−1) + kr−1 · y(r−2) + . . . + k2 · y + k1 · y = ν ′ (7.44)
mit der Ubertragungsfunktion:
Y (s)ν ′(s)
=1
sr + kr · sr−1 + kr−1 · sr−2 + . . . + k2 · s + k1. (7.45)
Durch Verwendung eines linearen, dynamischen Vorfilters:
ν ′ = y(r)d + kr · y(r−1)
d + kr−1 · y(r−2)d + . . . + k2 · yd + k1 · yd (7.46)
mit der Ubertragungsfunktion:
ν ′(s)Yd(s)
= sr + kr · sr−1 + kr−1 · sr−2 + . . . + k2 · s + k1 (7.47)
zur Erzeugung des Steuersignals ν ′ aus der Soll-Trajektorie yd und ihren Zeitableitungenyd, yd, . . . , y
(r)d wird ein ideales Ubertragungsverhalten zwischen Eingang yd und Ausgang y
realisiert, was eine Verkettung der Ubertragungsfunktionen aus Gl. (7.45) und Gl. (7.47) zeigt:
Y (s)Yd(s)
=Y (s)ν ′(s)
· ν ′(s)Yd(s)
=sr + kr · sr−1 + kr−1 · sr−2 + . . . + k1
sr + kr · sr−1 + kr−1 · sr−2 + . . . + k1≡ 1 . (7.48)
Aus den Gln. (7.44) und (7.46) mit e := yd − y wird die Fehlerdifferentialgleichung gebildet,welche die Dynamik der Folgeregelung beschreibt:
e(r) + kr · e(r−1) + kr−1 · e(r−2) + . . . + k2 · e + k1 · e . (7.49)
Folgt der Ausgang y exakt der Soll-Trajektorie yd, damit ist e ≡ 0, wird der Eingang derIntegratorkette ν ′ durch die r-fache Zeitableitung y
(r)d gesteuert.
Eine Abweichung zwischen Soll und Ist wird mit der Dynamik von Gl. (7.49) ausgeregelt, welcheder Polvorgabe sP1, ..., sPr aus Schritt 3 entspricht.
Die Zusammenfassung der obengenannten Schritte ergibt den folgenden Regelalgorithmus:
zi(x) := Li−1f h(x) mit i = 1, . . . , r − 1 , (7.50a)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 145
αx(x) := Lrfh(x) , (7.50b)
βx(x) := LgLr−1f h(x) , (7.50c)
u = β−1x (x) · [ν − αx(x)] , (7.50d)
ν = ν ′ − kr · zr − kr−1 · zr−1 − . . .− k2 · z2 − k1 · z1 und (7.50e)
ν ′ = y(r)d + kr · y(r−1)
d + kr−1 · y(r−2)d + . . . + k2 · yd . + k1 · yd . (7.50f)
Der nichtlineare Kompensationsregler (7.40) bzw. (7.50d), die lineare Zustandsvektorruckfuhrung(7.42) bzw. (7.50e) und das lineare dynamische Vorfilter (7.46) bzw. (7.50f) lassen sich zusam-menfassen zu:
u = βx(x)−1 ·[y
(r)d − αx(x) +
r∑
l=1
kl ·(y
(l−1)d − zl(x)
)]. (7.51)
Die wesentliche Aufgabe des Reglerentwurfs besteht demnach in der Berechnung der Lie-Ableitungen Li
fh(x) und LgLi−1f h(x) mit i = 1, . . . , r.
Weitere Schritte zur Untersuchung der internen Dynamik
Fur die Untersuchung der internen Dynamik wird zunachst die Byrnes-Isidori-Normalform (7.26)des Streckenmodells (7.3) mit der nichtlinearen Zustandstransformation (7.25) bestimmt, aus derdann die interne Dynamik (7.35) abgelesen wird.
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischenLinearantrieb
In diesem Unterkapitel wird der Entwurf folgender nichtlinearer Regelalgorithmen beschrieben:
• NLB3ORnichtlinearer Folgeregler basierend auf den nichtlinearen, reduzierten Modellgleichungen 3.Ordnung mit linearem, statischen Ventilmodell, mit linearem Bypassmodell und ohne Modelleines Fundaments (siehe Unterkapitel 7.3.1),
• NLBF5ORnichtlinearer Folgeregler basierend auf den nichtlinearen, reduzierten Modellgleichungen 5.Ordnung mit linearem, statischen Servoventilmodell und mit linearen Modellen fur Funda-ment und Bypass; (siehe Unterkapitel 7.3.2),
• (NLBF6OR)nichtlinearer Folgeregler basierend auf den nichtlinearen, reduzierten Modellgleichungen 6.Ordnung mit linearem Servoventilmodell 1. Ordnung und mit linearen Modellen fur Funda-ment und Bypass (siehe Unterkapitel 7.3.3) und
• (NLBF8OR)nichtlinearer Folgeregler basierend auf den nichtlinearen, reduzierten Modellgleichungen 8.Ordnung mit linearem Servoventilmodell 3. Ordnung und mit linearen Modellen fur Funda-ment und Bypass (siehe Unterkapitel 7.3.4).
Der Regler NLB3OR ist der einfachste nichtlineare Kompensationsregler. Mit dem Reg-ler NLBF5OR kommt ein Modell des Fundaments hinzu. In den Reglern NLBF6OR undNLBF8OR werden zusatzlich lineare Dynamiken 1. und 3.Ordnung der Servoventilansteue-rung berucksichtigt.
146 Kapitel 7. Regelung
7.3.1 Nichtlinearer Reglerentwurf fur nichtlineare reduzierte Modellglei-chungen mit statischem Ventilmodell ohne Modell des Fundaments
Die nichtlinearen, reduzierten Modellgleichungen (4.25) bis (4.32) aus Kapitel 4.3 werden wiefolgt zu einem System 3. Ordnung (n = 3) modifiziert :
• statisches Ventilmodell
xV = kV · kM · uM , (7.52a)
• Nulluberdeckung des Servoventils
xu = 0 , (7.52b)
• kein turbulenter Bypass
kBP = 0 und (7.52c)
• Last-Mechanik des servohydraulischen Antriebs ohne Einfluss des Fundaments
mk · xka + dk · xka = Ak · pL + mk · g . (7.52d)
Beim Aufbau des Zustandsvektors x := [x1, x2, x3]T aus den Zustandsvariablen:
x1 := xka (Zylinderkolbenauslenkung),x2 := xka (Zylinderkolbengeschwindigkeit) und (7.53)x3 := pL (Lastdruck)
entsteht eine nichtlineare Zustandsraumdarstellung gemaß der Form der Gleichung (7.3):
x1
x2
x3
=
f1(x)f2(x)f3(x)
+
g1(x)g2(x)
g3(x, u)
· u (7.54a)
y = h(x) = x1 = xka . (7.54b)
mit den Komponenten der Systemoperatoren f und g
f1(x) := x2 , g1(x) := 0 ,
f2(x) :=Ak
mk·x3 − dk
mk·x2 + g , g2(x) := 0 , (7.54c)
f3(x) := − Ak
CH·x2 − kLE
CH·x3 , g3(x, u) := q∗L(x3, u)
und mit der modifizierten Form q∗L(x3, u) des nichtlinearen Lastflusses qL(pL, xV ) aus Gl. (4.28)unter Berucksichtigung eines statischen Ventilmodells Gl. (7.52a) und der Nulluberdeckung desServoventils Gl. (7.52b):
q∗L(x3, u) :=1
CH· qL(x3, kV ·kM ·u)
u(7.54d)
= 2·kL ·kV ·kM ·√|p0 − x3 · sign(u)| · sign(p0 − x3 · sign(u)).
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 147
+
x2Ak
mk
g
x3
u x3
x2
Ak
CH
∫
dk
mk
∫
kLE
CH
x3
x3
− −Eingangder Strecke
Ausgangder Strecke
u −+
y = x1x1
nichtlinearer reduzierterDruckaufbau
Lastmechanik
Multiplikation+
(7.54d)
q∗L(x3, u)
∫
Bild 7.1: Blockschaltbild des Streckenmodells aus Gl. (7.54) mit laminarem Bypass kLE undohne Modell eines Fundaments
Das Blockschaltbild des Streckenmodells aus Gleichung (7.54) ist im Bild 7.1 dargestellt.
Fur den Entwurf des Regelalgorithmus wird der relative Grad r des Streckenmodells Gl. (7.54)bestimmt. Hierzu werden wie in Gl. (7.17) die Lie-Ableitungen Li
fh(x) und LgLi−1f h(x) fur
i = 1, . . . , r berechnet, bis erstmals LgLr−1f h(x) 6= 0 ist:
L0fh(x) = h(x)
= x1 , (7.55a)
L1fh(x) = (∇h(x)) · f(x)
=[∂h(x)∂x1
,∂h(x)∂x2
,∂h(x)∂x3
]·
f1(x)f2(x)f3(x)
= [1, 0, 0] ·
f1(x)f2(x)f3(x)
= f1(x) = x2 , (7.55b)
LgL0fh(x) = (∇h(x)) · g(x)
=[∂h(x)∂x1
,∂h(x)∂x2
,∂h(x)∂x3
]·
g1(x)g2(x)
g3(x, u)
= [1, 0, 0] ·
g1(x)g2(x)
g3(x, u)
= g1(x) = 0 , (7.55c)
L2fh(x) =
(∇L1fh(x)
) · f(x)
=
[∂L1
fh(x)∂x1
,∂L1
fh(x)∂x2
,∂L1
fh(x)∂x3
]·
f1(x)f2(x)f3(x)
148 Kapitel 7. Regelung
= [0, 1, 0] ·
f1(x)f2(x)f3(x)
= f2(x) =Ak
mk· x3 − dk
mk· x2 + g , (7.55d)
LgL1fh(x) = (∇Lfh(x)) · g(x)
=
[∂L1
fh(x)∂x1
,∂L1
fh(x)∂x2
,∂L1
fh(x)∂x3
]·
g1(x)g2(x)
g3(x, u)
= [0, 1, 0] ·
g1(x)g2(x)
g3(x, u)
= g2(x) = 0 , (7.55e)
L3fh(x) =
(∇L2fh(x)
) · f(x)
=
[∂L2
fh(x)∂x1
,∂L2
fh(x)∂x2
,∂L2
fh(x)∂x3
]·
f1(x)f2(x)f3(x)
=[0, − dk
mk,
Ak
mk
]·
f1(x)f2(x)f3(x)
= − dk
mk· f2(x) +
Ak
mk· f3(x)
=[
d2k
m2k
− A2k
CH ·mk
]·x2 − Ak
mk·[
dk
mk+
kLE
CH
]·x3 − dk
mk·g und (7.55f)
LgL2fh(x) = (∇L2
fh(x)) · g(x)
=
[∂L2
fh(x)∂x1
,∂L2
fh(x)∂x2
,∂L2
fh(x)∂x3
]·
g1(x)g2(x)
g3(x, u)
=[0, − dk
mk,
Ak
mk
]·
g1(x)g2(x)
g3(x, u)
=Ak
mk·g3(x, u) =
Ak
mk·q∗L(x3, u) . (7.55g)
Der relative Grad r des Streckenmodells Gl. (7.54) ist gleich der Systemordnung n:
r = 3 = n . (7.56)
In diesem Falle existiert ein nichtlinearer Kompensationsregler, welcher das Streckenmodell zwi-schen Ein- und Ausgang komplett durch eine nichtlineare Zustandsvektorruckfuhrung lineari-siert. Es gibt keine interne Dynamik.
Der Regelalgorithmus, bestehend aus dem nichtlinearen Kompensationsregler, der linearen Zu-standsvektorruckfuhrung und dem linearen, dynamischen Vorfilter, lautet:
z1(x) := h(x) = x1 , (7.57a)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 149
z2(x) := L1fh(x) = x2 , (7.57b)
z3(x) := L2fh(x) =
Ak
mk· x3 − dk
mk· x2 + g , (7.57c)
αx(x) := L3fh(x) =
[d2
k
m2k
− A2k
CH ·mk
]·x2 − Ak
mk·[
dk
mk+
kLE
CH
]·x3 − dk
mk·g , (7.57d)
βx(x, u) := LgL2fh(x) =
Ak
mk·q∗L(x3, u) , (7.57e)
u = β−1x (x, u) · [ν − αx(x)] (nichtlinearer Kompensationsregler) , (7.57f)
ν = ν ′ − k3 · z3 − k2 · z2 − k1 · z1 (lineare Zustandsvektorruckfuhrung) und (7.57g)ν ′ =
...y d + k3 · yd + k2 · yd + k1 · yd (lineares, dynamisches Vorfilter) . (7.57h)
Der gesamte Regelkreis ist im Bild 7.2 dargestellt.
Bemerkung 7.5 (Nichtlinearer Kompensationsregler): Entgegen der Standardform die-ser nichtlinearen Regelalgorithmen hangt die Abbildung βx(x, u) aus Gleichung (7.57e) vomEingang u ab. Um dieses Problem bei der Reglerimplementierung zu umgehen, wird auf denvorherigen Wert u(t − dT ) als eine Approximation fur u(t) zuruckgegriffen mit dT als Abtast-zeit.
Im folgenden wird gezeigt, wie der nichtlineare Kompensationsregler auch aus der Byrnes-Isidori-Normalform entwickelt werden kann. Die lineare Zustandsvektorruckfuhrung und das lineare,dynamische Vorfilter bleiben unverandert.
Der Zustandsvektor z der Byrnes-Isidori-Normalform (7.26) setzt sich fur das gegebene Strecken-modell (7.54) nur aus den Zustanden des Ein-/Ausgangs-Teils µ zusammen:
z := [z1, z2, z3]T = [µ1, µ2, µ3]T . (7.58)
Die Zustandstransformation Φ(x), siehe Gl. (7.25), lautet:
z =
∣∣∣∣∣∣
z1
z2
z3
∣∣∣∣∣∣= Φ(x) :=
∣∣∣∣∣∣
φ1(x)φ2(x)φ3(x)
∣∣∣∣∣∣=
∣∣∣∣∣∣
yyy
∣∣∣∣∣∣=
∣∣∣∣∣∣
L0fh(x)
L1fh(x)
L2fh(x)
∣∣∣∣∣∣=
∣∣∣∣∣∣
x1
x2Akmk
· x3 − dkmk
· x2 + g
∣∣∣∣∣∣. (7.59)
Die Inverse Φ−1(z) lautet:
x =
∣∣∣∣∣∣
x1
x2
x3
∣∣∣∣∣∣= Φ−1(z) =
∣∣∣∣∣∣
z1
z2mkAk· z3 + dk
Ak· z2 − mk
Ak· g
∣∣∣∣∣∣. (7.60)
Die Byrnes-Isidori-Normalform lautet:
z =
∣∣∣∣∣∣
z1
z2
z3
∣∣∣∣∣∣=
∣∣∣∣∣∣
z2
z3
α(z) + β(z, u) · u
∣∣∣∣∣∣(7.61a)
150 Kapitel 7. Regelung
−
+
+ +
ν′
1 k3
k2
k1
+ + +
β−1 x
(x,u
)
z 2z 1
z 3
−
++
+
ν+
x2
x3
x2
Ak
mk
g
x3
ux
3
x2
Ak
CH
∫ dk
mk
∫
kL
E
CH
x3
x1
u
x3
x2 x2
x3
−++
−
− +
der
Str
ecke
Ausg
ang
y=
x1
x1
x1
z 3 z 2 z 1
x3
x2
nic
htlin
eare
Zust
andst
ransf
orm
atio
n
x3
x2
x1
q∗ L(x
3,u
)α
x( x
)(7
.57d
)
(7.5
7e)
(7.5
4d) (7
.57c
)(7
.57b
)(7
.57a
)
Gl.
(7.5
7g)
ruck
fuhru
ng
Zust
andsv
ekto
r-lin
eare
Gl.
(7.5
7f)
regl
erK
ompen
sati
ons-
nic
htlin
eare
r
Gl.
(7.5
4)Str
ecke
nm
odel
lnic
htlin
eare
s
... yd y d y d y d
Gl.
(7.5
7h)
Vor
filte
rdyn
amis
ches
linea
res,
Soll-Trajektorie
k1
k2
k3
∫
z=
Φ(x
)
Bild
7.2:
Blo
ckdi
agra
mm
des
gesa
mte
nR
egel
krei
ses,
best
ehen
dau
sde
mSt
reck
enm
odel
l(7
.54)
,de
mni
chtl
inea
ren
Kom
pens
atio
nsre
gler
(7.5
7f),
der
linea
ren
Zus
tand
svek
torr
uckf
uhru
ng(7
.57g
)un
dde
mlin
eare
n,dy
nam
isch
enV
orfil
ter
(7.5
7h)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 151
mit
α(z) := L3f h(x)
∣∣x=Φ−1(z)
(7.61b)
=−[
A2k
CH ·mk+
dk
mk· kLE
CH
]·z2−
[dk
mk+
kLE
CH
]·z3+
kLE
CH·g und
β(z, u) := LgL2f h(x)
∣∣x=Φ−1(z)
(7.61c)
=Ak
mk· q∗L
(mk
Ak· z3 +
dk
Ak· z2 − mk
Ak· g, u
)
= 2·kL ·kV ·kM · Ak
mk·√|ξ| · sign (ξ)
mit ξ := p0−(
mk
Ak·z3+
dk
Ak·z2−mk
Ak·g
)·sign(u) .
Der Ausgang y entspricht dem ersten Zustand z1.
Das Blockschaltbild des Streckemodells (7.54) in Byrnes-Isidori-Normalform (7.61) ist im Bild7.3 dargestellt. Eine Integratorkette ist zu erkennen.
+
∫ ∫z3 ∫ z3 z2
+
z2 z3
z2 z3
(Integratorkette)
y = z1
Eingangder Strecke
Ausgangder Strecke
u
(7.61c)
β(z, u)
α(z)(7.61b)
Bild 7.3: Blockschaltbild des Streckenmodells (7.54) in Byrnes-Isidori-Normalform (7.61)
Der nichtlineare Kompensationsregler fur die gegebene Strecke in Byrnes-Isidori-Normalform(7.61) lautet:
u = β(z, u)−1 · [ν − α(z)] . (7.62)
Durch Anwenden des nichtlinearen Ruckfuhrgesetzes Gl. (7.62) auf die Normalform Gl. (7.61):
z =
∣∣∣∣∣∣
z1
z2
z3
∣∣∣∣∣∣=
∣∣∣∣∣∣
z2
z3
ν
∣∣∣∣∣∣(7.63)
ergibt sich eine 3-fache Integratorkette:
...y =
...z 1 = ν . (7.64)
Der gesamte Regelkreis ist im Bild 7.4 dargestellt.
152 Kapitel 7. Regelung
∫∫
z 3y
=z 3
y=
z 2
−
+
+ +
ν′
1 k3
k2
k1
+ + +
++
y=
z 1β−1
(z,u
)u
z 2z 1
z 3
−
++
+
ν+
z 1z 2z 2 z 1z 3
z 3
z 3z 2
z 1
der
Str
ecke
Ausg
ang
(7.6
1c)
α(z
)(7
.61b
)
β(z
,u)
Gl.
(7.5
7g)
Gl.
(7.6
2)G
l.(7
.61)
Zust
andsv
ekto
r-ru
ckfu
hru
ng
linea
renic
htlin
eare
r
regl
erK
ompen
sati
ons-
(Int
egra
tork
ette
)in
Nor
mal
form
dar
stel
lung
nic
htlin
eare
sStr
ecke
nm
odel
l
Gl.
(7.5
7h)
Vor
filte
rdyn
amis
ches
linea
res,
y dy dy d... yd
Soll-Trajektorie
∫
k1
k2
k3
α(z
)
Bild
7.4:
Blo
ckdi
agra
mm
des
gesa
mte
nR
egel
krei
ses,
best
ehen
dau
sde
min
Nor
mal
form
darg
este
llten
Stre
cken
mod
ell(7
.61)
,de
mni
cht-
linea
ren
Kom
pens
atio
nsre
gler
( 7.6
2),de
rlin
eare
nZus
tand
svek
torr
uckf
uhru
ng(7
.57g
)un
dde
mlin
eare
ndy
nam
isch
enV
orfil
ter
(7.5
7h)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 153
7.3.2 Nichtlinearer Reglerentwurf fur die nichtlinearen reduzierten Modell-gleichungen bei statischem Ventilmodell mit Modell des Fundaments
Die nichtlinearen, reduzierten Modellgleichungen (4.25) bis (4.32) aus Kapitel 4.3 werden wiefolgt modifiziert :
• statisches Ventilmodell
xV = kV · kM · uM und (7.65a)
• Nulluberdeckung des Servoventils
xu = 0 . (7.65b)
Es entsteht eine Strecke 5. Ordnung (n = 5).
Beim Aufbau des Zustandsvektors x := [x1, x2, x3, x4, x5]T aus den Zustandsvariablen:
x1 := xka (Zylinderkolbenauslenkung),x2 := xka (Zylinderkolbengeschwindigkeit),x3 := pL (Lastdruck), (7.66)x4 := xG (Verschiebung des Fundaments) undx5 := xG (Geschwindigkeit des Fundaments)
entsteht eine nichtlineare Zustandsraumdarstellung gemaß der Form der Gleichung (7.3):
x1
x2
x3
x4
x5
=
f1(x)f2(x)f3(x)f4(x)f5(x)
+
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
· u (7.67a)
y = h(x) = x1 = xka . (7.67b)
mit den Komponenten der Systemoperatoren f und g
f1(x) := x2 , g1(x) := 0 ,
f2(x) :=Ak
mk·x3 − dk
mk·(x2 − x5) + g , g2(x) := 0 ,
f3(x) := − Ak
CH·(x2 − x5)− kLE
CH·x3 , g3(x, u) := q∗L(x3, u) , (7.67c)
f4(x) := x5 , g4(x) := 0 ,
f5(x) :=dk
mG·(x2 − x5)− Ak
mG·x3 − dG
mG·x5 − cG
mG·x4 , g5(x) := 0
und der nichtlinearen Flussfunktion des Servoventils q∗L(x3, u) aus Gl. (7.54d).
Das Blockschaltbild des Streckenmodells (7.67) ist in dem Bild 7.5 dargestellt.
Fur den Entwurf des Regelalgorithmus wird der relative Grad r des Streckenmodells Gl. (7.67)bestimmt. Hierzu werden wie in Gl. (7.17) die Lie-Ableitungen Li
fh(x) und LgLi−1f h(x) fur
i = 1, . . . , r berechnet, bis erstmals LgLr−1f h(x) 6= 0 ist:
L0fh(x) = h(x)
154 Kapitel 7. Regelung
cG
mG
dG
mG
dk
mG
∫
dk
mk
∫
∫
Ak
CH
∫
kLE
CH
x3
−∫
+
+
+
−Ak
mk
g
x2
x5
Lastmechanik
x2
x5
+ −
−
x3u
Druckaufbau
(keine Integratorkette)
+
−
+
+
+
Mechanik desFundaments
x4
Ausgangder Strecke
x1 y = x1
Eingangder Strecke
u
q∗L(x3, u)(7.54d)
− Ak
mG
Bild 7.5: Blockschaltbild des Streckenmodells (7.67)
= x1 , (7.68a)
L1fh(x) = (∇h(x)) · f(x)
=[∂h(x)∂x1
,∂h(x)∂x2
,∂h(x)∂x3
,∂h(x)∂x4
,∂h(x)∂x5
]·
f1(x)f2(x)f3(x)f4(x)f5(x)
= [1, 0, 0, 0, 0] ·
f1(x)f2(x)f3(x)f4(x)f5(x)
= f1(x) = x2 , (7.68b)
LgL0fh(x) = (∇h(x)) · g(x)
=[∂h(x)∂x1
,∂h(x)∂x2
,∂h(x)∂x3
,∂h(x)∂x4
,∂h(x)∂x5
]·
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 155
= [1, 0, 0, 0, 0] ·
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
= g1(x) = 0 , (7.68c)
L2fh(x) = (∇L1
fh(x)) · f(x)
=
[∂L1
fh(x)∂x1
,∂L1
fh(x)∂x2
,∂L1
fh(x)∂x3
,∂L1
fh(x)∂x4
,∂L1
fh(x)∂x5
]·
f1(x)f2(x)f3(x)f4(x)f5(x)
= [0, 1, 0, 0, 0] ·
f1(x)f2(x)f3(x)f4(x)f5(x)
= f2(x) =Ak
mk· x3 − dk
mk· (x2 − x5) + g , (7.68d)
LgL1fh(x) = (∇Lfh(x)) · g(x)
=
[∂L1
fh(x)∂x1
,∂L1
fh(x)∂x2
,∂L1
fh(x)∂x3
,∂L1
fh(x)∂x4
,∂L1
fh(x)∂x5
]·
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
= [0, 1, 0, 0, 0] ·
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
= g2(x) = 0 , (7.68e)
L3fh(x) = (∇L2
fh(x)) · f(x)
=
[∂L2
fh(x)∂x1
,∂L2
fh(x)∂x2
,∂L2
fh(x)∂x3
,∂L2
fh(x)∂x4
,∂L2
fh(x)∂x5
]·
f1(x)f2(x)f3(x)f4(x)f5(x)
=[0, − dk
mk,
Ak
mk, 0,
dk
mk
]·
f1(x)f2(x)f3(x)f4(x)f5(x)
= − dk
mk· f2(x) +
Ak
mk· f3(x) +
dk
mk· f5(x)
156 Kapitel 7. Regelung
= −Ak
mk·[kLE
CH+
dk
mk+
dk
mG
]·x3 − dk ·cG
mk ·mG·x4 +
dk
mk·g (7.68f)
− dk ·dG
mk ·mG·x5 +
1mk
·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x2 − x5) und
LgL2fh(x) = (∇L2
fh(x)) · g(x)
=
[∂L2
fh(x)∂x1
,∂L2
fh(x)∂x2
,∂L2
fh(x)∂x3
,∂L2
fh(x)∂x4
,∂L2
fh(x)∂x5
]·
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
=[0, − dk
mk,
Ak
mk, 0,
dk
mk
]·
g1(x)g2(x)
g3(x, u)g4(x)g5(x)
= − dk
mk· g2(x) +
Ak
mk· g3(x, u) +
dk
mk· g5(x)
=Ak
mk·q∗L(x3, u) . (7.68g)
Der relative Grad r des Streckenmodell Gl. (7.67) ist kleiner als die Systemordnung n:
r = 3 < n = 5. (7.69)
Bemerkung 7.6 (Interne Dynamik): Beim Aufschalten des nichtlinearen Kompensations-regler entsteht eine interne Dynamik 2. Ordnung.
Der Regelalgorithmus, bestehend aus dem nichtlinearen Kompensationsregler, der linearen Zu-standsvektorruckfuhrung und dem linearen, dynamischen Vorfilter, lautet:
z1(x) := h(x) = x1 , (7.70a)
z2(x) := L1fh(x) = x2 , (7.70b)
z3(x) := L2fh(x) =
Ak
mk· x3 − dk
mk· (x2 − x5) + g , (7.70c)
αx(x) := L3fh(x) = −Ak
mk·[kLE
CH+
dk
mk+
dk
mG
]·x3 − dk ·cG
mk ·mG·x4 +
dk
mk·g (7.70d)
− dk ·dG
mk ·mG·x5 +
1mk
·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x2 − x5) ,
βx(x, u) := LgL2fh(x) =
Ak
mk·q∗L(x3, u) , (7.70e)
u = [ν − αx(x)] · β−1x (x, u) (nichtlinearer Kompensationsregler) , (7.70f)
ν = ν ′ − k3 · z3 − k2 · z2 − k1 · z1 (lineare Zustandsvektorruckfuhrung) und (7.70g)ν ′ =
...y d + k3 · yd + k2 · yd + k1 · yd (lineares, dynamisches Vorfilter) . (7.70h)
Der gesamte Regelkreis ist im Bild 7.6 dargestellt.
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 157
+ −1 k3
k2
k1
Ak
CH ∫ k
LE
CH
x3
−∫
+
++
+
y=
x1
+
−A
k
mk
g
x2
x5
x4
x1
x1
x2
x3
x5
x4
z 1z 2z 3
Las
tmec
han
ik
+−−
ν
nic
htlin
eare
Zust
andst
ransf
orm
atio
n
x3
u
Dru
ckau
fbau
u
x3
x5
x2
x4
−
+ν
z 3z 2
z 1
+++
−+
y=
z 3=
x2
y=
z 2=
x2
y=
z 1=
x1
Fundam
ents
Mec
han
ikdes
q∗ L(x
3,u
)(7
.54d
)
x2
x5
(7.7
0d)
αx(x
)
(7.7
0h)
Vor
filte
rdyn
amis
ches
linea
res,
(7.7
0g)
ruck
fuhru
ng
Zust
andsv
ekto
r-lin
eare
nic
htlin
eare
rK
ompen
sati
ons-
regl
er(7
.70f
)G
l.(7
.67)
mit
Mod
elldes
Fundam
ents
serv
ohyd
raulis
chen
Ant
rieb
snic
htlin
eare
sStr
ecke
nm
odel
ldes
z=
Φ(x
)(7
.70b
)(7
.70a
)
(7.7
0c)
(7.7
0e)
β−1 x
(x)
+ +
+ + +
y dy dy d... yd
ν′
Soll-Trajektorie
−A
k
mG
c G mG
dG
mG
dk
mG
∫
dk
mk
∫ ∫k
2k
1k
3
Bild
7.6:
Blo
ckdi
agra
mm
des
gesa
mte
nR
egel
krei
ses,
best
ehen
dau
sde
mSt
reck
enm
odel
l(7
.67)
,de
mni
chtl
inea
ren
Kom
pens
atio
nsre
gler
(7.7
0f),
der
linea
ren
Zus
tand
svek
torr
uckf
uhru
ng(7
.70g
)un
dde
mlin
eare
n,dy
nam
isch
enV
orfil
ter
(7.7
0h)
158 Kapitel 7. Regelung
Bemerkung 7.7 (Nichtlinearer Kompensationsregler): Entgegen der Standardform die-ser nichtlinearen Regelalgorithmen hangt die Abbildung βx(x, u) aus Gleichung (7.70e) vomEingang u ab. Um dieses Problem bei der Reglerimplementierung zu umgehen, wird auf denvorherigen Wert u(t − dT ) als eine Approximation fur u(t) zuruckgegriffen mit dT als Abtast-zeit.
Zur Untersuchung der internen Dynamik wird im folgenden das gegebene Streckenmodell in derByrnes-Isidori-Normalform dargestellt.
Der Zustandsvektor z der Byrnes-Isidori-Normalform (7.26) setzt sich fur das gegebene Strecken-modell (7.67) aus den drei Zustanden des Eingangs-/Ausgangs-Teils µ und aus zwei Zustandender internen Dynamik Ψ zusammen:
z := [z1, z2, z3, z4, z5]T = [µ1, µ2, µ3, Ψ1, Ψ2]T . (7.71)
Mit der Wahl
z4 = Ψ1 := x4 (7.72a)z5 = Ψ2 := x5 (7.72b)
entsteht die Zustandstransformation Φ(x) nach Gl. (7.25) :
z = Φ(x) :=
∣∣∣∣∣∣∣∣∣∣
φ1(x)φ2(x)φ3(x)φ4(x)φ5(x)
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
yyy
Ψ1
Ψ2
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
L0fh(x)
L1fh(x)
L2fh(x)Ψ1
Ψ2
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
x1
x2Akmk
· x3 − dkmk
· (x2 − x5) + g
x4
x5
∣∣∣∣∣∣∣∣∣∣
. (7.73)
Die Inverse Φ−1(z) lautet:
x = Φ−1(z) =
∣∣∣∣∣∣∣∣∣∣
z1
z2mkAk· z3 + dk
Ak· (z2 − z5)− mk
Ak· g
z4
z5
∣∣∣∣∣∣∣∣∣∣
. (7.74)
Bemerkung 7.8 (Test von Φ auf Regularitat):Die Jacobi-Matrix der Zustandstransformation Φ
∂Φ(x)∂x
=
∂Φ1(x)∂x1
, ∂Φ1(x)∂x2
, ∂Φ1(x)∂x3
, ∂Φ1(x)∂x4
, ∂Φ1(x)∂x5
∂Φ2(x)∂x1
, ∂Φ2(x)∂x2
, ∂Φ2(x)∂x3
, ∂Φ2(x)∂x4
, ∂Φ2(x)∂x5
∂Φ3(x)∂x1
, ∂Φ3(x)∂x2
, ∂Φ3(x)∂x3
, ∂Φ3(x)∂x4
, ∂Φ3(x)∂x5
∂Φ4(x)∂x1
, ∂Φ4(x)∂x2
, ∂Φ4(x)∂x3
, ∂Φ4(x)∂x4
, ∂Φ4(x)∂x5
∂Φ5(x)∂x1
, ∂Φ5(x)∂x2
, ∂Φ5(x)∂x3
, ∂Φ5(x)∂x4
, ∂Φ5(x)∂x5
=
1, 0, 0, 0, 00, 1, 0, 0, 00, −dk
mk, Ak
mk, 0, dk
mk
0, 0, 0, 1, 00, 0, 0, 0, 1
(7.75)
ist regular fur
det∂Φ(x)
∂x=
Ak
mk6= 0 . (7.76)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 159
Die Byrnes-Isidori-Normalform lautet:
z =
∣∣∣∣∣∣∣∣∣∣∣∣
z1
z2
z3
. .z4
z5
∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣
z2
z3
α(z) + β(z) · u. . . . . . . . . . . . . .
w1(z, u)w2(z, u)
∣∣∣∣∣∣∣∣∣∣∣∣
bzw.
∣∣∣∣∣∣∣∣∣∣∣∣
µ1
µ2
µ3
. . .
Ψ1
Ψ2
∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣
µ2
µ3
α(µ,Ψ) + β(µ,Ψ) · u. . . . . . . . . . . . . . . . . . . .
w1(µ,Ψ, u)w2(µ,Ψ, u)
∣∣∣∣∣∣∣∣∣∣∣∣
(7.77a)
mit
α(z) := L3f h(x)
∣∣x=Φ−1(z)
(7.77b)
= −[kLE
CH+
dk
mk+
dk
mG
]· z3 −
[kLE
CH· dk
mk+
A2k
CH ·mk
]· (z2−z5) +
kLE
CH· g
− dk ·cG
mk ·mG·z4 − dk ·dG
mk ·mG·z5 ,
β(z, u) := LgLr−1f h(x)
∣∣∣x=Φ−1(z)
(7.77c)
=Ak
mk· q∗L
(mk
Ak· z3 +
dk
Ak· (z2 − z5)− mk
Ak· g, u
)
= 2·kL ·kV ·kM · Ak
mk·√|ξ| · sign (ξ)
mit ξ := p0−(
mk
Ak·z3+
dk
Ak·(z2−z5)−mk
Ak·g
)·sign(u)
und
w1(z, u) := z5 (7.77d)
w2(z, u) := − cG
mG· z4 − dG
mG· z5 +
mk
mG· (g − z3) (7.77e)
bzw.
w1(µ,Ψ, u) := Ψ2 (7.77f)
w2(µ,Ψ, u) := − cG
mG·Ψ1 − dG
mG·Ψ2 +
mk
mG· (g − µ3) . (7.77g)
Der Ausgang y entspricht dem ersten Zustand z1.
Das Blockschaltbild des Streckenmodells (7.67) in Byrnes-Isidori-Normalform (7.77) ist im Bild7.7 dargestellt.
Der nichtlineare Kompensationsregler fur die gegebene Strecke in Normalform (7.77) lautet:
u = β(z, u)−1 · [ν − α(z)] . (7.78)
Durch Anwenden des nichtlinearen Ruckfuhrgesetzes Gl. (7.78) auf die Normalform Gl. (7.77):
z =
∣∣∣∣∣∣∣∣∣∣∣∣
z1
z2
z3
. .z4
z5
∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣
z2
z3
ν. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
z5
− cGmG
· z4 − dGmG
· z5 + mkmG
· (g − z3)
∣∣∣∣∣∣∣∣∣∣∣∣
(7.79)
160 Kapitel 7. Regelung
z3 ∫ z3u
(Integratorkette)
∫ z2
z5
∫
∫ z4
y = z1
+ +
−
+
+
−+
g
+
mk
mG
∫
dG
mG
cG
mG
z5
z4
z3
z2
α(z)(7.77b)
(7.77c)β(z, u)
Bild 7.7: Blockschaltbild des Streckenmodells (7.67) in Byrnes-Isidori-Normalform (7.77)
bzw.∣∣∣∣∣∣∣∣∣∣∣∣
µ1
µ2
µ3
. . .
Ψ1
Ψ2
∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣∣∣
µ2
µ3
ν. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Ψ2
− cGmG
·Ψ1 − dGmG
·Ψ2 + mkmG
· (g − µ3)
∣∣∣∣∣∣∣∣∣∣∣∣
(7.80)
ergibt sich eine 3-fache Integratorkette:
...y =
...z 1 =
...µ1 = ν . (7.81)
Der gesamte Regelkreis ist im Bild 7.8 dargestellt.
Die interne Dynamik wird beschrieben durch :
z4 = z5 (7.82a)
z5 = − cG
mG· z4 − dG
mG· z5 +
mk
mG· (g − z3) (7.82b)
bzw.
Ψ1 = Ψ2 (7.83a)
Ψ2 = − cG
mG·Ψ1 − dG
mG·Ψ2 +
mk
mG· (g − µ3) (7.83b)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 161
+ +
u′′
1 k3
k2
k1
+ + +
z 2z 1
z 3
−
++
+
u′
+
Str
ecke
nm
odel
lin
Nor
mal
form
z 3∫
z 3∫
z 2 z 5
∫ ∫
++
− ++− +g
+
mk
mG
∫ dG
mG
c G mG
z 2 z 1z 3
z 5 z 4 z 3 z 2
u
−
+ α(z
)
β−1
(z,u
)
Dynam
ikin
tern
e
z 4
(Int
egra
tork
ette
)
z 4
y=
z 1
α(z
)(7
.77b
)
(7.7
0g)
ruck
fuhru
ng
Zust
andsv
ekto
rlin
eare
Kom
pen
sati
ons-
(7.7
0f)
regl
er
nic
htlin
eare
r
(7.7
7)
(7.7
7c)
β(z
,u)
... yd y d y d y d
(7.7
0h)
Vor
filte
rdyn
amis
ches
linea
res,
Soll-Trajektorie
k1
k2
k3
z 5 z 4 z 3 z 2 z 1
z 5 z 4 z 3 z 2 z 1
Bild
7.8:
Blo
ckdi
agra
mm
des
gesa
mte
nR
egel
krei
ses
best
ehen
dau
sde
min
Nor
mal
form
darg
este
llten
Stre
cken
mod
ell(7
.77)
,de
mni
cht-
linea
ren
Kom
pens
atio
nsre
gler
( 7.7
8),de
rlin
eare
nZus
tand
svek
torr
uckf
uhru
ng(7
.70g
)un
dde
mlin
eare
n,dy
nam
isch
enV
orfil
ter
(7.7
0h)
162 Kapitel 7. Regelung
oder in physikalischen Zustanden Ψ1 = xG, Ψ2 = xG und µ3 = pL ergibt sich folgende Differen-tialgleichung 2. Ordnung :
xG +dG
mG· xG +
cG
mG· xG =
mk
mG· (g − µ3) (7.84)
eines Massen-Feder-Dampfer-Systems.Die interne Dynamik ist das Massen-Feder-Dampfer-System des Fundaments, das durch denLastdruck pL erregt wird (vgl. Bild 7.9). Die interne Dynamik ist somit stabil.
z5
∫ z3 ∫ z2 ∫
∫ z4
y = z1
−
+
+
−+
g
+
mk
mG
∫
dG
mG
cG
mG
interneDynamik
ν = z3
(Integratorkette)
z5 z4 z4
z4
z5
Bild 7.9: Blockschaltbild der kompensierten Modellgleichungen (7.79) mit interner Dynamik(7.82)
7.3.3 Nichtlinearer Reglerentwurf fur die nichtlinearen reduzierten Modell-gleichungen mit linearem Ventilmodell 1. Ordnung und Modell des Fun-daments
Die nichtlinearen, reduzierten Modellgleichungen (4.25) bis (4.32) aus Kapitel 4.3 werden wiefolgt modifiziert :
• lineares Ventilmodell 1. Ordnung
xV + aM · xV = kV · kM · aM · uM und (7.85a)
• Nulluberdeckung des Servoventils
xu = 0 . (7.85b)
Es entsteht eine Strecke 6. Ordnung (n = 6).
Beim Aufbau des Zustandsvektors x := [x1, x2, x3, x4, x5, x6]T aus den Zustandsvariablen:
x1 := xV (Ventilweg),
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 163
x2 := xka (Zylinderkolbenauslenkung),x3 := xka (Zylinderkolbengeschwindigkeit),x4 := pL (Lastdruck), (7.86)x5 := xG (Verschiebung des Fundaments) undx6 := xG (Geschwindigkeit des Fundaments)
entsteht die folgende nichtlineare Zustandsraumdarstellung:
x1
x2
x3
x4
x5
x6
=
f1(x)f2(x)f3(x)f4(x)f5(x)f6(x)
+
g1(x)g2(x)g3(x)g4(x)g5(x)g6(x)
· u (7.87a)
y = h(x) = x2 = xka (7.87b)
mit den Komponenten der Systemoperatoren f und g
f1(x) := −aM ·x1 , g1(x) := kV ·kM ·aM , (7.87c)f2(x) := x3 , g2(x) := 0 , (7.87d)
f3(x) :=Ak
mk·x4− dk
mk·(x3 − x6)+g , g3(x) := 0 , (7.87e)
f4(x) := q∗(x4, x1)− Ak
CH·(x3 − x6) , g4(x) := 0 , (7.87f)
f5(x) := x6 , g5(x) := 0 , (7.87g)
f6(x) :=dk
mG·(x3−x6)− Ak
mG·x4− dG
mG·x6− cG
mG·x5 , g6(x) := 0 (7.87h)
und der nichtlinearen Flussfunktion:
q∗(x4, x1) :=1
CH· qL(x4, x1)− 1
CH· qBPLred
(x4)
= 2·kL ·√|p0 − sign(x1)·x4|·sign (p0 − sign(x1)·x4) · x1 − kLE
CH·x4 . (7.87i)
Zur Bestimmung des relativen Grad r des Systems Gl. (7.87) werden die Lie-Ableitungen Lifh(x)
und LgLi−1f h(x) fur i = 1, . . . , r berechnet, bis erstmals LgL
r−1f h(x) 6= 0 ist:
L0fh(x) = h(x) = x2 , (7.88a)
L1fh(x) = (∇h(x)) · f(x) = f2(x) = x3 , (7.88b)
LgL0fh(x) = (∇h(x)) · g(x) = 0 , (7.88c)
L2fh(x) = (∇L1
fh(x)) · f(x) = f3(x) =Ak
mk·x4− dk
mk·(x3−x6)+g , (7.88d)
LgL1fh(x) = (∇Lfh(x)) · g(x) = 0 , (7.88e)
L3fh(x) = (∇L2
fh(x)) · f(x) =Ak
mk·f4(x)− dk
mk·(f3(x)−f6(x))
164 Kapitel 7. Regelung
=1
mk·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x3−x6)− Ak
mk·[
dk
mk+
dk
mG
]·x4
+Ak
mk·q∗(x4, x1)− dk ·cG
mk ·mG·x5− dk ·dG
mk ·mG·x6− dk
mk·g , (7.88f)
LgL2fh(x) = (∇L2
fh(x)) · g(x) = 0 , (7.88g)
L4fh(x) = (∇L3
fh(x)) · f(x)
=−dk
mG ·mk·[(dk+dG)
mG+
dk
mk
]·[dk ·x3−(dk+dG)·x6−cG ·x5−Ak ·x4]
+[
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
]·[
Ak
mk·x4− dk
mk·(x3−x6)+g
]− cG ·dk
mG ·mk·x6
+Ak
mk·[∂q∗(x4, x1)
∂x4+
Ak
CH− dk
mG− dk
mk
]·[q∗(x4, x1)− Ak
CH·(x3−x4)
]
− Ak
mk·aM · ∂q∗(x4, x1)
∂x1·x1 und (7.88h)
LgL3fh(x) = (∇L3
fh(x)) · g(x) =Ak
mk·aM ·kM ·kV · ∂q∗(x4, x1)
∂x1(7.88i)
mit den partiellen Ableitungen von q∗(x4, x1) nach x1 und x4
∂q∗(x4, x1)∂x1
= 2 · kL ·√|p0 − sign(x1) · x4| · sign (p0 − sign(x1) · x4) und (7.89a)
∂q∗(x4, x1)∂x4
=−kL · |x1|√
|p0 − sign(x1) · pL|− kLE
CH. (7.89b)
Der relative Grad r des Streckenmodells Gl. (7.87) ist kleiner als die Systemordnung n:
r = 4 < n = 6 . (7.90)
Bemerkung 7.9 (Interne Dynamik): Beim Aufschalten des nichtlinearen Kompensations-reglers entsteht eine interne Dynamik 2. Ordnung. Die Untersuchung der internen Dynamikentspricht der aus Kapitel 7.3.2.
Der Regelalgorithmus, bestehend aus dem nichtlinearen Kompensationsregler, dem linearen Pol-vorgaberegler und dem linearen, dynamischen Vorfilter, lautet:
z1(x) := h(x) = x2 , (7.91a)
z2(x) := L1fh(x) = x3 , (7.91b)
z3(x) := L2fh(x) =
Ak
mk·x4− dk
mk·(x3−x6)+g , (7.91c)
z4(x) := L3fh(x) =
1mk
·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x3−x6)− Ak
mk·[
dk
mk+
dk
mG
]·x4
+Ak
mk·q∗(x4, x1)− dk ·cG
mk ·mG·x5− dk ·dG
mk ·mG·x6− dk
mk·g , (7.91d)
αx(x) := L4fh(x) =
−dk
mG ·mk·[(dk+dG)
mG+
dk
mk
]·[dk ·x3−(dk + dG)·x6−cG ·x5−Ak ·x4]
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 165
+[
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
]·[
Ak
mk·x4− dk
mk·(x3−x6)+g
]− cG ·dk
mG ·mk·x6
+Ak
mk·[∂q∗(x4, x1)
∂x4+
Ak
CH− dk
mG− dk
mk
]·[q∗(x4, x1)− Ak
CH·(x3−x4)
]
− Ak
mk·aM · ∂q∗(x4, x1)
∂x1·x1 , (7.91e)
βx(x) := LgL3fh(x) =
Ak
mk·aM ·kM ·kV · ∂q∗(x4, x1)
∂x1, (7.91f)
u = β−1x (x, u) · [ν − αx(x)] (nichtlinearer Kompensationsregler) , (7.91g)
ν = ν ′ − k4 ·z4 − . . .− k2 ·z2 − k1 ·z1 (lineare Zustandsvektorruckfuhrung) und (7.91h)
ν ′ = y(4)d + k4 ·
...y d + . . . + k2 ·yd + k1 ·yd (lineares dynamisches Vorfilter) . (7.91i)
7.3.4 Nichtlinearer Reglerentwurf fur die nichtlinearen reduzierten Modell-gleichungen mit linearem Ventilmodell 3. Ordnung und mit Modell desFundaments
Fur die nichtlinearen, reduzierten Modellgleichungen (4.25) bis (4.32) aus Kapitel 4.3 wirdNulluberdeckung des Servoventils (xu = 0) angenommen.Beim Aufbau des Zustandsvektors x := [x1, x2, x3, x4, x5, x6, x7, x8]T aus den Zustandsva-riablen:
x1 := FV (Kraft auf Ventilkolben),x2 := xV (Ventilweg),x3 := xV (Ventilkolbengeschwindigkeit),x4 := xka (Zylinderkolbenauslenkung),x5 := xka (Zylinderkolbengeschwindigkeit),x6 := pL (Lastdruck), (7.92)x7 := xG (Verschiebung des Fundaments) undx8 := xG (Geschwindigkeit des Fundaments)
entsteht die folgende nichtlineare Zustandsraumdarstellung:
x1
x2
x3
x4
x5
x6
x7
x8
=
f1(x)f2(x)f3(x)f4(x)f5(x)f6(x)f7(x)f8(x)
+
g1(x)g2(x)g3(x)g4(x)g5(x)g6(x)g7(x)g8(x)
· u (7.93a)
y = h(x) = x4 = xka (7.93b)
mit
f1(x) := −aM ·x1 , g1(x) := kM , (7.93c)
166 Kapitel 7. Regelung
f2(x) := x3 , g2(x) := 0 , (7.93d)
f3(x) := −2·ζV ·ωV ·x3 − ω2V ·x2 + kV ·ω2
V ·x1 , g3(x) := 0 , (7.93e)f4(x) := x5 , g4(x) := 0 , (7.93f)
f5(x) :=Ak
mk·x6− dk
mk·(x5−x8)+g , g5(x) := 0 , (7.93g)
f6(x) := q∗(x6, x2)− Ak
CH·(x5−x8) , g6(x) := 0 , (7.93h)
f7(x) := x8 , g7(x) := 0 , (7.93i)
f8(x) :=dk
mG·(x5−x8)− Ak
mG·x6− dG
mG·x8− cG
mG·x7 , g8(x) := 0 (7.93j)
und der nichtlinearen Flussfunktion:
q∗(x6, x2) :=1
CH· qL(x6, x2)− 1
CH· qBPLred
(x6)
= 2·kL ·√|p0 − sign(x2)·x6|·sign (p0 − sign(x2)·x6) · x2 − kLE
CH·x6 . (7.93k)
Zur Bestimmung des relativen Grad r des Systems Gl. (7.93) werden die Lie-Ableitungen Lifh(x)
und LgLi−1f h(x) fur i = 1, . . . , r berechnet, bis erstmals LgL
r−1f h(x) 6= 0 ist:
L0fh(x) = h(x) = x4 , (7.94a)
L1fh(x) = (∇h(x)) · f(x) = f4(x) = x5 , (7.94b)
LgL0fh(x) = (∇h(x)) · g(x) = 0 , (7.94c)
L2fh(x) = (∇L1
fh(x)) · f(x) = f5(x) =Ak
mk·x6− dk
mk·(x5−x8)+g , (7.94d)
LgL1fh(x) = (∇Lfh(x)) · g(x) = 0 , (7.94e)
L3fh(x) = (∇L2
fh(x)) · f(x)
=1
mk·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x5−x8)− Ak
mk·[
dk
mk+
dk
mG
]·x6
+Ak
mk·q∗(x6, x2)− dk ·cG
mk ·mG·x7− dk ·dG
mk ·mG·x8− dk
mk·g , (7.94f)
LgL2fh(x) = (∇L2
fh(x)) · g(x) = 0 , (7.94g)
L4fh(x) = (∇L3
fh(x)) · f(x) = siehe Anhang Gl. (D.1) ,
LgL3fh(x) = (∇L3
fh(x)) · g(x) = 0 , (7.94h)
L5fh(x) = (∇L4
fh(x)) · f(x) = siehe Anhang Gl. (D.2) ,
LgL4fh(x) = (∇L4
fh(x)) · g(x) = 0 , (7.94i)
L6fh(x) = (∇L5
fh(x)) · f(x) = siehe Anhang Gl. (D.3) und
LgL5fh(x) = (∇L5
fh(x)) · g(x) =Ak
mk·aM ·kM ·kV ·ω2
V ·∂q∗(x6, x2)
∂x2(7.94j)
mit den partiellen Ableitungen von q∗(x6, x2) nach x2 und x6:
∂q∗(x6, x2)∂x6
=−kL · |x2|√
|p0 − sign(x2) · x6|− kLE
CH, (7.95a)
7.3 Nichtlinearer Reglerentwurf fur einen servohydraulischen Linearantrieb 167
∂q∗(x6, x2)∂x2
= 2 · kL ·√|p0 − sign(x2) · x6| · sign (p0 − sign(x2) · x6) , (7.95b)
∂2q∗(x6, x2)∂x2
6
=−kL · x2
2 · (p0 − sign(x2) · x6) ·√|p0 − sign(x2) · x6|
, (7.95c)
∂2q∗(x6, x2)∂x6 ∂x2
=−kL · sign(x2)√|p0 − sign(x2) · x6|
, (7.95d)
∂2q∗(x6, x2)∂x2
2
= 0 , (7.95e)
∂3q∗(x6, x2)∂x3
6
=−3 · kL · |x2|
4 · (p0 − sign(x2) · x6)2 ·
√|p0 − sign(x2) · x6|
, (7.95f)
∂3q∗(x6, x2)∂x2
6 ∂x2=
−kL
2 · (p0 − sign(x2) · x6) ·√|p0 − sign(x2) · x6|
, (7.95g)
∂3q∗(x6, x2)∂x6 ∂x2
2
= 0 und (7.95h)
∂3q∗(x6, x2)∂x3
2
= 0 . (7.95i)
Der relative Grad r des Streckenmodells Gl. (7.93) ist kleiner als die Systemordnung n:
r = 6 < n = 8 . (7.96)
Bemerkung 7.10 (Interne Dynamik): Beim Aufschalten des nichtlinearen Kompensations-reglers entsteht eine interne Dynamik 2. Ordnung. Die Untersuchung der internen Dynamikentspricht der aus Kapitel 7.3.2.
Der Regelalgorithmus, bestehend aus nichtlinearem Kompensationsregler, linearem Polvorgabe-regler und linearem dynamischen Vorfilter, lautet:
z1(x) := h(x) = x2 , (7.97a)
z2(x) := L1fh(x) = x3 , (7.97b)
z3(x) := L2fh(x) =
Ak
mk·x4− dk
mk·(x3−x6)+g , (7.97c)
z4(x) := L3fh(x) =
1mk
·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x5−x8)− Ak
mk·[
dk
mk+
dk
mG
]·x6
+Ak
mk·q∗(x6, x2)− dk ·cG
mk ·mG·x7− dk ·dG
mk ·mG·x8− dk
mk·g , (7.97d)
z5(x) := L4fh(x) = siehe Anhang Gl. (D.1) , (7.97e)
z6(x) := L5fh(x) = siehe Anhang Gl. (D.2) , (7.97f)
αx(x) := L6fh(x) = siehe Anhang Gl. (D.3) , (7.97g)
βx(x) := LgL5fh(x) =
Ak
mk·aM ·kM ·kV ·ω2
V ·∂q(x2, x6)
∂x2, (7.97h)
u = β−1x (x, u) · [ν − αx(x)] (nichtlinearer Kompensationsregler) , (7.97i)
168 Kapitel 7. Regelung
ν = ν ′ − k6 ·z6 − . . .− k2 ·z2 − k1 ·z1 (lineare Zustandsvektorruckfuhrung) und (7.97j)
ν ′ = y(6)d + k6 ·y(5)
d + . . . + k2 ·yd + k1 ·yd (lineares dynamisches Vorfilter) . (7.97k)
Der gesamte Regelkreis ist im Bild 7.10 dargestellt.
7.4 Linearer Reglerentwurf
Um die Verbesserung des Regelverhaltens durch die nichtlinearen Regler zu zeigen, werden zumVergleich lineare Regelalgorithmen in analoger Weise nach dem Verfahren der exakten Ein-/Ausgangs-Linearisierung, basierend auf einem linearisierten, reduzierten Modell des servohy-draulischen Linearantriebs entwickelt.Hierzu werden in den bestehenden nichtlinearen Regelalgorithmen die Nichtlinearitaten durchlineare Approximationen ersetzt.Klassische Verfahren wie eine Zustandsvektorruckfuhrung sind ebenfalls moglich, werden hieraber nicht untersucht.Die Zustandsraumdarstellung des linearen Modells ergibt sich aus der Zustandsraumdarstellungdes nichtlinearen Modells durch folgende Modifikationen:
• Einfuhren eines Arbeitspunktes in der Ruhelage uMC und pLC mit Kleinsignalgroßen xV
und pL (Wegfall der Gravitationskonstante g) und durch
• Ersetzen der nichtlinearen Flussfunktion des Servoventils mit Nulluberdeckung xu = 0,vergleiche Gln. (7.87i) und (7.93k) :
q∗(pL, xV ) := 2·kL ·√|p0 − sign(xV )·pL| · sign (p0 − sign(xV )·pL) · xV
− kLE
CH·pL (7.98)
durch die folgende lineare Approximation :
q∗lin(pL, xV ) =QP
CH· pL +
QX
CH· xV . (7.99)
Die linearen Regler mit statischem Ventilmodell LB3OR und LBF5OR bedurfen einer beson-deren Betrachtung und werden in den Unterkapiteln 7.4.1 und 7.4.2 behandelt.Die ubrigen linearen Regelalgorithmen konnen direkt aus dem Quelltext der nichtlinearen Re-gelalgorithmen entwickelt werden.
7.4.1 Linearer Kompensationsregler fur lineare reduzierte Modellgleichun-gen mit statischem Ventilmodell ohne Fundament
Die Herangehenweise ist die gleiche wie in Kapitel 7.3.1 mit den Kleinsignalen x3 und u imArbeitspunkt pLC und uMC .Die Komponenten der Systemoperatoren f und g (7.54c) fur (7.54) lauten:
f1(x) := x2 , g1(x) := 0 , (7.100)
f2(x) :=Ak
mk·x3 − dk
mk·x2 , g2(x) := 0 , (7.101)
f3(x) := − Ak
CH·x2 +
QP
CH·x3 , g3(x, u) :=
QX
CH·kV ·kM . (7.102)
7.4 Linearer Reglerentwurf 169
−+
+−−
∫ kL
E
CH
x6
z=
Φ(x
)
++++ +
− +
+
+
Dru
ckau
fbau
nic
htlin
eare
Zust
andst
ransf
orm
atio
n
+
−
x5
Ak
mkLas
tmec
han
ik
−
x8
−A
k
mk
∫∫
dG
mG
+
c G mG
x7
++
+
x6
x5
x4
x4
x8
x7
x6
x8
x5
x7
x4
x5−
x8
Fundam
ente
sM
echan
ikdes
y=
x4
=x
ka
(7.9
3)nic
htlin
eare
sStr
ecke
nm
odel
ldes
serv
ohyd
raulis
chen
Ant
rieb
s(7
.97i
)re
gler
sati
ons-
Kom
pen
-nic
htlin
eare
rlin
eare
Zust
ands-
vekt
or-
ruck
fuhru
ng
(7.9
7j)
x5−
x8
+ −
z 6=
y(6
)
z 5=
y(5
)
z 4=
y(4
)
z 3=
... y
z 2=
yz 1
=y
x6
x2
∫x
3 x3
x2
(7.9
7f)
(7.9
7e)
(7.9
7d)
(7.9
7c)
(7.9
7b)
(7.9
7a)
+
−
αx(x
)(7
.97g
)
β−1 x
(x)
(7.9
7h)
linea
res
Mod
ellder
Ser
vove
ntila
nst
euer
ung
3.O
rdnu
ng
+x
1
−u
x1
ν′
+ + + ++
+ + + + + +
+ + + + +
νq∗
(x6,
x2)
(7.9
3k)
(7.9
7k)
Vor
filte
rdyn
amis
ches
linea
res,
Soll-Trajektorie
y dy dy d... yd
y(4
)dy(5
)dy(6
)d
Ak
CH
2·ζ V
·ωV
ω2 V
∫∫
dk
mk
dk
mG
kV·ω
2 V
aM∫
kM·a M
∫
k6
k5
k4
k3
k2
k1
k6
k5
k4
k3
k2
k11
Bild
7.10
:B
lock
diag
ram
mde
sge
sam
ten
Reg
elkr
eise
s,be
steh
end
aus
dem
Stre
cken
mod
ell(
7.93
)m
itB
ypas
sun
dFu
ndam
ent,
dem
nich
t-lin
eare
nK
ompe
nsat
ions
regl
er( 7
.97i
),de
rlin
eare
nZus
tand
svek
torr
uckf
uhru
ng(7
.97j
)un
dde
mlin
eare
nV
orfil
ter
(7.9
7k)
170 Kapitel 7. Regelung
Der Regelalgorithmus, bestehend aus dem linearen Kompensationsregler, der linearen Zustands-vektorruckfuhrung und dem linearen, dynamischen Vorfilter, lautet:
x3 := x3 − pLC , (7.103a)z1(x) := h(x) = x1 , (7.103b)
z2(x) := L1fh(x) = x2 , (7.103c)
z3(x) := L2fh(x) =
Ak
mk· x3 − dk
mk· x2 , (7.103d)
αx(x) := L3fh(x) =
[d2
k
m2k
− A2k
CH ·mk
]·x2 − Ak
mk·[
dk
mk−QP
CH
]·x3 , (7.103e)
βx(x, u) := LgL2fh(x) = kV ·kM · Ak
mk·QX
CH(7.103f)
u = β−1x (x, u) · [ν − αx(x)] + uMC (Kompensation) , (7.103g)
ν = ν ′ − k3 · z3 − k2 · z2 − k1 · z1 (lineare Zustandsvektorruckfuhrung) und (7.103h)ν ′ =
...y d + k3 · yd + k2 · yd + k1 · yd (lineares, dynamisches Vorfilter) . (7.103i)
7.4.2 Linearer Kompensationsregler fur lineare reduzierte Modellgleichun-gen mit statischem Ventilmodell mit Fundament
Die Herangehenweise ist die gleiche wie in Kapitel 7.3.2 mit den Kleinsignalen x3 und u imArbeitspunkt pLC und uMC .Die Komponenten der Systemoperatoren f und g (7.67c) fur (7.67) lauten:
f1(x) := x2 , g1(x) := 0 ,
f2(x) :=Ak
mk·x3 − dk
mk·(x2 − x5) , g2(x) := 0 ,
f3(x) := − Ak
CH·(x2 − x5) +
QP
CH·x3 , g3(x, u) :=
QX
CH·kV ·kM (7.104)
f4(x) := x5 , g4(x) := 0 ,
f5(x) :=dk
mG·(x2 − x5)− Ak
mG·x3 − dG
mG·x5 − cG
mG·x4 , g5(x) := 0 .
Der Regelalgorithmus, bestehend aus nichtlinearem Kompensationsregler, linearer Zustandsvek-torruckfuhrung und linearem dynamischen Vorfilter, lautet:
x3 := x3 − pLC , (7.105a)z1(x) := h(x) = x1 (7.105b)
z2(x) := L1fh(x) = x2 (7.105c)
z3(x) := L2fh(x) =
Ak
mk· x3 − dk
mk· (x2 − x5) + g (7.105d)
αx(x) := L3fh(x) = −Ak
mk·[−QP
CH+
dk
mk+
dk
mG
]·x3 − dk ·cG
mk ·mG·x4 (7.105e)
− dk ·dG
mk ·mG·x5 +
1mk
·[
d2k
mk+
d2k
mG− A2
k
CH
]·(x2 − x5)
7.5 Zusammenfassung 171
βx(x, u) := LgL2fh(x) = kV ·kM · Ak
mk·QX
CH(7.105f)
u = β−1x (x, u) · [ν − αx(x)] + uMC (Kompensation) (7.105g)
ν = ν ′ − k3 · z3 − k2 · z2 − k1 · z1 (lineare Zustandsvektorruckfuhrung) und (7.105h)ν ′ =
...y d + k3 · yd + k2 · yd + k1 · yd (lineares, dynamisches Vorfilter) . (7.105i)
7.5 Zusammenfassung
In den Kapiteln 7.3.1, 7.3.2, 7.3.3 und 7.3.4 wurden nichtlineare Regelalgorithmen unterschied-licher Komplexitat nach dem Verfahren der exakten Eingang-/Ausgangs-Linearisierung ent-wickelt.In Kapitel 7.3.1 wurde ein Streckenmodell ohne Berucksichtigung eines Fundaments und nurmit statischem Modell der Servoventilansteuerung gewahlt. Die Zustande lassen sich vollstandigtransformieren. Es liegt eine exakte Zustands-Linearisierung vor.In Kapitel 7.3.2 kommt ein Modell 2.Ordnung des Fundaments hinzu. Die Zustande lassen sichnicht mehr vollstandig transformieren. Es liegt eine exakte Eingangs-/Ausgangs-Linearisierungvor. Das Interne System 2. Ordnung wird durch das Massen-Feder-Dampfer-System des Funda-ments gebildet und ist somit stabil. Es wird durch den Lastdruck angeregt, d.h. je starker derLastdruck ist, um so starker sind die Schwingungen des Fundaments.Das statische Modell der Servoventilansteuerung wird in Kapitel 7.3.3 mit einem linearen, dy-namischen Modell 1. Ordnung und in Kapitel 7.3.4 mit einem linearen, dynamischen Modell 3.Ordnung erweitert. Der Umfang des Regelalgorithmus steigt erheblich an, es werden partielleAbleitungen der nichtlinearen Flussfunktion benotigt.Im Kapitel 7.4 entstehen lineare Regelalgorithmen aus den bestehenden nichtlinearen Regelal-gorithmen, indem die Nichtlinearitaten durch lineare Approximationen ersetzt werden.
172 Kapitel 7. Regelung
Kapitel 8
Untersuchung des Regelkreisverhaltens
8.1 Einleitung
In Kapitel 7 sind nichtlineare und lineare Regler zur Regelung des servohydraulischen Antriebsentwickelt worden. In diesem Kapitel wird das mit diesen Reglern erzielte Regelkreisverhaltenim Laborexperiment und in der Rechnersimulation untersucht.Wie im Bild 8.1 verdeutlicht, erfolgt die Uberprufung der Ergebnisse anhand des
• Fuhrungsubertragungsverhaltens der Regler und anhand• der Ubereinstimmung des erzielten Regelkreisverhaltens in der Rechnersimulation und im
Laborexperiment.
Bei einem idealen Fuhrungsubertragungsverhalten folgen die Istgroßen exakt den Sollgroßen.Die Istgroßen beim hier untersuchten servohydraulischen Antrieb sind der Zylinderkolbenwegxka, die Zylinderkolbengeschwindigkeit xka und die Zylinderkolbenbeschleunigung xka jeweilsbezogen auf den Hallenboden, der als Inertialsystem betrachtet wird. Das Fuhrungssignal setztsich aus den Sollgroßen Weg xkd, Geschwindigkeit xkd und Beschleunigung xkd zusammen, dasauch als Soll-Trajektorie bezeichnet wird. Die Erzeugung der Soll-Trajektorie wird in KapitelE.1 beschrieben.
Es ist zu beachten, dass der servohydraulische Antrieb nur solche Fuhrungssignale nahezu idealnachfahren kann, die ihn nicht in Begrenzungen z.B. Volumenflussbegrenzung hineinfahren, weildann der Antrieb an physikalisch gegebene Grenzen stoßt, die auch mit Reglern nicht uberwun-den werden konnen.
Wenn das Regelkreisverhalten in der Rechnersimulation mit dem im Laborexperiment uber-einstimmt, wird dadurch die Gultigkeit des Streckenmodells mit seinen Parametern nochmalsbestatigt, vergleiche dazu die Modellvalidierung aus Abschnitt 6.7. Die Rechnersimulation kanndann fur weitergehende Untersuchungen genutzt werden. Daruberhinaus wird aber auch deut-lich, welche Effekte des Laborexperiments in der Rechnersimulation noch nicht berucksichtigtwurden.Die verschiedenen in Kapitel 7 entworfenen nichtlinearen und linearen Regler aus der Tabelle7.1 sind entstanden aufgrund der
• Verwendung eines linearen oder nichtlinearen reduzierten Druckaufbaus, durch eine• Berucksichtigung eines mitschwingenden Fundaments zur Kompensation dessen Einflusses
und durch die• Modellierung der Servoventilansteuerung als lineares Modell unterschiedlicher Ordnung.
In der Tabelle 8.1 sind nochmals diese Regler mit einer von links oben nach rechts unten zuneh-
173
174 Kapitel 8. Untersuchung des Regelkreisverhaltens
verhaltens
Uberprufung des
Fuhrungsubertragungs-
Rechnersimulationen
Ergebnisse der
Fuhrungs–
signale
Uberprufung
aufErgebnisse der
LaborexperimenteUbereinstimmung
Bild 8.1: Uberprufung der Ergebnisse aus Laborexperiment und Rechnersimulation bezuglichdes Fuhrungsubertragungsverhaltens der Regler und anhand der Ubereinstimmungzwischen Rechnersimulation und Laborexperiment
menden Komplexitat angeordnet.
Die Bezeichnung der Regler setzt sich zusammen aus, vergleiche Abschnitt 7.1,
• einem NL fur einen nichtlinearen oder einem L fur linearen Regelalgorithmus,• einem B fur ein enthaltenes Modell des Bypassflusses,• einem F fur ein enthaltenes Modell des Fundaments,• einem 3O bis 8O fur die Ordnung des gesamten Streckenmodells und• einem R fur ein reduziertes Modell des Druckaufbaus.
So steht die Abkurzung NLBF8OR fur einen nichtlinearen Regelalgorithmus mit Bypassmodellund mit Fundamentmodell basierend auf den Modellgleichungen 8. Ordung des nichtlinearen,reduzierten Streckenmodells.In Tabelle 8.1 berucksichtigen die Regler in den Spalten ein lineares Servoventilmodell, das vonlinks nach rechts in der Ordnung steigt.Die 8 Regler in den unteren beiden Zeilen versuchen, den Einfluss eines mitschwingenden Fun-daments zu kompensieren.Die Regler in der ersten und dritten Zeile enthalten einen linearen reduzierten Druckaufbau, unddie Regler in den zweiten und vierten Zeile enthalten einen nichtlinearen reduzierten Druckauf-bau.
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborex-periment und Rechnersimulation
Im folgenden Anschnitt wird das Regelkreisverhalten im Laborexperiment dem aus der Rech-nersimulation bei Variation des Fuhrungssignals und der Lastmasse gegenubergestellt.
Das Ziel der Untersuchungen ist es, auf folgende Fragestellungen eine Antwort zu finden:
• Gelingt es dem Regler, den storenden Einfluss des Fundaments zu kompensieren ?• Ist die Modellierung der Dynamik der Servoventilansteuerung im Entwurfsmodell des Reglers
erforderlich ?
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rechnersimulation 175
NLBF80RNLBF60R NLBF70R
3.Ordnung2.Ordnung0.Ordnung 1.Ordnung
lineares Modell der Servoventilansteuerungim Regler berucksichtigtes
linear
nichtlinear
linear
nichtlinear
imR
egle
rve
rwen
det
esM
odel
ldes
reduzi
erte
nD
ruck
aufb
aus
Fundam
ents
mit
schw
inge
nden
den
Ein
fluß
eines
Reg
ler
kom
pen
sier
t
nein
ja
LB30R LB40R LB50R LB60R
NLB30R NLB40R NLB50R NLB60R
LBF50R LBF60R LBF70R LBF80R
NLBF50R
Tabelle 8.1: Anordnung der untersuchten nichtlinearen und linearen Regler mit einer von linksoben nach rechts unten zunehmenden Komplexitat, die sich durch die Verwendungeines linearen oder nichtlinearen reduzierten Druckaufbaus, durch eine Berucksich-tigung eines mitschwingenden Fundaments zur Kompensation dessen Einflusses unddurch die Modellierung der Servoventilansteuerung als lineares Modell unterschied-licher Ordnung ergibt. Die Bezeichnung der Regler setzt sich zusammen aus (ver-gleiche Abschnitt 7.1) einem NL fur einen nichtlinearen oder einem L fur linearenRegelalgorithmus, einem B fur ein enthaltenes Modell des Bypassflusses, einem Ffur ein enthaltenes Modell des Fundaments, einem 3O bis 8O fur die Ordnung desgesamten Streckenmodells und einem R fur ein reduziertes Modell des Druckauf-baus. Die grau unterlegten Regler sind in den folgenden Diagrammen dargestellt.
176 Kapitel 8. Untersuchung des Regelkreisverhaltens
• Welche Verbesserung bringt eine nichtlineare Annahme des Druckaufbaus gegenuber einerlinearisierten Annahme ?
Zusatzlich zu den 16 Reglern aus Tabelle 8.1 wird zum Vergleich noch ein P-Regler mit einemVerstarkungsfaktor kp von 400 verwendet.
Von den insgesamt 17 Reglern werden im Folgenden nur eine Auswahl von 5 Reglern mit be-stimmten Eigenschaften gegenubergestellt:
• Der P-Regler ist der einfachste Regler, der fur diese Regelaufgabe einsetzbar ist.
• Der nichtlineare Regler NLB60R berucksichtigt einen nichtlinearen reduzierten Druck-aufbau und verwendet ein lineares Modell 3. Ordnung fur die Servoventilansteuerung. Dadieser Regler nicht den Einfluss des Fundaments kompensiert, wird der storende Einflussdes Fundaments im Regelkreisverhalten deutlich. Dieser Regler steht stellvertretend furalle linearen und nichtlinearen Regler LB30R, LB40R, LB50R, LB60R, NLB30R,NLB40R und NLB50R, die den Einfluss des mitschwingenden Fundaments nicht kom-pensieren und dadurch ein schlechtes Fuhrungsubertragungsverhalten aufweisen. Der Reg-ler NLB30R, der zusatzlich nur ein statisches Modell der Servoventilansteuerung besitzt,wird im Laborexperiment sogar instabil.
• Der nichtlineare Regler NLBF5OR berucksichtigt einen nichtlinearen reduzierten Druck-aufbau. Im Entwurfsmodell des Reglers ist ein lineares Modell des Fundaments enthalten,so dass der Regler in der Lage sein sollte, den Einfluss des Fundaments zu kompensieren. Dader Regler nur ein statisches Modell fur die Servoventilansteuerung berucksichtigt, werdenmit diesem Regler die Auswirkungen einer nicht im Regler berucksichtigten dynamischenServoventilansteuerung hoherer Ordnung deutlich.
• Der lineare Regler LBF8OR berucksichtigt einen linearen reduzierten Druckaufbau, einlineares Modell 3. Ordnung fur die Servoventilansteuerung und enthalt im Entwurfsmodellein lineares Modell des Fundaments, um dessen Einfluss zu kompensieren. Dieser Regler istder komplexeste lineare Regler und wird zum Vergleich mit dem folgenden nichtlinearenRegler NLBF8OR herangezogen.
• Der nichtlineare Regler NLBF8OR unterscheidet sich gegenuber dem linearen ReglerLBF8OR durch einen nichtlinearen reduzierten Druckaufbau. Der Regler NLBF8ORist der komplexeste nichtlineare Regler und sollte daher ideales Fuhrungsubertragungsver-halten erzielen. Mit dem Regler NLBF8OR wird die Verbesserung des Fuhrungsuber-tragungsverhaltens durch Verwendung eines nichtlinearen Druckaufbaus im Vergleich zumlinearen Reglers LBF8OR untersucht.
Als Fuhrungssignale werden folgende Signale verwendet:
• Rechtecksignale mit abgerundeten Flanken und unterschiedlichen Anstiegszeiten (sieheAbschnitt 8.2.1),
• reale Erdbebensignale (siehe Abschnitt 8.2.2) und
• linear durchgestimmte Sinus-Sweepsignale (siehe Abschnitt 8.2.3).
Fur das Streckenmodell der Rechnersimulation wird das nichtlineare nicht reduzierte Modell miteiner nichtlinearen Servoventilansteuerung verwendet.
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rechnersimulation 177
Bei den Versuchen wurde ein Versorgungsdruck pS von 150 bar verwendet.Der Betrieb im Laborexperiment unterliegt den folgenden Beschrankungen:
• Durch die Begrenzung des Volumenflusses der Versorgungspumpe von 35 l/min ergibt sicheine maximal mogliche Zylinderkolbengeschwindigkeit von 0.63 m/s. Dieser Wert reduziertsich aber in der Praxis auf
|xka| ≤ 0.4 m/s , (8.1)
da dort der Versorgungsdruck bereits einzubrechen beginnt.• Die Ventileingangsspannung uM ist begrenzt auf
|uM | ≤ 10 V . (8.2)
Hierdurch ist auch der Ventilkolbenweg xV begrenzt.• Im Abschnitt 6.3.3 der Identifikation der Servoventilansteuerung wurde eine Begrenzung der
Ventilkolbengeschwindigkeit xV von
|xV | ≤ 0.04 m/s (8.3)
ermittelt.• Der Zylinderkolbenweg xk ist begrenzt auf
|xk| ≤ 0.125 m . (8.4)
• Aus sicherheitstechnischen Grunden durfen die Drucke pI und pII in den Kammern denRucklaufdruck pR nicht unter- und den Versorgungsdruck pS nicht uberschreiten:
pR < pI , pII < pS . (8.5)
• Eine Vergroßerung der Masse der Lastmechanik bewirkt großere Schwingungen des Funda-ments, weil das Verhaltnis von Lastmasse mk zu Masse des Fundaments mG großer wird unddamit der Lastdruck pL das Fundament gemaß Gl. (7.84) starker anregt.
Die Amplitude des Fuhrungssignals muss so gewahlt werden, dass beim servohydraulischenAntrieb keine der oben genannten Beschrankungen wirksam wird. Aber schon in der Nahe vonBegrenzungen andert sich das gewohnte Verhalten des Antriebs und das verwendete Modell wirdungenauer und die auf diesem Modell basierenden Regelalgorithmen gehen dann von falschenVoraussetzungen aus und erzielen ein schlechteres Fuhrungsubertragungsverhalten.Auf der anderen Seite wird aber zur Untersuchung des Unterschieds zwischen den linearen undden nichtlinearen Reglern ein Fuhrungssignal benotigt, was die Nichtlinearitaten des Druckauf-baus stark aussteuert, und dies geht nur durch eine Großsignalansteuerung.Bei den Versuchen mit den Rechtecksignalen wurde die Amplitude des Fuhrungssignals schritt-weise erhoht, bis eine der Beschrankungen beim servohydraulischen Antrieb wirksam wurde.
8.2.1 Rechteck mit abgerundeten Flanken als Fuhrungssignal
In der Regelungstechnik dient ein Sprung bzw. ein Rechtecksignal zur Beurteilung des Ein-schwingverhaltens des Reglers.Fur das lineare dynamische Vorfilter Gl. (7.50f) des Reglers werden die zeitlichen Ableitungendes Fuhrungssignals benotigt. An den Sprungstellen eines Rechtecksignals ergeben sich unend-liche Werte fur die zeitlichen Ableitungen. Um dies zu vermeiden werden Rechtecksignale mit
178 Kapitel 8. Untersuchung des Regelkreisverhaltens
abgerundeten Flanken eingesetzt, deren Anstiegszeit vorgegeben wird, vergleiche Generierungder Soll-Trajektorie Abschnitt E.1.Die Anstiegszeit tan, gemessen zwischen 10% und 90% der Amplitude des Rechtecksignals wirdmit 0.01 s und 0.02 s vorgegeben. Durch die Anstiegszeit tan wird die spektrale Zusammensetzungdes Rechtecksignals verandert.Die Vorteile von Rechtecksignalen bestehen darin, dass kurz hintereinander verschiedene Ampli-tuden gefahren werden konnen und so die Nichtlinearitaten unterschiedlich ausgesteuert werden.Das Verhalten des Reglers wird durch die kurze Zeitspanne des Einschwingvorgangs kompaktwiedergegeben. Der Nachteil des Rechtecksignals besteht darin, dass die spektrale Zusammen-setzung nicht konstant wie z.B. bei einem Sinus-Sweepsignal ist.
In den Bildern 8.2, 8.3, 8.5 und 8.6 wird das Regelkreisverhalten im Laborexperiment und inder Rechnersimulation anhand von Rechtecksignalen mit einer Grundfrequenz f von 4 Hz undabgerundeten Flanken als Fuhrungssignal dargestellt. Bei den Bildern 8.2 und 8.3 wird eineAnstiegszeit tan von 0.01 s und bei den Bildern 8.5 und 8.6 wird eine Anstiegszeit tan von0.02 s verwendet. Die Lastmasse betragt 200 kg in den Bildern 8.2 und 8.5 und 400 kg in denBildern 8.3 und 8.6. Die Amplitude des Rechtecksignals wurde gerade so groß gewahlt, das keineBeschrankung beim servohydraulischen Antrieb wirksam wurde.
Bei allen dargestellten Versuchen und bei allen Reglern sind mehr oder weniger starke Abwei-chungen vom idealen Fuhrungsverhalten zu erkennen. Dies zeigt sich beim Zylinderkolbenwegxka durch ein Uberschwingen, welches besonders stark beim Regler NLBF5OR ist und durchein nicht stationares Verhalten, welches z.B. beim P-Regler auftritt.Bei der Zylinderkolbengeschwindigkeit xka und der Zylinderkolbenbeschleunigung xka wird dasnicht ideale Fuhrungsverhalten durch die Verformung der Pulse und durch eine Anregung in derPause zwischen den Pulsen deutlich.
In Bild 8.3, 8.5 und 8.6 ist beim Regler NLB60R (3.Zeile von oben), der den Einfluss desFundaments nicht kompensiert, und es ist deutlich auf der Geschwindigkeit xka und auf derBeschleunigung xka im Laborexperiment und in der Rechnersimulation die Bewegung des Fun-daments zu erkennen. Es sind deutlich eineinhalb Perioden einer gedampften Sinusschwingungmit der Resonanzfrequenz des Fundaments von 24 Hz zu sehen. Der Einfluss des Fundamentsnimmt wie erwartet mit einer großeren Lastmasse zu (vergleiche dazu Bild 8.2 mit Bild 8.3und Bild 8.5 mit Bild 8.6). Ein Regler ohne Kompensation des Fundaments ist daher nichtzielfuhrend.
Der Regler NLBF5OR (4.Zeile von oben) versucht, den Einfluss des Fundaments zu kompen-sieren. Dies gelingt aber nur unvollstandig, weil im Regler nur ein statisches Servoventilmodellberucksichtig ist. Dies ist durch ein deutliches aperiodisches Ausschwingen auf der Geschwin-digkeit xka und auf der Beschleunigung xka in der Pause zwischen den Pulsen erkennbar.
Bei den Reglern LBF8OR und NLBF8OR (5. und 6. Zeile von oben) funktioniert die Kompen-sation des Einflusses des Fundaments gut. Das Regelverhalten des NLB60R ohne Fundamentund des Reglers NLBF5OR ohne Dynamik der Servoventilansteuerung zeigen beide eine starke-re Abweichung vom idealen Fuhrungsverhalten als die Regler LBF8OR und NLBF8OR, dieFundament und Dynamik der Servoventilansteuerung berucksichtigen. Es ist daher zur Kom-pensation des Fundaments auch das dynamische Servoventilmodell erforderlich.
Die Verbesserung des nichtlinearen Reglers NLBF8OR gegenuber dem linearen Regler LBF8ORist sehr gering. Der nichtlineare Regler NLBF8OR liefert bei der Geschwindigkeit xka und bei
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rechnersimulation 179
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
7.20
7.30
7.40
-4.0
-2.00.0
2.0
4.0
7.20
7.30
7.40
-0.4
-0.20.0
0.2
0.4
7.20
7.30
7.40
-80.
0
-40.
0
0.0
40.0
80.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-80.
0
-40.
0
0.0
40.0
80.0
7.20
7.30
7.40
-4.0
-2.00.0
2.0
4.0
7.20
7.30
7.40
-0.4
-0.20.0
0.2
0.4
7.20
7.30
7.40
-80.
0
-40.
0
0.0
40.0
80.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.2:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
200
kgun
dan
hand
eine
sR
echt
ecks
igna
lsm
itab
geru
ndet
enFla
nken
der
Freq
uenz
f=
4H
z,de
rA
nsti
egsz
eit
t an=
0.01
sun
dde
rA
mpl
itud
eA
=2.
2m
mal
sFuh
rung
ssig
nal
180 Kapitel 8. Untersuchung des Regelkreisverhaltens
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
7.20
7.30
7.40
-2.0
-1.00.0
1.0
2.0
7.20
7.30
7.40
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
7.20
7.30
7.40
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
xkd
Sollsignal·10−
3[m
]x
kd
·10−
3[m
/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
·10−
3[m
/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-2.0
-1.00.0
1.0
2.0
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
7.20
7.30
7.40
-2.0
-1.00.0
1.0
2.0
7.20
7.30
7.40
-250
.0
-150
.0
-50.
0
50.0
150.
0
250.
0
7.20
7.30
7.40
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
xkd
Sollsignal·10−
3[m
]x
kd
·10−
3[m
/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
·10−
3[m
/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.3:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
380
kgun
dan
hand
eine
sR
echt
ecks
igna
lsm
itab
geru
ndet
enFla
nken
der
Freq
uenz
f=
4H
z,de
rA
nsti
egsz
eit
t an=
0.01
sun
dde
rA
mpl
itud
eA
=1.
1m
mal
sFuh
rung
ssig
nal
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rechnersimulation 181
-1.0 0.0 1.0-1.0
-0.5
0.0
0.5
1.0
-1.0 0.0 1.0-1.0
-0.5
0.0
0.5
1.0
Regler 146
xv/xv,max
p L/p
0Regler 156
xv/xv,maxp L
/p0
Bild 8.4: Unterschiedliche Aussteuerung des Lastdrucks pL uber dem Ventilweg xV beim linea-ren Regler LBF8OR (Regler 146) rechts und beim nichtlinearen Regler NLBF8OR(Regler 156) links fur den Versuch aus Bild 8.3
der Beschleunigung xka leicht hohere Pulse als der lineare Regler LBF8OR und kommt daherbesser an das Sollsignal heran.Der nichtlineare Regler NLBF8OR steuert dabei den Lastdruck starker aus als der lineareRegler LBF8OR, wie im Bild 8.4 fur den Versuch aus Bild 8.3 exemplarisch als Darstellung desLastdrucks pL uber dem Ventilweg xV gezeigt wird.
Die Ubereinstimmung des Regelkreisverhaltens zwischen Laborexperiment und Rechnersimula-tion ist gut. Im Laborexperiment sind aber noch zusatzliche hoherfrequente Resonanzen erkenn-bar, was besonders bei der Geschwindigkeit xka und der Beschleunigungen xka der nichtlinearenRegler NLB60R, NLBF5OR und NLBF8OR deutlich wird. Diese Storungen nehmen mitkleinerer Anstiegszeit tan und mit einer großeren Lastmasse zu und sind am großten in Bild 8.3.Die Regelstrecke wird durch einen nichtlinearen Regler im Vergleich zu einem linearen Reglerstarker ausgesteuert und dadurch wird das Fundament und weitere Resonanzen zu Schwingungenangeregt.Bei großerer Lastmasse werden die Schwingungen des Fundaments großer, weil das Verhaltnisvon Lastmasse mk zu Masse des Fundaments mG großer wird und damit der Lastdruck pL dasFundament gemaß Gl. (7.84) starker anregt wird.Durch eine kleinere Anstiegszeit enthalt das Rechtecksignal mehr hochfrequente Spektralanteile.
8.2.2 Erdbebensignal als Fuhrungssignal
In den Bildern 8.7 bis 8.9 wird das Regelkreisverhalten im Laborexperiment und in der Rech-nersimulation anhand realistischer Erdbebensignale dargestellt.In den drei Versuchen wurde die Lastmasse von 140 kg bei Bild 8.7 uber 200 kg bei Bild 8.8 und380 kg bei Bild 8.9 variiert.Nur der nichtlineare Regler NLBF5OR (4. Zeile von oben) mit einem statischen Modell derServoventilansteuerung besitzt ein akzeptables Fuhrungsubertragungsverhalten.
182 Kapitel 8. Untersuchung des Regelkreisverhaltens
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
9.20
9.30
9.40
-8.0
-4.00.0
4.0
8.0
9.20
9.30
9.40
-0.4
-0.20.0
0.2
0.4
9.20
9.30
9.40
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
-8.0
-4.00.0
4.0
8.0
-0.4
-0.20.0
0.2
0.4
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
9.20
9.30
9.40
-8.0
-4.00.0
4.0
8.0
9.20
9.30
9.40
-0.4
-0.20.0
0.2
0.4
9.20
9.30
9.40
-60.
0-4
0.0
-20.
00.
020
.040
.060
.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.5:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
200
kgun
dan
hand
eine
sR
echt
ecks
igna
lsm
itab
geru
ndet
enFla
nken
der
Freq
uenz
f=
4H
z,de
rA
nsti
egsz
eit
t an=
0.02
sun
dde
rA
mpl
itud
eA
=5.
6m
mal
sFuh
rung
ssig
nal
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rechnersimulation 183
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
8.20
8.30
8.40
-4.0
-2.00.0
2.0
4.0
8.20
8.30
8.40
-200
.0-1
00.00.0
100.
020
0.0
8.20
8.30
8.40
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
xkd
Sollsignal·10−
3[m
]x
kd
·10−
3[m
/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
·10−
3[m
/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
-4.0
-2.00.0
2.0
4.0
-200
.0-1
00.00.0
100.
020
0.0
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
8.20
8.30
8.40
-4.0
-2.00.0
2.0
4.0
8.20
8.30
8.40
-200
.0-1
00.00.0
100.
020
0.0
8.20
8.30
8.40
-30.
0-2
0.0
-10.
00.
010
.020
.030
.0
xkd
Sollsignal·10−
3[m
]x
kd
·10−
3[m
/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
·10−
3[m
/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
·10−
3[m
/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.6:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
380
kgun
dan
hand
eine
sR
echt
ecks
igna
lsm
itab
geru
ndet
enFla
nken
der
Freq
uenz
f=
4H
z,de
rA
nsti
egsz
eit
t an=
0.02
sun
dde
rA
mpl
itud
eA
=2.
5m
mal
sFuh
rung
ssig
nal
184 Kapitel 8. Untersuchung des Regelkreisverhaltens
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
0.00
0.20
0.40
0.60
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
0.00
0.20
0.40
0.60
-0.4
-0.20.0
0.2
0.4
0.00
0.20
0.40
0.60
-40.
0
-20.
0
0.0
20.0
40.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
0.00
0.20
0.40
0.60
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
0.00
0.20
0.40
0.60
-0.4
-0.20.0
0.2
0.4
0.00
0.20
0.40
0.60
-40.
0
-20.
0
0.0
20.0
40.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.7:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beiei
ner
Las
tmas
sevo
nm
k=
140
kgun
dan
hand
eine
sE
rdbe
bens
igna
ls
8.2 Gegenuberstellung des Regelkreisverhaltens von Laborexperiment und Rechnersimulation 185
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
0.00
0.20
0.40
0.60
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
0.00
0.20
0.40
0.60
-0.4
-0.20.0
0.2
0.4
0.00
0.20
0.40
0.60
-40.
0
-20.
0
0.0
20.0
40.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
0.00
0.20
0.40
0.60
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
0.00
0.20
0.40
0.60
-0.4
-0.20.0
0.2
0.4
0.00
0.20
0.40
0.60
-40.
0
-20.
0
0.0
20.0
40.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.8:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beiei
ner
Las
tmas
sevo
nm
k=
200
kgun
dan
hand
eine
sE
rdbe
bens
igna
ls
186 Kapitel 8. Untersuchung des Regelkreisverhaltens
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
0.00
0.20
0.40
0.60
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
0.00
0.20
0.40
0.60
-0.4
-0.20.0
0.2
0.4
0.00
0.20
0.40
0.60
-40.
0
-20.
0
0.0
20.0
40.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(a)
Labore
xper
imen
t
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
-0.4
-0.20.0
0.2
0.4
-40.
0
-20.
0
0.0
20.0
40.0
0.00
0.20
0.40
0.60
-15.
0-1
0.0
-5.00.0
5.0
10.0
15.0
0.00
0.20
0.40
0.60
-0.4
-0.20.0
0.2
0.4
0.00
0.20
0.40
0.60
-40.
0
-20.
0
0.0
20.0
40.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Zei
t
NLBF8OR
[s]
·10−
3[m
]x
ka
Zei
t[s
]
[m/s]
xka
Zei
t[s
]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.9:
Geg
enub
erst
ellu
ngvo
nLab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beiei
ner
Las
tmas
sevo
nm
k=
380
kgun
dan
hand
eine
sE
rdbe
bens
igna
ls
8.3 Zusammenfassung 187
Die anderen Regler NLB60R, LBF8OR und NLBF8OR weisen ein sehr schlechtes oderinstabiles Fuhrungsubertragungsverhalten auf. Das instabile Verhalten nimmt mit steigenderLastmasse zu.
Die Rechnersimulation bestatigt tendenziell das Verhalten aus dem Laborexperiment.
8.2.3 Sinus-Sweepsignal als Fuhrungssignal
Ein Sinus-Sweepsignal ist ein Sinussignal, dessen Momentanfrequenz von einer Startfrequenz zueiner Stoppfrequenz linear oder logarithmisch mit der Zeit durchgestimmt wird.
Mit Hilfe eines Sinus-Sweepsignals lasst sich das frequenzabhangige Fuhrungsubertragungsver-halten des Regelkreises anhand der Hullkurve des Zeitschriebs in einem großen Frequenzbereichrein visuell auswerten.Dabei darf sich die Momentanfrequenz nur so langsam verandert, dass beim System quasi ein-geschwungene Verhaltnisse vorliegen. Dies steigert die erforderliche Messdauer.Besitzt das Fuhrungssignal eine konstante Hullkurve, entspricht die Hullkurve des dazugehorigenIst-Signals naherungsweise dem Amplitudengang der Ubertragungsfunktion des Fuhrungsuber-tragungsverhaltens. Die Phaseninformation geht bei der rein visuellen Auswertung verloren.Bei den folgenden Versuchen, die in den Bildern 8.10 bis 8.12 dargestellt sind, wird fur dieBeschleunigung eine konstante Hullkurve gewahlt. Die Hullkurve fur die Geschwindigkeit undfur den Weg fallt damit naherungsweise nach einer Hyperbelfunktion ersten bzw. zweiten Gradesab. Damit der Regelkreis gut einschwingt, wird am Anfang die Amplitude des Sinus-Sweepsignalsrampenformig hochgefahren.Die Frequenz des Sinus-Sweepsignals aus Gl. (E.2) wird linear mit der Zeit durchgestimmt.In den Darstellungen der Ergebnisse ist die Zeitachse bereits in eine Frequenzachse umgerechnetworden.In den drei Versuchen wurde die Lastmasse von 140 kg bei Bild 8.10 uber 200 kg bei Bild 8.11und 380 kg bei Bild 8.12 variiert.Der nichtlineare Regler NLBF8OR besitzt das beste Fuhrungsubertragungsverhalten. Im Fre-quenzbereich um die Resonanzfrequenz des Fundaments von ca. 24 Hz tritt aber eine Uberhohungder Hullkurve auf und im Frequenzbereich um die 60 Hz tritt eine Verringerung der Hullkurveauf.Der lineare Regler NLBF8OR besitzt ein wenig schlechteres Fuhrungsubertragungsverhaltenals der nichtlineare Regler NLBF8OR.Der nichtlineare Regler NLBF5OR neigt in Bild 8.10 zur Instabilitat.Beim Regler NLB60R ist jeweils in der Beschleunigung eine deutliche Einschnurung der Hull-kurve bei der Resonanzfrequenz des Fundaments von 24 Hz zu sehen.Das Verhalten von Laborexperiment und Rechnersimulation stimmt tendenziell uberein. DieHullkurve ist aber im Laborexperiment hoher als bei der Rechnersimulation.In Bild 8.12 bei einer Lastmasse von 380 kg sind ”Ausfranzung” der Hullkurve im Laborexperi-ment zu sehen, die in der Rechnersimulation nicht auftreten. Dies ist vermutlich auf den Einflussweiterer mechanischer Resonanzen zuruckzufuhren.
8.3 Zusammenfassung
In diesem Kapitel wurde das Verhalten des mit den verschiedenen im Kapitel 7 entworfenen Reg-lern geregelten servohydraulischen Antriebs im Laborexperiment und in der Rechnersimulation
188 Kapitel 8. Untersuchung des Regelkreisverhaltens
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
10.0
30.0
50.0
70.0
90.0
-4.0
-2.00.0
2.0
4.0
10.0
30.0
50.0
70.0
90.0
-0.4
-0.20.0
0.2
0.4
10.0
30.0
50.0
70.0
90.0
-20.
0
-10.
0
0.0
10.0
20.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Fre
quen
z
NLBF8OR
[Hz]
·10−
3[m
]x
ka
Fre
quen
z[H
z]
[m/s]
xka
Fre
quen
z[H
z]
[m/s2
]
(a)
Labore
xper
imen
t
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
10.0
30.0
50.0
70.0
90.0
-4.0
-2.00.0
2.0
4.0
10.0
30.0
50.0
70.0
90.0
-0.4
-0.20.0
0.2
0.4
10.0
30.0
50.0
70.0
90.0
-20.
0
-10.
0
0.0
10.0
20.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Fre
quen
z
NLBF8OR
[Hz]
·10−
3[m
]x
ka
Fre
quen
z[H
z]
[m/s]
xka
Fre
quen
z[H
z]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.10
:G
egen
uber
stel
lung
von
Lab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
140
kgun
dan
hand
eine
sSi
nuss
wee
psig
nals
von
5bi
s90
Hz
beik
onst
ante
rA
mpl
itud
ein
der
Bes
chle
unig
ung
von
10m
/s2
als
Fuh
rung
ssig
nalu
ndbe
iein
erV
ersu
chsd
auer
von
20s
8.3 Zusammenfassung 189
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
10.0
30.0
50.0
70.0
90.0
-4.0
-2.00.0
2.0
4.0
10.0
30.0
50.0
70.0
90.0
-0.4
-0.20.0
0.2
0.4
10.0
30.0
50.0
70.0
90.0
-20.
0
-10.
0
0.0
10.0
20.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Fre
quen
z
NLBF8OR
[Hz]
·10−
3[m
]x
ka
Fre
quen
z[H
z]
[m/s]
xka
Fre
quen
z[H
z]
[m/s2
]
(a)
Labore
xper
imen
t
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
10.0
30.0
50.0
70.0
90.0
-4.0
-2.00.0
2.0
4.0
10.0
30.0
50.0
70.0
90.0
-0.4
-0.20.0
0.2
0.4
10.0
30.0
50.0
70.0
90.0
-20.
0
-10.
0
0.0
10.0
20.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Fre
quen
z
NLBF8OR
[Hz]
·10−
3[m
]x
ka
Fre
quen
z[H
z]
[m/s]
xka
Fre
quen
z[H
z]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.11
:G
egen
uber
stel
lung
von
Lab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
200
kgun
dan
hand
eine
sSi
nuss
wee
psig
nals
von
5bi
s90
Hz
beik
onst
ante
rA
mpl
itud
ein
der
Bes
chle
unig
ung
von
10m
/s2
als
Fuh
rung
ssig
nalu
ndbe
iein
erV
ersu
chsd
auer
von
20s
190 Kapitel 8. Untersuchung des Regelkreisverhaltens
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
10.0
30.0
50.0
70.0
90.0
-4.0
-2.00.0
2.0
4.0
10.0
30.0
50.0
70.0
90.0
-0.4
-0.20.0
0.2
0.4
10.0
30.0
50.0
70.0
90.0
-20.
0
-10.
0
0.0
10.0
20.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Fre
quen
z
NLBF8OR
[Hz]
·10−
3[m
]x
ka
Fre
quen
z[H
z]
[m/s]
xka
Fre
quen
z[H
z]
[m/s2
]
(a)
Labore
xper
imen
t
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
-4.0
-2.00.0
2.0
4.0
-0.4
-0.20.0
0.2
0.4
-20.
0
-10.
0
0.0
10.0
20.0
10.0
30.0
50.0
70.0
90.0
-4.0
-2.00.0
2.0
4.0
10.0
30.0
50.0
70.0
90.0
-0.4
-0.20.0
0.2
0.4
10.0
30.0
50.0
70.0
90.0
-20.
0
-10.
0
0.0
10.0
20.0
xkd
Sollsignal·10−
3[m
]x
kd
[m/s]
xkd
[m/s2
]
xka
P-Regler·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLB6OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
NLBF5OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
LBF8OR·10−
3[m
]x
ka
[m/s]
xka
[m/s2
]
xka
Fre
quen
z
NLBF8OR
[Hz]
·10−
3[m
]x
ka
Fre
quen
z[H
z]
[m/s]
xka
Fre
quen
z[H
z]
[m/s2
]
(b)
Rec
hner
sim
ula
tion
Bild
8.12
:G
egen
uber
stel
lung
von
Lab
orex
peri
men
tun
dR
echn
ersi
mul
atio
nde
rR
egel
algo
rith
men
P-R
egle
r,N
LB
60R
,N
LB
F5O
RLB
F8O
Run
dN
LB
F8O
R(v
ergl
eich
eTab
elle
8.1)
beie
iner
Las
tmas
sevo
nm
k=
380
kgun
dan
hand
eine
sSi
nuss
wee
psig
nals
von
5bi
s90
Hz
beik
onst
ante
rA
mpl
itud
ein
der
Bes
chle
unig
ung
von
10m
/s2
als
Fuh
rung
ssig
nalu
ndbe
iein
erV
ersu
chsd
auer
von
20s
8.3 Zusammenfassung 191
untersucht. Als Fuhrungssignale wurden Rechtecksignale mit abgerundeten Flanken und unter-schiedlichen Anstiegszeiten (siehe Abschnitt 8.2.1), reale Erdbebensignale (siehe Abschnitt 8.2.2)und linear durchgestimmte Sinus-Sweepsignale (siehe Abschnitt 8.2.3) verwendet. Mit einemRechtecksignal wird das Einschwingverhalten eines Reglers und mit einem Sinus-Sweepsignaldas frequenzabhangige Fuhrungsubertragungsverhalten eines Reglers besonders gut dargestellt.Mit Erdbebensignalen werden in der Industrie Belastungstests fur erdbebengefahrdete Kompo-nenten durchgefuhrt.
Die Untersuchung liefert folgende Ergebnisse:
• Mit dem vorliegenden Versuchsaufbau besitzt ein Regler, der den Einfluss des Fundamentsnicht kompensiert, kein akzeptables Fuhrungsubertragungsverhalten.
• Zur Kompensation des Fundaments muss im Regler auch ein dynamisches Servoventilmodellberucksichtigt werden.
• Die Verbesserung durch einen nichtlinearen Regler gegenuber einem vergleichbaren linearenRegler ist sehr gering.
• Der nichtlineare Regler steuert im Vergleich zu einem vergleichbaren linearen Regler denLastdruck starker aus. Demnach werden durch einen nichtlinearen Regler das Fundamentund weitere Resonanzen zu starkeren Schwingungen angeregt.
• Es zeigt sich eine gute Ubereinstimmung zwischen Laborexperiment und Rechnersimulation.
192 Kapitel 8. Untersuchung des Regelkreisverhaltens
Kapitel 9
Zusammenfassung
In dieser Arbeit werden fur einen einachsigen, servohydraulischen Antrieb aus der industriel-len Praxis mit senkrecht stehendem Gleichgangzylinder modellbasierte nichtlineare Regler nachdem Verfahren der exakten Ein–/Ausgangs–Linearisierung entwickelt, um die Dynamik und dieGenauigkeit einer Folgeregelung einer angetriebenen starren Masse in einem weiten Frequenz-bereich gegenuber bisher ublichen linearen Regelungskonzepten zu verbessern. Hierzu werdennichtlineare physikalisch motivierte Prozessmodellgleichungen aus der Literatur beschafft, andie Gegebenheiten angepasst und die unbekannten Prozessmodellparameter mittels experimen-teller Identifikation bestimmt, um den servohydraulischen Antrieb theoretisch und numerischrealitatsnah modellieren zu konnen. Das Regelkreisverhalten des Antriebs mit den entworfenenReglern wird im Laborexperiment untersucht und dem aus einer Rechnersimulation gegenuber-gestellt.
Elektro-servohydraulische Antriebe werden seit vielen Jahren in der Prufstands-, Pressen- undWerkzeugmaschinentechnik eingesetzt und und zeichnen sich gegenuber elektrischen und pneu-matischen Antrieben durch hohe Krafte bei kleinem Einbauvolumen aus. So lassen sich großeLinearbewegungen durch Hydraulikzylinder ohne zusatzliche Getriebe realisieren. Der Einsatzvon hydraulischen Antrieben wird erschwert durch ihre geringe Dampfung und ihre hochgradignichtlinearen Eigenschaften. Hierzu zahlt die nichtlineare Fluss-Druckrelation des Servoventils.
Aus Sicht der Regelungstechnik stellt der servohydraulische Antrieb eine nichtlineare Regel-strecke dar, was anhand der Modellgleichungen in den Kapiteln 4.2 bzw. 4.3 zu sehen ist. DerEntwurf eines linearen Reglers basiert auf einem linearen Ersatzmodell, das nur in der naherenUmgebung des Arbeitspunktes (Ruhelage), um den es entwicklet wurde, gultig ist. Ein linearerRegler zeigt bei großer werdender Aussteuerung aus diesem Arbeitspunkt ein immer schlechterwerdendes Regelkreisverhalten, weil das lineare Ersatzmodell das reale Verhalten der nichtli-nearen Regelstrecke weniger gut beschreibt. Fur den Fall großer Aussteuerung ist daher einnichtlinearer Regler erforderlich.Das Verfahren der exakten Linearisierung [5, 35] entwickelt fur eine nichtlineare Regelstreckeeinen nichtlinearen Regler, der das nichtlineare Verhalten der Regelstrecke durch eine nicht-lineare Ruckfuhrung der Zustande in jedem Arbeitspunkt kompensiert und es in ein linearesVerhalten uberfuhrt, das dann mit den bekannten Methoden der linearen Regelungstechnik(z.B. Polvorgabe) behandelt werden kann. Voraussetzung fur die Anwendbarkeit des Verfahrensder exakten Linearisierung (vergleiche Kapitel 7.2) ist ein sehr genaues mathematisches Mo-dell der Regelstrecke in Zustandsraumdarstellung mit bilinear eingehendem Systemeingang undmit glatten und hinreichend oft differenzierbaren Systemfunktionen sowie die Verfugbarkeit derSignale aller Systemzustande fur die nichtlineare Ruckfuhrung. Die Literatur [1] gibt bereitsausgefeilte mathematische Modelle von servohydraulischen Antrieben an, die aus physikalischen
193
194 Kapitel 9. Zusammenfassung
Prinzipien abgeleitet wurden. Die Modelle in dieser Arbeit sind speziell um die am Laboraufbaudes servohydraulischen Antriebs im Fachgebiet beobachteten Effekte erweitert worden. Hierzugehoren ein mitschwingendes Fundament, eine Begrenzung der Servoventilkolbengeschwindigkeitund Leckflusse aufgrund der hydrostatischen Lagerung der Zylinderkolbenstange (siehe Kapitel4.2 und A.3).Die sehr großen Krafte, die der servohydraulische Antrieb entwickelt, werden nicht nur in diemechanische Last eingeleitet, sondern regen auch das schwere Aufspannfeld aus Stahl, auf demder servohydraulische Antrieb montiert ist, zu deutlichen Schwingungen an (siehe Bild 3.1 ausKapitel 3). Diese ungunstigen Rahmenbedingungen wurden beibehalten und als eine zusatzlicheHerausforderung fur die Regelungsaufgabe angesehen. Eine Erfassung der einachsigen Bewegungdes Fundaments konnte durch Sensoren realisiert werden. Im Verlauf der Untersuchungen tratenjedoch noch weitere Resonanzen auf. Aufgrund der baulich bedingten Moglichkeiten des Fun-daments konnte der hydraulische Antrieb im Laborexperiment nicht voll ausgesteuert werden.Somit konnte der Antrieb nicht, wie es fur die Untersuchung der nichtlinearen Regler erforderlichist, entsprechend weit in die nichtlinearen Arbeitsbereiche gefahren werden.Ein großer Teil der in den mathematischen Modellen beschriebenen Effekte kann durch dasVerfahren der exakten Linearisierung auf eine systematische Vorgehensweise im Regler beruck-sichtigt und damit auch kompensiert werden. Bestimmte nichtlineare Effekte wie Sattigungenund Reibung konnen vom Verfahren nicht oder nur sehr ungenugend berucksichtigt werden.Die durch den Laboraufbau bedingte, nicht mehr vernachlassigbare Dynamik des Aufspannfel-des, auf dem der servohydraulische Antrieb aufgebaut ist, wurde als lineares, schwingungsfahigesSystem 2. Ordnung in die Modellgleichungen aufgenommen und teilweise auch in den Reglernberucksichtigt.Durch die hydrostatische Lagerung der Zylinderkolbenstange besitzt der servohydraulische An-trieb fast keine Reibung und so konnten nichtlineare Regler nach dem Verfahren der exaktenLinearisierung fur den gesamten servohydraulischen Antrieb entworfen und erfolgreich umge-setzt werden. Durch die hydrostatische Lagerung entstehen betriebsbedingt hohe Leckflusse, diedann in den Modellgleichungen berucksichtigt werden mussen.
Die Modellbildung des servohydraulischen Antriebs in Kapitel 4 beschreibt vier Typen von Mo-dellgleichungen. Die nichtlinearen nicht reduzierten Modellgleichungen aus Kapitel 4.2 enthaltendie meisten Details des Prozessverhaltens und werden deshalb als Streckenmodell in der Rech-nersimulation eingesetzt. Als Streckenmodell fur den nichtlinearen Reglerentwurf werden dienichtlinearen reduzierten Modellgleichungen aus Kapitel 4.3 verwendet, die sich durch eine Re-duktion aufgrund der am Gleichgangzylinder vorliegenden Symmetrien aus den nichtlinearennicht reduzierten Modellgleichungen entwickeln lassen. Durch Linearisierung in einer Ruhelageentstehen aus den nichtlinearen reduzierten Modellgleichungen die linearen reduzierten Modell-gleichungen (siehe Kapitel 4.5 und 5.2), die beim linearen Reglerentwurf als Streckenmodelldienen. Mittels der linearen nicht reduzierten Modellgleichungen (siehe Kapitel 4.4 und 5.3),die durch Linearisierung der nichtlinearen nicht reduzierten Modellgleichungen in einer Ruhela-ge entstehen, wird der Reduktionsschritt zum linearen reduzierten Modell anhand von linearenUbertragungsfunktionen untersucht.
Der servohydraulische Antrieb besitzt zwei Zylinderkammern, in denen sich angesteuert durchdas Servoventil jeweils ein Druck aufbaut. In die Lastmechanik geht aber nur die aus der Differenzder Zylinderkammerdrucke gebildete Kraft ein. Aufgrund von Symmetrien im Aufbau des Zylin-ders und im Servoventil (vergleiche hierzu die Reduktionsannahmen aus Gl. (1) bis Gl. (9) ausKapitel 4.3) ist es moglich, die beiden einzelnen Druckaufbaugleichungen fur die KammerdruckepI und pII zu einer Druckaufbaugleichung fur die Druckdifferenz pL := pI − pII (Lastdruck)
195
zusammenzufassen. Im Kapitel A.4 wird der in der Literatur [1] ubliche Reduktionschritt furLeckflusse erweitert.
Der Lastdruck als die Differenz der Zylinderkammerdrucke wirkt auf die Lastmechanik. Die Sum-me der Zylinderkammerdrucke bildet einen Zustand fur das bei der Reduktion vernachlassigteSystem. Fur die Anwendbarkeit der exakten Linearisierung muss dieses interne System stabilsein. Die Stabilitat wurde auf zwei unterschiedlichen Wegen untersucht.
Im Kapitel 5 werden die nichtlinearen reduzierten und die nichtlinearen nicht reduzierten Mo-dellgleichungen des servohydraulischen Antriebs symbolisch in einer Ruhelage linearisiert undanschließend im Abschnitt 5.5 die Reduktion im Frequenzbereich anhand der Ubertragungsfunk-tion vom Ventilweg zur Zylinderkolbenauslenkung untersucht. Die Ubertragungsfunktion aus dennicht reduzierten Modellgleichungen besitzt zusatzlich eine Pol- und eine Nullstelle, die sich ge-geneinander aber stabil kurzen lassen, wenn die Symmetrie- und Reduktionsannahmen fur dieBerechnung der Linearisierungskoeffizienten berucksichtigt werden. Der Reduktionsschritt ent-spricht demnach bei den linearisierten Modellen einer stabilen Pol-/Nullstellen-Kompensation.Zusatzlich wird im Kapitel 5.3.2 gezeigt, dass sich die Ruhelagen reproduzierbar im Laborexpe-riment einstellen lassen und gut zu den Werten aus der Rechnersimulation passen.Die statische Ruhelage wird fur senkrecht stehende und waagrecht liegende Zylinder in Kapitel5.2.2 und 5.3.2 weitesgehend analytisch bestimmt. Zum Halten der Zylinderkolbenstange in derRuhelage ist nur bei senkrecht stehendem Zylinder mit signifikanten Bypass- und Leckflusseneine von Null verschiedene konstante Eingangsspannung erforderlich.Die statische Ruhelage lasst sich reproduzierbar im Laborexperiment einstellen und stimmt gutmit den Werten einer Rechersimulation uberein (siehe Kapitel 5.4) und damit wird mittels derModellgleichungen eine Vorhersage fur die sich einstellende Ruhelage ermoglicht, auch wenn einereale Strecke nicht vorhanden ware. Zudem werden die Abhangigkeiten von Einflussfaktoren wieModellvariablen und -parametern der Ruhelage deutlich.
Einen alternativen Ansatz zur Untersuchung des bei der Reduktion vernachlassigten Systems be-schreibt Kapitel D.3.1. Hierbei wird ein nichtlinearer Kompensationsregler nach dem Verfahrender exakten Linearisierung fur die nichtlinearen nicht reduzierten Modellgleichungen 4. Ordnungmit einem statischen Ventilmodell und ohne Modell des Fundaments entworfen. Da der relativeGrad der Regelstrecke um eins kleiner ist als ihre Ordnung, entsteht beim Aufschalten des nicht-linearen Kompensationsreglers an die Regelstrecke neben der Integratorkette eine interne Dyna-mik 1. Ordnung. Zur weiteren Untersuchung dieser internen Dynamik wird das Streckenmodellin der Byrnes-Isidori-Normalform dargestellt, wodurch eine gegenseitige Verkopplung zwischendem Eingangs-/Ausgangsteil und dem Teil, der zur internen Dynamik wird, erkennbar. Aufgrundvon Symmetrieannahmen bezuglich geometrischer und fluidtechnischer Parameter des servohy-draulischen Antriebs (Zylinderkolbenflache, Zylinderkammerlange, Ventilkolbendurchmesser undVentilkoeffizienten) entsteht unabhangig vom Aufschalten des nichtlinearen Kompensationsreg-lers eine stabile interne Dynamik, deren Zustand sich aus der Summe der Zylinderkammerdruckeergibt. Der Regelalgorithmus des nichtlinearen Kompensationsreglers fur die nichtlinearen nichtreduzierten Modellgleichungen geht mit den Symmetriebedingungen in den Regelalgorithmus furdie reduzierten Modellgleichungen aus Kapitel 7.3.1 uber. Die Symmetriebedingen sind demnachfur den Reduktionsschritt ausreichend und aus ihnen kann auch die Reduktionsrelation aus Gl.(4.15e) gefolgert werden.
In dieser Arbeit treten interne Dynamiken zweier verschiedener Arten auf. Die eine Art der inter-nen Dynamiken entsteht durch eine Reduktion der Zustande in der Regelstrecke. Die andere Artentsteht durch das Aufschalten eines nichtlinearen Kompensationsreglers an die Regelstrecke,wenn der relative Grad der Regelstrecke um eins kleiner ist als ihre Ordnung. Der Zustand des in-
196 Kapitel 9. Zusammenfassung
ternen Systems hat keinen Einfluss auf den Ausgang. Bei der ersten Art ist dies eine Eigenschaftder Regelstrecke, bei der zweiten Art ist es die Verbindung von Regler und Strecke.
Um die Anzahl der gemeinsam geschatzen Parameter moglichst gering zu halten, wird bei derexperimentellen Identifikation in Kapitel 6 das Gesamtsystem des servohydraulischen Antriebsin folgenden 4 Teilsysteme unterteilt: Ansteuerung des Servoventils, Druckaufbau, Lastmechanikund Mechanik des Fundaments. Die Unterteilung erfolgt aufgrund der Struktur der Modellglei-chungen und der Sensorausstattung.Die physikalisch motivierte Modellbildung aus Kapitel 4 liefert Modelle mit physikalisch inter-pretierbaren und dadurch anschaulichen Parametern als Modellhypothese fur die Identifikation.Die Vorgehensweise bei der parametrischen Identifikation des servohydraulischen Antriebs wirdausfuhrlich in Kapitel 6.2 beschrieben. Die Parameterschatzung erfolgt mit der linearen Regres-sion (Least-Squares-Algorithmus), mit der Pradiktionsfehlermethode (Matlab System Identifi-cation Toolbox) oder mit der nichtlinearen Optimierung (Nelder–Mead–Simplex–Algorithmus).
Zuerst wird zur Schatzung der unbekannten Parameter versucht, die lineare Regression mitdem Least-Squares-Algorithmus als die numerisch einfachste Methode anzuwenden. Es werdendie notwendigen Schritte zur Ermittlung der Identifikationsgleichung beschrieben und es wirddaruberhinaus diskutiert, was beim Einsatz des Least-Squares-Algorithmus zu beachten ist undwelchen Schwierigkeiten bei einer nicht sachgemaßen Anwendung auftreten. So fuhrt beispiels-weise eine Storung auf dem Regressor zu einem Bias auf den Parametern.
Die Pradiktionsfehlermethode [6, 48] berucksichtigt unterschiedliche Eingangsorte einer externenStorung (equation error: z.B. ARX , output error: z.B. OE), was in Kapitel C.1.3.2 anhand einesBeispiels verdeutlicht wird. Zusatzlich kann durch lineare Fehlermodelle (z.B. ARMAX, BJ) einespektrale Zusammensetzung der externen Storung modelliert werden. In Kapitel C.1.3.1 wirdder Pradiktionsfehler als uber das inverse Fehlermodell aus dem Simulationsfehler entstandeninterpretiert.Im Rahmen dieser Arbeit kommt die Pradiktionsfehlermethode fur lineare, zeitkontinuierlicheUbertragungsfunktionen zum Einsatz, wie sie systematisch im Kapitel A.5 fur das lineare re-duzierte Modell mit und ohne Fundament aufgelistet sind. Hierbei werden die Parameter eineraquivalenten zeitdiskreten Ubertragungsfunktion geschatzt und anschließend in die Parameterder zeitkontinuierlichen Ubertragungsfunktion umgerechnet. Die Verbesserung, die sich bei derparametrischen Identifikation durch Verwendung von linearen Fehlermodellen ergibt, ist fur dieBestimmung der Parameter des servohydraulischen Antriebs sehr gering, da der entstehendeModellfehler erheblich großer als das Messrauschen ist.
Die Parameterschatzung mittels nichtlinearer Optimierung betrifft Modellstrukturen, die sichweder auf die Form der linearen Regression bringen, noch auf aquivalente lineare, zeitdiskreteModelle transformieren lassen. So werden die Parameter der nichtlinearen Modelle der Servo-ventilansteuerung im Kapitel 6.3.3 mittels nichtlinearer Optimierung bestimmt.
Im Kapitel C.3.1 wird fur ein lineares System 1. Ordnung hergeleitet, wie das Eingangssignalbeschaffen sein sollte, damit die Sensitivitat seiner Parameter maximal fur den Ausgang wird.
Die Identifikationsergebnisse werden anhand eines “Fits” beurteilt, einer Kennzahl (siehe Gl.(6.1)) die in Prozent angibt, wie gut das Modell die Wirklichkeit wiedergibt. Da der “Fit” dieStarke der Anregung berucksichtigt, konnen Ergebnisse unterschiedlicher Ansteuerungsamplitu-den miteinander verglichen werden.
Bei der Pradiktionsfehlermethode wird zusatzlich anhand von Auto- und Kreuzkovarianzfunk-tionen untersucht, ob der Pradiktionsfehler unkorreliert mit sich selber und mit den Eingangenist, um festzustellen, ob der gewahlte Modellansatz geeignet ist.
197
Fur die Identifikation der Ansteuerung des Servoventils in Kapitel 6.3 werden experimentellFrequenzgange fur die unterschiedlichen Aussteuerungsamplituden mit sinussweepformigen Si-gnalen aufgenommen. Eine merkliche Totzeit und eine aussteuerungsabhangige Grenzfrequenzwerden bei der Auswertung in Kapitel 6.3.1 beobachtet. In Kapitel 6.3.2 werden die Parame-ter eines linearen Modells 3.Ordnung unter Verwendung der Pradiktionsfehlermethode fur dieverschiedenen Aussteuerungsamplituden bestimmt. Jedoch kann das Verhalten der Ansteuerungdes Servoventils nicht durch einem Parametersatz fur alle Aussteuerungsamplituden wiederge-geben werden, was durch eine Validierung mit den jeweils nicht an der Schatzung beteiligtenDatensatzen gezeigt wird.Dies gelingt erst mit nichtlinearen Modellen, die eine Sattigung der Ventilkolbengeschwindig-keit enthalten. Das in Kapitel 4.2 auf physikalischer Basis entwickelte nichtlineare Modell derServoventilansteuerung aus Gl. (4.1) bis Gl. (4.4c) dient in Kapitel 6.3.3 als Ausgangsgangs-punkt fur die Modellhypothese der Identifikation. Um die Parameter des nichtlinearen Modellsidentifizieren zu konnen, ohne weitere interne Variablen des Servoventils zu messen, werden inAbschnitt 6.3.3 nichtlineare Modelle 1. bis 3. Ordnung der Servoventilansteuerung aufgestelltund die unbekannten Parameter anhand von Verlaufen der Ventileingangsspannung und des ge-messenen Ventilkolbenwegs geschatzt. Die Parameterschatzung erfolgt mittels eines nichtlinearenOptimierungsverfahrens (Nelder–Mead–Simplex–Algorithmus).Mit den nichtlinearen Modellen 1. bis 3. Ordnung gelingt es, das Verhalten der Ansteuerung desServoventils durch einem Parametersatz fur alle Aussteuerungsamplituden wiederzugeben.Die nichtlinearen Regler konnen die Sattigung in der Servoventilansteuerung nicht kompensie-ren, da es sich um eine nicht uberwindbare Leistungsgrenze des Servoventils handelt. Stattdessenwerden im Entwurfmodell des Reglers lineare Modelle 0. bis 3. Ordnung zur Modellierung derServoventilansteuerung angenommen. In Kapitel 6.3.4 werden daher fur den Reglerentwurf linea-re Modelle der Servoventilansteuerung abgeleitet, welche die beobachtete Totzeit approximieren.
Die Modellhypothesen bei der Identifikation des Druckaufbaus in Kapitel 6.4 sind ein nichtli-nearer, nicht reduzierter Druckaufbau (siehe Kapitel 6.4.1), ein nichtlinearer, reduzierter Druck-aufbau (siehe Kapitel 6.4.2), ein linearer, reduzierter Druckaufbau (siehe Kapitel 6.4.3) und eineKombination von linearem, reduziertem Druckaufbau und Lastmechanik fur eine starre und einenachgiebige Lagerung (siehe Kapitel 6.4.4). Die geschatzten Parameter werden in Kapitel 6.4.5gegenubergestellt.Fur die Identifikation der Lastmechanik in Kapitel 6.5 und die Identifikation des Fundamentesin Kapitel 6.6 wird die Pradiktionsfehlermethode eingesetzt. Hierbei ist beobachtet worden, dasssich das Fehlermodell als ein Sperrfilter ausgestaltet, um so den Einfluss einer nicht modelliertenDynamik z.B. einer weiteren Resonanz abzuschwachen.
Die verschiedenen in Kapitel 7 entworfenen nichtlinearen und linearen Regler entstehen durchVerwenden einer nichtlinearen oder einer linearen Druckaufbaugleichung, durch die Modellierungder Servoventilansteuerung als lineares Modell bis zu einer 3. Ordnung und mit der oder ohnedie Berucksichtigung eines mitschwingenden Fundaments zur Kompensation dessen Einflusses.Im Kapitel 8 wird das Regelkreisverhalten im Laborexperiment und in der Rechnersimulationuntersucht, wobei die erzielten Ergebnisse eine gute Ubereinstimmung aufweisen.
Durch die Laborexperimente konnte gezeigt werden, dass nur Regler, die den Einfluss des Fun-daments kompensieren und ein dynamisches Modell der Servoventilansteuerung berucksichtigen,ein gutes Fuhrungsubertragungsverhalten erzielen. Die Verbesserung durch einen nichtlinearenRegler gegenuber einem vergleichbaren linearen Regler ist sehr gering.Nur mit steigender Aussteuerung unterscheiden sich der nichtlineare und der lineare Regler.Bei geringer Aussteuerung ist der nichtlineare Regler nicht besser als der lineare Regler. Der
198 Kapitel 9. Zusammenfassung
Aussteuerung ist aber nach oben durch die Flusssattigung des Servoventils eine unuberwindbareGrenze gesetzt. Die Flusssattigung des Servoventils beschreibt die Begrenzung des moglichenLastflusses bei vollstandig geoffnetem Servoventil durch einen steigenden Lastdruck. Dies fuhrtdazu, dass der nichtlineare Regler bei dieser Art der Nichtlinearitat noch starker aussteuernmuss und damit die durch die Flusssattigung gegebene Grenze schneller erreicht.Eine weitere Schwierigkeit in diesem Zusammenhang bereitet das Fundament. Die linearen undnichtlinearen Regler, die im Entwurfsmodell ein mitschwingendes Fundament berucksichtigen,kompensieren zwar die Auswirkung der Schwingung des Fundaments auf die Bewegung der me-chanischen Last, jedoch die Schwingung des Fundaments selber schwachen sie nicht ab. DasFundament wird durch den Kompensationsregler zu einen internen System. Mit steigender Am-plitude des Fuhrungssignals steigt auch die Amplitude der Schwingung des Fundaments, zudessen Kompensation der Regler ebenfalls großere Stellsignale benotigt. Um die mechanischeLast dem Fuhrungssignal nachzufahren, regt der nichtlineare Kompensationsregler das Funda-ment starker an als der lineare Kompensationsregler. Hierdurch fallt die mogliche Verbesserungdurch die nichtlinearen Regler kleiner aus und sein Arbeitsbereich wird stark eingeschrankt.
Nach den Ergebnissen dieser Arbeit ist die nichtlineare Regelung servohydraulischer Antriebemit Gleichgangzylindern und hydrostatischer Lagerung der Zylinderkolbenstange nur bei sehrgroßen Aussteuerungen erforderlich.Da die Verwendung von linearen Fehlermodellen fur die Bestimmung der Parameter des ser-vohydraulischen Antriebs nur eine geringe Verbesserung bringt und da die Modellfehler meisterheblich großer als das Messrauschen sind, bietet sich eine genaue Analyse der Modellfehler an,um damit Ansatzpunkte fur die Erweiterung und Verbesserung des Modells zu finden.
Literaturverzeichnis
[1] Hahn, H. Elektro-servohydraulische Antriebe. IMAT Bericht RT-2, Fachgebiet Regelungs-technik und Systemdynamik (Maschinenbau), Universitat-Gh Kassel, 1994.
[2] Hahn, H.; Raasch, W. Multi Axis Vibration Test On Spacecraft Using Hydraulic Exciters.In AGARD Conference Proceedings, Band 397, Seiten 23–1 – 23–23, 1985.
[3] Hecker, F. Identifikationsgestutzte Regelung eines servopneumatischen Mehrachsenprufstan-des. Dissertation, Fachgebiet Regelungstechnik und Systemdynamik (Maschinenbau), Uni-versitat-Gh Kassel, 1997.
[4] Isidori, A. Nonlinear Control Systems. Berlin, Heidelberg: Springer, 1989.
[5] Slotine, J.-J. E. Applied Nonlinear Control. Prentice-Hall, 1991.
[6] Ljung, L. System Identifikation, Theory for the User. Prentice Hall International PTR,Upper Saddle River, NJ 07458, 1999.
[7] Piepenbrink, A. Identifikation und Regelung servopneumatischer Antriebe. Dissertation,Fachgebiet Regelungstechnik und Systemdynamik (Maschinenbau), Universitat-Gh Kassel,1997.
[8] Merritt, H. Hydraulic Control Systems. J. Wiley–Verlag, New York, 1967.
[9] Backe, W. Grundlagen der Olhydraulik. Umdruck zur Vorlesung, RWTH Aachen, 1988.
[10] Backe, W. Servohydraulik. Umdruck zur Vorlesung, RWTH Aachen, 1992.
[11] Viersma, T. J. Analysis, Synthesis and Design of Hydraulic Servosystems and Pipelines.Elsevier Scientific Publishing Company, Amsterdam, The Netherlands, 1980.
[12] Walters, R. B. Hydraulic and electro-hydraulic control systems. Elsevier Applied Science,London, 1991.
[13] Will, D.; Strohl, H.; Gebhardt, N. Hydraulik. Springer-Verlag Berlin Heidelberg, 1999.
[14] Jelali, M.; Kroll, A. Hydraulic Servo-systems; Modelling, Identification and Control.Springer London Berlin Heidelberg, 2003.
[15] Erhard, N. Zum Aufbau eines hydraulischen Handhabungsgerates mit biegeelastischerMechanik und dessen Regelung basierend auf Methoden der Exakten Linearisierung. Dis-sertation, Technische Fakultat der Universitat Erlangen–Nurnberg, 1995.
[16] Bernzen, W. Zur Regelung elastischer Roboter mit hydrostatischen Antrieben. Dissertation,Universitat Duisburg, 1999.
199
200 Literaturverzeichnis
[17] Vaha, P. Application of Parameter Adaptive Approach to Servo Control of a HydraulicManipulator. Dissertation, Technical Research Centre of Finland, 1988.
[18] Kugi, A. Non-linear control based on physical models. Springer-Verlag London, 2001.
[19] Wierschem, T. Entwurf von Lageregelungen fur schwach gedampfte Antriebe. Dissertation,RTWH Aachen, 1980.
[20] Helduser, S. Einfluß der Elastizitat mechanischer Ubertragungselemente auf das dynamischeVerhalten hydraulischer Servoantriebe. Dissertation, RTWH Aachen, 1977.
[21] Roper, R. Untersuchung zum Einsatz von linearen und nichtlinearen Regelungsverfahrenan elektrohydraulischen Servorotationsantrieben. Dissertation, Technische Fakultat derUniversitat Erlangen–Nurnberg, 1989.
[22] Mauer, J. Entwicklung eines Betriebssystems zur Realisierung digitaler Regelungen an flu-idtechnischen Antrieben. Dissertation, RTWH Aachen, 1990.
[23] Chen, M.-F. Zustandsgroßengenerierung und ihre Ruckfuhrung bei fluidtechnischen Posi-tionsantrieben. Dissertation, RTWH Aachen, 1995.
[24] Oberhofer, A. Uber die Realisierung digitaler Zustandsregler und deren Einsatz am Beispielder Lageregelung eines elektrohydraulischen Vorschubantriebs. Dissertation, Institut furRegelungstechnik der Universitat Erlangen–Nurnberg, 1989.
[25] Quetting, P. Zustandsregelung eines nichtlinearen Systems am Beispiel eines elektro-hydraulischen Stellantriebs. Dissertation, Universitat Duisburg, 1982.
[26] Sohl, G. A.; Bobrow, J. E. Experiments and Simulations on the Nonlinear Control of aHydraulic Servosystem. In IEEE Transactions on Control Systems Technology, Band 7,Seiten 238–247, 1999.
[27] Hahn, H. Entwurf einschleifiger Regelkreise im Frequenzbereich. Skript RT 2, Teil 1,Fachgebiet Regelungstechnik und Systemdynamik (Maschinenbau), Universitat-Gh Kassel,1990/91.
[28] Hahn, H. Entwurf einschleifiger Regelkreise im Frequenzbereich (Anwendung auf elektro–servohydraulische Antriebe). Skript RT 2, Teil 2, Fachgebiet Regelungstechnik und System-dynamik (Maschinenbau), Universitat-Gh Kassel, 1990/91.
[29] Feuser, A.; Schmitz, J. Regleradaption elektrohydraulischer Antriebe mit Hilfe der Fuzzy-Set-Logik. In Olhydraulik und Pneumatik, Band 40, Seiten 32–34, 1996.
[30] Berger, M. Self-Tuning of a PI Controller using Fuzzy Logic, for a Construction UnitTesting Apparatus. In Control Eng. Practice, Band 4, Seiten 785–790, 1996.
[31] Hahn, H.; Leimbach, K.-D. Feasibility Investigation of Feedback Controlled Single AxisElectro-Servohydraulic Actuators. IMAT Bericht (internal) RT-7, Fachgebiet Regelung-stechnik und Systemdynamik (Maschinenbau), Universitat-Gh Kassel, 1991.
[32] Faulhaber, S. Lageregelungen fur hydraulische Servoantriebe. Dissertation, RTWH Aachen,1985.
Literaturverzeichnis 201
[33] Schwarz, H. Nichtlineare Regelungssysteme – Systemtheoretische Grundlagen. Munchen,Wien: Oldenburg, 1991.
[34] Allgower, F.; Gilles, E. D. Entwurf Nichtlinearer Regelungen, Kapitel Einfuhrung in dieexakte und naherungsweise Linearisierung nichtlinearer Systeme, Seiten 23–52. Oldenburg,1995.
[35] Allgower, F.; Gilles, E. D. Nichtlineare Regelung, Band 1026, Kapitel Nichtlinearer Regler-entwurf auf der Grundlage exakter Linearisierung, Seiten 209–234. VDI Berichte, 1993.
[36] Hahn, H.; Piepenbrink, A.; Leimbach, K.-D. Input Output Linearization Control of anElectro Servo-Hydraulic Actuator. In Proceedings of the 3rd IEEE Conference on ControlApplications, Band 2, Seiten 995–1000, Glasgow, August 1994. IEEE.
[37] Chiriboga, J.; Thein, M.-W. L.; Misawa, E. A. Input-Output Feedback Linearization Controlof a Load-Sensing Hydraulic Servo System. In Proceedings of the 4th IEEE Conference onControl Applications, Seiten 910–915, Albany, NY, September 28-29, 1995.
[38] Bernzen, W. Nichtlineare Regelung eines hydraulischen Gleichgangzylinder. Forschungs-bericht Nr. 12/97, Meß-, Steuer- und Regelungstechnik, Gerhard-Mercator-Universitat GHDuisburg, 1997.
[39] Bernzen, W.; B., R. Nichtlineare Modellbildung und Regelung eines hydraulischen Differen-tialzylinders. Forschungsbericht Nr. 12/96, Meß-, Steuer- und Regelungstechnik, Gerhard-Mercator-Universitat GH Duisburg, 1996.
[40] Hahn, H.; Gucker, U. Experimental Identification and Nonlinear Control of ServohydraulicActuators. In Proceedings of the International Conference on Systems, Signals, Control,Computers, Band II, Seiten 466–470, Durban, South Africa, 1998.
[41] Hahn, H.; Gucker, U. Nonlinear Control of a Servohydraulic Actuator. In Proceedings ofthe XIII International Conference on Systems Science, Band I, Seiten 301–308, Wroclaw,Poland, September 1998.
[42] Gucker, U.; Hahn, H. Experimentelle Identifikation und nichtlineare Regelung eines ser-vohydraulischen Antriebs. In Modellierung und Identifikation, Band 2 von Berichte desInstituts fur Mechanik, Seiten 109–118. Hartmann, S.; Haupt, P. und Ulbricht, V., 1998.ISBN 3-88122-973-6.
[43] Hahn, H.; Gucker, U. Experimental Identification and Nonlinear Control of ServohydraulicActuators. In Systems Science, Band 25, No. 1, Seiten 103–114, 1999.
[44] Gucker, U.; Hahn, H. Modellbasierte nichtlineare Regelung eines einachsigen servohydraulis-chen Linearantriebs. In Referenzbuch der Automatisierungstechnik (Automatic and Drives).Kompendium A & D, 2000.
[45] Knohl, T.; Unbehauen, H. Adaptive position control of electrohydraulic servo systems usingANN. In Mechatronics, Band 10, Seiten 127–143, 2000.
[46] Liu, Y.; Handroos, H. Sliding mode control for a class of hydraulic position servo. InMechatronics, Band 9, Seiten 111–123, 1999.
[47] Draper, N.; Smith, H. Applied Regression Analysis. John Wiley & Sons, 1998.
202 Literaturverzeichnis
[48] Soderstrom, T.; Stoica, P. System Identifikation. Prentice Hall International (UK) Ltd,Englewood Cliffs, 1989.
[49] Muller, M. Konstruktion und Aufbau eines Feder-Dampfer-Prufstands fur servopneumati-sche Antriebe. Diplomarbeit I, Fachgebiet Regelungstechnik und Systemdynamik (Maschi-nenbau), Universitat-Gh Kassel, 1994.
[50] Schafer, M. Umbau und Installation einer hydraulischen Versorgungseinheit. Studienarbeit,Fachgebiet Regelungstechnik und Systemdynamik (Maschinenbau), Universitat-Gh Kassel,1994.
[51] Schafer, M. Aufbau der elektrischen Steuerung eines Hydraulikaggregats. Studienarbeit,Fachgebiet Regelungstechnik und Systemdynamik (Maschinenbau), Universitat-Gh Kassel,1994.
[52] Grabow, F.; Schafer, M. Konzeption und Aufbau der elektronischen Sensorauswertung einesFeder-Dampfer-Prufstandes. Diplomarbeit I, Fachgebiet Regelungstechnik und Systemdy-namik (Maschinenbau), Universitat-Gh Kassel, 1995.
[53] Bronstein, I. N.; Semendjajew, K. A. Taschenbuch der Mathematik. Verlag Harri Deutsch,1989.
[54] Alt, W. Nichtlineare Optimierung. Vieweg Verlag, Braunschweig, 2002.
[55] Hohmann, S. Experimentelle Identifikation von nichtlinearen Teilsystemen eines servohy-draulischen Antriebs und Untersuchungen zu Geschwindigkeitsberechnern. Diplomarbeit 2(E-Technik), Fachgebiet Regelungstechnik und Systemdynamik (Maschinenbau), Univer-sitat-Gh Kassel, 1998.
[56] Fischer, V. Automatisierung der parametrischen Identifikation am Beispiel eines servohy-draulischen Antriebs. Diplomarbeit I, Fachgebiet Regelungstechnik und Systemdynamik(Maschinenbau), Universitat-Gh Kassel, 1999.
[57] Alefeld, G.; Herzberger, J. Einfuhrung in Intervallrechnung. Bibliographische Institut,Mannheim, 1974.
[58] Franklin, G.; Powell, J.; Workmann, M. Digital control of dynamic systems. AddisonWesley Longmann, Inc., Menlo Park, CA 94025, 1998.
Anhang A
Anhang zur mathematischen Modellbildung eines
servohydraulischen Linearantriebs
A.1 Nichtlineares, formales Modell des Servoventils
Ein formales mathematisches Modell beschreibt im Gegensatz zu einem physikalischen Modelldas Ein-/Ausgangsverhalten eines Systems, ohne die internen Ablaufe physikalisch zu beruck-sichtigen. Zur Identifikation und zur Validierung eines physikalischen Modells des Servoventilsist die Messung von internen Variablen des Ventils erforderlich, wie z.B. des elektrischen Stro-mes im magnetischen Antrieb und der Kraft auf die Ventilkolbenmechanik, worauf im Rahmendieses Forschungsprojektes aber verzichtet worden ist. Durch die Wahl eines geeigneten innerenAufbaus fur das formale mathematische Modell lasst sich dieses ohne die Messung von internenVariablen identifizieren. Das nichtlineare, formale Modell des Servoventils mit der Ventilein-gangsspannung uM als Eingang und dem Ventilweg xV als Ausgang basiert im wesentlichenauf der im Laborexperiment anhand von Sprungantworten beobachteten Sattigung der Ventil-kolbengeschwindigkeit, die durch den elektromagnetischen Antrieb und die zweite hydraulischbetriebene Ventilstufe verursacht wird.
Die nichtlinearen, formalen Modellgleichungen des Servoventils 3.Ordnung setzten sich aus denfolgenden Teilmodellen zusammen:
• Ventilkolbenmechanik mit Ventilkolbengeschwindigkeit x′V als formalem Eingang
xV + a1 · xV = a1 · x′V , (A.1)
• Sattigungskennlinie x′V (x′′V ) der Ventilkolbengeschwindigkeit (vgl. Bild A.1)
x′V := x′V (x′′V ) =
xVmax fur x′′V > xVmax
x′′V fur −xVmax < x′′V < xVmax
−xVmax fur x′′V < −xVmax
, (A.2)
• formaler elektromagnetischer Antrieb
x′′V + a2 · x′′V = a2 · x′′′V und (A.3)
• Lageregelung des Ventilkolbens mittels P-Regler
exV = kV · uM − xV , (A.4)x′′′V = b1 · exV (A.5)
203
204 Anhang A. Modellbildung
mit den Prozessmodellvariablen:
uM Ventileingangsspannung [V],xV Ventilkolbenweg [m],xV Ventilkolbengeschwindigkeit [ms ],x′V formale Ventilkolbengeschwindigkeit nach der Sattigung [ms ],x′′V formale Ventilkolbengeschwindigkeit vor der Sattigung [ms ],x′′′V formale Ventilkolbengeschwindigkeit vor dem elektromagnetischen Antrieb [ms ],exV Regelfehler des Ventilkolbenwegs [m]
und den Prozessmodellparametern:
a1 formaler Parameter der Ventilkolbenmechanik [1s ],a2 formaler Parameter des elektromagnetischen Antriebs [1s ],b1 Verstarkungsfaktor des Reglers [1s ],xVmax Sattigungswert der Ventilkolbengeschwindigkeit [ms ] undkV stationarer Verstarkungsfaktor des Servoventils zwischen der Ventileingangsspan-
nung uM und dem Ventilkolbenweg xV [mV ].
x′V
xVmax
x′′V
−xVmax
x′V
1
Sattigung
x′′V
Bild A.1: Sattigungskennlinie x′V (x′′V ) der Ventilkolbengeschwindigkeit
Das Blockschaltbild der nichtlinearen, formalen Modellgleichungen des Servoventils 3. Ordnung(A.1) bis (A.5) ist im Bild A.2 dargestellt.
A.2 Bildung linearer Modelle aus den nichtlinearen Modellen des Servoventils 205
xV
a2
b1
∫
a1
a1
∫kV a2
∫ x′′V+
−
exVxVx′V
Sattigung−+
uM
x′′′V
−
+ xV
Bild A.2: Blockschaltbild der nichtlinearen, formalen Modellgleichungen (A.1) bis (A.5) des Ser-voventils 3. Ordnung
A.2 Bildung der Ubertragungsfunktion der linearen Modelleentstanden aus den zugehorigen nichtlinearen Modellen desServoventils
Bei einer Aussteuerung der Sattigungskennlinie (4.2) bzw. (A.2) im linearen Bereich lassen sichdie nichtlinearen, physikalischen Modellgleichungen (4.1) bis (4.4c) bzw. die nichtlinearen, forma-len Modellgleichungen (A.1) bis (A.5) des Servoventils in lineare Modelle 3. Ordnung umrechnen,die mit der in [1] verwendeten Darstellung (vgl. Bild A.3) des Servoventils ubereinstimmen unddie Ubertragungsfunktion im Laplace-Raum
GxV , uM (s) =XV (s)UM (s)
= kV · kM · aM
s + aM· ω2
V
s2 + 2 · ζV · ωV · s + ω2V
(A.6)
vom Eingang uM zum Ausgang xV besitzen. Die Laplace-Transformation der Ein-/Ausgangssignalelauten UM (s) := LuM (t) und XV (s) := LxV (t).
Servoventilmechanik
kV ·ω2V
2·ζV ·ωV
kM ·aM
∫-
+
+
+ ∫
ω2V
aM
∫ FV xV
-
+uM xV
magnetischer Antrieb
Bild A.3: Darstellung des linearen Servoventilmodells 3. Ordnung aus [1]
Da das nichtlineare Verhalten der nichtlinearen Modellgleichungen nur durch die Sattigungs-kennlinie (4.2) bzw. (A.2) verursacht wird, ist die in Kapitel 5 angewandte Vorgehensweise zurBildung eines linearen Ersatzsystems durch Bestimmung der Ruhelage und Linearisierung mit-tels Taylorreihenentwicklung nicht erforderlich.Aus den nichtlinearen, physikalischen Modellgleichungen (4.1) bis (4.4c) des Servoventils entstehtbei Vernachlassigung der Sattigung (4.2) ein lineares Modell 3. Ordnung (vgl. Bild A.4) mit derUbertragungsfunktion
GxV , uM (s) :=XV (s)UM (s)
=k′M · a′M · k′V · kpV · 1
mV
s3 + (a′M + dVmV
) · s2 + a′M · dVmV
· s + k′M · a′M · kpV · 1mV
. (A.7)
206 Anhang A. Modellbildung
Bei gegebenen Parametern k′M , k′V , a′M , kpV , mV und dV ist eine numerische Umrechnung indie Parameter kV , kM , aM , ωV und ζV der Darstellung (A.6) moglich.
FV ≡ F′V xV xV
−+
xV1
mV
∫
dV
mV
∫∫−
+
−
exVuM
+
xV d
xV
u′M FV
k′V kpVk′M ·a′M
a′M
Bild A.4: Lineares Servoventilmodell, entstanden aus den nichtlinearen, physikalischen Modell-gleichungen (4.1) bis (4.4c) durch Vernachlassigung der Sattigung (4.2)
In gleicher Weise entsteht aus den nichtlinearen, formalen Modellgleichungen (A.1) bis (A.5) desServoventils bei Vernachlassigung der Sattigung (A.2) ein lineares Modell 3. Ordnung (vgl. BildA.5) mit der Ubertragungsfunktion
GxV , uM (s) :=XV (s)UM (s)
=kV · a1 · a2 · b1
s3 + (a1 + a2) · s2 + a1 · a2 · s + a1 · a2 · b1. (A.8)
Bei gegebenen Parametern kV , a1, a2 und b1 ist eine numerische Umrechnung in die ParameterkV , kM , aM , ωV und ζV der Darstellung (A.6) moglich, wenn ein Wert fur kM angenommenwird.
+
a2
b1kV a2
∫
a1
a1
∫xV xV
−+
xV∫ x′′V ≡ x′V+
−
exVuM
x′′′V
−
Bild A.5: Lineares Servoventilmodell, entstanden aus den formalen nichtlinearen Modellgleichun-gen (A.1) bis (A.5) durch Vernachlassigung der Sattigung (A.2)
A.3 Leckflusse aufgrund hydrostatischer Lagerung der Zylinder-kolbenstange
Im Bild A.6 ist ein stark vereinfachtes lineares Modell der Leckflusse aufgrund hydrostatischerLagerung der Zylinderkolbenstange mit den formalen Leckflussen qA, qB, qC , den formalen Leck-flusskoeffizienten kA, kB, kC und einem formalen Druckniveau p dargestellt. Der Leckfluss qA
entspricht dem Leckfluss qLEI aus der Gleichung (4.8a).Es gilt die Massenbilanzgleichung
qA + qB = qC (A.9)
und
qLEI = qA := kA · (pI − p) , (A.10a)
A.4 Reduktion der nichtlinearen nicht reduzierten Modellgleichungen mit Leckflussen 207
Kammer I
pS
pR
pI
qBkB
p
Ersatzschaltbild
qC
kC
kA
qA = qLEI
qB
Zylinderkolbenstange
pS
ZylindergehausepR
pI
qA = qLEI
qC
p
hydrostatischesLager
Skizze
druckVersorgungs-
Rucklaufdruck
Druckin der
Bild A.6: Leckflusse aufgrund hydrostatischer Lagerung der Zylinderkolbenstange
qB := kB · (pS − p) , (A.10b)qC := kC · (p− pR) . (A.10c)
Aus (A.9) folgt unter Verwendung von (A.10b) und (A.10c):
qLEI = qA = qC − qB = kC · (p− pR)− kB · (pS − p) . (A.11)
Das formale Druckniveau p wird aus (A.10a) berechnet
p = pI − qA
kA(A.12)
und in (A.11) eingesetzt
qLEI = qA =kA · (kB + kC)kA + kB + kC
· pI − kA · kB
kA + kB + kC· pS − kA · kC
kA + kB + kC· pR . (A.13)
Bei Vernachlassigung der Abhangigkeit von pR und Definition von
kLEPI :=kA · (kB + kC)kA + kB + kC
und (A.14)
kLEPSI :=kA · kB
kA + kB + kC(A.15)
erhalt man die Gleichung (4.8a). Entsprechendes gilt fur die Gleichung (4.8b).
A.4 Reduktion der nichtlinearen nicht reduzierten Modellglei-chungen mit Leckflussen
Die in [1] beschriebene Vorgehensweise zur Reduktion der nichtlinearen nicht reduzierten Modell-gleichungen (4.1) bis (4.11) wird in diesem Abschnitt um die Leckflusse (4.8a), (4.8b) aufgrundhydrostatischer Lagerung der Zylinderkolbenstange erweitert.
208 Anhang A. Modellbildung
Das wesentliche Ziel des Reduktionschrittes ist die Zusammenfassung der einzelnen Druckauf-baugleichungen fur die Kammerdrucke pI und pII zu einer Druckaufbaugleichung fur die Druck-differenz pL := pI − pII .Hierzu werden unter Verwendung der Annahmen 1 (4.15a) und 2 (4.15b) aus [1] die Gleichungen(4.5a) und (4.5b) voneinander subtrahiert:
Ak · L2 ·B · pL +
Ak
B·(pI + pII)·(xka−xG)
︸ ︷︷ ︸storender Term
+2·Ak ·(xka−xG) = qZ(xV , pI , pII) , (A.16)
wobei fur die Volumenflusse auf der rechten Seite der Gleichung die Abkurzung
qZ(xV , pI , pII) := qZI(xV , pI , pII) + qZII(xV , pI , pII) (A.17)
eingefuhrt worden ist.Die Gleichung (A.16) ist die gesuchte Druckaufbaugleichung, wenn
1. der Term AkB · (pI + pII) · (xka − xG) wegfallt und wenn
2. der Volumenfluss qZ(xV , pI , pII) nur von xV und pL abhangt.
In [1] wird unter Vernachlassigung der Bypass- und Leckflusse gezeigt, dass der Term AkB · (pI +
pII) entfallt, wenn die Annahmen 4 (4.15d) und 5 (4.15e) zutreffen. Die Gultigkeit dieser Aussagewird im folgenden auch fur signifikante Bypass- und Leckflusse aufrechterhalten.Der Volumenfluss qZ(xV , pI , pII) aus (A.17) besteht unter Verwendung von (4.6a) und (4.6b)aus
qZ(xV , pI , pII) = q2(xV , pI)− q1(xV , pI) + q4(xV , pII)− q3(xV , pII)︸ ︷︷ ︸=:2·q′L(xV ,pI ,pII)
(A.18)
− 2 · qBP (pI , pII)− 2 · qBPL(pI , pII)−qLEI(pI) + qLEII(pII)︸ ︷︷ ︸=:−2·q′LE(pI ,pII)
.
Mit den Definitionen
q′L(xV , pI , pII) :=
12· [q2(xV , pI)− q1(xV , pI) + q4(xV , pII)− q3(xV , pII)] (A.19)
und
q′LE(pI , pII) :=
12· [qLEI(pI)− qLEII(pII)] (A.20)
folgt
qZ(xV , pI , pII) = 2 · q′L(xV , pI , pII) (A.21)
− 2 · qBP (pI , pII)− 2 · qBPL(pI , pII)− 2 · q′LE(pI , pII) .
Gelten die Symmetriebedingung der Annahmen 6 (4.15f), 7 (4.15g) und 8 (4.15h), so wird in [1]hergeleitet, dass der Lastfluss qL(xV , pL) = q
′L(xV , pI , pII) nur noch von xV und pL abhangt.
Die Differenz der Leckflusse q′LE(pI , pII) setzt sich aus den Leckflussen (4.8a) und (4.8b) zusam-
men:
q′LE(pI , pII) :=
12· (qLEI(pI)− qLEII(pII)) (A.22)
A.5 Analytisch berechnete Ubertragungsfunktionen aus den linearen reduzierten Modellgleichungen 209
=12· kLEPI · pI − 1
2· kLEPII · pII +
12· (−kLEPSI + kLEPSII) · pS .
Fur identische Werte der Koeffizienten kLEPSI und kLEPSII wird die Differenz der Leckflusseq′LE(pI , pII) unabhangig vom Versorgungsdruck pS und hangt bei identischen Werten der Koef-
fizienten kLEPI und kLEPII nur noch von Lastdruck pL ab, vgl. Annahme 9 mit Gl. (4.15i) ausKapitel 4.3:
qLE(pL) := q′LE(pI , pII) =
12· kLEP · pL . (A.23)
Ein Zusammenfassen mit dem laminaren Bypassfluss (4.9a) ergibt (vgl. Gleichung (4.30)):
qBPLred(pL) := qBPL(pL) + qLE(pL) = kBPL · pL +
12· kLEP · pL = kLE · pL (A.24)
mit dem laminaren Bypass- und Leckflusskoeffizient
kLE := kBPL +12· kLEP . (A.25)
A.5 Analytisch berechnete Ubertragungsfunktionen aus den li-nearen reduzierten Modellgleichungen
In den Anschnitten A.5.1 und A.5.2 werden verschiedene analytisch berechnete Ubertragungs-funktionen der linearen reduzierten Modellgleichungen (4.39) bis (4.43) des servohydraulischenAntriebs fur die Falle mit und ohne Fundamentmodell aufgestellt.Diese Ubertragungsfunktionen dienen als Modellhypothese fur die parametrische Identifikati-on von Ubertragungsfunktionen aus nichtparametrisch geschatzten Frequenzgangen bei einerAnregung mit Multisinussignalen.Aus Grunden der Ubersichtlichkeit wird die Kennzeichnung von Kleinsignalgroßen unterdrucktund die Ventildynamik zwischen uM und xV mit der Ubertragungsfunktion (A.6) weggelassen.Stattdessen wird der Ventilweg xV als formaler Steuereingang betrachtet.Ein hochgestelltes oF bezeichnet den Fall ohne Fundamentmodell und ein hochgestelltes mFden Fall mit Fundamentmodell.
A.5.1 Analytisch berechnete Ubertragungsfunktionen aus den linearen redu-zierten Modellgleichungen ohne Fundamentmodell
Ein Zustandsraummodell der linearen reduzierten Modellgleichungen ohne Fundamentmodellbei Wahl des Zustandsvektors xoF := [xoF
1 , xoF2 , xoF
3 ]T = [pL, xk, xk]T und des Ventilwegs alsEingang u = xV lautet:
xoF = AoF · xoF + BoF · u (A.26)
yi = CoFi · xoF (A.27)
mit
AoF :=
∣∣∣∣∣∣∣
QPCH
0 − AkCH
0 0 1Akmk
0 − dkmk
∣∣∣∣∣∣∣, BoF :=
∣∣∣∣∣∣
QXCH
00
∣∣∣∣∣∣(A.28)
210 Anhang A. Modellbildung
und CoFi fur die Ausgange xk, xk, xk und pL
CoFxk
:= [0, 1, 0] , (A.29)
CoFxk
:= [0, 0, 1] , (A.30)
CoFxk
:= [Ak
mk, 0,− dk
mk] , (A.31)
CoFpL
:= [1, 0, 0] . (A.32)
Die Laplace-Transformierten der Signale xV , xk, xk, xk und pL werden mit XV (s), Xk(s), Xk(s),Xk(s) und PL(s) bezeichnet.Zur kompakteren Darstellung der Ubertragungsfunktionen werden folgende Abkurzungen ein-gefuhrt (vgl. [1]):
kH :=Ak ·QX
A2k − dk ·QP
, ωH :=
√A2
k − dk ·QP
mk · CH, ζH :=
dkmk
− QPCH
2 ·√
A2k−dk·QP
mk·CH
, (A.33a)
kLast :=Ak
dkund aLast :=
dk
mk. (A.33b)
Die folgenden Ubertragungsfunktionen sind analytisch berechnet worden:
• Ubertragungsfunktion vom Ventilweg xV zur Zylinderkolbenauslenkung xk:
GoFxk, xV
(s) :=Xk(s)XV (s)
= CoFxk· [s · I3 −AoF
]−1 ·BoF (A.34)
= kH · 1s· ω2
H
s2 + 2 · ζH · ωH · s + ω2H
,
• Ubertragungsfunktion vom Ventilweg xV zur Zylinderkolbengeschwindigkeit xk:
GoFxk, xV
(s) :=Xk(s)XV (s)
= CoFxk· [s · I3 −AoF
]−1 ·BoF (A.35)
= kH · 1 · ω2H
s2 + 2 · ζH · ωH · s + ω2H
,
• Ubertragungsfunktion vom Ventilweg xV zur Zylinderkolbenbeschleunigung xk:
GoFxk, xV
(s) :=Xk(s)XV (s)
= CoFxk· [s · I3 −AoF
]−1 ·BoF (A.36)
= kH · s · ω2H
s2 + 2 · ζH · ωH · s + ω2H
,
• Ubertragungsfunktion vom Ventilweg xV zum Lastdruck pL:
GoFpL, xV
(s) :=PL(s)XV (s)
= CoFpL· [s · I3 −AoF
]−1 ·BoF (A.37)
=kH
kLast· s + aLast
aLast· ω2
H
s2 + 2 · ζH · ωH · s + ω2H
,
A.5 Analytisch berechnete Ubertragungsfunktionen aus den linearen reduzierten Modellgleichungen 211
• Ubertragungsfunktion vom Lastdruck pL zur Zylinderkolbenauslenkung xk:
GoFxk, pL
(s) :=Xk(s)PL(s)
=GoF
xk, xV(s)
GoFpL, xV
(s)= kLast · 1
s· aLast
s + aLast, (A.38)
• Ubertragungsfunktion vom Lastdruck pL zur Zylinderkolbengeschwindigkeit xk:
GoFxk, pL
(s) :=Xk(s)PL(s)
=GoF
xk, xV(s)
GoFpL, xV
(s)= kLast · 1 · aLast
s + aLastund (A.39)
• Ubertragungsfunktion vom Lastdruck pL zur Zylinderkolbenbeschleunigung xk:
GoFxk, pL
(s) :=Xk(s)PL(s)
=GoF
xk, xV(s)
GoFpL, xV
(s)= kLast · s · aLast
s + aLast. (A.40)
In der Tabelle A.3 sind die Anzahl der Pol- und Nullstellen sowie die Anzahl der Integrato-ren und Differenzierer der Ubertragungsfunktionen (A.34) bis (A.40) der linearen reduziertenModellgleichungen ohne Fundamentmodell aufgelistet.
Ubertragungsfunktion Anzahl derName Gleichung Eingang Ausgang Polst. Nullst. Int. Diff.
GoFxk, xV
(s) (A.34) xV xk 3 0 1 0GoF
xk, xV(s) (A.35) xV xk 2 0 0 0
GoFxk, xV
(s) (A.36) xV xk 2 1 0 1
GoFpL, xV
(s) (A.37) xV pL 2 1 0 0
GoFxk, pL
(s) (A.38) pL xk 2 1 1 0GoF
xk, pL(s) (A.39) pL xk 1 0 0 0
GoFxk, pL
(s) (A.40) pL xk 1 1 0 1
Tabelle A.3: Anzahl der Polstellen (Polst.), Nullstellen (Nullst.), Integratoren (Int.) und Diffe-renzierer (Diff.) bei den analytisch berechneten Ubertragungsfunktionen der linea-ren reduzierten Modellgleichungen ohne Fundamentmodell
A.5.2 Analytisch berechnete Ubertragungsfunktionen aus den linearen redu-zierten Modellgleichungen mit Fundamentmodell
Ein Zustandsraummodell der linearen reduzierten Modellgleichungen mit Fundamentmodell beiWahl des Zustandsvektors xmF := [xmF
1 , xmF2 , xmF
3 , xmF4 , xmF
5 ]T = [pL, xka, xka, xG, xG]T unddes Ventilwegs als Eingang u = xV lautet:
xmF = AmF · xmF + BmF · u (A.41)
yi = CmFi · x (A.42)
212 Anhang A. Modellbildung
mit
AmF :=
∣∣∣∣∣∣∣∣∣∣∣
QPCH
0 − AkCH
0 AkCH
0 0 1 0 0Akmk
0 − dkmk
0 dkmk
0 0 0 0 1− Ak
mG0 dk
mG− cG
mG−dk+dG
mG
∣∣∣∣∣∣∣∣∣∣∣
, BmF :=
∣∣∣∣∣∣∣∣∣∣
QXCH
0000
∣∣∣∣∣∣∣∣∣∣
(A.43)
und CmFi fur die Ausgange xka, xka, xka, pL xk, xk, xG, xG und xG
CmFxka
:= [0, 1, 0, 0, 0] , (A.44)
CmFxka
:= [0, 0, 1, 0, 0] , (A.45)
CmFxka
:= [Ak
mk, 0,− dk
mk, 0,
dk
mk] , (A.46)
CmFpL
:= [1, 0, 0, 0, 0] , (A.47)
CmFxk
:= [0, 1, 0,−1, 0] , (A.48)
CmFxk
:= [0, 0, 1, 0,−1] , (A.49)
CmFxG
:= [0, 0, 0, 1, 0] , (A.50)
CmFxG
:= [0, 0, 0, 0, 1] und (A.51)
CmFxG
:= [− Ak
mG, 0,
dk
mG,− cG
mG,−dk + dG
mG] . (A.52)
Die Laplace-Transformierten der zusatzlichen Signale xka, xka, xka, xG, xG und xG werden mitXka(s), Xka(s), Xka(s), XG(s), XG(s) und XG(s) bezeichnet.Zur kompakteren Darstellung der Ubertragungsfunktionen werden zusatzlich folgende Abkurzun-gen eingefuhrt:
• Verstarkungsfaktor
kkG := − cG
mk, (A.53)
• Masse–Feder–Dampfer–System 1 (nur Masse des Fundaments)
ωG1 :=√
cG
mG, ζG1 :=
dG
2 · √cG ·mG, (A.54)
• Masse–Feder–Dampfer–System 2 (Masse von Last und Fundament)
ωG2 :=√
cG
mG + mk, ζG2 :=
dG
2 ·√
cG · (mG + mk), (A.55)
• Koeffizienten des Polynoms aus der Verkopplung von Lastmechanik, Hydraulik und Fun-dament:
a3 = 2 · ζH · ωH + 2 · ζG1 · ωG1 +dk
mG, (A.56a)
a2 = ω2H ·
(1 +
mk
mG
)+ 4 · ζG1 · ωG1 · ζH · ωH + ω2
G1 , (A.56b)
a1 = 2 · ζH · ωH · ω2G1 + 2 · ω2
H · ζG1 · ωG1 , (A.56c)
a0 = ω2H · ω2
G1 , (A.56d)
A.5 Analytisch berechnete Ubertragungsfunktionen aus den linearen reduzierten Modellgleichungen 213
• Koeffizienten des Polynoms aus der Verkopplung von Lastmechanik und Fundament
b2 := 2 · ζG1 · ωG1 + aLast ·(
1 +mk
mG
), (A.57a)
b1 := ω2G1 + aLast · 2 · ζG1 · ωG1 , (A.57b)
b0 := aLast · ω2G1 . (A.57c)
Die folgenden Ubertragungsfunktionen sind analytisch berechnet worden:
• Ubertragungsfunktion vom Ventilweg xV zur Auslenkung der Last xka bezogen auf dasInertialsystem:
GmFxka, xV
(s) :=Xka(s)XV (s)
= CmFxka
· [s · I5 −AmF]−1 ·BmF (A.58)
= kH · 1s· a0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Geschwindigkeit der Last xka bezogen aufdas Inertialsystem:
GmFxka, xV
(s) :=Xka(s)XV (s)
= CmFxka
· [s · I5 −AmF]−1 ·BmF (A.59)
= kH · 1 · a0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Beschleunigung der Last xka bezogen auf dasInertialsystem:
GmFxka, xV
(s) :=Xka(s)XV (s)
= CmFxka
· [s · I5 −AmF]−1 ·BmF (A.60)
= kH · s · a0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Auslenkung der Last xk bezogen relativ zumFundament:
GmFxk, xV
(s) :=Xk(s)XV (s)
= CmFxk
· [s · I5 −AmF]−1 ·BmF (A.61)
= kH · 1s· a0
ω2G2
· s2 + 2 · ζG2 · ωG2 · s + ω2G2
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Geschwindigkeit der Last xk bezogen relativzum Fundament:
GmFxk, xV
(s) :=Xk(s)XV (s)
= CmFxk
· [s · I5 −AmF]−1 ·BmF (A.62)
= kH · 1 · a0
ω2G2
· s2 + 2 · ζG2 · ωG2 · s + ω2G2
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
214 Anhang A. Modellbildung
• Ubertragungsfunktion vom Ventilweg xV zum Lastdruck pL:
GmFpL, xV
(s) :=PL(s)XV (s)
= CmFpL
· [s · I5 −AmF]−1 ·BmF (A.63)
=kH
kLast· 1 · a0
b0· s3 + b2 · s2 + b1 · s + b0
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Auslenkung des Fundaments xG bezogen aufdas Inertialsystem:
GmFxG, xV
(s) :=XG(s)XV (s)
= CmFxG
· [s · I5 −AmF]−1 ·BmF (A.64)
=kH
kkG· s · a0
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Geschwindigkeit des Fundaments xG bezogenauf das Inertialsystem:
GmFxG, xV
(s) :=XG(s)XV (s)
= CmFxG
· [s · I5 −AmF]−1 ·BmF (A.65)
=kH
kkG· s2 · a0
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktion vom Ventilweg xV zur Beschleunigung des Fundaments xG bezogenauf das Inertialsystem:
GmFxG, xV
(s) :=XG(s)XV (s)
= CmFxG
· [s · I5 −AmF]−1 ·BmF (A.66)
=kH
kkG· s3 · a0
s4 + a3 · s3 + a2 · s2 + a1 · s + a0,
• Ubertragungsfunktionen vom Lastdruck pL zur Auslenkung der Last xka bezogen auf dasInertialsystem:
GmFxka, pL
(s) :=Xka(s)PL(s)
=GmF
xka, xV(s)
GmFpL, xV
(s)(A.67)
= kLast · 1s· b0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s3 + b2 · s2 + b1 · s + b0,
• Ubertragungsfunktionen vom Lastdruck pL zur Geschwindigkeit der Last xka bezogen aufdas Inertialsystem:
GmFxka, pL
(s) :=Xka(s)PL(s)
=GmF
xka, xV(s)
GmFpL, xV
(s)(A.68)
= kLast · 1 · b0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s3 + b2 · s2 + b1 · s + b0,
A.5 Analytisch berechnete Ubertragungsfunktionen aus den linearen reduzierten Modellgleichungen 215
• Ubertragungsfunktionen vom Lastdruck pL zur Beschleunigung der Last xka bezogen aufdas Inertialsystem:
GmFxka, pL
(s) =Xka(s)PL(s)
=GmF
xka, xV(s)
GmFpL, xV
(s)(A.69)
= kLast · s · b0
ω2G1
· s2 + 2 · ζG1 · ωG1 · s + ω2G1
s3 + b2 · s2 + b1 · s + b0,
• Ubertragungsfunktionen vom Lastdruck pL zur Auslenkung der Last xk bezogen relativzum Fundament:
GmFxk, pL
(s) =Xk(s)PL(s)
=GmF
xk, xV(s)
GmFpL, xV
(s)(A.70)
= kLast · 1s· b0
ω2G2
· s2 + 2 · ζG2 · ωG2 · s + ω2G2
s3 + b2 · s2 + b1 · s + b0,
• Ubertragungsfunktionen vom Lastdruck pL zur Geschwindigkeit der Last xk bezogen re-lativ zum Fundament:
GmFxk, pL
(s) =Xk(s)PL(s)
=GmF
xk, xV(s)
GmFpL, xV
(s)(A.71)
= kLast · 1 · b0
ω2G2
· s2 + 2 · ζG2 · ωG2 · s + ω2G2
s3 + b2 · s2 + b1 · s + b0,
• Ubertragungsfunktionen vom Lastdruck pL zur Auslenkung des Fundaments xG bezogenauf das Inertialsystem:
GmFxG, pL
(s) =XG(s)PL(s)
=GmF
xG, xV(s)
GmFpL, xV
(s)(A.72)
=kLast
kkG· s · b0
s3 + b2 · s2 + b1 · s + b0,
• Ubertragungsfunktionen vom Lastdruck pL zur Geschwindigkeit des Fundaments xG be-zogen auf das Inertialsystem:
GmFxG, pL
(s) =XG(s)PL(s)
=GmF
xG, xV(s)
GmFpL, xV
(s)(A.73)
=kLast
kkG· s2 · b0
s3 + b2 · s2 + b1 · s + b0,
• Ubertragungsfunktionen vom Lastdruck pL zur Beschleunigung des Fundaments xG bezo-gen auf das Inertialsystem:
GmFxG, pL
(s) =XG(s)PL(s)
=GmF
xG, xV(s)
GmFpL, xV
(s)(A.74)
=kLast
kkG· s3 · b0
s3 + b2 · s2 + b1 · s + b0und
216 Anhang A. Modellbildung
Ubertragungsfunktion Anzahl derName Gleichung Eingang Ausgang Polst. Nullst. Int. Diff.
GmFxka, xV
(s) (A.58) xV xka 5 2 1 0GmF
xka, xV(s) (A.59) xV xka 4 2 0 0
GmFxka, xV
(s) (A.60) xV xka 4 3 0 1
GmFxk, xV
(s) (A.61) xV xk 5 2 1 0GmF
xk, xV(s) (A.62) xV xk 4 2 0 0
GmFpL, xV
(s) (A.63) xV pL 4 3 0 0
GmFxG, xV
(s) (A.64) xV xG 4 1 0 1GmF
xG, xV(s) (A.65) xV xG 4 2 0 2
GmFxG, xV
(s) (A.66) xV xG 4 3 0 3
GmFxka, pL
(s) (A.67) pL xka 4 2 1 0GmF
xka, pL(s) (A.68) pL xka 3 2 0 0
GmFxka, pL
(s) (A.69) pL xka 3 3 0 1
GmFxk, pL
(s) (A.70) pL xk 4 2 1 0GmF
xk, pL(s) (A.71) pL xk 3 2 0 0
GmFxG, pL
(s) (A.72) pL xG 3 1 0 1GmF
xG, pL(s) (A.73) pL xG 3 2 0 2
GmFxG, pL
(s) (A.74) pL xG 3 3 0 3
GmFxG, xka
(s) (A.75) xG xka 2 2 2 0
Tabelle A.4: Anzahl der Polstellen (Polst.), Nullstellen (Nullst.), Integratoren (Int.) und Diffe-renzierer (Diff.) bei den analytisch berechneten Ubertragungsfunktionen der linea-ren reduzierten Modellgleichungen mit Fundament
• Ubertragungsfunktionen von der Beschleunigung des Fundaments xG zur Beschleunigungder Last xka beides auf das Inertialsystem bezogen:
GmFxka, xG
(s) =Xka(s)XG(s)
=GmF
xka, xV(s)
GmFxG, xV
(s)(A.75)
= kkG · 1s2· s2 + 2 · ζG1 · ωG1 · s + ω2
G1
ω2G1
.
In der Tabelle A.4 sind die Anzahl der Pol- und Nullstellen sowie die Anzahl der Integratorenund Differenzierer der Ubertragungsfunktionen der linearen reduzierten Modellgleichungen mitFundament aufgelistet.
Anhang B
Anhang zur Linearisierung der nichtlinearen
Modellgleichungen des servohydraulischen Antriebs
in einer Ruhelage
B.1 Partielle Ableitungen der Flussfunktionen qZI und qZII
Die in den Linearisierungskoeffizienten (5.79) aus Kapitel 5.3.3 enthaltenen partiellen Ableitun-gen der Flussfunktionen qZI(xII2 , xII4 , xII5) (5.45a) und qZII(xII2 , xII4 , xII5) (5.45b) nach denVariablen xII2 , xII4 und xII5 berechnen sich wie folgt :
∂
∂xII2
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
=∂
∂xII2
q2(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII2
q1(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII2
qBP (xII4 , xII5)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII2
qBPL(xII4 , xII5)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII2
qLEI(xII4)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
= αD2 ·π ·d2 ·√
2/ρ·√∣∣∣pS − xII4C
∣∣∣·sign(pS − xII4C
)·σ
(xII2C
)
+ αD1 ·π ·d1 ·√
2/ρ·√∣∣∣xII4C
− pR
∣∣∣·sign(xII4C
− pR
)·σ
(−xII2C
), (B.1a)
∂
∂xII4
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
=∂
∂xII4
q2(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII4
q1(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII4
qBP (xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII4
qBPL(xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
217
218 Anhang B. Linearisierung
− ∂
∂xII4
qLEI(xII4)∣∣∣∣(xIIC
,uIIC)
= −αD2 ·π ·d2 ·√
2/ρ· 1
2 ·√∣∣∣pS − xII4C
∣∣∣·xII2C
·σ(xII2C
)
+ αD1 ·π ·d1 ·√
2/ρ· 1
2 ·√∣∣∣xII4C
− pR
∣∣∣·xII2C
·σ(−xII2C
)
− αBP ·ABP ·√
2/ρ · 1
2 ·√∣∣∣xII4C
− xII5C
∣∣∣− kBPL − kLEPI , (B.1b)
∂
∂xII5
qZI(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
=∂
∂xII5
q2(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII5
q1(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII5
qBP (xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII5
qBPL(xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII5
qLEI(xII4)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
= +αBP ·ABP ·√
2/ρ · 1
2 ·√∣∣∣xII4C
− xII5C
∣∣∣+ kBPL , (B.1c)
∂
∂xII2
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
=∂
∂xII2
q4(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII2
q3(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII2
qBP (xII4 , xII5)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII2
qBPL(xII4 , xII5)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
+∂
∂xII2
qLEII(xII5)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
= αD4 ·π ·d4 ·√
2/ρ·√∣∣∣xII5C
− pR
∣∣∣·sign(xII5C
− pR
)·σ
(xII2C
)
+ αD3 ·π ·d3 ·√
2/ρ·√∣∣∣pS − xII5C
∣∣∣·sign(pS − xII5C
)·σ
(−xII2C
), (B.1d)
B.2 Reduktion des linearen nicht reduzierten Modells 219
∂
∂xII4
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
=∂
∂xII4
q2(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII4
q1(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
− ∂
∂xII4
qBP (xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII4
qBPL(xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
+∂
∂xII4
qLEII(xII5)∣∣∣∣(xIIC
,uIIC)︸ ︷︷ ︸
≡0
= −αBP ·ABP ·√
2/ρ · 1
2 ·√∣∣∣xII4C
− xII5C
∣∣∣− kBPL und (B.1e)
∂
∂xII5
qZII(xII2 , xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
=
=∂
∂xII5
q4(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII5
q3(xII2 , xII4)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII5
qBP (xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
− ∂
∂xII5
qBPL(xII4 , xII5)∣∣∣∣(xIIC
,uIIC)
+∂
∂xII5
qLEII(xII5)∣∣∣∣(xIIC
,uIIC)
= αD4 ·π ·d4 ·√
2/ρ· 1
2 ·√∣∣∣xII5C
− pR
∣∣∣·xII2C
·σ(xII2C
)
− αD3 ·π ·d3 ·√
2/ρ· 1
2 ·√∣∣∣pS − xII5C
∣∣∣·xII2C
·σ(−xII2C
)
+ αBP ·ABP ·√
2/ρ · 1
2 ·√∣∣∣xII4C
− xII5C
∣∣∣+ kBPL + kLEPII . (B.1f)
B.2 Reduktion des linearen nicht reduzierten Modells
Die Reduktion des linearen nicht reduzierten Modells (5.75) wird im Frequenzbereich anhandder Ubertragungsfunktion vom Ventilweg xV zur Zylinderkolbenauslenkung xka untersucht (vgl.Kapitel 5.5).Aus dem linearen nicht reduzierten Modell (5.75) wird unter Hinzunahme des Ausgangsvektors
Cxka:= [0, 0, 0, 0, 0, 1, 0, 0, 0] (B.2)
die Ubertragungsfunktion von der Ventileingangsspannung uM zur Zylinderkolbenauslenkung
220 Anhang B. Linearisierung
xka gebildet :
Gxka, uM (s) :=Xka(s)UM (s)
= Cxka· [s · I9 −AII ]
−1 ·BII = Gxka, xV (s) ·GxV , uM (s) , (B.3)
die sich aus dem Produkt der Ubertragungsfunktion Gxka, xV (s) vom Ventilweg xV zur Zylinder-kolbenauslenkung xka und der aus (A.6) bekannten Ubertragungsfunktion GxV , uM (s) von derVentileingangsspannung uM zum Ventilweg xV zusammensetzt. Die Laplace-Transformationender Signale xka, xV und uM werden mit Xka(s), XV (s) und UM (s) bezeichnet.
Die Ubertragungsfunktion Gxka, xV (s) vom Ventilweg xV zur Zylinderkolbenauslenkung xka be-zogen auf das Inertialsystem lautet :
Gxka, xV (s) :=Xka(s)XV (s)
= k′0 ·(s− sNZD) · (s2 + dG
mG· s + cG
mG)
s6 + a′5 · s5 + a′4 · s4 + a′3 · s3 + a′2 · s2 + a′1 · s + a′0(B.4)
mit dem Verstarkungsfaktor k′0
k′0 :=1
mk· (AI ·QXV 1−AII ·QXV 2) , (B.5)
einer zusatzlichen Nullstelle sNZD
sNZD :=[AI ·QP22 + AII ·QP12] ·QXV 1− [AI ·QP21 + AII ·QP11] ·QXV 2
AI ·QXV 1−AII ·QXV 2(B.6)
und den Koeffizienten a′0 bis a′5 des Nennerpolynoms
a′5 = −QP22−QP11 +dk
mk+
dk
mG+
dG
mG, (B.7a)
a′4 = − 1mk
·[1 +
mk
mG
]· [AI ·QV K1−AII ·QV K2] +
dG
mG· dk
mk+
cG
mG(B.7b)
−[
dk
mk+
dk
mG+
dG
mG
]· [QP11 + QP22] + QP11 ·QP22−QP12 ·QP21 ,
a′3 = − 1mk
·[1 +
mk
mG
]· [AI ·QXK1−AII ·QXK2] (B.7c)
+1
mk·[1 +
mk
mG
]·[AI ·QP22+AII ·QP12]·QV K1−[AI ·QP21+AII ·QP11]·QV K2
− 1mk
· [AI ·QV K1−AII ·QV K2] · dG
mG
+[
dk
mk+
dk
mG+
dG
mG
]· (QP11 ·QP22−QP12 ·QP21)
−[
dG
mG· dk
mk+
cG
mG
]· (QP11 + QP22) +
cG
mG· dk
mk,
a′2 = +1
mk·[1 +
mk
mG
]·[AI ·QP22+AII ·QP12]·QXK1−[AI ·QP21+AII ·QP11]·QXK2 (B.7d)
− 1mk
· [AI ·QXK1−AII ·QXK2] · dG
mG
+1
mk·[AI ·QP22 + AII ·QP12]·QV K1− [AI ·QP21 + AII ·QP11]·QV K2· dG
mG
− 1mk
· [AI ·QV K1−AII ·QV K2] · cG
mG
B.2 Reduktion des linearen nicht reduzierten Modells 221
+ [QP11·QP22−QP12·QP21]·[
dk
mk· dG
mG+
cG
mG
]− dk
mk·[QP22 + QP11]· cG
mG,
a′1 = +1
mk·[AI ·QP22 + AII ·QP12]·QXK1− [AI ·QP21 + AII ·QP11]·QXK2· dG
mG(B.7e)
− 1mk
· [AI ·QXK1−AII ·QXK2] · cG
mG
+1
mk·[AI ·QP22 + AII ·QP12]·QV K1− [AI ·QP21 + AII ·QP11]·QV K2· cG
mG
+dk
mk· [QP11 ·QP22−QP12 ·QP21] · cG
mGund
a′0 = +1
mk·[AI ·QP22 + AII ·QP12]·QXK1− [AI ·QP21 + AII ·QP11]·QXK2· cG
mG. (B.7f)
Nach Einsetzen der folgenden Reduktionsannahmen (4.15) aus Kapitel 4.3 :
Ak := AI = AII vgl. Annahme 1 (B.8a)L/2 := lI0 = lII0 und xII6C
≡ xII8Cvgl. Annahme 2 (B.8b)
pS + pR = pIC+ pIIC
vgl. Annahme 5 (B.8c)d := d1 = d2 = d3 = d4 vgl. Annahme 6 (B.8d)
αD := αD1 = αD2 = αD3 = αD4 vgl. Annahme 8 (B.8e)kLEP := kLEPI = kLEPII vgl. Annahme 9 (B.8f)
in die Linearisierungskoeffizienten (5.79) aus Kapitel 5.3.3 ergeben sich Symmetrien undAbhangighangigkeiten:
• Fur die Linearisierungskoeffizienten QXV 1 (5.79a) und QXV 2 (5.79f) folgt:
QXV 1 = −QXV 2 (B.9)
=12· αD · π · d
CH · √ρ· √
|p0 − pLC|·sign(p0 − pLC
)·σ(xVC)
+√|p0 + pLC
|·sign(p0 + pLC)·σ(−xVC
)
.
Mit der Definition QX (5.39) ergibt sich :
QXV 1 = −QXV 2 =12· QX
CH. (B.10)
• Fur die Linearisierungskoeffizienten QP11 (5.79b) und QP22 (5.79h) folgt:
QP11 = QP22 (B.11)
= −12· 1CH
· αD · π · d√ρ
·
xVC· σ( xVC
)√|p0 − pLC| +
−xVC· σ(−xVC
)√|p0 + pLC|
− 12· 1CH
·(
αBP ·ABP√2 · √ρ
· 1√|pLC| + kBPL + kLE
).
222 Anhang B. Linearisierung
• Fur die Linearisierungskoeffizienten QP12 (5.79g) und QP21 (5.79c) folgt:
QP12 = QP21 =12· 1CH
·(
αBP ·ABP√2 · √ρ
· 1√|pLC| + kBPL
). (B.12)
Bei Vernachlassigung des turbulenten Bypassflusses qBPL folgt mit der Definition QP
(5.41) die Beziehung :
QP11−QP12 =QP
CH. (B.13)
• Fur die Linearisierungskoeffizienten QV K1 (5.79e) und QV K2 (5.79j) folgt:
QV K1 = −QV K2 = −12· Ak
CH. (B.14)
• Bei bei Vernachlassigung der Leckflusse qLEI und qLEII gilt fur die Linearisierungskoeffi-zienten QXK1 (5.79d) und QXK2 (5.79i) :
QXK1 = QXK2 (B.15)
= − 1L· 1CH
·
+αD · π · d√
ρ·√|p0 − pLC
|·sign(p0 − pLC)·xVC
·σ(xVC)
+αD · π · d√
ρ·√|p0 + pLC
|·sign(p0 + pLC)·xVC
·σ(−xVC)
−2 · αBP ·ABP√2 · √ρ
·√|pLC
| − kBPL · pLC
.
Hierbei werden die Ausdrucke
pS − pIC= pIIC
− pR =12· [p0 − pLC
] und (B.16a)
pS − pIIC= pIC
− pR =12· [p0 + pLC
] (B.16b)
verwendet, die sich aus der Annahme (B.8c) unter Verwendung von pLC:= pIC
− pIICund
p0 := pS − pR ableiten.Es kommt zu einer Pol-/Nullstellenkurzung, wenn die reduzierten Linearisierungskoeffizienten(B.9), (B.11), (B.12) und (B.14) :
QXV 1 = −QXV 2,
QP11 = QP22,QP12 = QP21 und
QV K1 = −QV K2
in die Ubertragungsfunktion (B.4) eingesetzt werden:
Gxka, xV (s) :=Xka(s)XV (s)
= k′′0 ·s2 + dG
mG· s + cG
mG
s5 + a′′4 · s4 + a′′3 · s3 + a′′2 · s2 + a′′1 · s + a′′0. (B.17)
B.2 Reduktion des linearen nicht reduzierten Modells 223
Die Linearisierungskoeffizienten QXK1 und QXK2 werden zunachst als beliebig angenommen,um ihren Einfluss in der Ubertragungsfunktion (B.17) aufzuzeigen.
Die Ubertragungsfunktion (B.17) enthalt den Verstarkungsfaktor k′′0
k′′0 := 2 · Ak
mk·QXV 1 (B.18)
und die Koeffizienten a′′0 bis a′′4 des Nennerpolynoms
a′′4 =[
dk
mk− (QP11−QP12)
]+
dG
mG+
dk
mG, (B.19)
a′′3 =[−2 · Ak
mk·QV K1− dk
mk· (QP11−QP12)
]·[1 +
mk
mG
](B.20)
+dG
mG·[
dk
mk− (QP11−QP12)
]+
cG
mG,
a′′2 = −Ak
mk·[1 +
mk
mG
]· (QXK1−QXK2) (B.21)
+[
dk
mk− (QP11−QP12)
]· cG
mG
+[−2 · Ak
mk·QV K1− dk
mk· (QP11−QP12)
]· dG
mG,
a′′1 = −Ak
mk· dG
mG· (QXK1−QXK2) (B.22)
+[−2 · Ak
mk·QV K1− dk
mk· (QP11−QP12)
]· cG
mGund
a′′0 = −Ak
mk· cG
mG· (QXK1−QXK2) . (B.23)
Mit den aus den Gleichungen (B.10), (B.13) und (B.15) folgenden Beziehungen zwischen denreduzierten Linearisierungskoeffizienten QXV 1, (QP11−QP12), QV K1 des linearen nicht re-duzierten Modells (5.75) und den Linearisierungskoeffizienten QX , QP und CH des linearenreduzierten Modells (5.34):
QXV 1 =12· QX
CH, QX = −Ak · QXV 1
QV K1,
(QP11−QP12) =QP
CH, QP = −1
2·Ak · QP11−QP12
QV K1,
QV K1 = −12· Ak
CH, CH = −1
2· Ak
QV K1
sowie mit den Abkurzungen ωH und ζH aus (A.33) und den Abkurzungen ωG1 und ζG1 aus(A.54) erhalt man eine alternative Darstellung der Koeffizienten des Nennerpolynoms der Uber-tragungsfunktion (B.17):
a′′4 = 2 · ζH · ωH + 2 · ζG1 · ωG1 +dk
mG, (B.24a)
a′′3 = ω2H ·
(1 +
mk
mG
)+ 4 · ζG1 · ωG1 · ζH · ωH + ω2
G1 , (B.24b)
224 Anhang B. Linearisierung
a′′2 = −Ak
mk·[1 +
mk
mG
]· (QXK1−QXK2) (B.24c)
+ 2 · ζH · ωH · ω2G1 + 2 · ω2
H · ζG1 · ωG1 ,
a′′1 = −Ak
mk· dG
mG· (QXK1−QXK2) + ω2
H · ω2G1 und (B.24d)
a′′0 = −Ak
mk· cG
mG· (QXK1−QXK2) . (B.24e)
Nur wenn QXK1 = QXK2 ist, erhalt man die Ubertragungsfunktion (A.58) aus Kapitel A.5.2.
Die gekurzte Nullstelle sNZD ergibt sich zu
sNZD :=[Ak ·QP11 + Ak ·QP12] ·QXV 1 + [Ak ·QP12 + Ak ·QP11] ·QXV 1
Ak ·QXV 1 + Ak ·QXV 1= QP11 + QP12 (B.25)
und mit QP11 aus (B.11) und QP12 aus (B.12) folgt :
sNZD = −12· 1CH
·
αD · π · d√ρ
·(
σ( xVC)√|p0 − pLC| +
−σ(−xVC)√|p0 + pLC|
)· xVC
+ kLE
≤ 0 , (B.26)
wobei CH ≥ 0, αD·π·d√ρ ≥ 0 und kLE ≤ 0 genommen wurde.
Demnach ist die gekurzte Nullstelle sNZD phasenminimal und die gekurzte Polstelle stabil bzw.grenzstabil.
Anhang C
Anhang zur experimentellen Identifikation und
Modellvalidierung
C.1 Beschreibung der verwendeten Identifikationsverfahren
C.1.1 Einleitung
In diesem Kapitel werden folgende Identifikationsverfahren kurz beschrieben, die im Rahmendieser Arbeit zur Identifikation des servohydraulischen Antriebs eingesetzt werden:
• Lineare Regression (Least-Squares-Algorithmus) im Kapitel C.1.2,
• Prdiktionsfehlermethode im Kapitel C.1.3 und
• Parameterschatzung mittels nichtlinearer Optimierung im Kapitel C.1.4.
C.1.2 Lineare Regression
Die lineare Regression versucht, eine Variable, die den Ausgang eines Systems oder Prozes-ses darstellt, aus einer linearen Kombination von anderen Variablen, die als Regressoren oderEingange des Systems bezeichnet werden, vorherzusagen. Mit dem Least-Squares-Schatzalgo-rithmus werden dann die besten Werte fur die unbekannten Parameter der Linearkombinationaus Messungen des Ausgangs bei bekannten Werten der Eingange bestimmt. Hierbei darf demgemessenen Ausgang eine Storung uberlagert sein, an die aber bestimmte statistische Eigen-schaften gestellt werden, um eine optimale Schatzung zu erhalten. Die Eingange durfen dabeiselbst nicht gestort sein, sonst entsteht ein systematischer Fehler bei den geschatzten Wertenfur die Parameter (Bias).
Das Thema “lineare Regression mit Anwendungsbeispielen” wird umfassend in [47] dargestellt.Eine gute Zusammenfassung und Einfuhrung in das Thema liefert [6, 48] .
Die lineare Regression wird frei nach dem Motto eingesetzt: ”Try simple things first!” .
Im Kapitel C.1.2.1 wird der Least-Squares-Schatzalgorithmus vorgestellt. Die statistischen Ei-genschaften des Least-Squares-Schatzalgorithmus sind in Kapitel C.1.2.2 aufgefuhrt. Eine Be-wertung des Least-Squares-Schatzalgorithmus erfolgt in Kapitel C.1.2.3. Die Vorgehensweise beider parametrischen Identifikation unter Verwendung der linearen Regression wird in KapitelC.1.2.4 beschrieben.
225
226 Anhang C. Identifikation
C.1.2.1 Der Least-Squares-Schatzalgorithmus
Gegeben sei
1. ein Datensatz aus N einzelnen Messungen
ZN := [(y(1), ϕ(1)), (y(2), ϕ(2)), . . . , (y(N), ϕ(N))] und (C.1)
2. eine Modellstruktur, die linear in den Parametern k ist:
y(t) = ϕ(t)T · k (C.2)
mit
y(t) ∈ R : Ausgang, abhangige Variable,ϕ(t) ∈ Rm : Eingange, unabhangige Variable, Regressor, ϕ(t) := [ϕ1(t), . . . , ϕm(t)]T
y(t) ∈ R : Ausgang des Modells,k ∈ Rm : unbekannte Modellparameter (in [6, 48] mit θ bezeichnet),t ∈ N : Index fur die einzelnen Messungen t = 1, . . . , N ,m ∈ N : Anzahl der unbekannten Parameter undN ∈ N : Anzahl der einzelnen Messungen des Datensatzes ZN (C.1).
Die unbekannten Modellparameter k werden so bestimmt, dass die Ausgangswerte des Modellsy(t) moglichst gut mit den gemessenen Ausgangswerten y(t) ubereinstimmen.Als Residuum ε(t, k) wird die Differenz zwischen den gemessenen Ausgangswerten y(t) und denAusgangswerten des Modells y(t) bezeichnet:
ε(t, k) := y(t)− y(t) = y(t)− ϕ(t)T · k. (C.3)
Die Residuen ε(t, k) sind eine lineare Funktion des Parametervektors k.Zur skalaren Bewertung der Residuen ε(t, k) wird eine Verlustfunktion VN uber den N Messungendes Datensatzes ZN (C.1) definiert:
VN (k) :=12·
N∑
t=1
ε2(t, k) (C.4)
Die Least-Squares-Schatzung des Parametervektors k ist der Vektor k, der die VerlustfunktionVN (k) minimiert:
k = arg mink
VN (k) . (C.5)
Er berechnet sich zu:
k =
[N∑
t=1
ϕ(t) · ϕT (t)
]−1
·[
N∑
t=1
ϕ(t) · y(t)
]. (C.6)
Die Matrizenschreibweise gestattet die kompakte Darstellung von Gl. (C.3):
ε = Y − Φ · k (C.7)
C.1 Beschreibung der verwendeten Identifikationsverfahren 227
mit
ε =
ε(1)ε(2)
...ε(N)
∈ RN,1 , Y =
y(1)y(2)
...y(N)
∈ RN,1 und Φ =
ϕ(1)T
ϕ(2)T
...ϕ(N)T
∈ RN, m . (C.8)
Die Least-Squares-Schatzung des Parametervektors lautet:
k =(ΦT · Φ)−1 · ΦT · Y . (C.9)
Damit die Least-Squares-Schatzung eine eindeutige Losung besitzt, darf die aus dem Regressorgebildete Matrix R
R :=N∑
t=1
ϕ(t) · ϕ(t)T = ΦT · Φ 6= 0 (C.10)
nicht singular werden.
C.1.2.2 Statistische Eigenschaften des Least-Squares-Schatzalgorithmus
Im folgenden sind einige der statistischen Eigenschaften des Least-Squares-Schatzalgorithmus(C.9) aufgefuhrt, wenn folgende Annahmen fur die Messdaten getroffen werden:
1. Das gemessene Ausgangssignal y(t) stammt aus :
y(t) = ϕ(t)T · k0 + e(t) (C.11)
mit
e(t) ∈ R : Storung des Messsignals y(t) zum Zeitpunkt t undk0 ∈ Rm : Vektor mit den m wahren Parametern .
Zur Darstellung von Gl. (C.11) in Matrizen :
Y = Φ · k0 + e (C.12)
werden die einzelnen Storungen e(t) zu einem Storungsvektor e zusammengefasst:
e =
e(1)e(2)
...e(N)
∈ RN,1 . (C.13)
2. Die Storung e(t) ist eine stochastische Variable mit den Eigenschaften:
• Mittelwertfreiheit des Erwartungswerts E der Storung e(t):
Ee = 0 , (C.14)
• Unkorreliertheit mit sich selbst und konstante Varianz:
Ee · eT = σ2 · IN und (C.15)
228 Anhang C. Identifikation
• Unkorreliertheit mit den Eingangen ϕi(t) mit i = 1, . . . , m:
Ee · ϕi = 0 . (C.16)
Hierbei bezeichnet E• den Erwartungswert von • und In eine n-fache Einheitsmatix.
Die statistischen Eigenschaften des Least-Squares-Algorithmus sind:
1. Der Parameterschatzwert k ist eine biasfreie Schatzung der wahren Parameter k0.
2. Die Kovarianzmatrix des Parameterschatzwertes k ist gegeben durch
cov(k) = σ2(ΦT · Φ)−1
. (C.17)
3. Eine biasfreie Schatzung s2 fur die Varianz der Storung ist gegeben durch
s2 =2
N −m· VN (k) . (C.18)
4. Der Regressor φ selbst darf keine Storungen enthalten, sonst werden die Parameter k nichtbiasfrei geschatzt.
C.1.2.3 Bewertung des Least-Squares-Schatzalgorithmus
Der wesentliche Vorteil dieses Verfahrens ist die einfache numerische Berechnung der Losung -siehe Gl. (C.9), die das globale Minimum der Verlustfunktion (C.4) darstellt. Im Vergleich dazufindet bei nichtlinearen Optimierungsalgorithmen die Suche nach dem Minimum der Verlustfunk-tion iterativ statt. Dies bedeutet einen großeren Rechenaufwand und es kann nicht garantiertwerden, dass das globale Minimum gefunden wird.
Nachteile entstehen, wenn Voraussetzungen nicht erfullt oder verletzt werden:
• Die aus dem Regressor gebildete Matrix R (C.10) ist singular.Es gibt dann keine eindeutige Losung fur die Parameterschatzung. Die Spaltenvektorender Regressorenmatrix Φ sind nicht mehr linear unabhangig. Ist die Matrix R (C.10) fastsingular, entsteht aufgrund der Numerik eine falsche Losung. Die Ursache liegt in der Anre-gung. Die Anregung muss verbessert werden. Die Anregung sollte so gewahlt werden, dassdie Regressoren mit den Parametern in etwa gleiche Anteile im Ausgangssignal besitzen.
• Der Regressor φ(t) selbst enthalt Storungen.Wenn die Regressoren eine Storung enthalten, werden die Parameter k nicht biasfreigeschatzt. Im Idealfall geht man davon aus, dass die Regressoren beliebig vorgegebenwerden konnen und sie somit storungsfrei zur Verfugung stehen. Werden sie hingegenwie die Ausgangssignale gemessen, so enthalten sie auch Storungen. Um den Bias aufder Parameterschatzung klein zu halten, ist eine Selektion der Messdaten bezuglich gu-tem Signal-Rausch-Verhaltnis angebracht. Der durch gestorte Regressoren verursachte Biaslasst sich im allgemeinen nicht mit einem Fehlermodell unter Verwendung der Pradiktions-fehlermethode beseitigen. Das Parameterschatzproblem, welches auch Storungen auf denEingangen zulasst, nennt sich error-in-the-variables oder Total-Least-Squares. Die Berech-nung der Parameterschatzung wird komplizierter und es mussen zusatzliche Annahmenfur die Starke der Storungen getroffen werden.
C.1 Beschreibung der verwendeten Identifikationsverfahren 229
• Die Storung e(t) ist mit sich selber korreliert.Die Parameterschatzung ist trotzdem biasfrei. Der Schatzer liefert aber nicht die Schatz-werte mit der kleinst moglichsten Varianz. Wenn eine Storung mit sich selber korreliertist, lasst sich ein Teil des aktuellen Wertes der Storung aus den vergangenen Werten derStorung durch ein Modell der Storung voraussagen (Pradiktion). Die Pradiktionsfehlerme-thode [6, 48], bei der zusatzlich ein Fehlermodell geschatzt wird, liefert dann Schatzwertemit der kleinst moglichsten Varianz.
• Die Varianz der Storung e(t) ist nicht konstant.Die Schatzung ist trotzdem biasfrei. Der Schatzer liefert aber nicht die Schatzwerte mitder kleinst moglichsten Varianz. Sind die Varianzen bekannt, kann das gewichtete Least-Squares-Verfahren [47] eingesetzt werden.
• Die Storung e(t) ist mit den Regressoren korreliert.Die Parameterschatzung ist biasbehaftet.
• Das Modell y(t) = ϕ(t)T · k entspricht nicht den tatsachlichen Gegebenheiten, es gibt wei-tere Einflussvariablen.Die Differenz zwischen dem gemessenen Ausgangsignal y(t) und dem Ausgangssignal desModells y(t) wird als Residuum ε(t) bezeichnet. Das Residuum ε(t) setzt sich zusam-men aus einem reinen Fehler (pure error), der durch die Storung e(t) kommt und einerFehlanpassung (lack of fit) des Modells [47]. Entspricht das Modell nicht den wirklichenGegebenheiten, werden die Parameter fur die gegebenen Messdaten so gut wie moglichbezuglich des Ausgangssignals angepasst.
C.1.2.4 Vorgehensweise bei der parametrischen Identifikation unter Verwendungder linearen Regression
Das Schema im Bild C.1 zeigt den Ablauf der Verarbeitungsschritte zur Schatzung von Modellpa-rameter eines als Modellhypothese aufgestellten Prozessmodells mittels aus Laborexperimentenaufgezeichneten Messdaten unter Verwendung der linearen Regression.Das Schema ist von oben nach unten zu lesen. Die Ausgangspunkte dieses Schemas sind das
• Laborexperiment (Block 1) und die• Modellbildung (Block 2)
Beschreibung des Pfads des Laborexperiments (links):
Das Ergebnis eines Laborexperiments sind die gemessenen Daten der Sensoren (Block 3). Imvorliegendem Fall werden die Zeitverlaufe der Sensorausgangsspannung zu aquidistanten Zeit-punkten (festgelegt durch die Abtastzeit tabst bzw. Abtastfrequenz fabst) abgetastet. Die Anzahlder Zeitpunkte wird mit N ′ bezeichnet. Die Messdaten werden bezeichnet als
yorgM (t) mit t = 1, ..., N ′. (C.19)
Die Variable t gibt den Zeitpunkt der Messung als Vielfaches der Abtastzeit tabst an und ist alsIndex der Messdaten zu sehen.Als nachstes erfolgt die Vorverarbeitung der Messdaten (Block 4). Hierzu zahlen die a) Wahleines Zeitausschnitts der Messdaten (Anzahl N ′ wird auf Anzahl N reduziert), b) Approximationvon Zeitableitungen, c) Filterung der Daten, d) Abziehen der Gleichanteile, e) Normierung derSignale.
230 Anhang C. Identifikation
Modellbildung
cikfor(i) := [kfor(i)− γ · σ · √cii, kfor(i) + γ · σ · √cii]
Transformation der formalen in die physikalischen Parameter
Interval-Arithmetik
Ende
kfor
cikfor
σ2 : Schatzung der Varianz der formalen Rauschquelle
: Schatzung der formalen Parameter: Vertrauensintervalle der formalen Parameter
kphy
cikphy: Vertrauensintervalle der physikalischen Parameter: Schatzung der physikalischen Parameter
kphy = kphy(kfor, kapr)
yorgM (t) t = 1, ..., N ′ x = f(x, u, kphy, kapr)
(gewohnliche DGLs)
Laborexperiment
Vorverarbeiten der Meßdaten: Bilden der Identifikationsgl.:
Meßdaten Modelhypothese
Wahl eines Zeitausschnittesnumerische Approximationvon ZeitableitungenFilterung
Wahl eines TeilsystemsWahl eines Ausgangs
Anwendung derlinearen Regression
Ziel:
y(t) = ϕT (t) · kfor
Identifikationsgleichung
kfor
ϕ(t)y(t)
yM(t) mit t = 1, ..., N
Berechnung der abhangigen und unabhangigen
y(t) = y(yM(t), kapr), ϕ(t) = ϕ(yM(t), kapr)
Meßdaten (modifiziert)
Variablen y(t), ϕ(t) aus den modifizierten Meßdaten yM
ΦN := [ϕ(1), ..., ϕ(N)]TYN := [y(1), ..., y(N)]T
Least-Squares-Schatzer
: abhangige Variable: unabhangige Variable
: abhangige Variable: unabhangige Variablen: formale Parameter
kfor = (ΦTN · ΦN)−1 · ΦT
N · YN σ2 = 1N−m
· εT · εε = YN − ΦN · kfor
cij := ( Cov(kfor))(i,j)Cov(kfor) := σ2 · (ΦT
N · ΦN)−1
γ = 2.54
12
15
6
21
14
9
4 7
10
13
5 8
11
3
Bild C.1: Schatzung von Modellparametern
C.1 Beschreibung der verwendeten Identifikationsverfahren 231
a) Wahl eines Zeitausschnitts der Messdaten (Anzahl N ′ wird auf Anzahl N reduziert)Mit der Wahl eines Zeitausschnitts kann z. B. bei einem Sweep ein bestimmter Frequenz-bereich ausgewahlt werden.
b) Approximation von ZeitableitungenFur die Identifikation sind zeitliche Ableitungen von Prozessvariablen erforderlich, die nichtdurch Sensoren erfasst werden. Hierzu gehoren: xG, pI , pII , pL. Die Zeitverlaufe dieser Pro-zessvariablen werden im Falle von pI , pII , pL durch numerische Differentiationsverfahren(Differenzenquotient, polynomiale Approximation) aus den Sensorsignalen pI , pII und pL
approximiert. Im Falle von xG kommt ein Velocity Computer zur Anwendung (vgl. [55]).Fur die folgende Identifikation werden die approximierten Zeitverlaufe wie Zeitverlaufe vonSensoren betrachtet.
c) Filterung der DatenDurch eine Filterung lassen sich Spektralbereiche im Sensorsignal unterdrucken, die auf-grund von ”Schmutzeffekten” hineingekommen sind. Dies kann sein: Rauschen des Sen-sors, hohere mechanische Resonanzen, die in den Modellgleichungen nicht erfasst werden,Brummstorungen verursacht durch das elektrische Stromnetz oder Vibrationen, hervorge-rufen durch die hydraulische Pumpe.
d) Abziehen der GleichanteileDurch das Abziehen der Gleichanteile von den Messsignalen entstehen mittelwertfreienSignale, die bei der Identifikation von linearen Modellen Vorteile bringen, da hier Fehleraufgrund von Sensoroffsets unterdruckt werden konnen. Bei Identifikation von Modellen,wo die Sensorsignale nichtlinear miteinander verbunden werden (z. B. im Fall des nicht-linearen Druckaufbaus) verfalscht ein Abziehen von Gleichanteilen bei den Signalen dasIdentifikationsergebnis.
e) Normierung der SignaleEine Skalierung der Sensorsignale, z. B. auf ihren Effektivwert oder ihre Standardabwei-chung, verbessert die numerische Verarbeitung.
Die durch die Punkte a) bis e) vorverarbeiteten Messdaten werden mit
yM (t) mit t = 1, ..., N und N ≤ N ′. (C.20)
bezeichnet (vgl. Block 5).
Beschreibung des Pfads der physikalisch-mathematischen Modellbildung (rechts):
Die Modellbildung liefert durch Anwendung physikalischer Grund- und Stoffgesetze (z. B. Im-pulssatz, Kontinuitatsgleichung, Stoffgleichung des Arbeitsmediums Ol usw.) eine Modellhypo-these in Form von gewohnlichen Differentialgleichungen. Im Rahmen der Modellgleichung werdendie physikalischen Prozessmodellvariablen x und die physikalischen Prozessmodellparameter kfestgelegt.Die physikalischen Prozessmodelvariablen sowie die physikalischen Prozessmodellparameter ha-ben eine physikalische Bedeutung (z. B. Druck, Geschwindigkeit, Masse ) im Gegensatz zuformalen Prozessmodellvariablen und Prozessmodellparameter, die im Rahmen von Black-BoxModellen Verwendung finden. Ein Vorteil physikalischen Parameter ist die bessere Anschauungund Interpretierbarkeit.Die physikalische Prozessmodellparameter k werden eingeteilt in:
232 Anhang C. Identifikation
• a priori bekannte physikalische Prozessmodellparameter kapr und• unbekannte physikalische Prozessmodellparameter kphy.
Zu den a priori bekannten Prozessmodellparameter kapr zahlen geometrische Abmessungen wiedie Zylinderkolbenflache und Materialkonstanten wie die spezifische Dichte des ArbeitsmediumsOl. Die verbleibenden physikalischen Parameter bilden die unbekannten physikalischen Pro-zessmodellparameter kphy, die im Rahmen der parametrischen Identifikation unter Verwendungvon Messdaten aus Laborexperimenten geschatzt werden.Die physikalischen Prozessmodellvariablen x lassen sich unterteilen in:
• mit Sensoren messbare Prozessmodellvariablen• zeitliche Ableitung von messbaren Prozessmodellvariablen, die sich durch numerische Diffe-
rentiation approximieren lassen, und• Prozessmodellvariablen die durch geeignetes Zusammenfassen von Modellgleichungen elimi-
niert werden.
Die ggf. zusammengefassten Modellgleichung werden so nach einer Variable oder einer Kombi-nation von Variablen aufgelost, dass eine Identifikationsgleichung im Format der linearen Re-gression entsteht (Block 7):
y(t) = ϕT (t) · kfor (C.21)
mity(t) ∈ R1 als formaler Ausgang (abhangige Variable)ϕ(t) ∈ Rm als Regressor (unabhangige Variablen)
(m: Dimension des Regressors = Anzahl der unbekannten formalen Parameter)kfor ∈ Rm als unbekannte formale Parameter .
Der formale Ausgang y(t) (abhangige Variable) und der Regressor ϕ(t) (unabhangige Variablen)sind Funktionen der Prozessmodellvariablen x(t) und der a priori bekannten Parameter kapr:
y(t) = y(x(t), kapr), (C.22)ϕ(t) = ϕ(x(t), kapr) . (C.23)
Die unbekannten formalen Parameter kfor sind eine Funktion der unbekannten physikalischenkphy und der a priori bekannten Parameter kapr:
kfor = kfor(kphy, kapr). (C.24)
Und umgekehrt sind die unbekannten physikalischen Parameter kphy eine Funktion der unbe-kannten formalen kfor und der a priori bekannten Parameter kapr:
kphy = kphy(kfor, kapr). (C.25)
Das Ergebnis von Block 8 sind die Gleichungen (C.22), (C.23), (C.24) und (C.25).Mittels der Gleichungen (C.22) und (C.23) werden in Block 9 die abhangigen Variablen y(t)und die unabhangige Variablen ϕ(t) aus den vorverarbeiteten Messdaten yM (t) berechnet, dieanstelle der Prozessmodellvariablen x(t) eingesetzt wurden.Als Eingabe fur den Least-Squares-Schatzer (Block 11) stehen ein Vektor YN := [y(1), ..., y(N)]T
mit den Werten der abhangigen Variablen y(t) und eine Matrix ΦN := [ϕ(1), ..., ϕ(T )]T mit denWerten der unabhangige Variablen ϕ(t) zur Verfugung (Block 10).
C.1 Beschreibung der verwendeten Identifikationsverfahren 233
Ein erwartungstreuer Schatzwert kfor des Parametervektors kfor berechnet sich aus dem Vektorder abhangigen Variablen YN und der Matrix der unabhangigen Variablen ΦN nach
kfor = (ΦTN · ΦN )−1 · ΦT
N · YN . (C.26)
Der Vektor YN mit den Werten der Simulation des Ausgangs berechnet sich aus der Matrix ΦN
der unabhangigen Variablen und den geschatzten Parametern kfor nach:
YN := ΦN · kfor . (C.27)
Der Vektor der Residuen εN ist die Differenz aus dem Vektor YN der abhangigen Variablen unddem Vektor YN der Simulation des Ausgangs:
εN := YN − YN = YN − ΦN · kfor . (C.28)
Die Schatzung σ2 der Varianz σ2 der unbekannten Storungen e(t) berechnet sich aus dem Vektorder Residuen εN nach:
σ2 :=1
N −m· εT
N · εN =1
N −m· [YN − ΦN · kfor]T · [YN − ΦN · kfor] , (C.29)
wobei m die Dimension des Parametervektors kfor ist.Im folgenden wird beschrieben wie die Vertrauensintervallen ci(kfor) fur den Schatzwertvektorkfor ermittelt werden.Die Kovarianzmatrix Covkfor des geschatzten Parametervektor kfor ergibt sich formal zu
Covkfor = σ2 · (ΦTN · ΦN )−1 . (C.30)
Die Kovarianzmatrix Covkfor kann so nicht berechnet werden, da zur Berechnung der wahreWert der Varianz σ2 der formalen weißen Rauschquelle erforderlich ist, der aber unbekannt ist.
Es lasst sich aber ein Schatzwert Covkfor der Kovarianzmatrix Covkfor nach
Covkfor = σ2 · (ΦTN · ΦN )−1 (C.31)
mit dem Schatzwert σ2 ermittelt. Die Elemente der geschatzten Kovarianzmatrix Cov(kfor)werden bezeichnet als
cij := ( Cov(kfor))i,j (C.32)
mit i = 1, . . . , m und j = 1, . . . , m.
Die Diagonalelemente cii mit i = 1, . . . , m der Matrix Covkfor sind die Schatzwerte derVarianzen der geschatzten Parameter kfor des Parametervektors kfor. Sie geben die jeweiligeStreuung der geschatzten Parameter kfor aufgrund des Schatzvorgangs an. Die Element der
Nebendiagonalen der Matrix Covkfor geben ein Maß dafur an, wie die Streuung der geschatztenParameter kfor miteinander korreliert sind. Diese Information wird aber im folgenden nichtausgenutzt.Die Schatzung kfor der Parameter kfor lasst sich als die Realisierung des Zufallsvektors Kfor
interpretieren. Der Zufallsvektor Kfor ist normalverteilung mit dem Erwartungswert
EKfor = kfor (C.33)
234 Anhang C. Identifikation
und der Kovarianzmatrix
CovKfor = (ΦTN · ΦN )−1 · σ2 (C.34)
mit σ als der wahren Varianz der Rauschquelle.Das Vertrauensintervall cikfor(i) := [ciu
kfor(i), cio
kfor(i)] des i-ten geschatzten Parameter kfor(i)
wird durch die obere Grenze ciokfor(i)
(hochgestelltes o) und durch die untere Grenze (hochge-
stelltes u) ciukfor(i)
angegeben und berechnen sich nach:
ciokfor(i)
= kfor(i) + γ · σ ·√
cii (obere Grenze) , (C.35)
ciukfor(i)
= kfor(i)− γ · σ ·√
cii (untere Grenze) , (C.36)
mit γ = 2.54 als symmetrisches Quantil der Normalverteilung bei einem Signifikanzniveau α =0.90.Die Vertrauensintervalle fur die Parameter sind nur aussagekraftig, wenn der Modellfehler sehrgering ist.In Block 12 stehen die Ergebnisse aus Block 11:
• Schatzwerte kfor der unbekannten, formalen Parameter kfor mit deren• Vertrauensintervallen cikfor
und ein
• Schatzwert σ2 fur die Varianz σ2 der formalen Rauschquelle.
In Block 13 werden die unbekannten, physikalischen Parameter kphy uber die Transformation(C.25) aus den geschatzten, formalen Parameterschatzwerten kfor und den a priori bekanntenParameter kapr bestimmt:
kphy = kphy(kfor, kapr). (C.37)
Die Vertrauensintervalle cikforder formalen Parameterschatzwerte werden mit Intervall-Arithmetik
in die Vertrauensintervalle cikphyder physikalischen Parameterschatzwerte umgerechnet [56].
Hierfur ist die Einschließungsmenge, in der die physikalische Parameter sein konnen, zu berech-nen. In der Intervall-Arithmetik wird ein Ergebnisintervall als die Gesamtheit aller moglichenErgebnisse der Einzelwerte eingefuhrt [57]:
A ∗B = a ∗ b | a ∈ A, b ∈ B mit ∗ ∈ +,−, ·,÷. (C.38)
Fur konkrete Intervalle A = [au, ao] und B = [bu, bo], deren untere bzw. obere Grenze durchein tiefgestelltes u bzw. o bezeichnet wird, ergeben sich folgende Berechnungsvorschriften:
A + B = [au + bu, ao + bo], (C.39a)A−B = [au − bo, ao − bu], (C.39b)
A ·B =[
minaubu, aubo, aobu, aobo, maxaubu, aubo, aobu, aobo], (C.39c)
A÷B = [au, ao] · [1/bo, 1/bu]; 0 6∈ B. (C.39d)
Die physikalischen Parameterschatzwerte kphy und deren Vertrauensintervalle cikphystehen als
Ergebnis der Identifikation mit der linearen Regression in Block 14.
C.1 Beschreibung der verwendeten Identifikationsverfahren 235
C.1.2.5 Lineare Regression mit Storung auf dem Regressor
Am Beispiel der Schatzung eines Ohmschen Widerstands wird das Verhalten der linearen Re-gression bei einer Storung auf dem Regressor verdeutlicht.Der Wert eines Ohmschen Widerstands R wird aus gemessenen Spannungswerten U und gemes-senen Stromwerten I nach dem Ohmschen Gesetz bestimmt:
U = R · I (C.40)
Es werden folgende Situationen unterschieden:
1. Die gemessene Spannung U ist durch die Messung verrauscht. Der Strom I wird durcheine Stromquelle vorgegeben und ist damit bekannt.
2. Der gemessene Strom I ist durch die Messung verrauscht. Die Spannung U wird durcheine Spannungsquelle vorgegeben.
3. Die Spannung U und der Strom I werden im Betrieb gemessen und sind beide jeweilsdurch die Messung verrauscht.
Die Situationen 1 und 2 entsprechen einem standardmaßigen Kontext der linearen Regressionmit nur Storungen auf dem Ausgang.In der Situation 3 sind Storungen sowohl auf dem Ausgang als auch auf dem Eingang.Diese Situation wird im folgenden naher untersucht.Der Widerstand wird mit Hilfe der linearen Regression geschatzt. Mit dem Ausgang y(t) = U ,dem Eingang ϕ(t) = I und dem unbekannten Parameter k = R folgt
y(t) = ϕ(t) · k + e(t) (C.41)
mit e(t) als Gleichungsfehler, der durch den Least-Squares-Algorithmus minimiert wird.Laut Voraussetzung sind sowohl der Ausgang durch ey(t) und der Eingang durch eϕ(t) gestort:
y(t) = y0(t) + ey(t) , (C.42)ϕ(t) = ϕ0(t) + eϕ(t) . (C.43)
Hierbei sind y0(t) und ϕ0(t) die ungestorten Werte der Signale, die uber den wahren Parameterk0 zusammenhangen:
y0(t) = ϕ0(t) · k0 . (C.44)
Der Least-Squares-Schatzwert k fur den unbekannten Parameter k berechnet sich fur N Messwer-te zu:
k =∑N
t=1 y(t) · ϕ(t)∑Nt=1 ϕ(t) · ϕ(t)
, (C.45)
k =∑N
t=1(y0(t) + ey(t)) · (ϕ0(t) + eϕ(t))∑Nt=1(ϕ0(t) + eϕ(t)) · (ϕ0(t) + eϕ(t))
, (C.46)
k =∑N
t=1 y0(t)·ϕ0(t) +∑N
t=1 y0(t)·eϕ(t) +∑N
t=1 ey(t)·ϕ0(t) +∑N
t=1 ey(t)·eϕ(t)∑Nt=1 ϕ2
0(t) +∑N
t=1 2·eϕ(t)·ϕ0(t) +∑N
t=1 e2ϕ(t)
. (C.47)
236 Anhang C. Identifikation
Mit den Annahmen :
Ey0(t) · eϕ(t) = 0 (C.48a)Eϕ0(t) · ey(t) = 0 (C.48b)Eϕ0(t) · eϕ(t) = 0 (C.48c)Eey(t) · eϕ(t) = 0 (C.48d)
Ee2ϕ(t) = σϕ (C.48e)
und Gl. (C.44) folgt:
Ek = k0 ·∑N
t=1 ϕ20(t)∑N
t=1 ϕ20(t) + σϕ
. (C.49)
Der AusdruckPN
t=1 ϕ20(t)PN
t=1 ϕ20(t)+σϕ
wird fur σϕ = 0 gleich 1.
Fur σϕ 6= 0 entsteht ein Bias.Im Bild C.2 wird die Situation verdeutlicht.
ϕ(t) Regressor
Ausgang
y(t)
ϕ0(t)
eϕ(t)
ey(t)
y0(t)e(t)
diesen AbstandLeast-Squares minimiert
1k0
k
ungestorte Werte (y0(t), ϕ0(t))
gestorte Werte (y(t), ϕ(t)) geschatzterParameter
wahrerParameter
1
Bild C.2: Lineare Regression einer Ursprungsgeraden mit Storung auf dem Regressor
C.1.3 Pradiktionsfehlermethode
Die Pradiktionsfehlermethode wird in [6, 48] ausfuhrlich beschrieben. Mit ihr lassen sich dieParameter von linearen, zeitdiskreten Ubertragungsfunktionen schatzen. Die Pradiktionsfehler-methode berucksichtig unterschiedliche Eingangsorte einer externen Storung (equation error:z.B. ARX , output error: z.B. OE). Zusatzlich kann durch lineare Fehlermodelle (z.B. ARMAX,BJ) eine spektrale Zusammensetzung der externen Storung modelliert werden.Die Pradiktionsfehlermethode ist aus numerischer Sicht aufwendiger als der Least-Squares-Algorithmus, da in der Regel die Losung iterativ gefunden werden muss. Eine Ausnahme bildetder ARX-Ansatz. Er verwendet den Least-Squares-Algorithmus.Durch die bessere Modellierung der externen Storung konnen Bias und Varianz der geschatztenParameter reduziert werden.
C.1 Beschreibung der verwendeten Identifikationsverfahren 237
C.1.3.1 Zusammenhang Simulations- und Pradiktionsfehler
Gegeben ist ein lineares System mit dem Eingang u(t) und dem Ausgang y(t). Dem Ausgang y(t)ist ein stochastisches Storsignal uberlagert [6]. Das Verhalten des linearen Systems wird durchseine Ubertragungsfunktion G(q) vollstandig beschrieben. Damit berechnet sich das storungsfreieAusgangssignal ys(t) bei gegebenem Eingangssignal u(t) wie folgt:
ys(t) = G(q) · u(t). (C.50)
Der Simulationsfehler εs(t) ist die Differenz zwischen dem gestorten Ausgang y(t) und demsimulierten Ausgang ys(t):
εs(t) := y(t)− ys(t) = y(t)−G(q) · u(t). (C.51)
Zur Modellierung wird zu dem storungsfreien Ausgangssignal ys(t) ein stochastischer Anteil v(t)addiert, der aus einer weissen Rauschquelle e(t) uber die Ubertragungsfunktion H(q) gebildetwird:
y(t) = G(q) · u(t)︸ ︷︷ ︸=:ys(t)
+H(q) · e(t)︸ ︷︷ ︸=:v(t)
. (C.52)
Die Ubertragungsfunktion H(q) wird auch als Fehlermodell bezeichnet.Der Ein-Schritt-Pradiktor y(t|t− 1) gibt einen Schatzwert fur den Ausgang y(t) zum Zeitpunktt aufgrund der Kenntnis der Ausgangssignale bis zum Zeitpunkt t− 1 (Herleitung in [6]):
y(t|t− 1) = H−1(q) ·G(q) · u(t) +[1−H−1(q)
] · y(t) (C.53)
Der Pradiktionsfehler εp(t) ergibt sich zu:
εp(t) := y(t)− y(t|t− 1) (C.54)
= y(t)−H−1(q) ·G(q) · u(t)− [1−H−1(q)
] · y(t)
= H−1(q) · [y(t)−G(q) · u(t)]
= H(q)−1 · εs(t) . (C.55)
Der Pradiktionsfehler εp(t) ist damit der mit dem inversen Fehlermodell H(q)−1 gefilterte Si-mulationsfehler εs(t).Demnach ist der Pradiktionsfehler εp(t) eine spektrale Bewertung des Simulationsfehlers εs(t).Die spektrale Bewertung erfolgt uber das inverse Fehlermodell H(q)−1.Der Zusammenhang zwischen dem Simulation- und dem Pradiktionsfehler uber ein inversesFehlermodell wird im folgenden fur den ARMAX- und den BJ-Ansatz verdeutlicht:
• Auto Regressive Moving Average eXogeneous (ARMAX)Der ARMAX-Ansatz besitzt die Darstellung
A(q) · y(t) = B(q) · u(t) + C(q) · e(t) . (C.56)
Die Polynome A(q), B(q) und C(q) sind wie folgt definiert:
A(q) := 1 + a1 · q−1 + a1 · q−2 + . . . + an · q−na , (C.57a)
B(q) := 1 + b1 · q−1 + b1 · q−2 + . . . + bn · q−nb und, (C.57b)
238 Anhang C. Identifikation
C(q) := 1 + c1 · q−1 + c1 · q−2 + . . . + cn · q−nc . (C.57c)
Fur nc = 0 geht der ARMAX-Ansatz in den ARX-Ansatz uber.
Fur die Schreibweise der Gl. (C.52) ergibt sich folgende Entsprechung:
G(q) =B(q)A(q)
und H(q) =C(q)A(q)
. (C.58)
Nach Gl. (C.55) wird der Simulationsfehler εs(t) durch das Filter H(q)−1 = A(q)C(q) zum
Pradiktionsfehler εp(t). Das inverse Fehlermodell H(q)−1 = A(q)C(q) ist durch das Zahlerpoly-
nom A(q) mit der Dynamik der Strecke G(q) = B(q)A(q) verkoppelt.
• Box-Jenkins (BJ)Der BJ-Ansatz besitzt die Darstellung
y(t) =B(q)F (q)
· u(t) +C(q)D(q)
· e(t) . (C.59)
Die neu hinzugekommenen Polynome D(q) und F (q) sind wie folgt definiert:
D(q) := 1 + d1 · q−1 + d1 · q−2 + . . . + dn · q−nd und, (C.60a)
F (q) := 1 + f1 · q−1 + f1 · q−2 + . . . + fn · q−nf . (C.60b)
Fur die Schreibweise der Gl. (C.52) ergibt sich folgende Entsprechung:
G(q) =B(q)F (q)
und H(q) =C(q)D(q)
. (C.61)
Nach Gl. (C.55) wird der Simulationsfehler εs(t) durch das Filter H(q)−1 = D(q)C(q) zum
Pradiktionsfehler εp(t). Das inverse Fehlermodell H(q)−1 = D(q)C(q) ist unabhangig von der
Dynamik der Strecke G(q) = B(q)A(q) .
C.1.3.2 Unterschiedliches Eingehen einer Storung bei einem linearen zeitdiskretenSystem
Am Beispiel eines linearen, zeitdiskreten Systems 1. Ordnung wird das unterschiedliche Eingeheneiner Storung und die Konsequenzen fur die Parameterschatzung verdeutlicht.
Die Zustandsraumdarstellung eines linearen, zeitdiskreten Systems 1. Ordnung lautet:
x(t) = −a1 · x(t− 1) + b0 · u(t) (C.62a)y(t) = x(t) (C.62b)
mit Eingang u(t), Ausgang y(t), Zustand x(t) und den Parametern a1 und b0.
Eine Storquelle e(t) kann auf zwei Arten in Gl. (C.62) eingehen:
C.1 Beschreibung der verwendeten Identifikationsverfahren 239
• als Gleichungsfehler, equation error, AutoRegressive eXogenious (ARX)
x(t) = −a1 · x(t− 1) + b0 · u(t) + e(t) (C.63a)y(t) = x(t) (C.63b)
Die Storung e(t) geht als Prozessstorung in Gl. (C.62a) ein.
• als Ausgangsstorung, output error (OE):
x(t) = −a1 · x(t− 1) + b0 · u(t) (C.64a)y(t) = x(t) + e(t) (C.64b)
Die Storung e(t) geht als Messstorung in Gl. (C.62b) ein.
Zur Schatzung der Parameter a1 und b0 werden im folgenden Identifikationsgleichungen aufge-stellt.Beim ARX-Verfahren ist in der Gl. (C.63)
y(t) = −a1 · y(t− 1) + b0 · u(t) + e(t) (C.65)
das Modell
y(t) = −a1 · y(t− 1) + b0 · u(t) (C.66)
enthalten, das linear in den Parametern a1 und b0 ist. Die lineare Regression mit dem Least-Squares-Schatzer ist anwendbar:
y(t) = ϕ1(t) · k1 + ϕ2(t) · k2 + e(t) (C.67)
mit
ϕ1(t) := y(t− 1) , (C.68a)ϕ2(t) := u(t) , (C.68b)
k1 := −a1 und (C.68c)k2 := b0 . (C.68d)
Der Fehler e(t)
e(t) = y(t) + a1 · y(t− 1)− b0 · u(t) . (C.69)
hangt linear von den Parametern a1 und b0 ab.Die Schatzung der Parameter bekommt einen Bias, wenn die Storung statt in die Gleichung inden Ausgang eingeht. Aus diesem Grund ist die Stelle, wo die Storung eingeht wichtig fur dieIdentifikation.Die Gl. (C.65) mit dem Verzogerungsoperator q−1 geschrieben ergibt:
[1 + a1 · q−1]︸ ︷︷ ︸=:A(q)
·y(t) = b0︸︷︷︸=:B(q)
·u(t) + e(t) . (C.70)
Durch die Abkurzungen A(q) := [1 + a1 · q−1] und B(q) := b0 folgt:
A(a) · y(t) = B(q) · u(t) + e(t) (C.71)
240 Anhang C. Identifikation
und aufgelost nach dem Ausgang y(t) ergibt sich:
y(t) =B(q)A(q)
· u(t) +1
A(q)· e(t) . (C.72)
Beim OE-Verfahren ist in der Gl. (C.64)
x(t) = −a1 · x(t− 1) + b0 · u(t) (C.73)y(t) = x(t) + e(t) (C.74)
das Modell mit dem Ausgang y(t) = x(t) enthalten:
y(t) = −a1 · y(t− 1) + b0 · u(t) , (C.75)
das linear in den Parametern a1 und b0 ist. Der Ausgang des ARX-Modells (C.66) hangt vomvergangenen Systemausgang ab, der Ausgang des OE Modells (C.75) hangt vom vergangenenModellausgang ab. Die lineare Regression mit dem Least-Squares-Schatzer
y(t) = ϕ1(t) · k1 + ϕ2(t) · k2 + e(t) (C.76)
mit
ϕ1(t) := y(t− 1) , (C.77a)ϕ2(t) := u(t) , (C.77b)
k1 := −a1 und (C.77c)k2 := b0 (C.77d)
ist nicht anwendbar, da ϕ1(t) vorab nicht bekannt ist.Aus Gl. (C.64)
x(t) + a1 · x(t− 1) = b0 · u(t) (C.78)
folgt
[1 + f1 · q−1]︸ ︷︷ ︸=:F (q)
·x(t) = b0︸︷︷︸=:B(q)
·u(t) (C.79)
und
x(t) =b0
[1 + f1 · q−1]· u(t) (C.80)
und schließlich
x(t) =B(q)F (q)
· u(t) . (C.81)
Der Fehler e(t)
e(t) = y(t)− x(t) (C.82)
= y(t)− b0
[1 + a1 · q−1]· u(t) (C.83)
hangt nichtlinear von den Parametern a1 und b0 ab und der Least-Squares-Algorithmus kannnicht eingesetzt werden.
Ein allgemeinere Darstellung der Ubertragungsfunktionen lautet:
C.1 Beschreibung der verwendeten Identifikationsverfahren 241
• ARX:
y(t) =B(q)A(q)
· u(t) +1
A(q)· e(t) (C.84)
• OE:
y(t) =B(q)F (q)
· u(t) + e(t) . (C.85)
Beim ARX-Modellansatz mit Gl. (C.84) berechnet sich der Fehler e(t) aus der Differenz des FIRgefilterten Ausgangssignal A(q) · y(t) und dem FIR gefilterten Eingangssignal B(q) · u(t):
e(t) = A(q) · y(t)−B(q) · u(t) bzw (C.86)e(t) = y(t) + a1 ·y(t− 1) + a2 ·y(t− 2) . . .− b0 ·u(t)− b1 ·u(t− 1)− b2 ·u(t− 2) . . . (C.87)
und es liegt eine Struktur vor, auf die die lineare Regression anwendbar ist.Durch Interpretation der Ubertragungsfunktion (C.84) als Kettenschaltung von
u∗(t) = B(q) · u(t) + e(t) und (C.88)
y(t) =1
A(q)· u∗(t) (C.89)
wird deutlich, dass sich der IIR Filter y(t) = 1A(q) ·u∗(t) ohne Fehler umkehren lasst sich, da der
Ausgang y nicht gestort ist.Beim OE Gl. (C.85) berechnet sich der Fehler e(t) aus der Differenz des Ausgangs y(t) und demIIR gefilterten Eingangssignal y∗(t) = B(q)
F (q) · u(t):
e(t) = y(t)− B(q)F (q)
· u(t) = y(t)− y∗(t) (C.90)
mit
y∗(t) = −f1 ·y∗(t− 1)− f2 ·y∗(t− 2) . . . + b0 ·u(t) + b1 ·u(t− 1) + b2 ·u(t− 2) . . . . (C.91)
Es liegt eine Struktur vor, auf die die lineare Regression nicht anwendbar ist.Im Bild C.3 wird die ARX- und der OE-Modellstruktur gegenubergestellt. Man beachte dieStelle, wo die Storung eintritt.
C.1.4 Parameterschatzung mittels nichtlinearer Optimierung
Die Parameterschatzung mittels nichtlinearer Optimierung betrifft Modellstrukturen, die sichweder auf die Form der linearen Regression bringen noch auf aquivalente lineare, zeitdiskreteModelle transformieren lassen.Ein solches Modell zum Beispiel ist das nichtlineare Modell 3. Ordnung der Ansteuerung desServoventils Gl. (A.1) bis Gl. (A.5), welches ein System von nichtlinearen Differentialgleichungen1. Ordnung ist.Dieses System von nichtlinearen Differentialgleichungen wird mit einem numerischen Integra-tionsverfahren, z.B. Runge-Kutta 4. Ordnung, fur ein gegebenes Eingangssignal und fur einenParametersatz k simuliert.
242 Anhang C. Identifikation
+
+
+ −
ARXy(t) = B(q)
A(q) · u(t) + 1A(q) · e(t)
B(q) 1A(q)
e(t)
u(t) y(t)
A(q)B(q)u(t) y(t)
FIR IIR
FIR FIRε(t)
Optimierer
(a) ARX
+
+
+ −
OE
1F (q)
IIR
e(t)
FIR
B(q) 1F (q)
IIR ε(t)
Optimierer
y(t) = B(q)F (q) · u(t) + e(t)
B(q)u(t) y(t)
u(t) y(t)
FIR
(b) OE
Bild C.3: Vergleich der ARX- und der OE-Modellstruktur
Die Abweichung zwischen dem Ausgangssignal y(t) des realen Systems und dem fur den Pa-rametersatz k simulierten Ausgangssignal y(t, k) wird durch die skalarwertige VerlustfunktionVN (k) charakterisiert:
VN (k) =∑N
t=1 [y(t)− y(t, k)]2∑Nt=1 y2(t)
, (C.92)
wobei N die Anzahl der Abtastpunkte ist, uber die simuliert wurde.Durch ein nichtlineares Optimierungsverfahren [54], z.B. Nelder–Mead–Simplex–Algorithmus,wird der Parametersatz k ermittelt, der die Verlustfunktion minimiert:
k = arg mink
VN (k) . (C.93)
Die Schwierigkeit hierbei besteht, das globale und kein lokales Minimum der VerlustfunktionVN (k) zu finden. Hierbei spielt die Wahl der Startwert k0 der Parameter fur das nichtlineareOptimierungsverfahren eine wichtige Rolle.Der Nelder–Mead–Simplex–Algorithmus benotigt keine partiellen Ableitungen der Verlustfunk-tion VN (k) im Gegensatz zu den Gradientenverfahren.Es liegt eine direkte Identifikation vor, da die gesuchten Parameter geschatzt werden.
C.2 Diskretisierung
Bei der impuls-invarianten Transformation [58] gelten folgende Annahmen:
C.2 Diskretisierung 243
1. Das Eingangssignal wird zwischen den Abtastpunkten konstant gehalten, z.B. Digital-Analog-Wandler. Dies wird auch als Halteglied 0.ter Ordnung (Zero-Order-Hold) bezeich-net.
2. Das Ausgangssignal wird nicht zusatzlich durch z.B. ein analoges Anti-Aliasing-Filterbandbegrenzt.
Gegeben sei ein lineares, zeitkontinuierliches System G(s) mit der Ubertragungsfunktion G(s)im Laplace-Bereich. Die Z-Transformierte der abgetasteten zeitkontinuierlichen Sprungantwortberechnet sich aus:
Y (z) = ZL−1
G(s)
s
(C.94)
mit Z als Z-Transformation und L−1 als inverser Laplace-Transformation. Der Vorgang desHalteglieds 0.ter Ordnung wird zwischen zwei Abtastpunkten durch einen Einheitsimpuls mit derDauer der Abtastzeit beschrieben. Der Einheitsimpuls wird aus zwei Sprungen zusammengebaut:1− z−1. Damit ergibt sich die impuls-invariante Transformation zu:
G(z) =(1− z−1
) · ZL−1
G(s)
s
, (C.95)
die das zeitkontinuierliche System G(s) in das zeitdiskrete System G(z) transformiert.
C.2.1 Diskretisierung eines Systems 1. Ordnung
Fur ein lineares, zeitkontinuierliches System 1. Ordnung mit der Ubertragungsfunktion
G(s) =α
s + α(C.96)
soll ein entsprechendes zeitdiskretes System mit der impuls-invarianten-Transformation (C.95)bestimmt werden.Die Laplace-Transformierte der Sprungantwort von (C.96) lautet:
G(s)s
=α
s · (s + α)=
(α + s)− s
s · (s + α)=
1s− 1
s + α. (C.97)
Durch Inverse Laplace-Transformation entsteht die Sprungantwort h(t):
h(t) = L−1
G(s)
s
= L−1
1s
− L−1
1
s + α
= σ(t)− e−α·t · σ(t) . (C.98)
Eine Abtastung der zeitkontinuierlichen Sprungantwort h(t) an den Zeitpunkten k ·∆t liefert:
h(k ·∆t) = σ(k ·∆t)− e−α·k·∆t · σ(k ·∆t). (C.99)
Die Z-Transformation von h(k ·∆t) lautet:
Z h(k ·∆t) = ZL−1
G(s)
s
= Z σ(k ·∆t) − Z
e−α·k·∆t · σ(k ·∆t)
(C.100)
=z
z − 1− z
z − e−α·∆t=
z
z − 1· 1− e−α·∆t
z − e−α·∆t. (C.101)
244 Anhang C. Identifikation
Damit ergibt sich fur die zeitdiskrete Ubertragungsfunktion nach der impuls-invarianten-Transformation (C.95):
G(z) =(1− z−1
) · ZL−1
G(s)
s
=
(1− z−1
) · z
z − 1· 1− e−α·∆t
z − e−α·∆t
=1− e−α·∆t
z − e−α·∆t=
(1− e−α·∆t
) · z−1
1− e−α·∆t · z−1. (C.102)
Mit der Naherung [53] ex ≈ 1 + x fur |x| < ∞ folgt aus (C.102):
G(z) =
(1− e−α·∆t
) · z−1
1− e−α·∆t · z−1≈ (1− (1− α ·∆t)) · z−1
1− (1− α ·∆t) · z−1≈ α ·∆t · z−1
1 + (α ·∆t− 1) · z−1. (C.103)
Eine lineare, zeitkontinuierliche Ubertragungsfunktion 1. Ordnung:
G(s) =A
s− sP(C.104)
mit der Polstelle sP und der Konstante A transformiert sich naherungsweise in die folgendelineare, zeitdiskrete Ubertragungsfunktion 1. Ordnung:
G(z) =A ·∆t · z−1
1 + (−sP ·∆t− 1) · z−1, (C.105)
wenn die Abtastzeit ∆t ausreichend hoch gewahlt ist.
C.3 Parametersensitivitat
Ein mathematisches Modell eines Prozesses berechnet fur ein vorliegendes Eingangssignal einAusgangssignal. Das Ausgangssignal hangt in der Regel von den verwendeten Werten der Mo-dellparameter des Prozessmodells ab. Die Parametersensitivitat des Ausgangs beschreibt, wiestark das Ausgangssignal durch die Modellparameter beeinflusst wird.Fur technische Prozesse wunscht man sich oft eine geringe Parametersensitivitat des Ausgangs,um storende Einflusse gering halten zu konnen. Man spricht auch von Robustheit.Fur eine erfolgreiche Identifikation eines Prozesses hingegen sollte die Sensitivitat der zuschatzenden Parameter auf den Ausgang moglichst groß sein.Die Parametersensitivitat des Ausgangs ist im allgemeinen von den Eigenschaften des Eingangs-signals, z.B. Spektrum, abhangt und kann damit durch die Wahl des Eingangssignals optimiertwerden.Die Parameter werden am besten geschatzt, wenn das System dort angeregt wird, wo der Sy-stemausgang am sensitivsten auf die Parameter reagiert.Im Kapitel C.3.1 wird fur ein lineares System 1. Ordnung untersucht, wie das Eingangssignalbeschaffen sein sollte, damit die Sensitivitat seiner Parameter maximal fur den Ausgang wird.Ein lineares System 1. Ordnung liegt vor bei der
• linearen Lastmechanik mit Zylinderkolbengeschwindigkeit als Ausgang und beim• linearen, reduzierten Druckaufbau .
C.3 Parametersensitivitat 245
C.3.1 Parametersensitivitat eines linearen Systems 1. Ordnung
Ein lineares System 1. Ordnung wird durch die folgende Differentialgleichung beschrieben:
y(t) + α · y(t) = β · α · u(t) (C.106)
mit dem Eingang u(t), dem Ausgang y(t), der Polstelle α und dem stationaren Verstarkungs-faktor β.Im Bildbereich (Laplace-Transformation) ergibt sich der Ausgang Y (s) uber die Ubertragungs-funktion G(s)
G(s) =Y (s)U(s)
=β · αs + α
, (C.107)
aus dem Eingang U(s):
Y (s) = G(s) · U(s) . (C.108)
Die Beziehung zwischen dem Ausgangsspektrum Φy(ω) und dem Eingangsspektrum Φu(ω) lau-tet:
Φy(ω) = |G(jω)|2 · Φu(ω) (C.109)
mit dem Betragsquadrat des Amplitudengangs bezuglich der Kreisfrequenz ω:
|G(jω)|2 =Y (s)U(s)
=β2 · α2
ω2 + α2. (C.110)
Im folgenden wird untersucht fur welche Kreisfrequenz ω das Ausgangsspektrum Φy(ω) amstarksten durch eine Anderung der Parameterwerte beeinflusst wird. Das EingangsspektrumΦu(ω) verandert sich nicht.Ausgehend von einem nominalen Parametersatz α0 und β0 mit Ausgangsspektrum Φy,0(ω) ergibtsich bei geringfugig veranderten Parameterwerten folgende Anderung des Ausgangsspektrum:
Φy(ω)− Φy,0(ω)︸ ︷︷ ︸=:∆Φy(ω)
=
∂ |G(jω)|2
∂α· (α− α0)︸ ︷︷ ︸
=:∆α
+∂ |G(jω)|2
∂β· (β − β0)︸ ︷︷ ︸
=:∆β
︸ ︷︷ ︸=:∆|G(jω)|2
·Φu(ω) (C.111)
Die Anderung des Betragsquadrates des Amplitudengangs ∆ |G(jω)|2 aufgrund einer Anderungder Parameterwerte α und β wird beschrieben durch:
∆ |G(jω)|2 =∂ |G(jω)|2
∂α·∆α +
∂ |G(jω)|2∂β
·∆β (C.112)
mit den partiellen Ableitungen des Betragsquadrates des Amplitudengangs |G(jω)|2 nach denParametern α und β:
∂ |G(jω)|2∂α
=2 · α · β2 · ω2
(ω2 + α2)2und
∂ |G(jω)|2∂β
=2 · α2 · βω2 + α2
. (C.113)
Der Zusammenhang zwischen der Anderung des Ausgangsspektrums ∆Φy(ω) und der des Ein-gangsspektrums Φu(ω) lautet:
246 Anhang C. Identifikation
• bezuglich der Parameteranderung ∆α (∆β = 0)
∆Φy(ω) =∂ |G(jω)|2
∂α·∆α · Φu(ω) =
2 · α · β2 · ω2
(ω2 + α2)2·∆α · Φu(ω) und (C.114)
• bezuglich der Parameteranderung ∆β ( ∆α = 0)
∆Φy(ω) =∂ |G(jω)|2
∂β·∆β · Φu(ω) =
2 · α2 · βω2 + α2
·∆β · Φu(ω) . (C.115)
Der Verlauf der Funktion ∂|G(jω)|2∂α bezuglich der Kreisfrequenz ω weist ein Bandpassverhalten auf
und der Verlauf der Funktion ∂|G(jω)|2∂β bezuglich der Kreisfrequenz ω weist ein Tiefpassverhalten
auf.Zur Untersuchung fur welche Kreisfrequenzen ω die Parametersensitivitat ∂|G(jω)|2
∂α und ∂|G(jω)|2∂β
maximal sind, werden die partiellen Ableitungen bezuglich ω gebildet :
∂2 |G(jω)|2∂α ∂ω
=4 · α · β2 · ω · [α2 − ω2
]
(ω2 + α2)3und
∂2 |G(jω)|2∂β ∂ω
=−4 · α2 · β · ω(ω2 + α2)2
. (C.116)
Die Extrema werden durch Nullsetzen der partiellen Ableitungen bestimmt:
∂2 |G(jω)|2∂α ∂ω
∣∣∣∣∣ω=ωE
!= 0 ⇔ ωE,α = α und (C.117)
∂2 |G(jω)|2∂β ∂ω
∣∣∣∣∣ω=ωE
!= 0 ⇔ ωE,β = 0 . (C.118)
Beide Extremwerte ωE,α und ωE,β sich Maxima:
∂3 |G(jω)|2∂α ∂2ω
∣∣∣∣∣ω=α
=−β2
α3< 0 (Maximum) und (C.119)
∂3 |G(jω)|2∂β ∂2ω
∣∣∣∣∣ω=0
=−4 · β
α2< 0 (Maximum) . (C.120)
Zur Schatzung der Polstelle α sollte die Energie des Eingangsspektrums Φu(ω) um die Kreisfre-quenz ω = α der Polstelle liegen.Der stationare Verstarkungsfaktor wird am besten fur ein konstantes Eingangssignal geschatzt.Die Werte der Funktionen ∂|G(jω)|2
∂α und ∂|G(jω)|2∂β an der Stelle ω = a:
∂ |G(jω)|2∂α
∣∣∣∣∣ω=a
=β2
2 · α und∂ |G(jω)|2
∂β
∣∣∣∣∣ω=a
= β . (C.121)
Hiermit folgt aus Gl. (C.112)
∆ |G(jω)|2 =β2
2· ∆α
α+ β2 · ∆β
β(C.122)
Obwohl der Parameter β nicht im Maximum seiner Sensitivitat angeregt wird, besitzt er einedoppelt so hohe Empfindlichkeit als der Parameter α.
C.3 Parametersensitivitat 247
Es reicht damit aus, das System an der Polstelle anzuregen.In der Regel ist die Lage der Polstelle vor der Identifikation nicht bekannt. Aber nach derParameterschatzung kann uberpruft werden, ob die identifizierte Polstelle auch richtig angeregtwurde und ggf. kann der Versuch mit einem angepassten Eingangssignal wiederholt werden.Hieraus ergibt sich folgende Schlussfolgerung fur die Identifikationsaufgaben dieser Arbeit:
• LastmechanikDurch die sehr geringe Dampfung liegt die Polstelle a = dk
mk≈ 2 sehr nah am Ursprung,
was einer sehr niederfrequenten Anregungsfrequenz von ca. 0.3 Hz entspricht.
• linearer DruckaufbauDie Polstelle liegt bei −QP
CH≈ 200, was einer Anregungsfrequenz von ca. 30 Hz entspricht.
248 Anhang C. Identifikation
Anhang D
Anhang zum Reglerentwurf
D.1 Anhang zum Entwurf des nichtlinearen Reglers NLBF8OR
Im folgenden sind die Lie-Ableitungen L4fh(x), L5
fh(x) und L6fh(x) des nichtlinearen Reglers
NLBF8OR aus Kapitel 7.3.4 explizit aufgefuhrt, die wegen ihres Umfangs hierhin ausgelagertwurden:
L4fh(x) =
[A2
k
CH ·mk− (dk + dG)·dk
mk ·mG− d2
k
m2k
]·[
dk
mG·x5 − Ak
mG·x6 − cG
mG·x7 − dk + dG
mG·x8
]
+[
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
]·[+
Ak
mk· x6 − dk
mk· (x5 − x8) + g
]
+[
Ak
mk· ∂q∗(x6, x2)
∂x6− Ak · dk
mG ·mk− Ak · dk
m2k
]·[q∗(x6, x2)− Ak
CH· (x5 − x8)
]
+Ak
mk· ∂q∗(x6, x2)
∂x2· x3 − cG · dk
mG ·mk· x8 , (D.1)
L5fh(x) =
Ak
mk· ∂q∗(x6, x2)
∂x2· (−2·ωV ·ζV ·x3 − ω2
V ·x2 + kV ·ω2V ·x1
)
+[
Ak
CH·(
Ak
mk· ∂q∗(x6, x2)
∂x6− Ak ·dk
mG ·mk− Ak ·dk
m2k
)+
dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)
−dk + dG
mG·(− (dk + dG)·dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)− cG ·dk
mG ·mk
]
· 1mG
·(−(dk + dG)·x8 − cG ·x7 −Ak ·x6 + dk ·x5)
− cG
mG·(−(dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)· x8
+[− Ak
CH·(
Ak
mk· ∂q∗(x6, x2)
∂x6− Ak ·dk
mG ·mk− Ak ·dk
m2k
)− dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)
+dk
mG·(− (dk + dG)·dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)]·(− dk
mk·(x5 − x8) +
Ak
mk·x6 + g
)
+[
Ak
mk· ∂2q∗(x6, x2)
∂x26
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
Ak
mk· ∂2q∗(x6, x2)
∂x2∂x6· x3
+∂q∗(x6, x2)
∂x6·(
Ak
mk· ∂q∗(x6, x2)
∂x6− Ak · dk
mG ·mk− Ak · dk
m2k
)
249
250 Anhang D. Reglerentwurf
− Ak
mG·(− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)+
Ak
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)]
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)
+[
Ak
mk· ∂2q∗(x6, x2)
∂x2∂x6·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
Ak
mk· ∂2q∗(x6, x2)
∂x22
· x3
+∂q∗(x6, x2)
∂x2·(
Ak
mk· ∂q∗(x6, x2)
∂x6− Ak · dk
mG ·mk− Ak · dk
m2k
)]· x3 (D.2)
und die Lie-Ableitung L6fh(x) :
L6fh(x) = α1 + α2 + α3 + α4 + α5 + α6 + α7 , (D.3a)
die zur Darstellung in 7 Summanden unterteilt wurde:
α1 :=
∂2q∗(x6, x2)∂x2
2
· (−2 · ζV · ωV · x3 − ω2V · x2 + kV · ω2
V · x1
)(D.3b)
+Ak
CH ·mg· ∂2q∗(x6, x2)
∂x2∂x6· (−(dk + dG) · x8 − cG · x7 −Ak · x6 + dk · x5)
− Ak
CH· ∂2q∗(x6, x2)
∂x2∂x6·(− dk
mk· (x5 − x8) +
Ak
mk· x6 + g
)
+[
∂3q∗(x6, x2)∂x2∂x2
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂3q∗(x6, x2)∂x2
2∂x6· x3
+∂q∗(x6, x2)
∂x2· ∂2q(x6, x2)
∂x26
+∂2q∗(x6, x2)
∂x2∂x6·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)
+∂2q∗(x6, x2)
∂x2∂x6· ∂q∗(x6, x2)
∂x6
]·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)
+[
∂2q∗(x6, x2)∂x2
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂2q∗(x6, x2)∂x2∂x6
· x3
+∂q∗(x6, x2)
∂x6·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+
(d2
k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)
− 1mG
·(− (dk + dG) · dk
mG+
A2k
CH− d2
k
mk
)]· ∂q∗(x6, x2)
∂x2
+[
∂3q∗(x6, x2)∂x2
2∂x6·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂3q∗(x6, x2)∂x3
2
· x3
+∂2q∗(x6, x2)
∂x22
·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+2 · ∂q∗(x6, x2)
∂x2· ∂2q(x6, x2)
∂x2∂x6
]· x3
−ω2V ·
∂q∗(x6, x2)∂x2
· Ak
mk· x3 ,
α2 :=
∂2q∗(x6, x2)∂x2∂x6
· (−2 · ζV · ωV · x3 − ω2V · x2 + kV · ω2
V · x1) (D.3c)
+Ak
CH ·mG· ∂2q∗(x6, x2)
∂x26
· (−(dk + dG) · x8 − cG · x7 −Ak · x6 + dk · x5)
− Ak
CH· ∂2q∗(x6, x2)
∂x26
·(− dk
mk· (x5 − x8) +
Ak
mk· x6 + g
)
D.1 Anhang zum Entwurf des nichtlinearen Reglers NLBF8OR 251
+[
∂3q∗(x6, x2)∂x3
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂3q∗(x6, x2)∂x2∂x2
6
· x3
+∂2q∗(x6, x2)
∂x26
·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+2 · ∂q∗(x6, x2)
∂x6· ∂2q∗(x6, x2)
∂x26
]·
(q∗(x6, x2)− Ak
CH· (x5 − x8)
)
+[
∂2q∗(x6, x2)∂x2
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂2q∗(x6, x2)∂x2∂x6
· x3
+∂q∗(x6, x2)
∂x6·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)− 1
mG·(− (dk + dG) · dk
mG+
A2k
CH− d2
k
mk
)
+(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)]· ∂q∗(x6, x2)
∂x6
+[
∂3q∗(x6, x2)∂x2∂x2
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂3q∗(x6, x2)∂x2
2∂x6· x3
+∂q∗(x6, x2)
∂x2· ∂2q∗(x6, x2)
∂x26
+∂2q∗(x6, x2)
∂x2∂x6·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)
+∂2q∗(x6, x2)
∂x2∂x6· ∂q∗(x6, x2)
∂x6
]· x3
−[
A2k
CH·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)− dk + dG
mG·(− (dk + dG) · dk
mG+
A2k
CH− d2
k
mk
)
+dk
mk·(
d2k
mG− A2
k
CH+
d2k
mk
)− cG · dk
mG
]· 1mG
+[− A2
k
CH ·mk·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+
dk
mG·(− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)
− dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)]· Ak
mk·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
),
α3 =−2 · ζV · ωV · ∂q∗(x6, x2)
∂x2+
∂q∗(x6, x2)∂x2
·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)(D.3d)
+ 2 · ∂2q∗(x6, x2)∂x2
2
· x3 +2 · ∂2q∗(x6, x2)∂x2∂x6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)·
Ak
mk· [−2 · ωV · x3 · ζV − ω2
V · x2 + kV · ω2V · x1
],
α4 :=
A2k
CH ·mk· ∂2q∗(x6, x2)
∂x26
·[q∗(x6, x2)− Ak
CH· (x5 − x8)
](D.3e)
+[
∂2q∗(x6, x2)∂x2
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂2q∗(x6, x2)∂x2∂x6
· x3
+∂q∗(x6, x2)
∂x6·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+
1mk
·(
d2k
mG− A2
k
CH+
d2k
mk
)
252 Anhang D. Reglerentwurf
− 1mG
·(− (dk + dG) · dk
mG+
A2k
CH− d2
k
mk
)]· A2
k
CH ·mk
+A2
k
CH ·mk· ∂2q∗(x6, x2)
∂x2∂x6· x3
−[
A2k
CH ·mk·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+
dk
m2k
·(
d2k
mG− A2
k
CH+
d2k
mk
)
− dk + dG
mG ·mk·(− (dk + dG) · dk
mG+
A2k
CH− d2
k
mk
)− cG · dk
mG ·mk
]· dk + dG
mG
+[− A2
k
CH ·mk·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)− dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)
+dk
mG·(− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)]· dk
mk
−[− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
]· cG
mG
·[−dk + dG
mG·x8 − cG
mG·x7 − Ak
mG·x6 +
dk
mG·x5
],
α5 := −[
A2k
CH ·mk·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)(D.3f)
− dk + dG
mG·(− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)
+dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)− cG · dk
mG ·mk
]· cG
mG· x8 ,
α6 :=− A2
k
CH ·mk· ∂2q∗(x6, x2)
∂x26
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)(D.3g)
−[
∂2q∗(x6, x2)∂x2
6
·(
q∗(x6, x2)− Ak
CH· (x5 − x8)
)+
∂2q∗(x6, x2)∂x2∂x6
· x3
+∂q∗(x6, x2)
∂x6·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)+
(d2
k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)
− 1mG
·(− (dk + dG) · dk
mG+
A2k
CH− d2
k
mk
)]· A2
k
CH ·mk− A2
k
CH ·mk· ∂
2q∗(x6, x2)∂x2∂x6
·x3
+[
A2k
CH ·mk·(
Ak
mk· ∂q∗(x6, x2)
∂x6− dk
mG− dk
mk
)− cG ·dk
mG ·mk
− dk + dG
mG·(− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)+
dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)]· dk
mG
−[− A2
k
CH ·mk·(
∂q∗(x6, x2)∂x6
− dk
mG− dk
mk
)− dk
mk·(
d2k
mG ·mk− A2
k
CH ·mk+
d2k
m2k
)
+dk
mG·(− (dk + dG) · dk
mG ·mk+
A2k
CH ·mk− d2
k
m2k
)]· dk
· 1mk
·(− dk
mk·(x5 − x8) +
Ak
mk·x6 + g
)
und
α7 := −Ak
mk· aM · kV · ω2
V ·∂q∗(x6, x2)
∂x2· x1 . (D.3h)
D.2 Partielle Ableitungen der nichtlinearen reduzierten Flussfunktion 253
D.2 Partielle Ableitungen der nichtlinearen reduzierten Flussfunk-tion
Die Flussfunktion q∗(pL, xV ) setzt sich zusammen aus dem Lastfluss qL(pL, xV ) aus Glei-chung (4.28) und dem laminaren Bypass- und Leckfluss qBPLred
(pL) aus Gleichung (4.30) beiNulluberdeckung des Servoventils (xu = 0) :
q∗(pL, xV ) :=1
CH· qL(pL, xV ) +
1CH
· qBPLred(pL) (D.4)
= 2·kL · √
|p0 − pL|·sign(p0 − pL)·σ( xV )
+√|p0 + pL|·sign(p0 + pL)·σ(−xV )
· xV − kLE
CH· pL
= 2·kL ·√|p0 − sign(xV )·pL|·sign (p0 − sign(xV )·pL) · xV − kLE
CH·pL .
Die partiellen Ableitungen erster Ordnung der Flussfunktion q∗(pL, xV ) (D.4) lauten:
∂q∗(pL, xV )∂pL
= kL ·−xV · σ(xV )√|p0 − pL|
+xV · σ(−xV )√|p0 + pL|
− kLE
CH(D.5)
=−kL · |xV |√
|p0 − sign(xV ) · pL|− kLE
CH
∂q∗(pL, xV )∂xV
= 2 · kL · √
|p0 − pL| · sign(p0 − pL) · σ(xV ) (D.6)
+√|p0 + pL| · sign(p0 + pL) · σ(−xV )
= 2 · kL ·√|p0 − sign(xV ) · pL| · sign (p0 − sign(xV ) · pL)
Die partiellen Ableitungen zweiter Ordnung der Flussfunktion q∗(pL, xV ) (D.4) lauten:
∂2q∗(pL, xV )∂p2
L
= −kL ·
xV · σ(xV )2 · (p0 − pL) ·
√|p0 − pL|
+xV · σ(−xV )
2 · (p0 + pL) ·√|p0 + pL|
(D.7)
=−kL · xV
2 · (p0 − sign(xV ) · pL) ·√|p0 − sign(xV ) · pL|
∂2q∗(pL, xV )∂pL ∂xV
= kL ·
−σ(xV )√|p0 − pL|
+σ(−xV )√|p0 + pL|
(D.8)
=−kL · sign(xV )√|p0 − sign(xV ) · pL|
∂2q∗(pL, xV )∂x2
V
= 0 (D.9)
Die partiellen Ableitungen dritter Ordnung der Flussfunktion q∗(pL, xV ) (D.4) lauten:
∂3q∗(pL, xV )∂p3
L
= kL ·
−3 · xV · σ(xV )4 · (p0 − pL)2 ·
√|p0 − pL|
+3 · xV · σ(−xV )
4 · (p0 + pL)2 ·√|p0 + pL|
(D.10)
254 Anhang D. Reglerentwurf
=−3 · kL · |xV |
4 · (p0 − sign(xV ) · pL)2 ·√|p0 − sign(xV ) · pL|
∂3q∗(pL, xV )∂p2
L ∂xV= −kL ·
σ(xV )
2 · (p0 − pL) ·√|p0 − pL|
+σ(−xV )
2 · (p0 + pL) ·√|p0 + pL|
(D.11)
=−kL
2 · (p0 − sign(xV ) · pL) ·√|p0 − sign(xV ) · pL|
∂3q∗(pL, xV )∂pL ∂x2
V
= 0 (D.12)
∂3q∗(pL, xV )∂x3
V
= 0 (D.13)
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Mo-dellgleichungen
D.3.1 Nichtlinearer Reglerentwurf fur nichtlineare nicht reduzierte Modell-gleichungen mit statischem Ventilmodell ohne Modell des Fundaments
Die nichtlinearen nicht reduzierten Modellgleichungen (4.1) bis (4.11) aus Kapitel 4.2 werdenwie folgt zu einem System 4. Ordnung (n = 4) modifiziert:
• statisches Ventilmodell
xV = kV · kM · uM , (D.14a)
• Nulluberdeckung des Servoventils
xu1 = xu2 = xu3 = xu4 = 0 , (D.14b)
• keine Leckflusse und kein turbulenter Bypass
qLEI(pI) = qLEII(pII) ≡ 0 , (D.14c)kBP = 0 und (D.14d)
• Mechanik ohne Einfluss des Fundaments
mk · xka + dk · xka = AI · pI −AII · pII + mk · g . (D.14e)
Beim Aufbau des Zustandsvektors x := [x1, x2, x3, x4]T aus den Zustandsvariablen:
x1 := xka (Zylinderkolbenauslenkung),x2 := xka (Zylinderkolbengeschwindigkeit) (D.15)x3 := pI (Druck in der Kammer I) undx4 := pII (Druck in der Kammer II)
entsteht eine nichtlineare Zustandsraumdarstellung gemaß der Form der Gleichung (7.3):
x1
x2
x3
x4
=
f1(x)f2(x)f3(x)f4(x)
+
g1(x)g2(x)
g3(x, u)g4(x, u)
· u (D.16a)
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 255
y = h(x) = x1 = xka . (D.16b)
mit den Komponenten der Systemoperatoren f und g
f1(x) := x2 , g1(x) := 0 ,
f2(x) :=AI
mk·x3 − AII
mk·x4 − dk
mk·x2 + g , g2(x) := 0 , (D.16c)
f3(x) := − B · x2
lI0 + x1− B · kBPL · (x3 − x4)
AI · (lI0 + x1), g3(x, u) := +
B · q∗ZI(x3, u)AI · (lI0 + x1)
,
f4(x) := +B · x2
lII0 − x1+
B · kBPL · (x3 − x4)AII · (lII0 − x1)
, g4(x, u) := − B · q∗ZII(x4, u)AII · (lII0 − x1)
und mit den modifizierten Formen q∗ZI(x3, u) und q∗ZII(x4, u) der nichtlinearen Steuerkantenflusseq1(xV , pI) bis q4(xV , pII) aus Gl. (4.7a) bis Gl. (4.7d) unter Berucksichtigung eines statischenVentilmodells Gl. (D.14a) und der Nulluberdeckung des Servoventils Gl. (D.14b):
q∗ZI(x3, u) :=q2(kV ·kM ·u, x3)− q1(kV ·kM ·u, x3)
u(D.16d)
= αD2 ·π ·d2 ·√
2/ρ·√|pS−x3|·sign (pS−x3)·kV ·kM ·σ ( u)
+ αD1 ·π ·d1 ·√
2/ρ·√|x3−pR|·sign (x3−pR)·kV ·kM ·σ (−u)
q∗ZII(x4, u) :=q4(kV ·kM ·u, x4)− q3(kV ·kM ·u, x4)
u(D.16e)
= αD4 ·π ·d4 ·√
2/ρ·√|x4−pR|·sign (x4−pR)·kV ·kM ·σ ( u)
+ αD3 ·π ·d3 ·√
2/ρ·√|pS−x4|·sign (pS−x4)·kV ·kM ·σ (−u) ,
Fur den Entwurf des Regelalgorithmus wird der relative Grad r des Streckenmodells Gl. (D.16)bestimmt. Hierzu werden wie in Gl. (7.17) die Lie-Ableitungen Li
fh(x) und LgLi−1f h(x) fur
i = 1, . . . , r berechnet, bis erstmals LgLr−1f h(x) 6= 0 ist:
L0fh(x) = h(x)
= x1 , (D.17a)
L1fh(x) = (∇h(x)) · f(x)
=[∂h(x)∂x1
,∂h(x)∂x2
,∂h(x)∂x3
,∂h(x)∂x4
]·
f1(x)f2(x)f3(x)f4(x)
= [1, 0, 0, 0] ·
f1(x)f2(x)f3(x)f4(x)
= f1(x) = x2 , (D.17b)
LgL0fh(x) = (∇h(x)) · g(x)
256 Anhang D. Reglerentwurf
=[∂h(x)∂x1
,∂h(x)∂x2
,∂h(x)∂x3
,∂h(x)∂x4
]·
g1(x)g2(x)
g3(x, u)g4(x, u)
= [1, 0, 0, 0] ·
g1(x)g2(x)
g3(x, u)g4(x, u)
= g1(x) = 0 , (D.17c)
L2fh(x) =
(∇L1fh(x)
) · f(x)
=
[∂L1
fh(x)∂x1
,∂L1
fh(x)∂x2
,∂L1
fh(x)∂x3
,∂L1
fh(x)∂x4
]·
f1(x)f2(x)f3(x)f4(x)
= [0, 1, 0, 0] ·
f1(x)f2(x)f3(x)f4(x)
= f2(x) =AI
mk·x3 − AII
mk·x4 − dk
mk·x2 + g , (D.17d)
LgL1fh(x) = (∇Lfh(x)) · g(x)
=
[∂L1
fh(x)∂x1
,∂L1
fh(x)∂x2
,∂L1
fh(x)∂x3
,∂L1
fh(x)∂x4
]·
g1(x)g2(x)
g3(x, u)g4(x, u)
= [0, 1, 0, 0] ·
g1(x)g2(x)
g3(x, u)g4(x, u)
= g2(x) = 0 , (D.17e)
L3fh(x) =
(∇L2fh(x)
) · f(x)
=
[∂L2
fh(x)∂x1
,∂L2
fh(x)∂x2
,∂L2
fh(x)∂x3
,∂L2
fh(x)∂x4
]·
f1(x)f2(x)f3(x)f4(x)
=[0,−dk
mk,
AI
mk,−AII
mk
]·
f1(x)f2(x)f3(x)f4(x)
= − dk
mk· f2(x) +
AI
mk· f3(x)− AII
mk· f4(x)
= − dk
mk·[
AI
mk·x3 − AII
mk·x4 − dk
mk·x2 + g
]− B
mk·[
AI
lI0 + x1+
AII
lII0 − x1
]· x2
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 257
− B ·kBPL
mk·[
1lI0 + x1
+1
lII0 − x1
]· (x3 − x4) und (D.17f)
LgL2fh(x) = (∇L2
fh(x)) · g(x)
=
[∂L2
fh(x)∂x1
,∂L2
fh(x)∂x2
,∂L2
fh(x)∂x3
,∂L2
fh(x)∂x4
]·
g1(x)g2(x)
g3(x, u)g4(x, u)
=[0,−dk
mk,
AI
mk,−AII
mk
]·
g1(x)g2(x)
g3(x, u)g4(x, u)
=AI
mk·g3(x, u)− AII
mk·g4(x, u) (D.17g)
=B
mk·[q∗ZI(x3, u)lI0 + x1
+q∗ZII(x4, u)lII0 − x1
].
Der relative Grad r des Streckenmodell Gl. (D.16) ist kleiner als die Systemordnung n:
r = 3 <= n = 4. (D.18)
Bemerkung D.1 (Interne Dynamik): Bei Aufschalten des nichtlinearem Kompensations-regler entsteht eine interne Dynamik 1. Ordnung.
Der Regelalgorithmus bestehend aus dem nichtlinearen Kompensationsregler, der linearen Zu-standsvektorruckfuhrung und dem linearen, dynamischen Vorfilter lautet:
z1(x) := h(x) = x1 , (D.19a)
z2(x) := L1fh(x) = x2 , (D.19b)
z3(x) := L2fh(x) =
AI
mk·x3 − AII
mk·x4 − dk
mk·x2 + g , (D.19c)
αx(x) := L3fh(x) = − dk
mk·[
AI
mk·x3 − AII
mk·x4 − dk
mk·x2 + g
](D.19d)
− B
mk·[
AI
lI0 + x1+
AII
lII0 − x1
]· x2
− B ·kBPL
mk·[
1lI0 + x1
+1
lII0 − x1
]· (x3 − x4) ,
βx(x, u) := LgL2fh(x) =
B
mk·[q∗ZI(x3, u)lI0 + x1
+q∗ZII(x4, u)lII0 − x1
](D.19e)
u = β−1x (x, u) · [ν − αx(x)] (nichtlinearer Kompensationsregler) , (D.19f)
ν = ν ′ − k3 · z3 − k2 · z2 − k1 · z1 (lineare Zustandsvektorruckfuhrung) und (D.19g)ν ′ =
...y d + k3 · yd + k2 · yd + k1 · yd (lineares, dynamisches Vorfilter) . (D.19h)
258 Anhang D. Reglerentwurf
Bemerkung D.2 (Nichtlinearer Kompensationsregler): Entgegen der Standardform die-ser nichtlinearen Regelalgorithmen hangt die Abbildung βx(x, u) aus Gleichung (D.19e) vomEingang u ab. Um dieses Problem bei der Reglerimplementierung zu umgehen, wird auf denvorherigen Wert u(t − dT ) als eine Approximation fur u(t) zuruckgegriffen mit dT als Abtast-zeit.
Zur Untersuchung der internen Dynamik wird im folgenden das gegebene Streckenmodell in derByrnes-Isidori-Normalform dargestellt.
Der Zustandsvektor z der Byrnes-Isidori-Normalform (7.26) setzen sich fur das gegebeneStreckenmodell (D.16) aus den drei Zustanden des Eingangs-/Ausgangs-Teils µ und einem Zu-stand der internen Dynamik Ψ zusammen:
z := [z1, z2, z3, z4]T = [µ1, µ2, µ3, Ψ1]T . (D.20)
Fur die folgenden Untersuchungen wird eine mittlere Zylinderkolbenflache A eingefuhrt:
A :=AI + AII
2. (D.21)
Mit der Wahl
z4 = Ψ1 :=AI
A· x3 +
AII
A· x4 (D.22)
entsteht die Zustandstransformation Φ(x) nach Gl. (7.25) :
z = Φ(x) :=
∣∣∣∣∣∣∣∣
φ1(x)φ2(x)φ3(x)φ4(x)
∣∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣∣
L0fh(x)
L1fh(x)
L2fh(x)Ψ1
∣∣∣∣∣∣∣∣=
∣∣∣∣∣∣∣∣∣∣∣∣
x1
x2
AImk·x3 − AII
mk·x4 − dk
mk·x2 + g
AI
A·x3 + AII
A·x4
∣∣∣∣∣∣∣∣∣∣∣∣
. (D.23)
Die Inverse Φ−1(z) lautet:
x = Φ−1(z) =
∣∣∣∣∣∣∣∣∣∣∣∣∣
z1
z2
A2·AI
· z4 + A2·AI
·
mk
A· z3 + dk
A· z2 − mk
A· g
A2·AII
· z4 − A2·AII
·
mk
A· z3 + dk
A· z2 − mk
A· g
∣∣∣∣∣∣∣∣∣∣∣∣∣
. (D.24)
Bemerkung D.3 (Test von Φ auf Regularitat):Die Jacobi-Matrix der Zustandstransformation Φ
∂Φ(x)∂x
=
∂Φ1(x)∂x1
, ∂Φ1(x)∂x2
, ∂Φ1(x)∂x3
, ∂Φ1(x)∂x4
∂Φ2(x)∂x1
, ∂Φ2(x)∂x2
, ∂Φ2(x)∂x3
, ∂Φ2(x)∂x4
∂Φ3(x)∂x1
, ∂Φ3(x)∂x2
, ∂Φ3(x)∂x3
, ∂Φ3(x)∂x4
∂Φ4(x)∂x1
, ∂Φ4(x)∂x2
, ∂Φ4(x)∂x3
, ∂Φ4(x)∂x4
=
1, 0, 0, 00, 1, 0, 00, − dk
mk, AI
mk, −AII
mk
0, 0, AI
A, AII
A
(D.25)
ist regular fur
det∂Φ(x)
∂x= −2 ·AI ·AII
mk ·A6= 0 . (D.26)
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 259
Die Byrnes-Isidori-Normalform lautet:
z =
∣∣∣∣∣∣∣∣∣∣
z1
z2
z3
. .z4
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
z2
z3
α(z) + β(z) · u. . . . . . . . . . . . . .
w1(z, u)
∣∣∣∣∣∣∣∣∣∣
bzw.
∣∣∣∣∣∣∣∣∣∣
µ1
µ2
µ3
. . .
Ψ1
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
µ2
µ3
α(µ,Ψ) + β(µ,Ψ) · u. . . . . . . . . . . . . . . . . . . .
w1(µ,Ψ, u)
∣∣∣∣∣∣∣∣∣∣
(D.27a)
mit
α(z) := L3fh(x)
∣∣x=Φ−1(z)
(D.27b)
= − dk
mk·z3 − B
mk·[
AI
lI0+z1+
AII
lII0−z1
]·z2
− B ·kBPL
mk·[
1lI0+z1
+1
lII0−z1
]·A2·[
1AI
+1
AII
]·[mk
A·z3 +
dk
A·z2 − mk
A·g
]
− B ·kBPL
mk·[
1lI0+z1
+1
lII0−z1
]·A2·[
1AI
− 1AII
]·z4 ,
β(z, u) := LgLr−1f h(x)
∣∣∣x=Φ−1(z)
(D.27c)
=B
mk· q∗ZI
(A
2·AI·z4 + A
2·AI·[
mk
A·z3 + dk
A·z2 − mk
A·g
], u
)
lI0 + z1
+q∗ZII
(A
2·AII·z4 − A
2·AII·[
mk
A·z3 + dk
A·z2 − mk
A·g
], u
)
lII0 − z1
und
w1(z, u) :=B
A·[
AII
lII0−z1− AI
lI0+z1
]·z2 (D.27d)
+B ·kBPL
2·[
1(lII0−z1)
− 1(lI0+z1)
]·[
1AI
+1
AII
]·[mk
A·z3 +
dk
A·z2 − mk
A·g
]
+B ·kBPL
2·[
1(lII0−z1)
− 1(lI0+z1)
]·[
1AI
− 1AII
]·z4
+B
A· q∗ZI
(A
2·AI·z4 + A
2·AI·[
mk
A·z3 + dk
A·z2 − mk
A·g
], u
)
lI0 + z1
−q∗ZII
(A
2·AII·z4 − A
2·AII·[
mk
A·z3 + dk
A·z2 − mk
A·g
], u
)
lII0 − z1
· u .
Die Art der Kopplung des Ein-/Ausgangsteil mit der internen Dynamik wird in den Funktionenα(z) (D.27b) und β(z, u) (D.27c) durch die Abhangigkeit vom Zustand z4 deutlich.Der Einfluss des Ein-/Ausgangsteils auf die interne Dynamik geht aus der Funktion w1(z, u)(D.27d) uber die Abhangigkeit von den Zustanden z1, z2, z3 hervor.Im folgenden wird untersucht fur welche Symmetriebedingungen der geometrischen Parameterdes servohydraulischen Antriebs, die Funktionen α(z) und β(z, u) vom Zustand z4 entkoppeltsind.
260 Anhang D. Reglerentwurf
Die Entkopplung ist gegeben, wenn die Sensitivitat der Funktionen α(z) und β(z, u) bezuglichz4 Null wird.Hierzu werden die partiellen Ableitung der Funktionen α(z) und β(z, u) nach z4 gebildet und Nullgesetzt. Die Bedingungen, die diese Gleichung erfullen, sind zugleich die fur die Entkopplung.
Zur Ermittlung der Bedingungen fur die Entkopplung der Funktion α(z) Gl. (D.27b) vom Zu-stand z4 der internen Dynamik entsteht durch die Berechnung von ∂α(z)
∂z4
!= 0 folgende Gleichung:
−B ·kBPL
mk·[
1lI0 + z1
+1
lII0 − z1
]· A
2·[
1AI
− 1AII
]!= 0 , (D.28)
welche fur AI = AII oder kBPL = 0 erfullt wird. Die Bedingung AI = AII entspricht derReduktionsannahme Gl. (4.15a) aus Kapitel 4.3 der nichtlinearen reduzierten Modellgleichungen.Wird diese Reduktionsannahme Ak := AI = AII auf die Funktion α(z) Gl. (D.27b) angewendet,entsteht wie beabsichtigt eine vom Zustand z4 der internen Dynamik entkoppelte Funktion:
α(z)|Ak:=AI=AII= − dk
mk· z3 − A2
k
mk· B
Ak·[
1lI0 + z1
+1
lII0 − z1
]· z2 (D.29)
− kBPL · B
Ak·[
1lI0 + z1
+1
lII0 − z1
]·[z3 +
dk
mk·z2 − g
].
Zur Ermittlung der Bedingungen fur die Entkopplung der Funktion β(z, u) (D.27c) vom Zu-stand z4 der internen Dynamik wird zur Vereinfachung der Schreibweise und zur Verbesserungder Ubersicht die folgende formale Abkurzung p∗L, die sich nur aus den Zustanden des Ein-Ausgangsteils zusammensetzt, eingefuhrt:
p∗L :=mk
A· z3 +
dk
A· z2 − mk
A· g (D.30)
und auf die Funktion β(z, u) aus Gl. (D.27c) angewendet:
β(z, u) :=B
mk· q∗ZI
(A
2·AI·z4 + A
2·AI·p∗L, u
)
lI0 + z1+
q∗ZII
(A
2·AII·z4 − A
2·AII·p∗L, u
)
lII0 − z1
. (D.31)
Durch die Berechnung von ∂β(z,u)∂z4
!= 0 entsteht die folgende Gleichung:
∂q∗ZI
A
2·AI·z4+ A
2·AI·p∗L, u
∂z4
∂q∗ZII
A
2·AII·z4− A
2·AII·p∗L, u
∂z4
= − AI
AII· lI0 + z1
lII0 − z1· (D.32a)
mit der partiellen Ableitung des nichtlinearen Steuerkantenflusses q∗ZI aus Gl. (D.16d) nach z4:
∂q∗ZI
(A
2·AI· z4 + A
2·AI· p∗L, u
)
∂z4(D.32b)
=αD2 · π · d2 ·
√2/ρ · kV · kM · σ (u)
2 ·√∣∣∣pS − A
2·AI· z4 − A
2·AI· p∗L
∣∣∣ · sign(pS − A
2·AI· z4 − A
2·AI· p∗L
) ·−A
2 ·AI
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 261
+αD1 · π · d1 ·
√2/ρ · kV · kM · σ (−u)
2 ·√∣∣∣ A
2·AI· z4 + A
2·AI· p∗L − pR
∣∣∣ · sign(
A2·AI
· z4 + A2·AI
· p∗L − pR
) ·A
2 ·AI
und der partiellen Ableitung des nichtlinearen Steuerkantenflusses q∗ZII aus Gl. (D.16e) nach z4:
∂q∗ZII
(A
2·AII· z4 − A
2·AII· p∗L, u
)
∂z4(D.32c)
=αD4 · π · d4 ·
√2/ρ · kV · kM · σ (u)
2 ·√∣∣∣ A
2·AII· z4 − A
2·AII· p∗L − pR
∣∣∣ · sign(
A2·AII
· z4 − A2·AII
· p∗L − pR
) ·A
2 ·AII
+αD3 · π · d3 ·
√2/ρ · kV · kM · σ (−u)
2 ·√∣∣∣pS − A
2·AII· z4 + A
2·AII· p∗L
∣∣∣ · sign(pS − A
2·AII· z4 + A
2·AII· p∗L
) ·−A
2 ·AII.
Es folgt eine Fallunterscheidung fur Eingang u > 0 und Eingang u < 0. Der Fall u = 0 ist wegenβ(z) · u in Gl. (D.27) nicht relevant.
Die Untersuchung der Gleichung (D.32) fur den Fall u > 0 liefert:
αD2·π·d2·√
2/ρ·kV ·kM
2·rpS− A
2·AI·z4− A
2·AI·p∗L· sign
pS− A
2·AI·z4− A
2·AI·p∗L · −A
2·AI
αD4·π·d4·√
2/ρ·kV ·kM
2·r A
2·AII·z4− A
2·AII·p∗L−pR
· sign
A2·AII
·z4− A2·AII
·p∗L−pR
· A2·AII
= − AI
AII· lI0 + z1
lII0 − z1. (D.33)
Zusammenfassen der Ausdrucke unter den Wurzelfunktionen ergibt:√√√√
∣∣∣∣∣A
2·AII·z4− A
2·AII·p∗L−pR
pS− A2·AI
·z4− A2·AI
·p∗L
∣∣∣∣∣ · sign
(A
2·AII·z4 − A
2·AII·p∗L − pR
pS − A2·AI
·z4 − A2·AI
·p∗L
)=
A2I
A2II
· lI0+z1
lII0−z1·αD4 ·d4
αD2 ·d2.
Quadrieren der Gleichung auf beiden Seiten liefert:
A2·AII
·z4− A2·AII
·p∗L−pR
pS− A2·AI
·z4− A2·AI
·p∗L=
[A2
I
A2II
· lI0 + z1
lII0 − z1· αD4 ·d4
αD2 ·d2
]2
=: k∗+ , (D.34)
wobei die Abkurzung k∗+ zur kompakteren Darstellung eingefuhrt wurde. Die Gleichung wird alsnachstes ausmultipliziert:
A
2 ·AII·z4 − A
2 ·AII·p∗L − pR = k∗+ ·pS − k∗+ ·
A
2 ·AI·z4 − k∗+ ·
A
2 ·AI·p∗L . (D.35)
Damit die Gleichung fur beliebiges p∗L erfullt wird, folgt aus einem Koeffizientenvergleich fur p∗Ldie Bedingung:
AI
AII= k∗+ =
[A2
I
A2II
· lI0 + z1
lII0 − z1· αD4 ·d4
αD2 ·d2
]2
(D.36)
262 Anhang D. Reglerentwurf
und damit ergibt sich die folgende Bedingung fur z4:
z4 =2A·(
AI ·AII
AI + k∗+ ·AII
)· (k∗+ · pS + pR
). (D.37)
Die Untersuchung der Gleichung (D.32) fur den Fall u < 0 liefert:
αD1·π·d1·√
2/ρ·kV ·kM
2·r A
2·AI·z4+ A
2·AI·p∗L−pR
· sign
A2·AI
·z4+ A2·AI
·p∗L−pR
· A2·AI
αD3·π·d3·√
2/ρ·kV ·kM
2·rpS− A
2·AII·z4+ A
2·AII·p∗L· sign
pS− A
2·AII·z4+ A
2·AII·p∗L · −A
2·AII
= − AI
AII· lI0 + z1
lII0 − z1. (D.38)
Zusammenfassen der Ausdrucke unter den Wurzelfunktionen ergibt:√√√√
∣∣∣∣∣pS− A
2·AII·z4+ A
2·AII·p∗L
A2·AI
·z4+ A2·AI
·p∗L−pR
∣∣∣∣∣·sign
(pS− A
2·AII·z4+ A
2·AII·p∗L
A2·AI
·z4+ A2·AI
·p∗L−pR
)=
A2I
A2II
· lI0+z1
lII0−z1·αD3 ·d3
αD1 ·d1.
Quadrieren der Gleichung auf beiden Seiten liefert:
pS− A2·AII
·z4+ A2·AII
·p∗LA
2·AI·z4+ A
2·AI·p∗L−pR
=[
A2I
A2II
· lI0 + z1
lII0 − z1· αD3 ·d3
αD1 ·d1
]2
=: k∗− , (D.39)
wobei die Abkurzung k∗− zur kompakteren Darstellung eingefuhrt wurde. Die Gleichung wird alsnachstes ausmultipliziert:
pS − A
2 ·AII·z4 +
A
2 ·AII·p∗L = k∗− ·
A
2 ·AI·z4 + k∗− ·
A
2 ·AI·p∗L − k∗− · pR . (D.40)
Damit die Gleichung fur beliebiges p∗L erfullt wird, folgt aus einem Koeffizientenvergleich fur p∗Ldie Bedingung:
AI
AII= k∗− =
[A2
I
A2II
· lI0 + z1
lII0 − z1· αD3 ·d3
αD1 ·d1
]2
(D.41)
und damit ergibt sich die folgende Bedingung fur z4:
z4 =2A·(
AI ·AII
AI + k∗− ·AII
)· (pS + k∗− · pR
). (D.42)
Fur
k∗+ = k∗− = 1 (D.43)
sind die Bedingungen (D.37) und (D.42) identisch.Damit folgt aus den Bedingungen (D.36) und (D.41) sofort die Bedingung AI = AII , welche derReduktionsannahme Gl. (4.15a) aus Kapitel 4.3 der nichtlinearen reduzierten Modellgleichungenentspricht.Weiter folgen daraus die Gleichungen
lI0 + z1
lII0 − z1· αD4 ·d4
αD2 ·d2= 1 und
lI0 + z1
lII0 − z1· αD3 ·d3
αD1 ·d1= 1 , (D.44)
welche nur fur ein festes z1 erfullt werden konnen.Die Gleichungen (D.44) werden durch folgende geometrische Symmetrieannahmen erfullt:
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 263
• Ak := AI = AII vgl. Gl. (4.15a),• L/2 := lI0 = lII0 vgl. Gl.(4.15b),• z1 = 0 bzw. z1 ¿ L/2,• d := d1 = d2 = d3 = d4 vgl. Gl. (4.15f) und• αD := αD1 = αD2 = αD3 = αD4 vgl. Gl. (4.15h).
Aus den Bedingungen (D.37) und (D.42) und der Definition von z4 Gl. (D.22) folgt die Reduk-tionsrelation Gl. (4.15e)
z4 = x3 + x4 = pI + pII = pS + pR . (D.45)
Damit die Funktion β(z, u) (D.27c) vom Zustand z4 der internen Dynamik entkoppelt ist, mussdieser eine Ruhelage in z4,C = pS + pR haben.
Im folgenden wird gezeigt, dass fur die gegebenen geometrischen Symmetrieannahmen bei kleinerAuslenkungen um die Mittellage des Zylinderwegs z1 ≈ 0 die Funktionen α(z) (D.27b) undβ(z, u) (D.27c) in die Funktionen (7.61b) und (7.61c) des Reglers der nichtlinearen, reduziertenModellgleichungen ubergehen.Mit der Annahme z1 ¿ L/2 ergibt sich folgende Naherung:
1lI0 + z1
+1
lII0 − z1≈ 4
L, (D.46)
die zur Definition der hydraulischen Kapazitat CH fuhrt:
CH :=Ak · L4 ·B (D.47)
Fur α(z) aus Gl. (D.27b) bzw. Gl. (D.29) ergibt sich damit:
α(z) = − dk
mk· z3 − A2
k
mk · CH· z2 − kBPL
CH·[z3 +
dk
mk·z2 − g
](D.48)
= −[
A2k
CH ·mk+
dk
mk· kBPL
CH
]· z2 −
[dk
mk+
kBPL
CH
]· z3 +
kBPL
CH· g
was Gl. (7.61b) des Reglers der nichtlinearen, reduzierten Modellgleichungen entspricht.
Die Abkurzung p∗L aus Gl. (D.30) lautet fur die Symmetrieannahmen :
p∗L :=mk
Ak· z3 +
dk
Ak· z2 − mk
Ak· g . (D.49)
Fur β(z, u) aus Gl. (D.27c) bzw. (D.31) folgt:
β(z, u) =12· 1CH
· Ak
mk·[
q∗ZI
(z4
2+
p∗L2
, u
)+ q∗ZII
(z4
2− p∗L
2, u
)](D.50)
mit der Summe der nichtlinearen Steuerkantenflusse q∗ZI aus Gl. (D.16d) und q∗ZII aus Gl. (D.16e)
q∗ZI
(z4
2+
p∗L2
, u
)+ q∗ZII
(z4
2− p∗L
2, u
)
= kV · kM · αD · π · d ·√
2/ρ· (D.51)
264 Anhang D. Reglerentwurf
[√∣∣∣∣pS− z4
2− p∗L
2
∣∣∣∣·sign(
pS− z4
2− p∗L
2
)+
√∣∣∣∣z4
2−pR− p∗L
2
∣∣∣∣·sign(
z4
2−pR− p∗L
2
)]·σ ( u)
[√∣∣∣∣z4
2−pR+
p∗L2
∣∣∣∣·sign(
z4
2−pR+
p∗L2
)+
√∣∣∣∣pS− z4
2+
p∗L2
∣∣∣∣·sign(
pS− z4
2+
p∗L2
)]·σ (−u)
.
Der Zustand z4 wird wie folgt aufgeteilt:
z4 = z4C + z4 (D.52)
in einen statischen Anteil z4C = pS + pR, fur den die Entkopplung gilt und in einen Kleinsignal-anteil z4.Zusatzlich wird folgende Abkurzung eingefuhrt:
p0 := pS − pR (D.53)
Hiermit folgt :
pS − z4
2=
12· (p0 − z4) und (D.54a)
z4
2− pR =
12· (p0 + z4) . (D.54b)
Eingesetzt in die Summe der nichtlinearen Steuerkantenflusse ergibt sich:
q∗ZI
(z4
2+
p∗L2
, u
)+ q∗ZII
(z4
2− p∗L
2, u
)= (D.55)
kV · kM · αD · π · d ·√
1/ρ· (D.56) [√|p0−p∗L−z4|·sign (p0−p∗L−z4)+
√|p0−p∗L+z4|·sign (p0−p∗L+z4)
]·σ ( u) (D.57)
+[√
|p0+p∗L+z4|·sign (p0+p∗L+z4)+√|p0+p∗L−z4|·sign (p0+p∗L−z4)
]·σ (−u)
. (D.58)
Es liegt der Ausdruck√
x + ∆x +√
x−∆x (D.59)
fur x = p0 ± p∗L und ∆x = z4 vor.Mit der Umformung
√x + ∆x +
√x−∆x =
√x ·
(1 +
∆x
x
)+
√x ·
(1− ∆x
x
)(D.60)
=√
x ·[√
1 +∆x
x+
√1− ∆x
x
](D.61)
und der Naherungen√
1± ∆x
x≈ 1± 1
2· ∆x
x(D.62)
folgt
√x + ∆x +
√x−∆x ≈ √
x ·[1 +
12· ∆x
x+ 1− 1
2· ∆x
x
]= 2 · √x (D.63)
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 265
Dies angewendet auf die Summe der nichtlinearen Steuerkantenflusse ergibt mit kL := αD·π·d2·CH ·√ρ :
q∗ZI
(z4
2+
p∗L2
, u
)+ q∗ZII
(z4
2− p∗L
2, u
)
≈ 4·CH ·kV ·kM ·kL ·√∣∣p0−p∗L
∣∣·sign (p0−p∗L)·σ ( u)+√∣∣p0+p∗L
∣∣·sign (p0+p∗L)·σ (−u)
= 2·CH ·2·kV ·kM ·kL ·√∣∣p0−sign (u) · p∗L
∣∣·sign (p0−sign (u) · p∗L)︸ ︷︷ ︸
entspricht q∗L(x3, u) (7.54d)
. (D.64)
Hiermit folgt fur β(z, u)
β(z, u) ≈ Ak
mk· q∗L(p∗L, u) (D.65)
was Gl. (7.61c) fur z4 ≈ pS + pR entspricht.Fur die gegebenen Symmetrieannahmen unterscheidet sich der nichtlinearen Regler basierendauf dem nichtlinearen, erweiterten Modell nicht vom Regler basierend auf dem nichtlinearen,reduzierten Modell.
Mit den Annahmen folgt fur die interne Dynamik:
z4 = w1(z, u) :=1
2 · CH·[
q∗ZI
(12· z4 +
12·[mk
Ak· z3 +
dk
Ak· z2 − mk
Ak· g
], u
)(D.66)
−q∗ZII
(12· z4 − 1
2·[mk
Ak· z3 +
dk
Ak· z2 − mk
Ak· g
], u
)]· u
bzw. mit der Abkurzung p∗L aus Gl. (D.49) :
z4 = w1(z, u) :=1
2 · CH·[q∗ZI
(z4
2+
p∗L2
, u
)− q∗ZII
(z4
2− p∗L
2, u
)]· u . (D.67)
Die Ruhelage ergibt sich aus z4 = w1(zC , uC) = 0 mit uC , z4C und p∗LC fur
• uC = 0 oder
• q∗ZI
(12 ·z4C + 1
2 ·p∗LC , uC
)− q∗ZII
(12 ·z4C − 1
2 ·p∗LC , uC
)= 0
Zur Bestimmung von uC , z4C und p∗LC aus der Gleichheit der nichtlinearen Steuerkantenflusseq∗ZI aus Gl. (D.16d) und q∗ZII aus Gl. (D.16e)
q∗ZI
(12·z4C +
12·p∗LC , uC
)= q∗ZII
(12·z4C − 1
2·p∗LC , uC
)(D.68)
wird eine Fallunterscheidung fur Eingang uC > 0 und Eingang uC < 0 gemacht.Fall uC > 0: Aus der Gleichung
√√√√∣∣∣∣∣pS − 1
2 ·z4C − 12 ·p∗LC
12 ·z4C − 1
2 ·p∗LC − pR
∣∣∣∣∣ ·sign
(pS − 1
2 ·z4C − 12 ·p∗LC
)
sign(
12 ·z4C − 1
2 ·p∗LC − pR
) = 1 (D.69)
266 Anhang D. Reglerentwurf
folgt
pS − 12 ·z4C − 1
2 ·p∗LC12 ·z4C − 1
2 ·p∗LC − pR= 1 , (D.70)
welche ausmultipliziert
pS − 12·z4C − 1
2·p∗LC =
12·z4C − 1
2·p∗LC − pR (D.71)
unabhangig von p∗LC ist.Hiermit ergibt sich fur uC > 0 die Ruhelage mit
z4C = pS + pR . (D.72)
Fall uC < 0: Aus der Gleichung√√√√
∣∣∣∣∣12 ·z4C + 1
2 ·p∗LC − pR
pS − 12 ·z4C + 1
2 ·p∗LC
∣∣∣∣∣ ·sign
(12 ·z4C + 1
2 ·p∗LC − pR
)
sign(pS − 1
2 ·z4C + 12 ·p∗LC
) = 1 (D.73)
folgt
12 ·z4C + 1
2 ·p∗LC − pR
pS − 12 ·z4C + 1
2 ·p∗LC
= 1 , (D.74)
welches ausmultipliziert
12·z4C +
12·p∗LC − pR = pS − 1
2·z4C +
12·p∗LC (D.75)
unabhangig von p∗LC ist. Hiermit ergibt sich fur uC < 0 die gleich Ruhelage wie fur uC < 0
Es ergeben sich folgende Ruhelagen fur :
• uC = 0 mit z4C und p∗LC beliebig oder
• z4C = pS + pR mit uC und p∗LC beliebig.
Die Entkopplungsbedingung z4 = pS + pR kann sich nur fur u 6= 0 einstellen.Die Ruhelage ist unabhangig von p∗LC , interne Dynamik ist gleich der Nulldynamik.Fur die Untersuchung der internen Dynamik wird die Aufteilung von z4 nach Gl. (D.52) ver-wendet. Es ergibt sich:
w1(z, u) =1
2 · CH·[q∗ZI
(z4
2+
p∗L2
, u
)− q∗ZII
(z4
2− p∗L
2, u
)]· u (D.76)
= kV · kM · kL· (D.77) [√∣∣p0−p∗L−z4
∣∣·sign (p0−p∗L−z4)−√∣∣p0−p∗L+z4
∣∣·sign (p0−p∗L+z4)]·σ ( u)
+[√∣∣p0+p∗L+z4
∣∣·sign (p0+p∗L+z4)−√∣∣p0+p∗L−z4
∣∣·sign (p0+p∗L−z4)]·σ (−u)
· u
Es liegt der Ausdruck√
x + ∆x−√
x−∆x (D.78)
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 267
fur x = p0 ∓ p∗L und ∆x = ∓z4 vor.Mit der Umformung
√x + ∆x−
√x−∆x =
√x ·
(1 +
∆x
x
)−
√x ·
(1− ∆x
x
)(D.79)
=√
x ·[√
1 +∆x
x−
√1− ∆x
x
](D.80)
und der Entwicklung der Wurzeln in Binomische Reihen [53]√
1± ∆x
x= 1 +
∞∑
n=1
(±1)n ·12 ·
(12 − 1
) · (12 − 2
) · . . . · (12 − n + 1
)
n!·(
∆x
x
)n
(D.81)
≈ 1± 12· ∆x
x− 1
8·(
∆x
x
)2
± 116·(
∆x
x
)3
− 5128
·(
∆x
x
)4
± . . . (D.82)
fur∣∣∆x
x
∣∣ ≤ 1 ergibt sich:
√x + ∆x−
√x−∆x =
√x ·
[√1 +
∆x
x−
√1− ∆x
x
](D.83)
=√
x ·[
1 +12· ∆x
x− 1
8·(
∆x
x
)2
+116·(
∆x
x
)3
− 5128
·(
∆x
x
)4
+ . . . (D.84)
−1 +12· ∆x
x+
18·(
∆x
x
)2
+116·(
∆x
x
)3
+5
128·(
∆x
x
)4
+ . . .
]
=√
x ·[
∆x
x+
18·(
∆x
x
)3
+ . . .
]. (D.85)
Die gerade Potenzen fallen weg.Fur die interne Dynamik ergibt sich damit:
z4 = w1(z, u) (D.86)= kV · kM · kL·
−√∣∣p0−p∗L
∣∣·sign (p0−p∗L) ·[
z4
p0−p∗L+
18·(
z4
p0−p∗L
)3
+ . . .
]·σ ( u)
+√∣∣p0+p∗L
∣∣·sign (p0+p∗L) ·[
z4
p0+p∗L+
18·(
z4
p0+p∗L
)3
+ . . .
]·σ (−u)
· u .
Ein Zusammenfassen durch die sign-Funktion liefert:
z4 = w1(z, u) = −kV · kM · kL ·√∣∣p0−sign (u)·p∗L
∣∣·sign (p0−sign (u)·p∗L) · (D.87)[
z4
p0−sign (u)·p∗L+
18·(
z4
p0−sign (u)·p∗L
)3
+ . . .
]· |u| . (D.88)
Beim Vernachlassigen von Termen hoherer Ordnung ergibt sich:
z4 = w1(z, u) = − kV · kM · kL√∣∣p0−sign (u)·p∗L∣∣·sign
(p0−sign (u)·p∗L
) · |u| · z4 . (D.89)
268 Anhang D. Reglerentwurf
Werden der Eingang u und der Lastdruck p∗L als Parameter betrachtet, dann ergibt sich eineDifferentialgleichung 1. Ordnung:
z4 = −a · z4 (D.90)
mit dem Koeffizient a:
a :=kV · kM · kL√∣∣p0−sign (u)·p∗L
∣∣·sign(p0−sign (u)·p∗L
) · |u| , (D.91)
der fur |p∗L| < p0 positiv ist. Die Differentialgleichung 1. Ordnung ist somit stabil.
Der Ausgang y entspricht dem ersten Zustand z1.Der nichtlinearen Kompensationsreglers fur die gegebene Strecke in Normalform (D.27) lautet:
u = β(z, u)−1 · [ν − α(z)] . (D.92)
Durch Anwenden des nichtlinearen Ruckfuhrgesetzes Gl. (D.92) auf die Normalform Gl. (D.27):
z =
∣∣∣∣∣∣∣∣∣∣
z1
z2
z3
. .z4
∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
z2
z3
ν. . . . . . . .w1(z, u)
∣∣∣∣∣∣∣∣∣∣
(D.93)
bzw.∣∣∣∣∣∣∣∣∣∣∣∣
µ1
µ2
µ3
. . .
Ψ1
Ψ2
∣∣∣∣∣∣∣∣∣∣∣∣
=
∣∣∣∣∣∣∣∣∣∣
µ2
µ3
ν. . . . . . . . . . .w1(µ,Ψ, u)
∣∣∣∣∣∣∣∣∣∣
(D.94)
ergibt sich eine 3-fache Integratorkette:
...y =
...z 1 =
...µ1 = ν . (D.95)
Herleitung der Dynamik von z4
Die Gleichung mit der Definition von z4 (D.22) nach der Zeit abgeleitet lautet:
z4 =AI
A· x3 +
AII
A· x4 . (D.96)
Die Ableitungen der Zustande x3 und x4 werden durch die Gleichungen der nichtlinearen Zu-standsraumdarstellung (D.16) mit den Komponenten f3(x), f4(x), g3(x, u) und g4(x, u) derSystemoperatoren f und g (D.16c) ausgedruckt:
z4 =AI
A· [f3(x) + g3(x, u) · u] +
AII
A· [f4(x) + g4(x, u) · u] (D.97)
D.3 Nichtlinearer Reglerentwurf fur nichtlineare erweiterte Modellgleichungen 269
z4 =AI
A·[− B ·x2
lI0 + x1− B ·kBPL ·(x3 − x4)
AI · (lI0 + x1)+
B ·q∗ZI(x3, u)AI · (lI0 + x1)
· u]
(D.98)
+AII
A·[+
B ·x2
lII0 − x1+
B ·kBPL ·(x3 − x4)AII · (lII0 − x1)
− B ·q∗ZII(x4, u)AII · (lII0 − x1)
· u]
z4 =B
A·[
AII
lII0 − x1− AI
lI0 + x1
]·x2
+B
A·[
1(lII0 − x1)
− 1(lI0 + x1)
]·kBPL ·(x3 − x4)
+B
A·[q∗ZI(x3, u)(lI0 + x1)
− q∗ZII(x4, u)(lII0 − x1)
]· u (D.99)
Unter Verwendung der Inversen der Zustandstransformation (D.24) entsteht:
z4 =B
A·[
AII
lII0 − z1− AI
lI0 + z1
]·z2 (D.100)
+B ·kBPL
2·[
1(lII0 − z1)
− 1(lI0 + z1)
]·[
1AI
+1
AII
]·[mk
A·z3 +
dk
A·z2 − mk
A·g
]
+B ·kBPL
2·[
1(lII0 − z1)
− 1(lI0 + z1)
]·[
1AI
− 1AII
]· z4
+B
A· q∗ZI
(A
2·AI· z4 + A
2·AI·[
mk
A· z3 + dk
A· z2 − mk
A· g
], u
)
lI0 + z1
−q∗ZII
(A
2·AII· z4 − A
2·AII·[
mk
A· z3 + dk
A· z2 − mk
A· g
], u
)
lII0 − z1
· u (D.101)
1lI0 + z1
+1
lII0 − z1=
lII0 − z1 + lI0 + z1
lI0 · lII0 + z1 · (lII0 − lI0)− z21
=lII0 + lI0
lI0 · lII0 + z1 · (lII0 − lI0)− z21
(D.102)
Mit L/2 := lI0 = lII0 folgt
1lI0 + z1
+1
lII0 − z1=
L(L2
)2 − z21
(D.103)
Mit der Annahme z1 ¿ L/2 folgt:
1lI0 + z1
+1
lII0 − z1≈ 4
L(D.104)
270 Anhang D. Reglerentwurf
Anhang E
Anhang zum Laborexperiment und zur
Rechnersimulation
E.1 Generierung der Soll-Trajektorie
Die Soll-Trajektorien fur die in Kapitel 7 entworfenen Regler bestehen aus dem Signal yd(t) unddessen Zeitableitungen yd(t), yd(t), . . . , y
(r)d (t) mit r ≤ 6.
Die Generierung der Soll-Trajektorie erfolgt durch eine
• analytische Berechnung (siehe Kapitel E.1.2) oder durch eine• Approximation uber ein Referenzmodell in Form eines Zustandsvariablenfilters (siehe Kapitel
E.1.3).
In Kapitel E.1.1 werden die verwendeten Grundsignale fur die Fuhrungssignale beschrieben.
E.1.1 Fuhrungssignale
Folgende Grundsignale werden als Fuhrungssignale fur den Regelkreis verwendet:
• Sinussignal
xkd(t) = A · sin(2 · π · f · t) (E.1)
mit Amplitude A und Frequenz f ,
• Sinussweep (linear durchgestimmt)
xkd(t) = A · sin(
2·π · fStart · t +2·π · fStop − 2·π · fStart
tDauer· t2
2
)(E.2)
mit der Amplitude A, der Startfrequenz fStart, der Stopfrequenz fStop und der WobbelzeittDauer,
• symmetrisches Dreieckssignal (steilflankig)
xkd(t) = A ·
4·t·f − 4·n fur n− 14
f < t <n+ 1
4f mit n = 0, 1, . . .
−4·t·f + 4· n + 2 fur n+ 14
f < t <n+ 3
4f mit n = 0, 1, . . .
(E.3)
mit Amplitude A und Frequenz f ,
271
272 Anhang E. Laborexperiment und Rechnersimlation
• symmetrisches Rechtecksignal (steilflankig)
xkd(t) = A ·
+1 fur nf < t < 2·n+1
2·f mit n = 0, 1, . . .
1 fur 2·n+12·f < t < n+1
f mit n = 0, 1, . . .(E.4)
mit Amplitude A und Frequenz f .
• Rechtecksignal mit abgerundeten Flanken (vgl. Kapitel E.1.2) und
• gemessene Erdbebensignale.
Fur das Sinussignal (E.1) und das Rechtecksignal mit abgerundeten Flanken (vgl. Kapitel E.1.2)lassen sich exakt und fur das linear durchgestimmte Sinus-Sweepsignal naherungsweise Zeitab-leitungen analytisch berechnen.Die Zeitableitungen eines gemessenen Erdbebensignals lassen sich nur durch eine Approximationuber ein Referenzmodell in Form eines Zustandsvariablenfilters (siehe Kapitel E.1.3) berechnen.
E.1.2 Analytische Berechnung der Soll-Trajektorie fur ein Rechtecksignalmit abgerundeten Flanken
Beim symmetrischen Rechtecksignal, beschrieben in Gl. (E.4), ergeben sich an den Sprungstellendes Rechtecksignals unendliche Werte fur die zeitlichen Ableitungen.
Im folgenden Kapitel werden die Sprungstellen durch ein Polynom approximiert, so dass sichfur hohere Ableitungen bis zu einer bestimmten Ordnung endliche Werte ergeben.Die Funktionen der hoheren Ableitungen bis zu einer bestimmten Ordnung sind dann stetig unddifferenzierbar.
Zur Erzeugung eines Sprungs mit kontinuierlichem Ubergang wird zunachst eine Prototypfunk-tion entworfen, die dann fur den jeweiligen Einsatz skaliert wird.
Prototypfunktion
Als Prototypfunktion p(x) wird angesetzt:
p(x) =
−1 fur x < −1r∑
k=0
ak · xk fur −1 ≤ x ≤ 1
1 fur x > 1
(E.5)
mit r als Grad des Polynoms, der im folgenden als ungerade angenommen wird und den Poly-nomkoeffizienten ak mit k = 0, . . . , r.Die partiellen Ableitungen der Prototypfunktion p(x) nach x lauten:
∂νp(x)∂xν
=
0 fur x < −1r∑
k=0
k!(k−i)! · ak · xk−ν fur −1 ≤ x ≤ 1
0 fur x > 1
. (E.6)
Die Bestimmung der Polynomkoeffizienten ak erfolgt aus den folgenden Vorgaben:
1. Die Prototypfunktion p(x) ist punktsymmetrisch (p(−x) = −p(x)).
E.1 Generierung der Soll-Trajektorie 273
2. Die Prototypfunktion p(x) ist fur x = 1 bzw. x−1 stetig und moglichst oft differenzierbar.
Aufgrund der ersten Vorgabe sind die Polynomkoeffizienten mit geradem Index gleich Null:
ak = 0 fur k = 0, 2, 4, . . . , r − 1 . (E.7)
Aus der zweiten Vorgabe ergeben sind folgende Bedingungen:
p(1) = 1 (E.8a)
p(i)(1) = 0 fur i = 1, . . . ,r − 1
2, (E.8b)
die ein lineares Gleichungssystem fur die verbleibenden Polynomkoeffizienten bilden.Im folgenden werden am Beispiel r = 9 die Polynomkoeffizienten der Prototypfunktion p(x)berechnet.Das punktsymmetrische Polynom p(x) fur r = 9 lautet:
p(x) := a9 · x9 + a7 · x7 + a5 · x5 + a3 · x3 + a1 · x , (E.9)
mit den Ableitungen:
p′(x) := 9·a9 ·x8 + 7·a7 ·x6 + 5·a5 ·x4 + 3·a3 ·x2 + a1 ,p′′(x) := 8·9·a9 ·x7 + 6·7·a7 ·x5 + 4·5·a5 ·x3 + 2·3·a3 ·x ,p′′′(x) := 7·8·9·a9 ·x6 + 5·6·7·a7 ·x4 + 3·4·5·a5 ·x2 + 1·2·3·a3 ,p′′′′(x) := 6·7·8·9·a9 ·x5 + 4·5·6·7·a7 ·x3 + 2·3·4·5·a5 ·x .
(E.10)
Es ergeben sich die folgende Bedingungen:
p(1) = 1 , (E.11a)p′(1) = 0 , (E.11b)p′′(1) = 0 , (E.11c)p′′′(1) = 0 , (E.11d)p′′′′(1) = 0 (E.11e)
die ein Gleichungssystem der Form A · x = b bilden mit
A :=
∣∣∣∣∣∣∣∣∣∣
1 1 1 1 11 3 5 7 90 6 20 42 720 6 60 210 5040 0 120 840 3024
∣∣∣∣∣∣∣∣∣∣
, b :=
∣∣∣∣∣∣∣∣∣∣
10000
∣∣∣∣∣∣∣∣∣∣
und x :=
∣∣∣∣∣∣∣∣∣∣
a1a3a5a7a9
∣∣∣∣∣∣∣∣∣∣
. (E.12)
Die Losung des Gleichungsystems liefert die Koeffizienten:
a1 =315128
, a3 = −10532
, a5 =18964
, a7 = −4532
und a9 =35128
. (E.13)
Die Eigenschaften der Prototypfunktion p(x) sind:
• Anstiegszeit von 10% bis 90% der Amplitude: tan = 0.7961,
• Extremwert der Geschwindigkeit : p′(xE = 0) = 2.4609 und
274 Anhang E. Laborexperiment und Rechnersimlation
• Extremwerte der Beschleunigung : p′′(xE = ±0.378) = ∓4.686 .
Skalierung der Funktion
Um einen Sprung von y1 auf y2 zu erhalten, der bei t1 startet und bei t2 endet, wird diePrototypfunktion p(x) wie folgt skaliert:
y(t) = a · p(c · t + d) + b (E.14)
mit den Koeffizienten a, b, c und d. Aus
y1(t1) = a · p(−1) + b und y2(t2) = a · p(+1) + b (E.15)
folgt mit p(−1) = −1 und p(1) = 1
a =y2 + y1
2und b =
y2 − y1
2(E.16)
und aus
−1 = c · t1 + d und + 1 = c · t2 + d (E.17)
folgt
c =2
t2 − t1und d =
t1 + t2t1 − t2
. (E.18)
Fur die Ableitungen gilt:
y(t) = a · p(c · t + d) + b (E.19a)y(t) = a · p′(c · t + d) · c (E.19b)y(t) = a · p′′(c · t + d) · c · c (E.19c)
...
y(t)(ν) = a · p(ν)(c · t + d) · cν . (E.19d)
E.1.3 Approximation Soll-Trajektorie uber ein Referenzmodell (Zustandsva-riablenfilter)
Die Differentialgleichung eines Zustandsvariablenfilters der Ordnung r lautet:
y(r)d + kr−1 · y(r−1)
d + . . . + k2 · yd + k1 · yd + k0 · yd = ku · u (E.20)
mit den Ausgangen yd bis y(r)d , dem Eingang u, den Koeffizienten k0 bis kr−1, die durch eine
Polvorgabe sP1, ..., sPr ermittelt werden und dem statischen Vorfilter ku.Die Ubertragungsfunktionen vom Eingang u zum Ausgang y
(ν)d mit ν = 0, . . . , r lauten:
Gy(ν)d , u
(s) :=Y
(ν)d (s)U(s)
=ku · sν
sr + kr−1 · sr−1 + . . . + k2 · s2 + k1 · s + k0, (E.21)
wobei Y(ν)d (s) die Laplace-Transformierte des Ausgangssignals y
(ν)d (t) und U(s) die Laplace-
Transformierte des Eingangssignals u(t) ist.
Es sind folgende Betriebsarten zu unterscheiden:
E.1 Generierung der Soll-Trajektorie 275
• Zustandsvariablenfilters mit nur differenzierende Wirkung:Der Ausgang yd soll dem Eingang u moglichst gut folgen. Hierzu werden die PolstellensP1, ..., sPr weit links vom Ursprung gewahlt. Fur das statische Vorfilter gilt: ku = k0.
• Zustandsvariablenfilters mit teilweise integrierender Wirkung:Soll der Ausgang y
(ν)d dem Eingang u in einem Frequenzband moglichst gut folgen, so sind
ν der r Polstellen dicht links vom Ursprung und die anderen r − ν Polstellen weit links vomUrsprung zu wahlen. Das statische Vorfilter ku ist geeignet zu wahlen (ku ≈ kν).Aufgrund des Bandpass- bzw. Hochpassverhaltens mussen besondere Maßnahmen bezuglichdes Einschwingens des Zustandsvariablenfilters getroffen werden, z.B. rampenformiges Hoch-fahren der Amplitude des Signals.Durch die stark unterschiedlichen Polstellen ist das Zustandsvariablenfilter numerisch kritisch.