DE19915009A1 - Verfahren, Anordnung und ein computerlesbares Speichermedium zur rechnergestützen Ermittlung einer Zustandsgröße eines technischen Systems - Google Patents
Verfahren, Anordnung und ein computerlesbares Speichermedium zur rechnergestützen Ermittlung einer Zustandsgröße eines technischen SystemsInfo
- Publication number
- DE19915009A1 DE19915009A1 DE1999115009 DE19915009A DE19915009A1 DE 19915009 A1 DE19915009 A1 DE 19915009A1 DE 1999115009 DE1999115009 DE 1999115009 DE 19915009 A DE19915009 A DE 19915009A DE 19915009 A1 DE19915009 A1 DE 19915009A1
- Authority
- DE
- Germany
- Prior art keywords
- error
- state variable
- observation
- determined
- stochastic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
Landscapes
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Complex Calculations (AREA)
Abstract
Es wird ein Verfahren, eine Anordnung und ein computerlesbares Speichermedium zur rechnergestützten Ermittlung einer Zustandsgröße eines technischen Systems unter Verwendung eines stochastischen Fehlers, welchen die zu ermittelnde Zustandsgröße aufweist, angegeben, bei welchem Verfahren ein erweiterter Fehler aus dem stochastischen Fehler und einem mengenbasierten Fehler, welchen die zu ermittelnde Zustandsgröße aufweist, ermittelt wird. Die Ermittlung der Zustandsgröße erfolgt unter Verwendung des erweiterten Fehlers.
Description
Die Erfindung bezieht sich auf eine Ermittlung einer Zu
standsgröße eines technischen Systems unter Verwendung eines
stochastischen Fehlers, welchen die zu ermittelnde Zustands
größe aufweist.
Eine solche Ermittlung einer Zustandsgröße ist aus [1] be
kannt.
Die ermittelte Zustandsgröße, welche unter Verwendung einer
Abbildung, welche das technische System beschreibt, ermittelt
wurde und einen Zustand des technischen System beschreibt,
ist aufgrund eines stochastischen Fehlers bzw. einer stocha
stischen Unsicherheit, den die ermittelte Zustandsgröße auf
weist, lediglich eine Schätzung bzw. Näherung für eine unbe
kannte, wahre Zustandsgröße des technischen Systems.
Bei dem aus [1] bekannten Verfahren wird eine Zustandsgröße
eines technischen Systems unter Verwendung eines Kalman-
Filters bestimmt.
Dabei liegt einer Verwendung eines Kalman-Filters folgendes
Prinzip zugrunde:
Ein Zeitverhalten eines technischen Systems in Form einer Zeitreihe von Zustandsgrößen, welche Zustände des technischen Systems beschreiben, läßt sich berechnen, wenn ein mathemati sches Modell, welches das technische System beschreibt, Ein gangsgrößen des technischen Systems und ein Anfangszustand des technischen Systems bekannt sind.
Ein Zeitverhalten eines technischen Systems in Form einer Zeitreihe von Zustandsgrößen, welche Zustände des technischen Systems beschreiben, läßt sich berechnen, wenn ein mathemati sches Modell, welches das technische System beschreibt, Ein gangsgrößen des technischen Systems und ein Anfangszustand des technischen Systems bekannt sind.
Werden die Eingangsgrößen und der Anfangszustand am techni
schen System gemessen, so liefert die Rechnung aufgrund von
einem Meßfehler, beispielsweise ein Meßfehler von einem Sen
sor oder eine unbekannte Eingangsgröße (Störgröße), im allge
meinen nur eine Näherung bzw. einen Schätzwert für die wahre
Zustandsgröße des technischen Systems.
Ein besserer Schätzwert für die wahre Zustandsgröße läßt sich
unter Verwendung von einer statistischen Methode (Wahrschein
lichkeitsrechnung) dann erzielen, wenn statistische Kennwerte
für den Meßfehler, beispielsweise ein Mittelwert des Meßfeh
lers und eine Streuung des Meßfehlers, bekannt sind. Der Meß
fehler wird dann als ein vektorieller Zufallsprozeß (stocha
stischer Prozeß) beschrieben. Diese Vorgehensweise wird als
eine stochastische Filterung bezeichnet.
Bei einer stochastischen Filterung durch das Kalman-Filter,
wie sie aus [1] bekannt ist, werden folgende Abbildungsvor
schriften verwendet:
= H T * x + cy (Meßgleichung, 1)
mit:
: skalare Beobachtung, Messung
x: wahre Zustandsgröße des technischen Systems, vektori ell
H T = Meßvektor transponiert
cy = stochastischer Fehler, stochastische Unsicherheit und
: skalare Beobachtung, Messung
x: wahre Zustandsgröße des technischen Systems, vektori ell
H T = Meßvektor transponiert
cy = stochastischer Fehler, stochastische Unsicherheit und
p = x + c p (2)
mit:
p: a priori Schätzwert der wahren Zustandsgröße
c p: stochastischer Fehler, vektoriell, stochastische Unsi cherheit, vektoriell
p: a priori Schätzwert der wahren Zustandsgröße
c p: stochastischer Fehler, vektoriell, stochastische Unsi cherheit, vektoriell
wobei der stochastische Fehler cy und der stochastische Feh
ler c p als mittelwertfreie m = 0 (für cy) und m = 0 (für c p),
unabhängige und Gaussverteilte Zufallsvariable mit bekannten
Kovarianzen Cy (für cy) und C p (für c p) gemäß folgender
Schreibweise (stochastischer Fehler c ∼ Normalverteilung
(Mittelwert m, Kovarianz C)) mit
cy ∼ N(0, Cy) und cp ∼ N(0, C p) angenommen werden.
cy ∼ N(0, Cy) und cp ∼ N(0, C p) angenommen werden.
Der Schätzwert für die wahre Zustandsgröße s ergibt sich
als
und die zugehörige Kovarianz C s als
mit:
Cy, C p, C s: Kovarianz bzw. Kovarianzvektor
H: Meßvektor.
Cy, C p, C s: Kovarianz bzw. Kovarianzvektor
H: Meßvektor.
Aus [2] ist eine Bestimmung eines mengenbasierten Fehlers ei
ner Zustandsgröße eines technischen Systems bekannt. Unter
Verwendung des mengenbasierten Fehlers und einer Abbildung,
welche das technische System beschreibt, kann eine Schätzgrö
ße für die wahre Zustandsgröße des technischen Systems ermit
telt werden.
Unter einem mengenbasierten Fehler (mengenbasierte Unsicher
heit) wird ein Fehler (Unsicherheit) verstanden, von welchem
lediglich ein Intervall, innerhalb dessen der mengenbasierte
Fehler liegt, bekannt ist. Im Gegensatz zu einem stochasti
schen Fehler sind bei dem mengenbasierten Fehler keine stati
stischen Kennwerte für den Fehler bekannt.
Ein mengenbasierter Fehler tritt beispielsweise bei einer
Quantisierung einer Meßgröße in einem Rechner auf.
Bei der Bestimmung des mengenbasierten Fehlers werden folgen
de Abbildungsvorschriften verwendet:
= G T * x + ey (Meßgleichung, 5)
mit:
: skalare Beobachtung, Messung
x: wahre Zustandsgröße des technischen Systems, vektori ell
G, G T: Meßvektor, Meßvektor transponiert
ey: mengenbasierter Fehler, mengenbasierte Unsicherheit und
: skalare Beobachtung, Messung
x: wahre Zustandsgröße des technischen Systems, vektori ell
G, G T: Meßvektor, Meßvektor transponiert
ey: mengenbasierter Fehler, mengenbasierte Unsicherheit und
p = x + e p (6)
mit:
p: a priori Schätzwert der wahren Zustandsgröße
e p: mengenbasierter Fehler, vektoriell, mengenbasierte Un sicherheit, vektoriell
wobei für ey und e p keine statistischen Kennwerte bekannt sind. Für ey und e p ist lediglich eine Amplitudenbegrenzung gemäß
p: a priori Schätzwert der wahren Zustandsgröße
e p: mengenbasierter Fehler, vektoriell, mengenbasierte Un sicherheit, vektoriell
wobei für ey und e p keine statistischen Kennwerte bekannt sind. Für ey und e p ist lediglich eine Amplitudenbegrenzung gemäß
mit:
Ey, E p, E -1|p: Amplitudenbegrenzung, Amplitudenbegrenzungs- Vektor bzw. inverse Vektor von Amplitudenbe grenzungen
bekannt.
Ey, E p, E -1|p: Amplitudenbegrenzung, Amplitudenbegrenzungs- Vektor bzw. inverse Vektor von Amplitudenbe grenzungen
bekannt.
Das heißt, daß eine individuelle statistische Beschreibung
der Zufallsvariablen ey und e p und deren Verbunddichte unbe
kannt sind. Daher kann der mengenbasierte Fehler beispiels
weise einen systematischen und/oder einen korrelierten Fehler
aufweisen.
Ein Schätzwert s für die wahre Zustandsgröße des Systems
ergibt sich als
und die zugehörige Matrix der Amplitudenbegrenzungen E s als
Der frei vorgebbare Parameter λ ∈ (0, ∞) kann so gewählt wer
den, daß ein geeignetes Gütekriterium, beispielsweise ein Vo
lumen einer Menge χs
minimiert wird.
Die bekannten Verfahren weisen insbesondere den Nachteil auf,
daß bei diesen Verfahren jeweils nur der stochastische Fehler
oder nur der mengenbasierte Fehler bei der Bestimmung eines
Schätzwertes berücksichtigt wird.
In vielen Fällen weist aber ein Meßwert (Beobachtung), der
für die Ermittlung eines Schätzwertes für eine wahre Zu
standsgröße eines technischen Systems verwendet wird, sowohl
einen stochastischen als auch einen mengenbasierten Fehler
auf.
Dies führt dazu, daß ein Schätzwert, der gemäß einem der be
kannten Verfahren bestimmt wird, in vielen Fällen eine große
Unsicherheit aufweist. Somit beschreibt ein solcher Schätz
wert einen Zustand des technischen System nur ungenau und un
zuverlässig.
Somit liegt der Erfindung das Problem zugrunde, ein Verfahren
und eine Anordnung sowie ein Speichermedium mit einem compu
terlesbaren Programm zur Ermittlung einer Zustandsgröße eines
technischen Systems anzugeben, welche Zustandsgröße einen Zu
stand des technischen Systems zuverlässiger und genauer be
schreibt als eine Zustandsgröße, welche gemäß den bekannten
Verfahren und Anordnungen sowie Speichermedien mit computer
lesbaren Programmen bestimmt wurde.
Das Problem wird durch das Verfahren und durch die Anordnung
sowie das Speichermedium mit den Merkmalen gemäß den unabhän
gigen Ansprüchen gelöst.
Bei einem Verfahren zur rechnergestützten Ermittlung einer
Zustandsgröße eines technischen Systems unter Verwendung ei
nes stochastischen Fehlers, welchen die zu ermittelnde Zu
standsgröße aufweist, wird ein erweiterter Fehler aus dem
stochastischen Fehler und einem mengenbasierten Fehler, wel
chen die zu ermittelnde Zustandsgröße aufweist, ermittelt.
Die Zustandsgröße wird unter Verwendung des erweiterten Feh
lers ermittelt.
Eine Anordnung zur rechnergestützten Ermittlung einer Zu
standsgröße eines technischen Systems unter Verwendung eines
stochastischen Fehlers, welchen die zu ermittelnde Zustands
größe aufweist, weist einen Prozessor auf, der derart einge
richtet ist, daß folgende Schritte durchführbar sind:
- - ein erweiterter Fehler ist aus dem stochastischen Fehler und einem mengenbasierten Fehler, den die zu ermittelnde Zustandsgröße aufweist, ermittelbar und
- - die Zustandsgröße ist unter Verwendung des erweiterten Fehlers ermittelbar.
Auf einem computerlesbaren Speichermedium ist ein Programm
gespeichert, das es einem Computer ermöglicht, nachdem es in
einen Speicher des Computers geladen worden ist, folgende
Schritte zur Ermittlung einer Zustandsgröße eines technischen
Systems unter Verwendung eines stochastischen Fehlers, wel
chen die zu ermittelnde Zustandsgröße aufweist, durchzufüh
ren:
- - ein erweiterter Fehler wird aus dem stochastischen Fehler und einem mengenbasierten Fehler, welchen die zu ermittelnde Zustandsgröße aufweist, ermittelt und
- - die Zustandsgröße wird unter Verwendung des erweiter ten Fehlers ermittelt.
Der besondere Vorteil der Erfindung liegt darin, daß durch
die Erfindung eine Schätzung einer wahren Zustandsgröße eines
technischen Systems verbessert wird. Dies wird insbesondere
dadurch erreicht, daß eine Unsicherheit, die eine Zustands
größe aufweist, welche unter Berücksichtigung sowohl des sto
chastischen Fehlers als auch des mengenbasierten Fehlers be
stimmt wird, im Vergleich zu einer Unsicherheit, die eine Zu
standsgröße aufweist, welche nur unter Berücksichtigung ent
weder des stochastischen oder des mengenbasierten Fehlers er
mittelt wird, kleiner ist.
Bevorzugte Weiterbildungen der Erfindung ergeben sich aus den
abhängigen Ansprüchen.
Weiterbildungen der Anordnung und des Speichermediums sind
insbesondere geeignet zur Realisierung von nachfolgend erläu
terten Weiterbildungen des erfindungsgemäßen Verfahrens.
Bei komplexen technischen Systemen kann die Zustandsgröße ei
ne mehrdimensionale Größe sein.
Für eine Minimierung des erweiterten Fehlers ist es vorteil
haft, den stochastischen Fehler und/oder den mengenbasierten
Fehler zu gewichten. Damit ist es möglich, einen Anteil des
stochastischen Fehlers und einen Anteil des mengenbasierten
Fehlers an dem erweiterten Fehler jeweils für ein technisches
System derart anzupassen, daß die Zustandsgröße einen Zustand
des technischen Systems zuverlässig beschreibt.
Für eine Verringerung einer Rechenzeit ist es von Vorteil,
die Zustandsgröße rekursiv bzw. durch eine Rekursion zu er
mitteln. Bei der Rekursion wird eine aktuelle Zustandsgröße
unter Verwendung einer zuvor ermittelten Zustandsgröße und
einer aktuellen Messung (Beobachtung) ermittelt. Diese Vorge
hensweise ist insbesondere von Vorteil, weil dadurch bei der
Ermittlung der aktuellen Zustandsgröße nicht alle zuvor
durchgeführten Messungen einzeln berücksichtigt werden müs
sen, sondern nur die zuvor ermittelte Zustandsgröße, welche
ihrerseits alle zuvor durchgeführten Messungen berücksich
tigt, berücksichtigt wird.
Die rekursive Ermittlung der Zustandsgröße weist ferner den
Vorteil auf, daß dadurch im Verlauf einer Zeitreihe, welche
aus den ermittelten Zustandsgrößen gebildet wird, die Zuver
lässigkeit der jeweils aktuell ermittelten Zustandsgröße im
Vergleich zu der Zuverlässigkeit der zuvor ermittelten Zu
standsgröße verbessert wird. Das heißt, daß eine Qualität ei
ner Schätzung eines Zustands eines technischen Systems im
Verlauf der Zeitreihe der ermittelten Zustandsgröße zunimmt.
Bevorzugt wird eine Kovarianz Sz des stochastischen Fehlers
unter Verwendung folgender Abbildungsvorschrift ermittelt:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
Bevorzugt wird eine Beschränkung Ez des mengenbasierten Feh
lers unter Verwendung folgender Abbildungsvorschrift ermit
telt:
mit:
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
λ: frei vorgebbarer Parameter.
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
λ: frei vorgebbarer Parameter.
In einer Weiterbildung wird die Zustandsgröße mz wie folgt
ermittelt:
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
Eine Weiterbildung weist ein Meßsystem auf, mit welchem eine
Meßgröße, unter Verwendung derer die Zustandsgröße ermittelt
wird, gemessen wird.
Bevorzugt wird eine Weiterbildung zur Positionsbestimmung für
ein dynamisches System, beispielsweise für einen mobilen Ro
boter, eingesetzt. Dies ist insbesondere von Vorteil, weil
durch die Erfindung die Positionsbestimmung des dynamischen
Systems verbessert wird.
Eine Ausgestaltung kann im Rahmen eines Navigationssystems
des dynamischen Systems, beispielsweise für einen mobilen Ro
boter, eingesetzt werden. Dabei wird die ermittelte Zustands
größen für die Navigation des dynamischen Systems verwendet.
Durch die verbesserte Schätzung eines Zustands des dynami
schen Systems, welche durch die Erfindung erreicht wird, wird
die Navigation des dynamischen Systems verbessert.
Ein Ausführungsbeispiel der Erfindung ist in Figuren darge
stellt und wird im weiteren näher erläutert.
Es zeigen
Fig. 1 Ablaufdiagramm für eine Positionsermittlung und eine
Navigation für einen mobilen Roboter.
Fig. 2 Zeitverlauf der ermittelten Zustandsgröße (ermittelte
Position), Zeitverlauf der wahren Zustandsgröße (wah
re Position), Zeitverlauf eines Vertrauensintervalls.
Fig. 3 Komponenten eines Systems für eine Positionsermitt
lung und für eine Navigation für einen mobilen Robo
ter.
Fig. 1 zeigt anhand eines Ablaufdiagramms ein Verfahren zu ei
ner Positionsermittlung und einer Navigation eines mobilen
Roboters. Die Positionsermittlung und die Navigation wird
mittels eines Navigationssystems, welches der mobile Roboter
aufweist, durchgeführt.
Die Positionsermittlung und die Navigation des mobilen Robo
ters ist ein rekursives mehrstufiges Verfahren 100, bei dem
unter Verwendung einer Meßgröße und einer zuvor ermittelten
Zustandsgröße des mobilen Roboters eine aktuelle Zustandsgrö
ße des mobilen Roboters ermittelt wird und bei dem unter Ver
wendung der aktuellen Zustandsgröße der mobile Roboter fort
bewegt und navigiert wird.
Das Verfahren zur Positionsermittlung und zur Navigation
weist, wie es in Fig. 1 dargestellt ist:
- - einen ersten Verfahrensschritt 110 auf, im Rahmen des sen eine Beobachtung bzw. eine Messung durchgeführt wird;
- - einen zweiten Verfahrensschritt 120 auf, im Rahmen dessen ein stochastischer Fehler ermittelt wird
- - einen dritten Verfahrensschritt 130 auf, im Rahmen dessen ein mengenbasierter Fehler ermittelt wird;
- - einen vierten Verfahrensschritt 140 auf, im Rahmen dessen ein erweiterter Fehler unter Verwendung des stochstischen und des mengenbasierten Fehlers ermit telt wird;
- - einen fünften Verfahrensschritt 150 auf, im Rahmen dessen die aktuelle Zustandsgröße aus dem erweiterten Fehler ermittelt wird;
- - einen sechsten Verfahrensschritt 160 auf, im Rahmen dessen die Navigation des mobilen Roboters in Abhän gigkeit der aktuellen Zustandsgröße durchgeführt wird.
Die aktuelle Zustandsgröße wird in einer Rückführung 170 als
die zuvor ermittelte Zustandsgröße als eine Eingangsgröße zu
dem zweiten Verfahrensschritt 120 zurückgeführt.
Fig. 3 zeigt schematisch die Komponenten für das Verfahren zur
Positionsermittlung und zur Navigation des mobilen Roboters
310.
In Fig. 3 ist ein Raum 300 dargestellt, in dem sich der mobile
Roboter 310 fortbewegt. Der mobile Roboter 310 weist einen
Abstandssensor 311 auf, mit welchem ein Abstand Db zu einem
Referenzkörper 312 zu einem Zeitpunkt k gemessen wird (erster
Verfahrensschritt 110).
Der Abstandssensor 311 ist mit einer Recheneinheit 313 derart
verbunden, daß ein Signal zu der Recheneinheit 313 übertragen
werden kann. Die Recheneinheit 313 weist einen Prozessor 314
und einen durch einen Bus 315 mit dem Prozessor 314 verbunde
nen Speicher 316 auf. In dem Speicher 316 ist das nachfolgend
beschriebene Verfahren zur Positionsermittlung in Form eines
Computerprogramms gespeichert und wird von dem Prozessor 314
ausgeführt.
Eine Position des mobilen Roboters 310 ist durch eine eindi
mensionale Koordinate z, welche eine Zustandsgröße des mobi
len Roboters 310 ist, beschreibbar.
Eine Messung 110 (erster Verfahrensschritt 110) erfolgt der
art, daß in einem vorgegeben zeitlichen Abstand von 0.1 s je
weils zu einem Zeitpunkt k der Abstand Db von dem mobilen Ro
boter 310 zu dem Referenzkörper 312 mittels des Abstandssen
sors 311 gemessen wird.
Die Position des Referenzkörpers 312 bezüglich der eindimen
sionalen Koordinate z ist bekannt, wobei die Position des Re
ferenzkörpers 312 eine unbekannte Toleranz aufweist:
zB = B + ΔzB (16)
mit:
ΔzB, unbekannte, intervall-begrenzte Toleranz der Position des Referenzkörpers
b: Beschränkung für die Toleranz des Referenzkörpers
zB: Position des Referenzkörpers
B: wahre Position des Referenzkörpers.
ΔzB, unbekannte, intervall-begrenzte Toleranz der Position des Referenzkörpers
b: Beschränkung für die Toleranz des Referenzkörpers
zB: Position des Referenzkörpers
B: wahre Position des Referenzkörpers.
Die unbekannte Toleranz des Referenzkörpers 312 ΔzB stellt
einen mengenbasierten Fehler (Unsicherheit) bei der Position
sermittlung des mobilen Roboters 310 dar.
Ferner weisen Signale des Abstandssensor 311 ein überlagertes
weißes Gaußsches-Rauschen auf, welches durch einen Mittelwert
Null und eine bekannte Varianz σ, welche Varianz σ von ei
ner Oberflächencharakteristik des Referenzkörpers 312 ab
hängt, beschreibbar ist.
Das weiße Gaußsche-Rauschen stellt einen stochastischen Feh
ler c (Unsicherheit) bei der Positionsermittlung des mobilen
Roboters 310 dar.
Die stochastische Unsicherheit c wird im folgenden mit
c ∼ N(Mittelwert = 0, Varianz = σ) beschrieben, wobei der
Ausdruck N(m, σ) eine Normalverteilung mit den statistischen
Kennwerten Mittelwert m und Varianz σ bedeutet.
Im folgenden wird angenommen, daß der stochastische Fehler c
und der mengenbasierte Fehler e additiv sind.
Ein erweiterter Fehler f läßt sich wie folgt beschreiben:
f = f(c + e).
Fig. 3 zeigt eine Bewegungsrichtung 317 des mobilen Roboters
310, die normal zu der Koordinate z ist, bei einer Messung
110. Eine Zeitdauer der Messung beträgt 100 s, wobei k = 1,
. . ., 1000 Abstandswerte Dk bestimmt (beobachtet) und zu einer
Zeitreihe gruppiert werden.
Der Positionsermittlung des mobilen Roboters 310 liegen fol
gende Prinzipien zugrunde:
Eine Messung yk zu dem Zeitpunkt k wird beschrieben durch:
yk = z + ek + ck (18)
bzw.
yk = zB + Dk = zd + ΔzB + ck (19)
mit:
ek, ck: mengenbasierter Fehler, stochastischer Fehler
zd: wahrer Abstand des mobilen Roboters zum Referenz körper
Ek: Beschränkung für den mengenbasierten Fehler
wobei folgendes gilt:
ek, ck: mengenbasierter Fehler, stochastischer Fehler
zd: wahrer Abstand des mobilen Roboters zum Referenz körper
Ek: Beschränkung für den mengenbasierten Fehler
wobei folgendes gilt:
e 2|k ≦ Ek, mit Ek = E = 1 und ek = e = -0,5;
ck ∼ N(0, σ), mit σ = 3
z = 12.
Die rekursive Ermittlung der Zustandsgröße wird auf folgende
Weise initialisiert:
m(1) = y1 (20)
E(1) = E1 (21)
S(1) = σ2 (22).
Die rekursive Ermittlung der Zustandsgröße mz erfolgt nach
folgender Vorschrift:
mx = m(k - 1) (23)
Ex = E(k - 1) (24)
Sx = S(k - 1) (25)
und
my = yk (26)
Ey = Ek (27)
Sy = σ2 (28)
wobei:
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße einer Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers der Be obachtung x, Beschränkung des mengenbasierten Feh lers der Beobachtung x
Sx, Sy: Kovarianz des stochastischen Fehlers der Beobach tung x, Kovarianz des stochastischen Fehlers der Beobachtung y.
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße einer Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers der Be obachtung x, Beschränkung des mengenbasierten Feh lers der Beobachtung x
Sx, Sy: Kovarianz des stochastischen Fehlers der Beobach tung x, Kovarianz des stochastischen Fehlers der Beobachtung y.
Für die Zustandsgröße mz, für die Kovarianz des stochasti
schen Fehlers Sz der Zustandsgröße mz und für die Beschrän
kung des mengenbasierten Fehlers Ez der Zustandsgröße mz er
gibt sich (zweiter bis fünfter Verfahrensschritt):
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
λ: frei vorgebbarer Parameter.
Ein erweiterter Fehler fz ergibt sich durch Addition des sto
chastischen Fehlers cz der Zustandsgröße mz und des mengenba
sierten Fehlers ez der Zustandsgröße mz:
fz = cz + ez.
Unter Verwendung des erweiterten Fehlers ez läßt sich die Zu
standsgröße mz wie folgt ermitteln:
mz = mz(fz) = mz(cz + ez)
mit:
wx, wy: Gewichte
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wx, wy: Gewichte
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
Der frei vorgebbare Parameter λ wird derart bestimmt, daß
folgende Beziehung minimiert wird:
√E + a√S) → min (29)
mit:
a: Gewichtungsparameter, hier a = 3.
a: Gewichtungsparameter, hier a = 3.
Die Minimierung erfolgt numerisch unter Verwendung eines be
kannten Optimierungsverfahren der "goldene Schnitt".
Durch eine geeignete Wahl des Gewichtungsparameters a werden
der stochastische Fehler cz und der mengenbasierte Fehler ez
gewichtet.
Die ermittelte Zustandsgröße stellt eine Schätzung für die
Position des mobilen Roboters dar. Unter Verwendung der er
mittelten Zustandsgröße wird der mobile Roboter fortbewegt
(sechster Verfahrensschritt 160).
Fig. 2a bis 2c zeigt einen Zeitverlauf der ermittelten Zu
standsgröße (ermittelte Position) m(k), den Zeitverlauf der
wahren Zustandsgröße (wahre Position) z und den Zeitverlauf
eines Vertrauensintervalls
Für beliebig viele Meßzeitpunkte k konvergiert das Vertrau
ensintervall zu folgendem Intervall:
Die im Rahmen des Ausführungsbeispiels beschriebenen Abbil
dungen bzw. Beziehungen sind nicht auf einen konkreten Fall
beschränkt, sondern basieren auf folgenden Überlegungen:
Eine Beobachtung/Messung einer Zustandsgröße eines Systems weist einen stochastischen Fehler (Unsicherheit) c bzw. cx, cy und einen mengenbasierten Fehler (Unsicherheit) e bzw. ex, ey auf. Der stochastische Fehler c und der mengenbasierte Fehler e sind additiv und können zu einem erweiterten Fehler f = f(c + e) zusammengefaßt werden.
Eine Beobachtung/Messung einer Zustandsgröße eines Systems weist einen stochastischen Fehler (Unsicherheit) c bzw. cx, cy und einen mengenbasierten Fehler (Unsicherheit) e bzw. ex, ey auf. Der stochastische Fehler c und der mengenbasierte Fehler e sind additiv und können zu einem erweiterten Fehler f = f(c + e) zusammengefaßt werden.
Eine Beobachtung x und eine Beobachtung y der Zustandsgröße z
läßt sich wie folgt beschreiben.
x = z + ex + cx (30)
y = z + ey + cy (31)
mit:
wobei:
Ex, Ey: Beschränkungen für den mengenbasierten Fehler.
Ex, Ey: Beschränkungen für den mengenbasierten Fehler.
Die Beobachtung x und die Beobachtung y können beispielsweise
zwei Beobachtungen der Zustandsgröße z zu einem Zeitpunkt
(k-1) und k sein.
Ferner gilt für den mengenbasierten Fehler:
wobei:
wx + wy = 1 (39)
wx, wy: Gewichte
λ ∈ [- 0,5; 0,5]
λ: frei vorgebbarer Parameter
d: Streckungsfaktor
Pz: Zwischengröße.
λ ∈ [- 0,5; 0,5]
λ: frei vorgebbarer Parameter
d: Streckungsfaktor
Pz: Zwischengröße.
Unter Verwendung des frei vorgebbaren Parameters λ können die
Beobachtung x und die Beobachtung y gewichtet werden.
Eine unter Verwendung der Beobachtung x und der Beobachtung y
ermittelte Zustandsgröße mz wird wie folgt bestimmt:
Ein erweiterter Fehler fz ergibt sich durch Addition des sto chastischen Fehlers cz der Zustandsgröße mz und des mengenba sierten Fehlers ez der Zustandsgröße mz:
Ein erweiterter Fehler fz ergibt sich durch Addition des sto chastischen Fehlers cz der Zustandsgröße mz und des mengenba sierten Fehlers ez der Zustandsgröße mz:
fz = cz + ez.
Unter Verwendung des erweiterten Fehlers fz läßt sich die Zu
standsgröße mz wie folgt ermitteln:
mz = mz(fz) = mz(cz + ez)
mit:
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wobei die Kovarianz des stochastischen Fehlers Sz der ermit
telten Zustandsgröße mz und die Beschränkung des mengenba
sierten Fehlers Ez der ermittelten Zustandsgröße mz nach fol
genden Vorschriften bestimmt werden:
mit:
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
λ: frei vorgebbarer Parameter.
Im folgenden werden Alternativen des Ausführungsbeispiels an
gegeben.
Anstelle der eindimensionalen Zustandsgröße z oder der eindi
mensionalen Beobachtung x oder y kann auch eine mehrdimensio
nale Zustandsgröße, beispielsweise die Koordinate
z und ein Drehwinkel der mobilen Einheit, oder eine mehrdi
mensionale Beobachtung verwendet werden. Die Abbildungsvor
schriften können entsprechend angepaßt werden.
Eine Optimierungsbedingung zur Bestimmung des frei vorgebba
ren Parameter λ, mit welcher der stochstische Fehler und der
mengenbasierte Fehler gewichtet werden, kann auch folgender
maßen gewählt werden:
Ek + b * Sk) → min (40)
mit b = Gewichtungsparameter.
Im Rahmen dieses Dokuments wurden folgende Veröffentlichungen
zitiert:
[1] K. Brammer, G. Siffling, "Kalman-Bucy-Filter", S. 60-129, 4. verb. Auflage, R. Oldenburg Verlag GmbH, ISBN 3- 486-22779-3, München 1994;
[2] U. Hanebeck, "Lokalisierung eines mobilen Roboters mit tels effizienter Auswertung von Sensordaten und mengenba sierter Zustandsschätzung", S. 6-28, Fortschrittsbe richte VDI, Reihe 8, Nr. 643, VDI Verlag GmbH, ISBN 3-18- 364308-1, Düsseldorf 1997.
[1] K. Brammer, G. Siffling, "Kalman-Bucy-Filter", S. 60-129, 4. verb. Auflage, R. Oldenburg Verlag GmbH, ISBN 3- 486-22779-3, München 1994;
[2] U. Hanebeck, "Lokalisierung eines mobilen Roboters mit tels effizienter Auswertung von Sensordaten und mengenba sierter Zustandsschätzung", S. 6-28, Fortschrittsbe richte VDI, Reihe 8, Nr. 643, VDI Verlag GmbH, ISBN 3-18- 364308-1, Düsseldorf 1997.
Claims (21)
1. Verfahren zur rechnergestützten Ermittlung einer Zustands
größe eines technischen Systems unter Verwendung eines
stochastischen Fehlers, welchen die zu ermittelnde Zu
standsgröße aufweist,
dadurch gekennzeichnet, daß
- - ein erweiterter Fehler aus dem stochastischen Fehler und einem mengenbasierten Fehler, welchen die zu ermit telnde Zustandsgröße aufweist, ermittelt wird und
- - die Zustandsgröße unter Verwendung des erweiterten Fehlers ermittelt wird.
2. Verfahren nach Anspruch 1,
bei dem die Zustandsgröße eine mehrdimensionale Größe ist.
3. Verfahren nach Anspruch 1 oder 2,
bei dem der stochastische Fehler und/oder der mengenbasierte
Fehler gewichtet werden.
4. Verfahren nach einem der Ansprüche 1 bis 3,
bei dem die Zustandsgröße rekursiv ermittelt wird.
5. Verfahren nach einem der Ansprüche 1 bis 4,
bei dem eine Kovarianz Sz des stochastische Fehlers unter
Verwendung folgender Abbildungsvorschrift ermittelt wird:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
6. Verfahren nach einem der Ansprüche 1 bis 5,
bei dem eine Beschränkung Ez des mengenbasierten Fehlers un
ter Verwendung folgender Abbildungsvorschrift ermittelt wird:
mit:
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
λ: frei vorgebbarer Parameter.
mit:
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
λ: frei vorgebbarer Parameter.
7. Verfahren nach einem der Ansprüche 1 bis 6,
bei dem die Zustandsgröße mz unter folgender Abbildungsvor
schrift ermittelt wird:
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
8. Verfahren nach einem der Ansprüche 1 bis 7,
bei dem eine Meßgröße gemessen wird und unter Verwendung der
Meßgröße die Zustandsgröße ermittelt wird.
9. Verfahren nach einem der Ansprüche 1 bis 8,
eingesetzt zu einer Positionsbestimmung des technischen Sy
stems.
10. Verfahren nach einem der Ansprüche 1 bis 9,
eingesetzt im Rahmen eines Navigationssystems des technischen
Systems.
11. Anordnung zur rechnergestützten Ermittlung einer Zustands
größe eines technischen Systems unter Verwendung eines
stochastischen Fehlers, welchen die zu ermittelnde Zu
standsgröße aufweist, mit einem Prozessor
dadurch gekennzeichnet, daß
der Prozessor derart eingerichtet ist, daß folgende Schritte durchführbar sind:
dadurch gekennzeichnet, daß
der Prozessor derart eingerichtet ist, daß folgende Schritte durchführbar sind:
- - ein erweiterter Fehler ist aus dem stochastischen Feh ler und einem mengenbasierten Fehler, welchen die zu er mittelnde Zustandsgröße aufweist, ermittelbar und
- - die Zustandsgröße ist unter Verwendung des erweiterten Fehlers ermittelbar.
12. Anordnung nach Anspruch 11,
bei der die Zustandsgröße eine mehrdimensionale Größe ist.
13. Anordnung nach Anspruch 11 oder 12,
bei der der stochastische Fehler und/oder der mengenbasierte
Fehler gewichtbar sind.
14. Anordnung nach einem der Ansprüche 11 bis 13,
bei der die Zustandsgröße rekursiv ermittelbar ist.
15. Anordnung nach einem der Ansprüche 11 bis 14,
bei der eine Kovarianz Sz des stochastischen Fehlers unter
Verwendung folgender Abbildungsvorschrift ermittelbar ist:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
16. Anordnung nach einem der Ansprüche 11 bis 15,
bei der eine Beschränkung Ez des mengenbasierten Fehlers un
ter Verwendung folgender Abbildungsvorschrift ermittelbar
ist:
mit:
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
λ: frei vorgebbarer Parameter.
mit:
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
λ: frei vorgebbarer Parameter.
17. Anordnung nach einem der Ansprüche 11 bis 16,
bei der die Zustandsgröße mz unter Verwendung folgender Ab
bildungsvorschrift ermittelbar ist:
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer, Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
mit:
wx, wy: Gewichte
mx, my: Zustandsgröße einer Beobachtung x, Zustandsgröße ei ner Beobachtung y
Ex, Ey: Beschränkung des mengenbasierten Fehlers einer, Beobachtung x, Beschränkung des mengenbasierten Fehlers einer Beobachtung y
Sx, Sy: Kovarianz des stochastischen Fehlers einer Beob achtung x, Kovarianz des stochastischen Fehlers ei ner Beobachtung y
exp(. . .): Exponentialfunktion
erf(. . .): Abbildungsvorschrift gemäß
18. Anordnung nach einem der Ansprüche 11 bis 17,
mit einem Meßsystem zur Messung einer Meßgröße, unter Verwen
dung derer die Zustandsgröße ermittelbar ist.
19. Anordnung nach einem der Ansprüche 11 bis 18,
eingesetzt zu einer Positionsbestimmung des technischen Sy
stems.
20. Anordnung nach einem der Ansprüche 11 bis 19,
eingesetzt im Rahmen eines Navigationssystems des technischen
Systems.
21. Computerlesbares Speichermedium, auf dem ein Programm ge
speichert ist, das es einem Computer ermöglicht, nachdem
es in einen Speicher des Computers geladen worden ist,
folgende Schritte durchzuführen zur Ermittlung einer Zu
standsgröße eines technischen Systems unter Verwendung ei
nes stochastischen Fehlers, welchen die zu ermittelnde Zu
standsgröße aufweist,
dadurch gekennzeichnet, daß
dadurch gekennzeichnet, daß
- - ein erweiterter Fehler aus dem stochastischen Fehler und einem mengenbasierten Fehler, welchen die zu ermit telnde Zustandsgröße aufweist, ermittelt wird und
- - die Zustandsgröße unter Verwendung des erweiterten Fehlers ermittelt wird.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999115009 DE19915009C2 (de) | 1999-04-01 | 1999-04-01 | Verfahren, Anordnung und ein computerlesbares Speichermedium zur rechnergestützen Ermittlung einer Zustandsgröße eines technischen Systems |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
DE1999115009 DE19915009C2 (de) | 1999-04-01 | 1999-04-01 | Verfahren, Anordnung und ein computerlesbares Speichermedium zur rechnergestützen Ermittlung einer Zustandsgröße eines technischen Systems |
Publications (2)
Publication Number | Publication Date |
---|---|
DE19915009A1 true DE19915009A1 (de) | 2000-11-02 |
DE19915009C2 DE19915009C2 (de) | 2001-09-27 |
Family
ID=7903348
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
DE1999115009 Expired - Fee Related DE19915009C2 (de) | 1999-04-01 | 1999-04-01 | Verfahren, Anordnung und ein computerlesbares Speichermedium zur rechnergestützen Ermittlung einer Zustandsgröße eines technischen Systems |
Country Status (1)
Country | Link |
---|---|
DE (1) | DE19915009C2 (de) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110770646A (zh) * | 2017-06-30 | 2020-02-07 | 株式会社Lg化学 | 基板 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992006470A1 (en) * | 1990-09-28 | 1992-04-16 | N.V. Philips' Gloeilampenfabrieken | A method of, and system for, coding analogue signals |
DE19536601A1 (de) * | 1995-09-19 | 1997-03-20 | Teldix Gmbh | Navigationssystem für ein Fahrzeug, insbesondere für ein Landfahrzeug |
DE19630722A1 (de) * | 1996-07-30 | 1998-02-05 | Aerodata Flugmestechnik Gmbh | Satellitennavigationsempfangsgerät |
-
1999
- 1999-04-01 DE DE1999115009 patent/DE19915009C2/de not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO1992006470A1 (en) * | 1990-09-28 | 1992-04-16 | N.V. Philips' Gloeilampenfabrieken | A method of, and system for, coding analogue signals |
DE19536601A1 (de) * | 1995-09-19 | 1997-03-20 | Teldix Gmbh | Navigationssystem für ein Fahrzeug, insbesondere für ein Landfahrzeug |
DE19630722A1 (de) * | 1996-07-30 | 1998-02-05 | Aerodata Flugmestechnik Gmbh | Satellitennavigationsempfangsgerät |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110770646A (zh) * | 2017-06-30 | 2020-02-07 | 株式会社Lg化学 | 基板 |
CN110770646B (zh) * | 2017-06-30 | 2023-07-14 | 株式会社Lg化学 | 基板 |
Also Published As
Publication number | Publication date |
---|---|
DE19915009C2 (de) | 2001-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Munoz-Carpena et al. | Global sensitivity and uncertainty analyses of the water quality model VFSMOD-W | |
DE102015214338A1 (de) | Bestimmung einer Anordnungsinformation für ein Fahrzeug | |
DE102009043882B4 (de) | Vorrichtung und Verfahren zum Abschwächen von Mehrwegsignalen | |
DE102018124117A1 (de) | Verfahren zur Verfolgung eines Objekts | |
EP3740738B1 (de) | Verfahren zur positionsbestimmung eines fahrzeugs | |
DE60004709T2 (de) | Verfahren zur überprüfung einer abbildung eines vortrainierten neuronalen netzwerks für den gebrauch in sicherheitskritischer software | |
DE102016218080B3 (de) | Verfahren und Vorrichtung zum Bestimmen einer Kollisionswahrscheinlichkeit eines Fahrzeugs mit einem Objekt | |
DE102018207421A1 (de) | Verfahren und System zum Ermitteln einer erwarteten Vorrichtungskontur | |
DE102019209540A1 (de) | Verfahren und Vorrichtung zur optimalen Aufteilung von Testfällen auf unterschiedliche Testplattformen | |
Newbold et al. | Error mis-specification and spurious regressions | |
DE112019003929T5 (de) | Elektronische steuervorrichtung und aktualisierungssystem eines neuronalen netzes | |
DE102016116572A1 (de) | Ausrichtung von Punktwolken zur Modellierung von Innenräumen | |
DE19915009C2 (de) | Verfahren, Anordnung und ein computerlesbares Speichermedium zur rechnergestützen Ermittlung einer Zustandsgröße eines technischen Systems | |
DE102022114780A1 (de) | Verfahren zum autonomen Fahrbetrieb eines Fahrzeugs | |
DE10023377C2 (de) | Verfahren zur Erhöhung der Leistungsfähigkeit einer Computereinrichtung bei Finite-Elemente-Simulationen und eine solche Computereinrichtung | |
WO2022012826A1 (de) | Verfahren und vorrichtung zum ermitteln einer kollisionswahrscheinlichkeit eines fahrzeugs mit einem objekt im dreidimensionalen raum | |
DE102021211743A1 (de) | Verfahren und Vorrichtung zum Bereitstellen von Tracking-Daten für die Erkennung der Bewegung von Personen und Händen zum Steuern mindestens einer Funktion eines Technischen Systems und Sensorsystem | |
WO2011036013A1 (de) | Verfahren und vorrichtung zum bestimmen der position eines wasserfahrzeugs | |
DE102020119498A1 (de) | Verfahren zum Schätzen einer Eigenbewegung eines Fahrzeugs anhand von Messungen eines Lidar-Sensors sowie Recheneinrichtung | |
DE102019214008A1 (de) | Verfahren und Vorrichtung zur Lokalisierung eines mobilen Agenten in einer Umgebung mit dynamischen Objekten | |
DE102020116027A1 (de) | Verfahren und Vorrichtung zur Ermittlung von Belegungsinformation für einen Umfeldpunkt auf Basis von Radardetektionen | |
DE102019219730A1 (de) | Verfahren und Vorrichtung zur modellbasierten Analyse | |
DE102020004836A1 (de) | Verfahren zur Objektverfolgung und Fusionierung von mindestens zwei Sensorsignalen, Steuereinrichtung zur Durchführung eines solchen Verfahrens, Fusionsvorrichtung mit einer solchen Steuereinrichtung und Kraftfahrzeug mit einer solchen Fusionsvorrichtung | |
DE102022123897B3 (de) | Verfahren zur rechnergestützten Erzeugung eines datengetriebenen Modells für die rechnergestützte Verarbeitung von digitalen SAR-Rohdaten | |
DE102021203131A1 (de) | Verfahren zur Positionsbestimmung eines Empfängers für ein Satellitennavigationssystem und Empfänger für ein Satellitennavigationssystem |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
OP8 | Request for examination as to paragraph 44 patent law | ||
D2 | Grant after examination | ||
8364 | No opposition during term of opposition | ||
8327 | Change in the person/name/address of the patent owner |
Owner name: HANEBECK, UWE, DR., 80993 MUENCHEN, DE |
|
8320 | Willingness to grant licences declared (paragraph 23) | ||
R119 | Application deemed withdrawn, or ip right lapsed, due to non-payment of renewal fee |
Effective date: 20131101 |