Digitale Zwillinge werden in der Betriebsphase einer Maschine oder Anlage für verschiedene Fragestellungen
angewendet, bspw. für die Zustandserkennung. Voraussetzung dafür ist, dass der Digitale
Zwilling über Modelle des Anlagenverhaltens verfügt, die verschiedene Zustände, einschließlich von
Fehlerzustände, adäquat beschreiben. Ein wesentlicher Aspekt dabei ist die Identifikation der Modellparameter.
Dieser Beitrag dient der Analyse und Anpassung ausgewählter Optimierungsmethoden
(gradientenbasierter Verfahren und ein Partikelschwarmoptimierer) am Beispiel von Modellen für
Kompressoren und Turbinenanlagen. Dazu wird mit einem analytischen Ansatz ein Modell einer realen
Kompressoranlage erstellt. Um die Qualität der Optimierungsergebnisse vergleichen zu können,
wird eine Fehlermetrik eingeführt. Das Verhalten der Optimierer wird unter den folgenden realistischen
Fehlerszenarien ermittelt: Fehler in den Modellparametern, Rauschen, initialer Abstand vom
Optimum, fehlerhaft Messstellen (ohne und mit Detektion). Zur numerischen Bewertung der Identifizierbarkeit
werden zwei Kriterien eingeführt.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:77646 |
| Date | 27 January 2022 |
| Creators | Thiel, Robert, Jäkel, Jens, Schleifer, Kevin, Schulze, Rico |
| Contributors | Hochschule für Technik, Wirtschaft und Kultur Leipzig |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | info:eu-repo/semantics/publishedVersion, doc-type:conferenceObject, info:eu-repo/semantics/conferenceObject, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
| Relation | 978-3-910103-00-9, urn:nbn:de:bsz:l189-qucosa2-775789, qucosa:77578 |
Page generated in 0.0021 seconds