@PhdThesis{duepublico_mods_00070701,
  author = 	{Kardash MSc., Stanislav},
  title = 	{Bewertung des Regelverhaltens bei deterministisch-stochastischen Prozessst{\"o}rungen durch ein modellbasiertes Benchmark-Verfahren},
  year = 	{2019},
  month = 	{Nov},
  day = 	{08},
  abstract = 	{Die vorliegende Dissertation besch{\"a}ftigt sich mit der Erarbeitung der Methodik
zur Regelg{\"u}te-Bewertung von Regelkreisen, die durch deterministische sowie
kombinierte deterministisch-stochastische Einfl{\"u}sse gest{\"o}rt sind. Die Identifikation und eine Einf{\"u}hrung in die beobachtergest{\"u}tzte Fehlererkennung in komplexen St{\"o}rgr{\"o}{\ss}enmodellen sind ebenfalls eine Teilaufgabe dieser Arbeit.</br> Es wird ein systematischer Ablauf der St{\"o}rgr{\"o}{\ss}enidentikation und der Fehlererkennung vorgestellt, der iterativ angewendet werden kann. Die in dieser Arbeit vorgestellte Regelg{\"u}te-Bewertungsmethode bei deterministischer St{\"o}rgr{\"o}{\ss}e wird als Benchmark-Verfahren im Bezug auf eine H2-optimale Referenzregelung konzipiert. Bei einer kombinierten deterministisch-stochastischen St{\"o}rgr{\"o}{\ss}e wird der H2-optimale Benchmark-Regler f{\"u}r den deterministischen St{\"o}rgr{\"o}{\ss}enanteil zusammen mit dem konventionellen Minimum-Varianz-Regler f{\"u}r den stochastischen St{\"o}rgr{\"o}{\ss}enanteil angewendet. </br>Die L2-Norm des Signals wird dabei als Ma{\ss}zahl f{\"u}r die Berechnung des Regelg{\"u}te-Indexes verwendet. Die Methoden werden an Simulationsbeispielen sowie an realen industriellen Prozessdaten getestet.},
  doi = 	{10.17185/duepublico/70701},
  url = 	{https://duepublico2.uni-due.de/receive/duepublico_mods_00070701},
  url = 	{https://doi.org/10.17185/duepublico/70701},
  file = 	{:https://duepublico2.uni-due.de/servlets/MCRFileNodeServlet/duepublico_derivate_00070705/Diss_Kardash.pdf:PDF},
  language = 	{de}
}