Einführung in die lineare modellprädiktive Regelung (MPC)
|
|
- Adolph Biermann
- vor 8 Jahren
- Abrufe
Transkript
1 Einführung in die lineare modellprädiktive Regelung (MPC) Seminararbeit von Susanne Bauer FAKULTÄT FÜR MATHEMATIK UND PHYSIK MATHEMATISCHES INSTITUT Datum: 24. April 2006 Betreuung: Prof. Dr. L. Grüne
2 Inhaltsverzeichnis 1 Einführung in die lineare MPC Einleitung Grundlegende Definitionen der Kontrolltheorie Lineare Kontrollsysteme Stabilisierungsproblem für lineare Kontrollsysteme Lineare MPC Modelle Zustandsmodelle Übertragungsfunktionen (transfer functions) Problemstellung der modellprädiktiven Regelung Grundidee von MPC Anwendungsbeispiele Wärmepumpe Destillationskolonne Literaturverzeichnis 18 I
3 II INHALTSVERZEICHNIS
4 Kapitel 1 Einführung in die lineare MPC 1.1 Einleitung Modellprädiktive Regelung oder auch Model (Based) Predictive Control (MBPC oder MPC) ist eine Methode, mit der Feedback Regler sowohl für lineare als auch für nichtlineare Systeme durch Verfahren der Online Optimierung berechnet werden können. Das heisst MPC ist eine Form der Regelung, die online über einen endlichen Zeithorizont das optimale Kontrollproblem löst, indem nur die erste Kontrollfunktion der berechneten Steuerfolge angewandt wird. Im nächsten Schritt wird dann der aktuelle Zustand als Anfangszustand betrachtet und die Online Berechnung mit verschobenem Zeithorizont fortgesetzt. Auf Grund ihrer großen Flexibilität ist MPC unter den modernen Regelungsalgorithmen wahrscheinlich die Methode mit den meisten praktischen Anwendungen. MPC eignet sich für beschränkte, multivariable Systeme und für Kontrollprobleme, bei denen die Offline Berechnung der Kontrollfunktion sehr schwierig oder sogar unmöglich ist. Einer der großen Vorteile von MPC ist seine Fähigkeit, die Beschränkungen des Systems zu behandeln, weswegen diese Verfahren sehr interessant für die Industrie sind. 1.2 Grundlegende Definitionen der Kontrolltheorie Lineare Kontrollsysteme Kontrollsysteme sind dynamische Systeme in kontinuierlicher oder diskreter Zeit, die von einem Parameter u R m abhängen, der sich abhängig von der Zeit und/oder dem Zustand des Systems verändern kann. Dieser Parameter kann entweder als Steuergröße verstanden werden, die von außen aktiv beeinflusst werden kann (z.b. Beschleunigung bei einem Fahrzeug) oder als Störung, die auf das System wirkt (z.b. Straßenunebenheiten bei einem Auto, Kursschwankungen bei Wechselkursen). Es handelt sich hier jedoch nicht um Kontrolle im Sinne von Überwachung, sondern um Einflussnahme von außen. Man spricht von Steuerung, wenn die Parameter u nur von der Zeit t abhängen und von Regelung, wenn die Parameter
5 2 Kapitel 1: Einführung in die lineare MPC u vom aktuellen Zustand x(t) abhängen. In der Vorlesung Kontrolltheorie 1 haben wir uns mit Kontrollsystemen beschäftigt, die in kontinuierlicher Zeit definiert sind und durch gewöhnliche Differenzialgleichungen beschrieben werden können. Solche Systeme sind durch Differenzialgleichungen der Form ẋ(t) = f(t, x(t), u(t)) (1.1) gegeben. Die Variable t R wird hierbei als Zeit aufgefasst, die Größe x(t) R n ist der Zustand und u(t) R m die Kontrolle oder der Kontrollwert zur Zeit t. Definition 1.1. Ein lineares zeitinvariantes Kontrollsystem mit Ausgang ist gegeben durch die Gleichung mit A R n n, B R n m und C R k n. ẋ(t) = Ax(t) + Bu(t), y(t) = Cx(t) (1.2) Stabilisierungsproblem für lineare Kontrollsysteme Ein weiterer Ansatz ist nun, statt die Kontrolle als Steuerung abhängig von t anzusetzen, eine Regelung zu wählen, in der wir die Kontrollfunktion in jedem Zeitpunkt zustandsabhängig als u(t) = F(x(t)) setzten. Hier soll nun diese Funktion F : R n R m bestimmt werden. Eine solche Funktion, die jedem Zustand einen Kontrollwert zuordnet, nennt man Feedback. Da unser System linear ist, wählen wir auch die Feedback Funktion F linear, also u = Fx für ein F R m n. Das System ist nun gegeben durch eine lineare zeitinvariante Differenzialgleichung der Form: ẋ(t) = Ax(t) + BFx(t) = (A BF)x(t), y(t) = Cx(t) (1.3) Definition 1.2. Gegeben sei ein lineares Kontrollsystem (1.2) ẋ(t) = Ax(t) + Bu(t), y(t) = Cx(t) mit Matrizen A R n n, B R m n und C R k n. Das (Feedback ) Stabilisierungsproblem für (1.2) besteht darin, eine lineare Abbildung F : R m R n (bzw. die dazugehörige Matrix F R m n ) zu finden, so dass die gewöhnliche Differenzialgleichung ẋ(t) = (A + BF)x(t), y(t) = Cx(t) asymptotisch stabil ist. Wir wollen nun einen Feedback Regler für lineare Kontrollsysteme mit dem Ansatz der modellprädiktiven Regelung bestimmen.
6 1.3. LINEARE MPC MODELLE Lineare MPC Modelle Das Prozessmodell ist der Grundstein von MPC. Das Modell sollte die Prozessdynamik voll erfassen und ebenfalls so aufgestellt werden, dass die Vorhersagen auch berechnet werden können. Gleichzeitig sollte es intuitiv sein und eine theoretische Analyse erlauben. Das Prozessmodell ist notwendig, um die vorhergesagten Ausgangsgrößen ŷ(t + k t) in einer zukünftigen Instanz zu kalkulieren. Die verschiedenen Strategien von MPC können zahlreiche Modelle benutzen, um die Beziehung zwischen den Ausgangsgrößen und den messbaren Inputs aufzuzeigen. Es kann ebenfalls ein Störungsmodell betrachtet werden, um das nicht durch das Prozessmodell wiedergespiegelte Verhalten wie auch nicht messbaren Inputs, Messgeräusche und Modellfehler zu beschreiben. Diese Modelle werden wir jedoch an dieser Stelle nicht berücksichtigen. Praktisch kann jede mögliche Form der Modellierung in einer MPC Formulierung verwendet werden, die folgenden sind jedoch am gebräuchlichsten: Zustandsmodelle Viele modellprädiktive Algorithmen verwenden im Gegensatz zu (1.2) auch zeitdiskrete Modelle. Das zu (1.2) analoge zeitdiskrete Modell ist gegeben durch x(t + 1) = Ax(t) + Bu(t), y(t) = Cx(t). (1.4) Hier ist sowohl die Kontrollfunktion u(t) als auch die Lösung x(t) nur für t Z definiert und die Dynamik ist durch eine Differenzengleichung gegeben. Setzt man in (1.2) eine Kontrollfunktion ein, die konstant auf Intervallen der Form [k, k + 1), k Z, ist, so liefern die beiden Modelle für t Z die gleichen Lösungen, wenn man A und B in (1.4) als e A und 1 0 e A(1 t) Bdt (1.5) wählt. Man kann also kontinuierliche Modelle in zeitdiskrete Modelle überführen und erhält so aus einer Differenzialgleichung ein zeitdiskretes Modell. Diese Modelle werden (lineare) Zustandsmodelle genannt. Die Vorhersage der Ausgangsgrößen ist für Zustandsmodelle gegeben durch k ŷ(t + k t) = Cˆx(t + k t) = C[A k x(t) + A i 1 Bu(t + k i t)]. Wenn Modelle dieser Form für ein gegebenes Problem bekannt sind und in einem gegebenen Algorithmus effizient verwendet werden können, werden normalerweise diese Modelle benutzt. i= Übertragungsfunktionen (transfer functions) Es kann jedoch sein, dass geeignete Zustandsmodelle nicht bekannt sind oder die Modelle sich aus strukturellen Gründen für gewisse Algorithmen nicht eignen. Aus diesen Gründen
7 4 Kapitel 1: Einführung in die lineare MPC gibt es weitere Modelle, die alternativ verwendet werden können. Es gibt eine Reihe von Modellen, in denen der Zustand x(t) gar nicht auftaucht, da sie direkt durch eine Abbildung von u nach y gegeben sind. Da x(t) dabei völlig vernachlässigt wird, fixiert man üblicherweise x 0 = 0, was für lineare Systeme keinen wesentlichen Informationsverlust bedeutet, da man die Ausgangsfunktion ỹ für x 0 0 durch Addition von Ce At x 0 bzw. CA t x 0 zu y erhalten kann. Die wahrscheinlich wichtigste Klasse solcher Modelle sind die Übertragungsfunktionen (transfer functions): Hierbei werden im kontinuierlichen Fall t R die Funktionen u und y zunächst durch ihre Laplace Transformationen û(s) = 0 u(t)e st dt, ŷ(s) = 0 y(t)e st dt (1.6) für s C dargestellt (Darstellung im Frequenzbereich). Die Transferfunktion ist dann die Abbildung G : C R l m, für welche die Relation ŷ(s) = G(s)û(s) (1.7) für x 0 = 0 gilt. Für die von (1.2) induzierte y u Relation gilt gerade G(s) = C(sId A) 1 B. Umgekehrt lassen sich zu jeder Übergangsfunktion G Matrizen A, B, C finden, so dass (1.2) das gleiche Verhalten wie G beschreibt. Im zeitdiskreten Fall t Z kann man analog vorgehen, wenn man statt der Laplace Transformation z Transformation verwendet. Ein anderes Modell dieser Art ist das sogenannte ARIMAX Modell, das aus der Zeitreihenanalyse stammt und bei dem die Beziehung zwischen y und u mittels einer Gleichung der Form a 0 y(t) + a 1 y(t 1) a ra y(t r a ) = b 0 u(t 1) + b 1 u(t 2) b r b u(t r b ) (1.8) beschrieben wird. Hierbei werden die Parameter a i und b i durch statistische Methoden aus dem gemessenen Systemverhalten geschätzt. Definiert man den Shift (Verzögerungs ) Operator q 1 mittels q 1 y(t) := y(t 1), die Potenz (q 1 ) k als k malige Ausführung dieses Opterators und die Polynome A(λ) = r a k=0 a kλ k sowie B(λ) = r b k=0 b kλ k, kann man (1.8) kurz als A(q 1 )y(t) = B(q 1 )u(t 1) (1.9) schreiben. Für ARIMAX Modelle ist die Vorhersage der Outputs gegeben durch ŷ(t + k t) = B(z 1 ) u(t + k t). A(z 1 ) Bemerkung 1.3. Es können ebenfalls nichtlineare Modelle verwendet werden, um den Prozess darzustellen. Das Problem hierbei ist, dass das Optimierungsproblem komplizierter wird. Wir werden Verfahren hierzu im weiteren Verlauf des Seminars kennen lernen.
8 1.4. PROBLEMSTELLUNG DER MODELLPRÄDIKTIVEN REGELUNG Problemstellung der modellprädiktiven Regelung Das Stabilisierungsproblem für lineare Kontrollsysteme bestand darin, eine Feedback Funktion F zu finden, so dass die gewöhnliche Differenzialgleichung (1.3) asymptotisch stabil ist, d.h. der Zustand x(t) soll in die Null gesteuert und dort gehalten werden. Das Problem des modellprädiktiven Ansatzes ist eine verallgemeinerte Form der Stabilisierung (tracking Problem). Das Ziel der modellprädiktiven Regelung ist, dass die zukünftigen Ausgangsgrößen y(t+k) einer vorgegebenen Referenztrajektorie w(t+k) folgen, d.h. die Abweichung der Ausgansgrößen y(t + k) von einer bekannten Referenztrajektorie w(t + k) soll innerhalb eines bestimmten Zeitfensters (Prädiktionshorizont N) minimiert werden, um den Prozess so nahe wie möglich an dieser Trajektorie zu halten. Dies kann man erreichen, indem man durch eine auf einem endlichen Horizont N zu berechnende Kontrollfolge u(t + k) Einfluss auf die zukünftigen Ausgangsgrößen nimmt. Dafür wird eine Zielfunktion J aufgestellt, die normalerweise von quadratischer Form ist. Die Sollwerttrajektorie w wird dabei als bekannt vorausgesetzt. Die prädizierten Regelgrößen y(t + k) werden hingegen abhängig von der gewählten Modellbeschreibung und den zu optimierenden zukünftigen Kontrollsignalen u(t+k) bzw. dem Vektor der zukünftigen Kontrollfunktionsänderungen u(t) = u(t) u(t 1) dargestellt. Abbildung 1.1: Problemstellung von MPC
9 6 Kapitel 1: Einführung in die lineare MPC Abbildung 1.2: MPC Strategie Schritt Grundidee von MPC Es sollen nun die zukünftigen Regelgrößen y(t+k) zur Zeit t über einen endlichen Horizont N unter Verwendung des Prozessmodells vorhergesagt werden. Dabei hängen diese prädizierten Ausgangsgrößen von bekannten Werten der Instanz t und den zukünftigen Kontrollsignalen u(t + k) ab, welche an das System ausgegeben und berechnet werden sollen. Die zukünftige Kontrollfolge wird durch Optimieren eines bestimmten Kriteriums berechnet, in den meisten Fällen durch Minimieren eines Zielfunktionals J. Vom aktuellen Zeitpunkt t ausgehend wird nun diese Zielfunktion über den Prädiktionshorizont N aufgestellt und mit geeigneten Optimierungsverfahren in Abhängigkeit der zukünftigen Kontrollfunktionen u(t + k) bzw. Kontrollfunktionsänderungen u minimiert. Schritt1: Berechne zur Zeit t eine Kontrollfolge u über einen zukünftigen endlichen Horizont N, durch Minimierung des Zielfunktionals N 2 N u J N (u, t) = δ(j)[ŷ(t + j t) w(t + j)] 2 + λ(j)[ u(t + j 1)] 2. (1.10) j=n 1 j=1 Diese Optimierung liefert also u(t), u(t + 1),..., u(t + N u 1). N 1 und N 2 sind das Minimum und das Maximum des Kostenhorizonts und N u ist der Kontrollhorizont, welcher nicht notwendigerweise mit dem maximalen Horizont zusammenfallen muss. N 1 und N 2 markieren also die Grenzen des Horizonts, in welchem es erwünscht ist, dass der Output der Referenz folgt. Falls jedoch der Kostenhorizont größer ist als der Kontrollhorizont (also N 2 > N u ), setze u(t) = 0. Die Koeffizienten δ(j) und λ(j) sind Folgen, die das Zukunftsverhalten berücksichtigen (normalerweise konstante Werte oder exponentielle Folgen). Die Optimierung läuft dabei über N 2 N zukünftige Ausgangsgrößen unter Berücksichtigung von N u Inkrementen des Kontrollsignals. In der Zielfunktion kann man folgendes berücksichtigen:
10 1.5. GRUNDIDEE VON MPC 7 Referenztrajektorie: Einer der Vorteile der prädiktiven Kontrolle ist, dass die Zukunftsentwicklung der Referenz a priori bekannt ist, d.h. das System kann reagieren bevor die Veränderung effektiv durchgeführt wird, was somit den Effekt der Verzögerung vermeidet. Die Zukunftsentwicklung oder Referenz r(t+ k) ist in vielen Anwendungen vorher bekannt. In manchen Anwendungen kann man, obwohl die Referenz sogar konstant ist, eine erkennbare Verbesserung in der Darstellung erhalten, indem man einfach die Instanz kennt, in der sich der Wert ändert. In der Minimierung (1.10) verwenden die meisten Methoden normalerweise eine Referenztrajektorie w(t + k), welche nicht notwendigerweise mit der realen Referenz übereinstimmen muss. Sie ist normalerweise eine gleichmäßige Approximation des aktuellen Wertes des Ausgangs y(t) zu der bekannten Referenz: w(t) = y(t) w(t + k) = αw(t + k 1) + (1 + α)r(t + k) k = 1...N (1.11) α ist dabei ein Parameter zwischen 0 und 1 (je näher bei der 1, desto gleichmäßiger die Approximation), welcher ein veränderlichen Wert ist, der die dynamische Resonanz des Systems beeinflusst. In Abbildung 1.3 wird die Form der Trajektorie gezeigt (für konstante Referenz r(t + k) und für zwei verschiedene Werte von α). Abbildung 1.3: Referenztrajektorie Beschränkungen: Konstruktive Gründe, wie z.b. Sicherheits oder Umweltgründe, können Grenzen in den Prozessvariablen verursachen (z.b. der Wasserpegel in Tanks, Wasserfluss in Rohrleitungen oder Maximaltemperaturen und druck). Weiterhin sind die Operationsbe-
11 8 Kapitel 1: Einführung in die lineare MPC dingungen aus grundlegenden ökonomischen Gründen durch den Schnittpunkt verschiedener Beschränkungen definiert, so dass das Kontrollsystem nahe an den Grenzen operieren wird. Zum Beispiel ist es für ein Wirtschaftsunternehmen, welches nur eine bestimmte Schadstoffmenge ausstoßen darf, wünschenswert, so nahe wie möglich an dieser vorgegebenen Grenze zu operieren. All das macht das Einführen von Beschränkungen in die Kostenfunktion notwendig. Normalerweise erhält man Grenzen in der Amplitude oder Veränderungen des Kontrollsignals und Beschränkungen in den Ausgangsgrößen durch: u min u(t) u max für alle t du min u(t) u(t 1) du max für alle t y min y(t) y max für alle t Durch Hinzufügen dieser Beschränkungen in die Zielfunktion wird die Minimierung komplexer, so dass die Lösung nicht explizit wie im unbeschränkten Fall berechnet werden kann. Von dem so ermittelten Vektor der optimalen Kontrollfunktionsänderungen u wird nun lediglich der erste Wert u(t + 1) an das System ausgegeben und angewendet. Die anderen werden verworfen. Der Horizont wird dann verschoben (receding horizon Konzept) und es wird für den jetzt aktuellen Zeitpunkt t + 1, der jetzt zu t wird, erneut eine Kontrollfolge des sich nun neu ergebenden optimalen Steuerungsproblems unter Verwendung des übernommenen ersten Wertes (neuer Anfangswert) berechnet. Diese Vorgehensweise kann nun iterativ angewandt werden bis schliesslich die optimale Steuerfolge bestimmt ist. Schritt2: Wende nur den ersten Wert u(t + 1) der berechneten Kontrollfolge an. Schritt3: Verschiebe den Prädiktionshorizont N (receding horizon Konzept). Schritt4: Berechne zur Zeit t + 1 erneut eine Kontrollfolge des nun neuen optimalen Steuerungsproblems (d.h. gehe zu (Schritt 1)), wenn optimale Kontrollfolge bestimmt, Ende.
12 1.5. GRUNDIDEE VON MPC 9 Abbildung 1.4: MPC Strategie Schritt 2 bis 4 Um diese Strategie zu implementieren, wird die Basisstruktur aus Abbildung 1.5 angewandt: Es wird ein Modell verwendet, um die zukünftigen Ausgangsgrößen vorherzusagen, und zwar basierend auf vergangenen und aktuellen Werten und den vorgeschlagenen optimalen zukünftigen Kontrollaktionen. Diese Aktionen werden unter Berücksichtigung der Kostenfunktion sowie der Beschränkungen vom Optimierungsalgorithmus kalkuliert. Beispiel 1.4. Die MPC Strategie ist der Kontrollstrategie, welche beim Autofahren verwendet wird, sehr ähnlich: Der Fahrer kennt die gewünschte Referenztrajektorie über einen endlichen Kontrollhorizont und entscheidet nun, welche Kontrollaktionen (Beschleunigung, Bremsen, Steuerung) gewählt
13 10 Kapitel 1: Einführung in die lineare MPC werden, um der gewünschten Trajektorie zu folgen. In jeder Instanz werden nur die ersten Kontrollaktionen verwendet, und die Prozedur wird für die nächste Kontrollentscheidung in einer Art von receding horizon Konzept wiederholt. Wenn man die klassischen Kontrollschemen benutzt (z.b. PIDs), basieren die Kontrollaktionen auf vergangenen Fehlern. Wenn man die Analogie zum Autofahren erweitert, wäre der PID Weg zum Autofahren äquivalent dazu, dass man nur die Spiegel benutzt wie es in Abbildung 1.5 dargestellt ist. Abbildung 1.5: Basisstruktur von MPC Abbildung 1.6: MPC Analogie
14 1.6. ANWENDUNGSBEISPIELE Anwendungsbeispiele Wärmepumpe Nun soll anhand einer Wärmepumpe die Temperatur eines Raumes geregelt werden. Das Ziel dabei ist, die Raumtemperatur T R nahe an ihrem Sollwert T R,soll zu halten. Es können dabei auch die Energieaufnahme der Wärmepumpe oder die Betriebskosten minimiert werden. Der Einfachheit halber beschränken wir uns hier jedoch nur auf die Regelung der Raumtemperatur. Wärmepumpe: Eine Wärmepumpe transportiert unter Einsatz von mechanischer Energie Wärmeenergie von einem tieferen auf ein höheres Temperaturniveau. Im Verdampfer fließt der Wärmestrom Q 1 bei der Temperatur T 1 von der Wärmequelle (z.b. Grundwasser, Umgebungsluft, Erdwärme) zu einem Fluid dem sogenannten Arbeitsmittel. Dadurch wird das Arbeitsmittel verdampft. Durch eine polytrope Kompression im Kompressor wird das gasförmige Arbeitsmittel auf die Temperatur T 2 weiter erhitzt. Im Kondensator wird das Gas auf Kondensationstemperatur T 1 abgekühlt und kondensiert unter Abgabe des Wärmestroms Q 2 an das System. Im Expansionsventil wird das Fluid durch eine polytrope Expansion wieder auf die Ausgangstemperatur T 1 gebracht. Eine schematische Darstellung einer Wärmepumpe ist in Abbildung zu sehen. Modell: Abbildung 1.7: Schematische Darstellung einer Wärmepumpe Es wird hier ein lineares Zustandsmodell verwendet. Die Vorlauf (T V L ), Rücklauf (T RL ), Boden (T B ) und Raumtemperaturen (T R ) sind die vier Zustandsgrößen. Die Eingangsgrößen sind das Stellsignal der Wärmepumpe (Q WP ), die Aussentemperatur (T A) und die durch Strahlung und Benutzerverhalten verursachten Wärmegewinne im Raum und im Bo-
15 12 Kapitel 1: Einführung in die lineare MPC den (Q g,b, Q g,r ). Die Ausgangsgrößen entsprechen den vier Zustandsgrößen. Grundlage für Abbildung 1.8: Gebäudeschema für Modellierung das Modell ist das Gebäudeschema in Abbildung 1.6.1: Ausgehend von der Wärmepumpe (W P) wird dem System durch den Heizwasservolumenstrom VWP (t) der Wärmestrom Q WP (t) zugeführt. Die Temperatur T V L(t) des von der Wärmepumpe in das Abgabesystem gelangenden Heizwassers ist hierbei die beeinflussbare Eingangsgröße des Systems. Das Heizwasser erwärmt nun den Boden (wir gehen von einer Fußbodenheizung aus). Der Wärmestrom Q HB (t) entzieht dabei dem Heizwasser Wärme und Q BR ist der Wärmestrom zwischen Boden und Raumluft. Zusätzliche Wärme kann durch Strahlung hauptsächlich solarer Herkunft, aber auch durch Beleuchtungskörper usw. auf den Boden übertragen werden. Dieser Störeingang wird durch Q g,b (t) dargestellt. Analog kann Wärme in der Raumluft gewonnen werden (Q g,r (t)). Durch den Heizwasservolumenstrom VWP (t) fliesst das Heizwasser, das jetzt auf die Temperatur T RL abgekühlt ist, zurück zur Wärmepumpe. Dort wird das Wasser wieder durch den Wärmestrom Q WP erhitzt. Der Kreislauf ist nun geschlossen. Auf Grund dieser Annahmen erhält man nun das folgende zeitkontinuierliche Modell: ẋ(t) = Ax(t) + Bu(t) (1.12) mit y(t) = Cx(t) (1.13) x(t) = [T RL (t) T B (t) T R (t)] T u(t) = [Q g,b (t) Q g,r (t) T A(t) Q WP (t)]t
16 1.6. ANWENDUNGSBEISPIELE 13 A = Φ RL1 Φ RL2 Φ RL1 Φ RL2 0 Φ B1 Φ RL2 Φ B1 (Φ RL2 + Φ B2 ) Φ B1 Φ B2 0 β R Φ B2 (β R Φ B2 + Φ RA ) B = Φ RL1 Φ B β R Φ RA 0 C = [1 0 0] T Die Parameter Φ und β enthalten dabei thermodynamische Größen, wie zum Beispiel die Dichte, das Volumen und die spezifische Wärmekapazität des Heizwassers/des Bodens/der Luft; spezifische Wärmedurchgangszahlen und beteiligte Oberflächen. Eine genaue Herleitung des Modells kann in [4] gefunden werden. Es soll nun ein optimaler Wärmestrom, der dem Heizwasser aus der Wärmepumpe zugeführt wird, berechnet werden, um die Raumtemperatur so gut wie möglich an ihrem Sollwert anzunähern und dort zu halten. Berechnung des Wärmebedarfs: Die Berechnung des optimalen Wärmestroms Q Bed (p), welcher dem Gebäude zugeführt werden soll, erfolgt mit einem diskreten LQ Folgeregelungsalgorithmus. Da die Werte Q g,b (t) und Q g,r (t) weder für den jetzigen noch für zukünftige Zeitpunkte bekannt sind, wollen wir diese hier der Einfachheit halber gleich Null setzen und aus dem Modell streichen. So erhält man das für die Optimierung relevante, zeitdiskrete System mit x p+1 = Fx p + G u Q Bed (p) + G v ˆ T A (p) (1.14) x p0 = x k = ˆx k k (1.15) y p = Hx p (1.16) G u = [Φ RL1 0 0] T G v = [0 0 Φ RA ] T Der Startwert der Zustandsgrößen x p0 ist dabei ein von einem Beobachter geschäzter Zustandsvektor ˆx k k. Der zukünftige Verlauf für die Störgröße T ˆ A wird von einer Wetterprognose berechnet. Die einzige Ausgangsgröße, welche im Gütekriterium vorkommt und daher prädiziert werden muss, ist die Raumtemperatur T R (p). Daraus ergibt sich H = [0 0 1] T. Die zu minimierende, quadratische Zielfunktion lautet nun: J(Q Bed ) = 1 2 k+n 1 p=k [Q p+1 (T R;soll (p + 1) T R (p + 1)) 2 + R p Q Bed (p)2 ] (1.17) Die Faktoren Q p und R p sind die zeitvariablen Gewichtungen für die Abweichung der Raumtemperatur T R (p) von ihrem Sollwert respektive für den zu optimierenden Wärmestrom Q Bed (p).
17 14 Kapitel 1: Einführung in die lineare MPC Abbildung 1.9: Simulationsergebnisse mit konstanter Aussentemperatur, ohne Störung Destillationskolonne Ein weiteres Anwendungsfeld von MPC ist die Regelung einer Destillationskolonne. Da die hier betrachteten Systeme sehr groß und nichtlinear sind, soll nur ein kurzer Einblick in dieses Problem gegeben werde. Destillationskolonne: Eine typische Anwendung in der chemischen Industrie ist die Auftrennung verschiedener Rohölfraktionen in einer Destillationskolonne in wiederum verschiedene Produktströme. Das Ziel dieses Produktionsschrittes ist die in Qualität und Quantität marktkonforme Herstellung verschiedener Zwischen und Endprodukte. Die betrachtete Kolonne hat mehrere Böden, die jeder wie eine einzelne Destillationskolonne arbeiten. Am untersten Boden (Sumpf) befindet sich ein Verdampfer, am obersten Boden (Kopf) ein Rückfluss Kondensator. In der Mitte wird z.b. eine Methanol/Ethanol Mischung zugeführt. Die Produkte werden nun in Kopf und Sumpf der Kolonne abgeführt. Der schematische Aufbau einer Destillationskolonne kann in Abbildung nachvollzogen werden. Das Ziel der Regelung ist eine hoch prozentige Reinheit der Ausgangsströme. Dies kann z.b. durch Steuerung der Rückströme mittels Kondensator und Verdampfer erreicht werden.
18 1.6. ANWENDUNGSBEISPIELE 15 Der in seiner Steuerung recht komplexe verfahrenstechnische Prozess kann jedoch über eine Vielzahl von Randbedingungen beeinflusst werden, wie z.b.: den jeweiligen Anteil der Rohölfraktionen die der Destillationskolonne am Boden und ggf. an Zwischenböden zugeführte Heizenergie und damit die Temperaturverteilung innerhalb der Kolonne der Wärmeabgabe aus dem System die mittlere Verweildauer des Gemisches in der Kolonne den Entnahmeort der jeweiligen Produkte den gewünschte Anteil der verschiedenen abgezogenen Produkte Modell: Das mathematische Modell besteht hier aus den Massen und stationären Energiebilanzen der einzelnen Böden, was zu einer großen Anzahl von gekoppelten nichtlinearen Differenzialgleichungen führt. Die betrachtete Kolonne hat mehrere Eingangs und Ausgangsgrößen, wovon einige als Stellgrößen und andere als Störgrößen angesehen werden sollen. Einige der Ausgänge sollen geregelt werden. Hierzu werden sowohl für den Gesamtprozess als auch für die unterlagerten Teilprozesse die physikalischen Gegebenheiten möglichst exakt nachbildende dynamische Modelle entwickelt. In diesem Fall sind das thermodynamische Verhalten (Siede und Kondensationsverhalten) der Komponenten, die zahlreichen Wärmeübergänge innerhalb des Systems, der Eintrag und der Abzug der verschiedenen Stoffströme, die Strömungsvorgänge in der Kolonne und erforderlichenfalls das chemische Reaktionsverhalten zu berücksichtigen. Wenn einzelne zur Erstellung des Prozessabbilds erforderliche Daten nicht messbar sind, müssen diese durch eine Zustandsschätzung aus anderen Größen abgeleitet werden. In der Abschätzung dieser Daten sowie in den systemimmanenten Unterschieden zwischen dem Prozessmodell und der physischen Wirklichkeit liegen Ungenauigkeiten, die durch ein Messrauschen nachgestellt werden. Vorgehensweise: Ziel der Regelung ist, durch geeignete Stellgrößen ŷ die Größen ˆx in ihrem Optimum zu halten. Die Kombination von Optimierungsalgorithmus und Modell kann durch Integration in einer gemeinsamen Matrix erfolgen. Hierzu muss sich das Modell in eine geeignete Matrix überführen lassen. Bei einfachen auch nichtlinearen Modellen ist dies zum Teil möglich. Dieser Weg verspricht vor allem kürzere Rechenzeiten durch die dann anwendbare vektorbasierte Lösung der Matrix. Allerdings sind die dabei entstehenden Programmstrukturen dann komplexer. Falls diese Vorgehensweise nicht möglich ist, bleibt die jeweils eigenständige Behandlung des Prozessmodells und des Optimierungsalgorithmus, indem diese nacheinander abgearbeitet werden. Der Vorteil liegt dabei in der Anwendbarkeit praktisch jedes verfügbaren und geeigneten Prozessmodells auch größerer Komplexität. Anwendung Destillationskolonne, ISR Stuttgart:
19 16 Kapitel 1: Einführung in die lineare MPC Abbildung 1.10: Schematische Darstellung einer Destillationskolonne Differenziell-Algebraische (DAE) Systeme: ẋ(t) = f(x(t), z(t), u(t), p) 82 differenzielle Zustände x 122 algebraische Zustände z 0 = g(x(t), z(t), u(t), p) 2 Kontrollen u (Rückfluss L vol, Heizleistung Q) 2 Parameter p (Zulaufstrom, konzentration) Regelungsziel: Temperaturen T 14, T 28 gegen Störungen in x und v konstant halten, ohne Beschränkungen zu verletzen. Vorgehensweise: 1. Schätze Zustand x 0 (und Parameter) aus Messungen 2. Löse in Echtzeit ein beschränktes Optimalsteuerungsproblem: unter min x,z,u t0 +T p t 0 L(x, z, u)dt + E(x(t 0 + T p )) x(t 0 ) x 0 = 0
20 1.6. ANWENDUNGSBEISPIELE 17 ẋ f(x, z, u) = 0, t [t 0, t 0 + T p ] g(x, z, u) = 0, t [t 0, t 0 + T p ] h(x, z, u) 0, t [t 0, t 0 + T p ] r(x(t 0 + T ro )) 0 3. Gib Kontrolle u 0 für Zeit δ an reale Anlage. Setze t 0 = t 0 + δ und gehe zu 1. Lösungsmethoden: direktes Mehrzielverfahren, iterativ durch SQP, Anfangswerteinbettung der Störung in lineare Nebenbedingung, Echtzeititeration Abbildung 1.11: Simulationsergebnisse Destillationskolonne
21
22 Literaturverzeichnis [1] L. Grüne, Skript zur Vorlesung Kontrolltheorie 1; Bayreuth, [2] E.F. Camacho, C. Bordons, Model Predictive Control; 2nd Ed., Springer Verlag, London, [3] M. Chidambram, Computer Control of Processes; Alpha Science, Pangbourne, [4] R.W. Wimmer, Regelung einer Wärmepumpenanlage mit Model Predictive Control; Dissertation, Zürich, [5] M. Detering, Modellgestützte Regelung von Stauhaltungssystemen und Laufwasserkraftanlagen; Dissertation, Aachen, [6] M. Diehl, Nichtlineare Modell Prädiktive Regelung einer Destillationskolonne; Vortrag DFG Schwerpunktprogramm Echtzeit Optimierung großer Systeme, Berlin,
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrInstitut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2
Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrThermodynamik Wärmeempfindung
Folie 1/17 Warum fühlt sich 4 warmes wesentlich heißer an als warme? Und weshalb empfinden wir kühles wiederum kälter als kühle? 7 6 5 4 2 - -2 32 32 Folie 2/17 Wir Menschen besitzen kein Sinnesorgan für
MehrKapitalerhöhung - Verbuchung
Kapitalerhöhung - Verbuchung Beschreibung Eine Kapitalerhöhung ist eine Erhöhung des Aktienkapitals einer Aktiengesellschaft durch Emission von en Aktien. Es gibt unterschiedliche Formen von Kapitalerhöhung.
MehrApproximation durch Taylorpolynome
TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrA2.3: Sinusförmige Kennlinie
A2.3: Sinusförmige Kennlinie Wie betrachten ein System mit Eingang x(t) und Ausgang y(t). Zur einfacheren Darstellung werden die Signale als dimensionslos betrachtet. Der Zusammenhang zwischen dem Eingangssignal
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
Mehr(1) Problemstellung. (2) Kalman Filter
Inhaltsverzeichnis (1) Problemstellung...2 (2) Kalman Filter...2 Funktionsweise... 2 Gleichungen im mehrdimensionalen Fall...3 Schätzung des Systemzustands...3 Vermuteter Schätzfehler... 3 Aktualisierung
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrDoing Economics with the Computer Sommersemester 2002. Excel Solver 1
Universität Bern Kurt Schmidheiny / Manuel Wälti Doing Economics with the Computer Sommersemester 2002 Excel Solver 1 Mit dem Solver unterstützt Excel eine Funktion, mit der u.a. komplex verschachtelte
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrBinäre Bäume. 1. Allgemeines. 2. Funktionsweise. 2.1 Eintragen
Binäre Bäume 1. Allgemeines Binäre Bäume werden grundsätzlich verwendet, um Zahlen der Größe nach, oder Wörter dem Alphabet nach zu sortieren. Dem einfacheren Verständnis zu Liebe werde ich mich hier besonders
MehrEntladen und Aufladen eines Kondensators über einen ohmschen Widerstand
Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der
MehrTheoretische Grundlagen der Informatik WS 09/10
Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3
MehrDas große ElterngeldPlus 1x1. Alles über das ElterngeldPlus. Wer kann ElterngeldPlus beantragen? ElterngeldPlus verstehen ein paar einleitende Fakten
Das große x -4 Alles über das Wer kann beantragen? Generell kann jeder beantragen! Eltern (Mütter UND Väter), die schon während ihrer Elternzeit wieder in Teilzeit arbeiten möchten. Eltern, die während
MehrStellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster
Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrOptimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
MehrVersuch 3. Frequenzgang eines Verstärkers
Versuch 3 Frequenzgang eines Verstärkers 1. Grundlagen Ein Verstärker ist eine aktive Schaltung, mit der die Amplitude eines Signals vergößert werden kann. Man spricht hier von Verstärkung v und definiert
MehrEinführung in. Logische Schaltungen
Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von
MehrÜbungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
MehrProtokoll des Versuches 7: Umwandlung von elektrischer Energie in Wärmeenergie
Name: Matrikelnummer: Bachelor Biowissenschaften E-Mail: Physikalisches Anfängerpraktikum II Dozenten: Assistenten: Protokoll des Versuches 7: Umwandlung von elektrischer Energie in ärmeenergie Verantwortlicher
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
Mehr8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht
8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrPhysik 4, Übung 11, Prof. Förster
Physik 4, Übung 11, Prof. Förster Christoph Hansen Emailkontakt ieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
MehrÜbung 5 : G = Wärmeflussdichte [Watt/m 2 ] c = spezifische Wärmekapazität k = Wärmeleitfähigkeit = *p*c = Wärmediffusität
Übung 5 : Theorie : In einem Boden finden immer Temperaturausgleichsprozesse statt. Der Wärmestrom läßt sich in eine vertikale und horizontale Komponente einteilen. Wir betrachten hier den Wärmestrom in
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrAZK 1- Freistil. Der Dialog "Arbeitszeitkonten" Grundsätzliches zum Dialog "Arbeitszeitkonten"
AZK 1- Freistil Nur bei Bedarf werden dafür gekennzeichnete Lohnbestandteile (Stundenzahl und Stundensatz) zwischen dem aktuellen Bruttolohnjournal und dem AZK ausgetauscht. Das Ansparen und das Auszahlen
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrJeopardy and andere Quizformate im bilingualen Sachfachunterricht Tipps zur Erstellung mit Powerpoint
Bilingual konkret Jeopardy and andere Quizformate im bilingualen Sachfachunterricht Tipps zur Erstellung mit Powerpoint Moderner Unterricht ist ohne die Unterstützung durch Computer und das Internet fast
MehrLernmaterial für die Fernuni Hagen effizient und prüfungsnah
Lernmaterial für die Fernuni Hagen effizient und prüfungsnah www.schema-f-hagen.de Sie erhalten hier einen Einblick in die Dokumente Aufgaben und Lösungen sowie Erläuterungen Beim Kauf erhalten Sie zudem
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrEM-Wellen. david vajda 3. Februar 2016. Zu den Physikalischen Größen innerhalb der Elektrodynamik gehören:
david vajda 3. Februar 2016 Zu den Physikalischen Größen innerhalb der Elektrodynamik gehören: Elektrische Stromstärke I Elektrische Spannung U Elektrischer Widerstand R Ladung Q Probeladung q Zeit t Arbeit
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrGuide DynDNS und Portforwarding
Guide DynDNS und Portforwarding Allgemein Um Geräte im lokalen Netzwerk von überall aus über das Internet erreichen zu können, kommt man um die Themen Dynamik DNS (kurz DynDNS) und Portweiterleitung(auch
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
Mehr8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht
8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren
MehrMORE Profile. Pass- und Lizenzverwaltungssystem. Stand: 19.02.2014 MORE Projects GmbH
MORE Profile Pass- und Lizenzverwaltungssystem erstellt von: Thorsten Schumann erreichbar unter: thorsten.schumann@more-projects.de Stand: MORE Projects GmbH Einführung Die in More Profile integrierte
MehrAnwendungsbeispiele. Neuerungen in den E-Mails. Webling ist ein Produkt der Firma:
Anwendungsbeispiele Neuerungen in den E-Mails Webling ist ein Produkt der Firma: Inhaltsverzeichnis 1 Neuerungen in den E- Mails 2 Was gibt es neues? 3 E- Mail Designs 4 Bilder in E- Mails einfügen 1 Neuerungen
MehrWÄRMEMESSUNG MIT DURCHFLUSSMENGENMESSER, TEMPERATURSENSOREN UND LOXONE
WÄRMEMESSUNG MIT DURCHFLUSSMENGENMESSER, TEMPERATURSENSOREN UND LOXONE INHALTSVERZEICHNIS Einleitung Anwendung Messaufbau Berechnung der Wärmemenge Loxone Konfiguration EINLEITUNG Dieses Dokument beschreibt
MehrKünstliches binäres Neuron
Künstliches binäres Neuron G.Döben-Henisch Fachbereich Informatik und Ingenieurwissenschaften FH Frankfurt am Main University of Applied Sciences D-60318 Frankfurt am Main Germany Email: doeben at fb2.fh-frankfurt.de
MehrGLEICH WEIT WEG. Aufgabe. Das ist ein Ausschnitt aus der Tausenderreihe:
GLEICH WEIT WEG Thema: Sich orientieren und operieren an der Tausenderreihe Klasse: 3. Klasse (Zahlenbuch nach S. 26-27) Dauer: 3-4 Lektionen Material: Tausenderreihe, Arbeitsblatt, evt. Plättchen Bearbeitung:
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrInstitut für Computational Engineering ICE. N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t. w w w. n t b.
Institut für Computational Engineering ICE N ä h e r d ra n a m S ys t e m d e r Te c h n i k d e r Z u ku n f t w w w. n t b. c h Rechnen Sie mit uns Foto: ESA Das Institut für Computational Engineering
MehrTutorial: Homogenitätstest
Tutorial: Homogenitätstest Eine Bank möchte die Kreditwürdigkeit potenzieller Kreditnehmer abschätzen. Einerseits lebt die Bank ja von der Vergabe von Krediten, andererseits verursachen Problemkredite
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrDas RSA-Verschlüsselungsverfahren 1 Christian Vollmer
Das RSA-Verschlüsselungsverfahren 1 Christian Vollmer Allgemein: Das RSA-Verschlüsselungsverfahren ist ein häufig benutztes Verschlüsselungsverfahren, weil es sehr sicher ist. Es gehört zu der Klasse der
MehrPhysik & Musik. Stimmgabeln. 1 Auftrag
Physik & Musik 5 Stimmgabeln 1 Auftrag Physik & Musik Stimmgabeln Seite 1 Stimmgabeln Bearbeitungszeit: 30 Minuten Sozialform: Einzel- oder Partnerarbeit Voraussetzung: Posten 1: "Wie funktioniert ein
MehrDie Beschreibung bezieht sich auf die Version Dreamweaver 4.0. In der Version MX ist die Sitedefinition leicht geändert worden.
In einer Website haben Seiten oft das gleiche Layout. Speziell beim Einsatz von Tabellen, in denen die Navigation auf der linken oder rechten Seite, oben oder unten eingesetzt wird. Diese Anteile der Website
MehrHandbuch zur Anlage von Turnieren auf der NÖEV-Homepage
Handbuch zur Anlage von Turnieren auf der NÖEV-Homepage Inhaltsverzeichnis 1. Anmeldung... 2 1.1 Startbildschirm... 3 2. Die PDF-Dateien hochladen... 4 2.1 Neue PDF-Datei erstellen... 5 3. Obelix-Datei
MehrLösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)
Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen
MehrMathematik. UND/ODER Verknüpfung. Ungleichungen. Betrag. Intervall. Umgebung
Mathematik UND/ODER Verknüpfung Ungleichungen Betrag Intervall Umgebung Stefan Gärtner 004 Gr Mathematik UND/ODER Seite UND Verknüpfung Kommentar Aussage Symbolform Die Aussagen Hans kann schwimmen p und
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
MehrRheinische Fachhochschule Köln
Inhaltsverzeichnis: 1.3 Schwerpunkte und Begriffe der MSR-Technik 2 1.3.1 Steuern, Regeln, Leiten 2 1.3.1.1 Steuern 2 1.3.1.2 Regeln 4 1.3.1.3 Leiten 6 1 von 8 1.3 Schwerpunkte und Begriffe der MSR-Technik
MehrEinrichten einer Festplatte mit FDISK unter Windows 95/98/98SE/Me
Einrichten einer Festplatte mit FDISK unter Windows 95/98/98SE/Me Bevor Sie die Platte zum ersten Mal benutzen können, muss sie noch partitioniert und formatiert werden! Vorher zeigt sich die Festplatte
MehrVergleichsklausur 12.1 Mathematik vom 20.12.2005
Vergleichsklausur 12.1 Mathematik vom 20.12.2005 Mit CAS S./5 Aufgabe Alternative: Ganzrationale Funktionen Berliner Bogen Das Gebäude in den Abbildungen heißt Berliner Bogen und steht in Hamburg. Ein
MehrMichelson-Interferometer & photoelektrischer Effekt
Michelson-Interferometer & photoelektrischer Effekt Branche: TP: Autoren: Klasse: Physik / Physique Michelson-Interferometer & photoelektrischer Effekt Cedric Rey David Schneider 2T Datum: 01.04.2008 &
MehrThermodynamik I. Sommersemester 2012 Kapitel 4, Teil 2. Prof. Dr.-Ing. Heinz Pitsch
Thermodynamik I Sommersemester 2012 Kapitel 4, Teil 2 Prof. Dr.-Ing. Heinz Pitsch Kapitel 4, Teil 2: Übersicht 4 Zweiter Hauptsatz der Thermodynamik 4.5 Entropiebilanz 4.5.1 Allgemeine Entropiebilanz 4.5.2
Mehr