Neuronale Netze zur Kompensation stückweise stetiger Nichtlinearitäten in Regelungssystemen

Viele industrielle Prozesse enthalten stückweise stetige Nichtlinearitäten. Diese werden durch Reibung, Totzonen, Sättigungen, Hysterese u.a. verursacht. In diesem Beitrag wird ein neuronales Netzwerkkonzept zur Kompensation solcher stückweise stetigen Nichtlinearitäten mit bekannten Unstetigkeitsstellen vorgestellt. Neu ist dabei, dass zur Kompensation der unstetigen Nichtlinearitäten eine spezielle neuronale Netzwerkstruktur benutzt wird. Diese Art von mehrschichtigen Perzeptronen (Multilayer Perceptron - MLP) enthält spezielle Neuronen in der Zwischenschicht, die mit Sprungaktivierungsfunktionen bestückt sind. Die Kompensation der unstetigen Nichtlinearitäten erfolgt auf ähnliche Weise wie bei der Online-Trainingsmethode für die Systeminverse nach Psaltis. Dabei werden zwei Neuronale Netzwerke (NN) benötigt, ein 'normales' MLP zur Modellbildung der stetigen Nichtlinearität (z.B. Totzone) und ein 'spezielles' MLP zur Kompensation der stückweise stetigen Nichtlinearitäten.