基于最优实验设计识别机械压力机中的模型不确定性
机器学习
2021-04-16 v3 机器学习
最优化与控制
应用统计
摘要
在工程应用中，几乎所有过程都借助模型来描述。特别是成形机器在控制和状态监测方面严重依赖数学模型。这些机器在建模、制造和装配过程中的不准确性会引起模型不确定性，从而损害控制器的性能。本文提出一种利用参数识别、最优实验设计和假设检验来识别模型不确定性的方法。实验装置的特征在于最优传感器位置，使得特定模型参数能够以最小方差被确定。这允许计算置信区域，真实参数或来自不同测试集的参数估计必须落于其中。我们主张，在考虑其近似置信椭球的情况下，估计参数值中的不一致无法由数据不确定性解释，而是模型不确定性的指标。所提出的方法使用 3D 伺服压力机的一个部件进行了演示，这是一种将主轴与偏心伺服驱动相结合的多技术成形机器。
引用
@article{arxiv.1910.08408,
title = {Identification of Model Uncertainty via Optimal Design of Experiments Applied to a Mechanical Press},
author = {Tristan Gally and Peter Groche and Florian Hoppe and Anja Kuttich and Alexander Matei and Marc E. Pfetsch and Martin Rakowitsch and Stefan Ulbrich},
journal= {arXiv preprint arXiv:1910.08408},
year = {2021}
}