dynamisches Verhalten anhand von Messdaten charakterisieren

[A. S. (rava)]

Hallo zusammen,
ich habe ein System aus einem (leicht) nichtlinearen Zustandsschätzer 
und dem dazugehörigen (leicht) nichtlinearen Sensor. Das Verhalten des 
Gesamtpaketes möchte ich Anhand eines zeitdiskreten 
Eingangs-Ausgangs-Messdatensatzes charakterisieren. Ich habe nur leider 
keinen Einfluss darauf, wie die Daten aussehen - ich muss nehmen, was 
vorliegt.

Neben stationärer Genauigkeit fällt mir ganz spontan der RMSE ein.
Aber wie bewerte ich das dynamische Verhalten? In der Theorie kommen 
Größen wie 90%-Rise-Time in Frage. Eine Sprunganregung ist aber nicht in 
meinen Messdaten enthalten - da werden einfach kontinuierliche 
Trajektorien abgefahren. Theoretisch könnte ich eine 
Systemidentifikation durchführen, um die Zeitkonstante eines 
approximierenden PT1-Gliedes zu ermitteln. Das sagt mir etwas über die 
Trägheit des Systems. Allerdings gilt auch hier: hohe Frequenzen sind in 
den Anregedaten nur begrenzt enthalten.

Gibt's noch einen wissenschaftlicheren Ansatz?

[Stefan W. (bier16v)]

Naja, wenn die Messdaten mist sind, hilft dir auch keine Identifikation. 
Da wirst du auf Grund schlechter Kondition der Massdaten kein 
brtauchbares Ergebnis erzielen.
Um was für ein System (Sensor) handelt es sich?

A. S. schrieb:
> Gibt's noch einen wissenschaftlicheren Ansatz?

Modellbildung ;-)

[A. S. (rava)]

Stefan W. schrieb:
> Naja, wenn die Messdaten mist sind

ich würde nicht sagen, dass sie "Mist" sind. Im Gegenteil. Sie sind 
sogar sehr umfangreich. Und in geringen Mengen sind auch einigermaßen 
dynamische Bewegungen enthalten.


Aber ganz ehrlich. Wenn mir eine Annäherung als PT1-Glied ohne 
Verstärkung genügt (tut sie das? ist das sinnvoll?) dann habe ich doch 
nur eine Unbekannte, nämlich die Zeitkonstante. Und dafür dürften doch 
ein paar wenige Samples genügen, bei denen das Ziel nicht still steht.

Ich frag mich nur immer noch: ist das sinnvoll?




Der Anwendungsbereich ist Sensorfusion beim Objekttracking mithilfe von 
mehreren Kamerasensoren. Die Genauigkeit erhöht sich durch Glättung, 
aber wenn ich zu sehr glätte, leidet die Reaktivität des Systems.
Das würde ich gerne quantifizieren.

Die Objekte sind Menschen. Die mögen bekanntermaßen schnelle 
Beschleunigungen nicht. Außerdem muss die Bewegung so langsam sein, dass 
die Software in den Kameras noch folgen kann.

Stefan W. schrieb:
> Modellbildung ;-)

wird schwierig, da ich nicht wissen kann, was in den Kameras passiert.