Gast
#5882788
Hallo zusammen! Ich habe ein mechanisches System mit einer Vielzahl von Sensoren (7 Stück). Um das System zu überwachen muss ich 3 Größen erfassen. Leider kann keiner der Sensoren die zu überwachenden Größen direkt erfassen, sondern jedes Signal ist eine Kombination aus verschiedenen Eingangssignalen. Kleines Beispiel mit dem Bild im Anhang: - Grünes Ausgangssignal ist das Graue Eingangssignal aber mit invertiertem AC-Anteil - Blaues Ausgangssignal lässt sich aus dem Orangenen und Schwarzen Eingangssignal bilden - Gelbes Ausgangssignal ist das Orangene Eingangssignal Leider sind die Zusammenhänge in der Realität viel komplexer und die Sensorwerte rauschen auch. Gut ist: Es ist ein Satz an "Trainingsdaten" vorhanden, bei dem ich sowohl Eingangs- als auch Ausgangswerte für alle Zustände habe! Welches Verfahren kann ich Anwenden um die Ausgangssignale aus einer Vielzahl von Eingangssignalen zu extrahieren? Eventuell reichen schon ein paar Stiwchworte, denn ich finde leider keinen Startpunkt. Ich habe bereits probiert, eine Matrix A [m*n] mit meinen Eingangssignalen [1*n] zu multiplizieren um auf die Ausgangssignale [m*1] zu kommen. Koeffizienten von A mittels Excel Solver bestimmt. Funktioniert leider nicht, da bspw. kein DC Anteil entfernt werden kann (eh klar). Ist eventuell ein Neuronales Netz richtig? Kalman Filter? Vielen Dank, Jake
