@article{2021-Kroll_Fischer-at-Approx_Max_Likelihood_TS_Modelle,
  abstract = {Ist Wissen über die stochastischen Eigenschaften eines dynamischen Prozesses verfügbar, so kann dies zur Verbesserung der Modellparameterschätzung erücksichtigt werden. Dabei trifft die oft gemachte Annahme i.i.d. normalverteilter Zufallsgrößen bei technischen Systemen häufig nicht zu. Im Beitrag werden deshalb die Dichtefunktionen der Zufallsgrößen als Gaußsche Mischmodelle mittels eines Multistart-Expectation-Maximization-Algorithmus geschätzt. Da die Residualdichtefunktionen zu Beginn der Identifikation nicht verfügbar sind, werden diese aus der Streuung von Wiederholexperimenten approximativ ermittelt und zur Maximum-Likelihood-Schätzung von Takagi-Sugeno-Modellen genutzt. Wegen der ausgeprägten Multimodalität der resultierenden Likelihood-Funktion wird dazu Partikelschwarm-Optimierung eingesetzt. Die Vorgehensweise wird an einem industriellen servo-pneumatischen Linearantrieb demonstriert.},
  author = {Kroll, Andreas and Fischer, Jana},
  doi = {https://doi.org/10.1515/auto-2020-0142},
  interhash = {1248d3a03ad8f4831f09a461cfb34e94},
  intrahash = {635b606d856af335d369b09b32d97834},
  journal = {at -- Automatisierungstechnik},
  journaltitle = {Computational Intelligence},
  language = {german},
  mrtnote = {peer,FuzzyIdControl},
  number = 10,
  owner = {duerrbaum},
  pages = {858--869},
  title = {Zur approximativen Maximum-Likelihood-Schätzung dynamischer Multi-Modelle vom Typ Takagi-Sugeno: Methodik und Anwendung auf einen Servo-Pneumatikantrieb},
  volume = 69,
  year = 2021
}