Fehlerbehebung¶

Typische Probleme und Lösungen.

Installation¶

ImportError: No module named 'pyadm1'¶

Das Basis-Paket muss separat installiert sein:

pip install git+https://github.com/dgaida/PyADM1ODE.git

pythonnet schlägt fehl¶

pythonnet benötigt .NET-Runtime. Auf Windows ist dies meistens vorhanden, auf Linux:

sudo apt install mono-complete

Filter-Verhalten¶

NIS-Werte chronisch >> n_obs¶

Der Filter unterschätzt die Unsicherheit. Mögliche Ursachen:

• process_noise_std zu klein in einzelnen StateChannels.
• noise_std der ObservationChannels zu klein (Sensor-Rauschen unterschätzt).
• Modellfehler — z.B. ein nicht modellierter Inhibitor wirkt in der Realität.

Erste Maßnahme: process_noise_std jedes biologischen Channels um Faktor 2–3 erhöhen.

Filter konvergiert nicht zu sinnvollen Werten¶

• Initial-State prüfen: bei großem initialen Fehler dauert die Konvergenz
  typischerweise 10–15 Tage (siehe Haugen et al. 2014).
• Observability prüfen: ist der jeweilige Zustand mit der vorhandenen
  Sensorik überhaupt schätzbar? Siehe Observability-Literaturüberblick.
• Bounds prüfen: zu enge lower/upper-Bounds clippen aggressiv und
  unterdrücken Information.

LinAlgError aus _cholupdate-Downdate¶

Der Square-Root-UKF (filters/sr_ukf.py) speichert den Cholesky-Faktor \(S\) direkt. Im Update-Schritt wird ein Rank-1-Downdate \(S \to S'\) mit \(S'S'^\top = SS^\top - vv^\top\) gemacht. Wenn dieses Downdate fehlschlägt (\(S'\) wäre nicht mehr reell), heißt das: der Filter versucht mehr Information abzuziehen, als die Prior-Kovarianz bereitstellt. Mögliche Ursachen:

• Q (Process Noise) ist deutlich kleiner gesetzt als die tatsächliche
  Modellunsicherheit → Filter wird zu sicher, Updates kollidieren
• Sensor-Rauschen R zu klein angegeben → Filter „glaubt" der Messung
  zu sehr
• Bug im Messmodell (z.B. ein Extractor liefert systematisch falsche
  Werte und die Innovation passt nicht zur Cov-Struktur)

Anders als beim klassischen UKF ist dieser Fehler informativ: er sagt strukturell, wo das Problem liegt, statt mit Eigenvalue-Flooring zu maskieren.

Calibration-Artifact¶

ValueError: schema_version=999¶

Das Artefakt hat eine neuere Schema-Version als diese Runtime-Version unterstützt. Entweder Estimation-Paket aktualisieren oder die Calibration auf eine kompatible Version zurücksetzen.

apply_to_plant: viele "Übersprungen"-Warnungen¶

Das Artefakt referenziert Komponenten oder kinetische Parameter, die im aktuellen Plant-Build nicht existieren. Wenn das beim Hochfahren einer Produktion passiert, immer mit strict=True aufrufen — fail-fast statt silently halb angewendet.

Doku lokal bauen¶

mkdocs serve schlägt fehl¶

pip install -e ".[docs]"

stellt sicher, dass alle Doku-Abhängigkeiten (Material-Theme, i18n-Plugin, mkdocstrings, mermaid2) vorhanden sind.