Nutzung — Übersicht

Praktische Anleitungen, wie das Repo im realen Betrieb genutzt wird.

Inhalt

• UKF im Einsatz — Wie man den UKF für eine
  konkrete Anlage konfiguriert: adm1da_full_spec()-Factory, ObservationModel-Kanäle, MeasurementCalendar für sparse Lab-Messungen, Online-Schleife.
• Twin-Experimente — End-to-End-Validierung gegen
  eine bekannte Wahrheit. Das vorgefertigte run_twin_experiment.py und Interpretation der Diagnose-Plots.
• Kalibrierungs-Artefakt — Wie das YAML-Format
  zwischen Kalibrierung und Schätzung aussieht und wie der Filter es beim Hochfahren aufträgt.

Gesamtbild

Im Live-Betrieb sieht der Datenfluss so aus:

Historische Messdaten ──► PyADM1ODE_calibration ──► kalibriertes Modell
                                                            │
Live-Sensoren ────────────────────────────────────► PyADM1ODE_estimate
                                                            │
                                                            ▼
                                                 Zustandsschätzung x_hat
                                                            │
                                                            ▼
                                                       Regler / UI

Schritte für ein neues Setup:

1. Plant über PyADM1ODE bauen — entweder die Beispiel-Builder
   build_simple_plant() / build_multi_stage_plant() aus example_plants/ oder einen eigenen über die PyADM1ODE-PlantConfigurator-API.
2. Kalibriertes Artefakt via load_artifact(...) einlesen und mit
   apply_to_plant(...) auf die Plant auftragen.
3. State-Vektor-Spec über die adm1da_full_spec()-Factory bauen,
   liefert alle 41 ADM1-States mit Observability-basierten Defaults. Substrat-Eingänge als InputSpec-Liste anhängen. Bei besonderer Sensorik per SensorQualityProfile einzelne Blöcke aufwerten.
4. Observation-Model mit den verfügbaren Sensorkanälen verdrahten.
   Eingebaute Extractor-Funktionen decken Q_gas, Q_ch4, P_el, P_th_used, stored_volume und State-Auslesungen ab.
5. MeasurementCalendar für die Sample-Rate-Verwaltung anhängen,
   wenn Messungen mit unterschiedlichen Raten kommen.
6. SR-UKF instanziieren (= aktueller UnscentedKalmanFilter),
   ukf.reset(x0, P0) mit realistischer Initial-Kovarianz, in der Online-Schleife abwechselnd predict() und update() aufrufen.
7. Vor Produktiv-Einsatz: Twin-Experiment laufen lassen, NIS-Mean
   und Coverage prüfen (siehe Twin-Experimente).