Intelligent Control
Intelligente Regelungen
5 LPjedes SemesterDEwird nicht mehr angeboten
Inhalte
Im Modul werden Kenntnisse über Künstliche Intelligenz, Data Mining und Wissensrepräsentation unter dem Blickwinkel der Automatisierung und Regelungstechnik vermittelt. Lehrinhalt von Element 1 (Vorlesung) und Element 2 (Übung): • Neuronale Netze • Neuronen und neuronale Netze in der Natur und ihre Approximation durch künstliche neuronale Netze • Netzwerkarchitekturen und neurale Lernalgorithmen für das Data Mining und die Anwendung in der Regelungstechnik • Anwendungsbeispiele für neuronale Netze in der Automatisierungs- und Regelungstechnik • Fuzzy-Regelung • Einführung und Grundlagen die Fuzzy-Set-Theorie • Fuzzy-logisches Schließen • Grundlagen der Fuzzy-Regelung • Fuzzy-Regler im Regelkreis • Neuro-Fuzzy-Systeme • Neuro-Fuzzy-Systeme • Methoden der künstlichen Intelligenz für die besondere Anwendung in der Automatisierungstechnik • Fuzzy-neural control: Ideen und Anwendungen • Anwendungsfelder für technische Expertensysteme • Möglichkeiten für die Realisierung von hybriden Regelungsstrukturen Lehrinhalt von Element 3 (Praktikum): • Praktikumsversuche zur Fuzzy-Regelung und Datenanalyse mit Neuronalen Netzen • Fuzzy-Regelung: Drehzahlregelung • Fuzzy-Regelung: Invertiertes Pendel • Signalschätzung mit Neuronalen Netzen • Neuronale Netze: Multilayer Perceptron Netze • Neuronale Netze: Radial Basis Netze
Lernziele
Nach der Teilnahme am Modul sind die Studierenden in der Lage • die Fuzzy-Set-Theorie zu erkennen • ein Verständnis für den Einsatz der Fuzzy-Logik in der Regelungstechnik zu entwickeln • die Funktionsweise künstlicher neuronaler Netze im Vergleich zum natürlichen Vorbild sich anzueignen und • erste einfache Neuro- und Fuzzy-Anwendungen zu entwickeln
Prüfungsleistung
Voraussetzung: • In der Übung sind zwei von drei schriftlichen Aufgabenstellungen erfolgreich (mit 50% der erreichbaren Punkte) zu bearbeiten. • Im Praktikum sind die 3 Praktikumsversuche erfolgreich zu bearbeiten. Modulprüfung: • mündlich (40 Minuten)
Literatur (6)
- Schulz, G.: Regelungstechnik 2, 2. Auflage, Oldenbourg, 2008.
- Borgelt, Ch.; Klawoon, F.; Kruse, R., Nauck, D.: Neuro-FuzzySysteme, 3. Auflage, Vieweg, 2003.
- M. Haun: "Simulation neuronaler Netze: eine praxisorientierte Einführung", expert-Verl., 1998
- Stoica-Klüver, Ch.; Klüver, J.; Schmidt, J.: Modellierung komplexer Prozesse durch naturanaloge Verfahren, ViewegTeubner, 2009.
- Nie, J.; Linkens, D.: Fuzzy-Neural Control, Prentice Hall, 1995.
- Espinosa, J.; Vanderwalle, J.; Wertz, V.: Fuzzy Logic, Identification and Predictive Control, Springer, 2004.
Quelle: Modulbeschreibung der BTU · abgerufen 17.10.2026Original