Veranstaltungsarten (SWS)
Vorlesung: 2 │ Übung: 1 │ Praktikum: 0 │ Seminar: 0
Prüfungsnummer: ZKA 41138
Lehrform: Fernstudium-Kurs (mit Online-Materialien)
Sprache: Deutsch
Turnus: SS
ECTS: 4
Prüfungsleistung
Unbenotete Studienleistung (Online-Test) und benotete Prüfungsleistung (Klausur, 90 bis 120 min).
Klausur (90-120 min.)
zugeordnete Studiengänge
zugeordnete Personen
zugeordnete Module
Informationen
Beschreibung: Das Kapitel Fuzzy-Logik umfasst Fuzzy-Mengen, linguistische Variablen und Fuzzifizierung, Operatoren zwischen Fuzzy-Mengen, Fuzzy-Relationen, unscharfes Schließen, Defuzzifizierung, Fuzzy-Funktionsblöcke nach Mamdani und nach Sugeno-Takagi.
Bei der Fuzzy-Regelung werden konventionelle P-/PD-/PI-/PID-Regler mit Stellgrößenbegrenzung und Anti-Reset-Windup den verschiedenen Varianten von Fuzzy-P-/PD-/PI-/PID-Reglern gegenübergestellt. Auch die Strukturen von Fuzzy-Zustandsreglern und Fuzzy-Ergänzungen zu konventionellen Reglern, Entwurf und Optimierung werden diskutiert.
Zur Veranschaulichung werden Fuzzy-Funktionsblöcke und Regelkreise mit Fuzzy-Reglern mit Hilfe der Fuzzy-Logic-Toolbox von MATLAB gezeigt.
Das Kapitel Neuronale Netze behandelt Typen von Neuronen, Netzschichten und Netzstrukturen, Lernverfahren (Perceptron-Lernalgorithmus, Delta-Regel, Backpropagation), typische Feedforward-Netze (Multilayer-Perceptron, Feedforward-Netze mit Sigmoid-Neuronen, RBF-Netze, RCE-Netze) und Beispiele von Netzen mit Rückkopplungen. Netze für unüberwachtes Lernen (self-organising map) werden nur kurz angedeutet. Auch die Realisierung nichtlinearer Dynamik durch ein neuronales Netz mit zusätzlichen Integratoren, Differenzierern bzw. zeitdiskreten Speichern wird betrachtet.
Es folgt die Anwendung neuronaler Netze zur Regelung und Systemidentifikation.
Das Training und die Anwendung der neuronalen Netze wird mit dem Neural-Net-Tool von MATLAB veranschaulicht.
Zum Thema „spezielle Probleme in der industriellen Regelung“ werden zunächst typische Probleme von Regelkreisen in der Praxis erläutert, Methoden des „Control Loop Performance Monitoring“ beschrieben und schließlich ein kurzer Überblick über „Advanced Control“ in der Praxis gegeben.
Lernziele: Die Studierenden sollen Fuzzy-Funktionsblöcke und neuronale Netze einschließlich der Lernverfahren so weit verstanden haben, dass sie die Algorithmen anwenden können und Strukturen zur Regelung und zur Systemidentifikation entwerfen und anwenden können.
Literatur: Maier, Uwe: Vorlesungsskript "Intelligente Regelung" (zur Zeit noch handgeschrieben, im Sekretariat zur Kopie ausleihbar).
Zu jedem Kapitel umfangreiche Literaturliste bei den Vorlesungsunterlagen. 
Vorleistung:
Infolink:
Bemerkung:
Description: The chapter "fuzzy logic" deals with fuzyy sets, linguistic variables and fuzzification, operators between fuzzy sets, fuzzy relations, fuzzy implication, defuzzification, fuzzy blocks according to Mamdani and Sugeno-Takagi.
The chapter "fuzzy control" compares conventional P/PD/PI/PID controllers including output constraints and anti rest windup with different variants of fuzzy P/PD/PI/PID controllers. Also, the structures of fuzzy state feedback controllers and fuzzy extensions for conventional controllers are discussed. Simulations with the MATLAB fuzzy logic toolbox are shown.
The chapter "Neural Nets" deals with types of neurons, net layers, net structures, training methods (perceptron, delta rule, backpropagation), typical feedforward nets (multilayer perceptron, deedforward nets with sigmoid neurons, RBF nets, RCE nets) and examples for nets with feedback. Nets for unsupervised learning (self-organising map) are only mentioned. The realisation of nonlinear dynamics by a neural net with additional integrators or differentiators or with time-discrete storages is considered, too.
A further subject is the application of neural nets for control and system identification. Training and application are shown with the MATLAB neural net toolbox.
The chapter "special problems in industrial control" discusses typical control loop problems, methods of control loop performance monitoring and a short survey on "advanced control" in industry.
Learning Targets: The students are expected to have understood fuzzy blocks and neural nets including training methods such that they are able to apply the corresponding algorithms and to design and apply structures for control and system identification.
Literature: Maier, Uwe: Vorlesungsskript "Intelligente Regelung" (zur Zeit noch handgeschrieben, im Sekretariat zur Kopie ausleihbar).
Zu jedem Kapitel umfangreiche Literaturliste bei den Vorlesungsunterlagen. 
Pre-Qualifications:
Info Link:
Notice: