|
Modulnummer:
| 12644
- Modul nicht mehr im Angebot ab SS 2020 |
| Modultitel: | Intelligente Regelungen |
| |
Intelligent Control
|
| Einrichtung: |
Fakultät 3 - Maschinenbau, Elektro- und Energiesysteme
|
| Verantwortlich: | -
Prof. Dr.-Ing. Stein, Erhard
|
| Lehr- und Prüfungssprache: | Deutsch |
| Dauer: | 1 Semester |
| Angebotsturnus: |
jedes Semester
|
| Leistungspunkte: |
5
|
| 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
|
| 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
|
| Empfohlene Voraussetzungen: | keine |
| Zwingende Voraussetzungen: | keine |
| Lehrformen und Arbeitsumfang: | -
Vorlesung
/ 2 SWS
-
Übung
/ 1 SWS
-
Praktikum
/ 1 SWS
-
Selbststudium
/ 90 Stunden
|
| Unterrichtsmaterialien und Literaturhinweise: | Vorlesung: Tafel/Overhead/Beamer
Übungen: Tafel, Computerpool
Vorlesungsscript, eLearning
Literatur:
- 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.
|
| Modulprüfung: | Voraussetzung + Modulabschlussprüfung (MAP) |
| Prüfungsleistung/en für Modulprüfung: | 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:
|
| Bewertung der Modulprüfung: | Prüfungsleistung - benotet |
| Teilnehmerbeschränkung: | keine |
| Zuordnung zu Studiengängen: | - keine Zuordnung vorhanden
|
| Bemerkungen: | |
| Veranstaltungen zum Modul: | - 310002 Vorlesung Intelligente Regelungen
- 310032 Übung Intelligente Regelungen
- 310042 Laborausbildung Intelligente Regelungen
- 310062 Prüfung Intelligente Regelungen
|
| Veranstaltungen im aktuellen Semester: | - keine Zuordnung vorhanden
|
| Nachfolgemodul/e: |
Auslaufmodul ab: 23.01.2020
|
