Technische Universit├Ąt Ilmenau

Fuzzy and Neuro-Control - Modultafeln of TU Ilmenau

The module lists provide information on the degree programmes offered by the TU Ilmenau.

Please refer to the respective study and examination rules and regulations for the legally binding curricula (Annex Curriculum).

You can find all details on planned lectures and classes in the electronic university catalogue.

Information and guidance on the maintenance of module descriptions by the module officers are provided at Module maintenance.

Please send information on missing or incorrect module descriptions directly to modulkatalog@tu-ilmenau.de.

module properties Fuzzy and Neuro-Control in degree program Master Mechatronik 2014
module number100726
examination number220398
departmentDepartment of Computer Science and Automation
ID of group 2211 (Automation Engineering)
module leader N. N.
term winter term only
languageDeutsch
credit points5
on-campus program (h)34
self-study (h)116
obligationelective module
examexamination performance with multiple performances
details of the certificate
alternative examination performance due to COVID-19 regulations incl. technical requirements
signup details for alternative examinations
maximum number of participants
previous knowledge and experience

Abschluss der Grundausbildung in Mathematik, Regelungstechnik, Systemanalyse

learning outcome

Aneignung von Kenntnissen und praktischen Fertigkeiten beim Entwurf von Fuzzy- und Neuro-Systemen zur Anwendung auf den Gebieten der Modellbildung, des Entwurfs regelungstechnischer Systeme und der Lösung von Klassifikationsaufgaben in wissensbasierten Entscheidungshilfesystemen. Kennenlernen von Basismechanismen und Anwendungsgebieten von Evolutionären Algorithmen.

content

Grundlagen der Fuzzy-Theorie, Module des Fuzzy-Systems, Kennlinien und Kennflächen von Fuzzy-Sytemen, Fuzzy-Modellbildungsstrategien, Fuzzy-Klassifikation und -Klassensteuerung, optimaler Entwurf von Fuzzy-Steuerungen und Regelungen, adaptive/lernende Fuzzy-Konzepte, Beispiele aus Technik, verwendete Tools: Fuzzy-Control Design Toolbox, Fuzzy Logic Toolbox für MATLAB.

 Theoretische Grundlagen Künstlicher Neuronaler Netze. Lernstrategien (Hebbsches Lernen, Delta-Regel Lernen, Competetives Lernen). Vorstellung grundlegender Netzwerktypen wie Perzeptron, Adaline, Madaline, Back-Propagation Netze, Kohonen-Netze. Modellbildung mit Hilfe Neuronaler Netze für statische (Polynommodell) und dynamische (Differenzengleichungsmodell, Volterra-Reihen-Modell) nichtlineare Systeme einschließlich entsprechender Anwendungshinweise (Fehlermöglichkeiten, Datenvorverarbeitung, Gestaltung des Lernprozesses). Strukturen zur Steuerung/Regelung mit Hilfe Neuronaler Netze (Kopieren eines konventionellen Reglers, Inverses Systemmodell, Internal Model Control, Model Predictive Control, direktes Training eines neuronalen Reglers, Reinforcement Learning). Methoden zur Neuro-Klassifikation (Backpropagation, Learning Vector Quantization). Anwendungsbeispiele und Vorstellung von Entwicklungstools für Künstliche Neuronale Netze , verwendete Tools: Neural Network Toolbox für MATLAB, HALCON, NeuralWorks Professional.

media of instruction and technical requirements for education and examination in case of online participation

Bei der Vorlesung werden über Beamer die wichtigsten Skizzen, Gleichungen und Strukturen dargestellt. Einfache Beispiele, das Herleiten von Gleichungen und die Erstellung von Strukturen werden anhand von Tafelbildern entwickelt. Zusätzlich wird der Lehrstoff mit Beispielen unter Verwendung der in MATLAB vorhandenen Toolboxen anhand untermauert. Die Vorlesungsfolien und das Skript können als PDF-Dokument heruntergeladen werden. Es findet zusätzlich zur Vorlesung alle zwei Wochen ein rechnergestütztes Seminar statt, in welchem die Studenten unter Verwendung von MATLAB/Simulink Aufgaben im Bereich der Modellbildung, Regelung und Klassifikation mit Fuzzy und Neuro Methoden lösen.

literature / references
  • Adamy J.:  Fuzzy Logik, Neuronale Netze und Evolutionäre Algorithmen Shaker Verlag, Aachen 2005.
  • Koch M., Kuhn Th., Wernstedt J.:  Fuzzy Control – Optimale Nachbildung und Entwurf optimaler Entscheidungen, Oldenbourg, München, 1996.
  • Kiendl H.: Fuzzy Control methodenorientiert, Oldenbourg, München 1997.
  • D. Patterson: Künstliche Neuronale Netze, München,...: Prentice Hall, 1996. R. Brause: Neuronale Netze, Stuttgart: Teubner, 1995. K. Warwick, G.W.Irwin, K.J. Hunt: Neural networks for control and systems, London: Peter Pelegrinus Ltd., 1992.
  • Schöneburg E., Heinzmann F., Fedderson S.:  Genetische Algorithmen und Evolutionsstrategien, Addison-Wesley, 1994.
  • Rechenberg I.: Evolutionsstrategie ’94, frommann-holzboog, 1994
evaluation of teaching