Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay- Netzen

Ullrich, Thorsten (2021)
Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay- Netzen.
In: at - Automatisierungstechnik, 1997, 45 (5)
doi: 10.26083/tuprints-00019499
Artikel, Zweitveröffentlichung, Verlagsversion

Es ist eine neuere Version dieses Eintrags verfügbar.

URL / URN: https://tuprints.ulb.tu-darmstadt.de/19499

Kurzbeschreibung (Abstract)

Nichtlineare Regelungen erfordern den Einsatz interpolierender Elemente zur Repräsentation von Streckenundloder Reglerverhalten. Künstliche Neuronale Netze haben sich als prinzipiell geeigneter Ansatz hierzu erwiesen, sind aber aufgrund ihres großen Ressourcenbedarfs ungeeignet für Applikationen, in denen nur einfache Rechnersysteme eingesetzt werden können. Dies ist bei Systemen in der Kraftfahrzeugtechnik der Fall. Delaunay-Netze, die in diesem Beitrag vorgestellt werden, stellen für niedrigdimensionale Problemstellungen eine Alternative dar. Es wird ein Algorithmus zur datengetriebenen Erstellung solcher Netze angegeben und in die aktuellen Arbeiten zur Generierungproblemangepaßter Modellstrukturen eingeordnet. Die mit dem vorgeschlagenen Verfahren erzielten Ergebnisse werden anhand eines vereinfachten Motormomentmodells erläutert.

Typ des Eintrags:

Artikel

Erschienen:

2021

Autor(en):

Ullrich, Thorsten

Art des Eintrags:

Zweitveröffentlichung

Titel:

Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay- Netzen

Sprache:

Deutsch

Publikationsjahr:

2021

Publikationsdatum der Erstveröffentlichung:

1997

Verlag:

De Gruyter

Titel der Zeitschrift, Zeitung oder Schriftenreihe:

at - Automatisierungstechnik

Jahrgang/Volume einer Zeitschrift:

(Heft-)Nummer:

DOI:

10.26083/tuprints-00019499

URL / URN:

https://tuprints.ulb.tu-darmstadt.de/19499

Zugehörige Links:

Verlags-DOI

Herkunft:

Zweitveröffentlichungsservice

Kurzbeschreibung (Abstract):

Alternatives oder übersetztes Abstract:

Alternatives Abstract

Sprache

Νonlinear control systems require internal representations of plant and ¡or controller characteristics. Basically, artificial neural networks are a promising approach for the approximation of these characteristics. However, due to their relatively high computational complexity or the required amount of storage capacity, neural networks are hardly applicable in low-cost real-time systems such as automotive control units. Delaunay networks are a computationally efficient alternative for function approximation on low-dimensional domains. The article at hand discusses this novel approach in detail and introduces an algorithm for automatic construction of these networks on the basis of measurement data. A model of steady-state engine torque characteristics is used to illustrate the proposed methods.

Englisch

Status:

Verlagsversion

URN:

urn:nbn:de:tuda-tuprints-194994

Sachgruppe der Dewey Dezimalklassifikatin (DDC):

600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften und Maschinenbau

Fachbereich(e)/-gebiet(e):

18 Fachbereich Elektrotechnik und Informationstechnik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik
18 Fachbereich Elektrotechnik und Informationstechnik > Institut für Automatisierungstechnik und Mechatronik > Regelungsmethoden und Robotik (ab 01.08.2022 umbenannt in Regelungsmethoden und Intelligente Systeme)

Hinterlegungsdatum:

22 Sep 2021 08:18

Letzte Änderung: