inf303 - Fuzzy-Regelung und künstliche neuronale Netze in Robotik und Automation (Vollständige Modulbeschreibung)

Ziels des Moduls

• Spezialisten verschiedener Disziplinen lösen ihre anwendungsspezifischen Steuerungs- und Informationsverarbeitungsprobleme durch den Einsatz von Fuzzy-Logik und neuronaler Netze. Wie die gesammelten Erfahrungen zeigten, sind die Robotik und die Automatisierungstechnik prädestinierte Anwendungsbereiche für diese Technologien.

Fachkompetenzen 
Die Studierenden:

• verstehen die Steuerungs- und Regelprobleme in Robotik und Automation,
• erwerben Grundlagen der Fuzzy-Logik und künstlicher neuronaler Netze,
• vergleichen mit konventionellen und fortgeschrittener Ansätze zur Steuerung und Regelung und
• lernen den Einsatz neuronaler Netze in Kombination mit Fuzzy-Logik kenn.
• ihr Wissen über die praktische Anwendbarkeit beider Verfahren zu vertiefen,
• die erworbenen Kennnisse später in Studien- oder Diplomarbeiten in der AMiR umzusetzen

Methodische Kompetenzen
Die Studierenden:

• erwerben Kenntnisse über die Werkzeuge, Methoden und Anwendungen der Fuzzy-Logik und ANN
• vertiefen ihre Kenntnisse für die praktische Anwendung der genannten Methoden
• können gängige Softwaretools für den Entwurf und die Anwendung von Fuzzy-Logik und ANN nutzen

Soziale Kompetenzen
Die Studierenden:

• sammeln Erfahrungen im interdisziplinären Arbeiten
• werden in die aktuelle Forschungsarbeit eingebunden Ziel des Moduls / Fähigkeiten:

Selbstkompetenzen
Die Studierenden:

• sind in der Lage, das erworbene Wissen für eine spätere Verwendung in ihrer Abschlussarbeit oder im Studium für AMiR zu transferieren
• können (komplexe) Fuzzy-Logic-Regler und ANN-Systeme entwerfen und
• ihre (Regelungs-)Lösungen mit Hilfe der in dieser Lehrveranstaltung erlernten Methoden reflektieren

• Steuerungsprobleme in Robotik und Automation;
• Einführung in Fuzzy- und Neuro-Systeme;
• Grundlagen der Fuzzy-Logik;
• Fuzzy-Logik regelbasierter Systeme;
• Modelle neuronaler Netze;
• Lernalgorithmen für neuronale Netze;
• Mehrschichtige Netze und Backpropagation;
• Assoziativspeicher und stochastische Netze;
• Selbstorganisierende Netze;
• Entwurf klassischer Regler;
• Entwurf von Fuzzy-Regelungssystemen;
• Praktische Anwendungen der Fuzzy-Logik;
• Entwurf von Neuro-Regelungssystemen;
• Praktische Anwendungen neuronaler Netze

Vorlesungsskript in Buchform wird ausgehändigt (völlig ausreichend für die Prüfung)

Nach Beendigung des Moduls bis zum Anfang des nachfolgenden Semesters

Fachpraktische Übungen und mündliche Prüfung