inf5122 Learning-Based Control in Digitalised Energy Systems (Vollständige Modulbeschreibung)

inf5122 Learning-Based Control in Digitalised Energy Systems (Vollständige Modulbeschreibung)

Deutsch English PDF Download
Modulbezeichnung Learning-Based Control in Digitalised Energy Systems
Modulkürzel inf5122
Kreditpunkte 6,0 KP
Verantwortliche Einrichtung Department für Informatik
Zuständige Personen
Modulverantwortung:
Andreas Rauh
Prüfungsberechtigt:
Die im Modul Lehrenden
Teilnahmevoraussetzungen

Grundkenntnisse der Regelung linearer zeitkontinuierlicher und/oder zeitdiskreter Systeme bzw. der robusten Regelung

Unterrichtssprache Englisch
Lernergebnisse/Kompetenzen

Die Studierenden identifizieren die grundlegenden Konzepte der lernenden Regelung dynamischer Systeme.
Fachkompetenz
Die Studierenden:

  • identifizieren die grundlegenden Konzepte der lernenden Regelung dynamischer Systeme
  • charakterisieren problemangepasste Lernmethoden
  • erkennen softwaretechnische Umsetzungen für ausgewählte Prüfstände.


Methodenkompetenz
Die Studierenden:

  • analysieren Probleme der lernenden Regelung
  • generalisieren diese eigenständig auf neue forschungsnahe Anwendungsszenarien.


Sozialkompetenz
Die Studierenden: 

  • erarbeiten in einem vorlesungsbegleitenden Projekt/Praktikum Lösungsideen für reale regelungstechnische Aufgaben in kleinen Gruppen
  • vermitteln die von ihnen erzielten Ergebnisse in kurzen Präsentationen


Selbstkompetenz
Die Studierenden: 

  • reflektieren kritisch die von ihnen in Projektform erarbeiteten Ergebnisse
  • erkennen Grenzen unterschiedlicher Ansätze lernender Regelungen.
Modulinhalte
  1. Iterativ-lernende Regelungen
    • Grundlegende 2D-Systemstrukturen
    • Stabilitätskriterien
    • Ausgewählte Optimierungsansätze
  2. Datenbasierte Neuronale-Netz- Modellierung vs. physikalisch- orientierte Modelle
    • Statische Funktionsapproximation
    • NARX-Modelle
  3. Entwurf von Reglern mittels Neuronaler Netze
  4. Stabilität von Regelungen mittels Neuronaler Netze
Literaturempfehlungen
  • Moore, K.L. Iterative Learning Control for Deterministic Systems. London: Springer- Verlag. 1993
  • Jian Xin Xu; Ying Tan. Linear and Nonlinear Iterative Learning Control. Springer- Verlag. 2003
  • Bristow, D. A.; Tharayil, M.; Alleyne, A. G. "A Survey of Iterative Learning Control A learning-based method for high-performance tracking control". IEEE control systems magazine. Vol. 26. pp. 96–114. 2006
  • The Mathworks Inc. Deep Learning Toolbox – Documentation, 2021
  • Rauh, A. Folien/ Skript zur Vorlesung „Learning-Based Control in DES“
Zu erbringende Leistungen
Prüfungsart, -umfang, -dauer

Portfolio oder Klausur; Inhalte des Portfolios werden zu Beginn der Vorlesungszeit bekanntgegeben
 

Wiederholungsprüfung:

Wiederholungsklausur vor Beginn der Veranstaltungszeit des Folgesemesters Portfolio: semesterbegleitend

Weitere zu erbringende Leistungen

Klausur von ca. 90-120 min.

Prüfungszeiten

Im Anschluss an die Veranstaltungszeit

Dauer in Semestern 1 Semester
Angebotsrhythmus jedes Sommersemester
Workload
Arbeitsaufwand gesamt Davon Präsenzzeit
180 h
Lehrveranstaltungsform
Veranstaltungsart SWS Angebotsrhythmus Workload Präsenzzeit
Vorlesung 2 SoSe 28 h
Übung 2 SoSe 28 h
Zusätzliche Hinweise

Aufnahmekapazität:
unbegrenzt

Lehr-/Lernform:
V+Ü

Verwendbarkeit des Moduls
  • Master Digitalised Energy Systems > Digitalised Energy System Design and Assessment
  • Master Engineering of Socio-Technical Systems > Embedded Brain Computer Interaction
  • Master Engineering of Socio-Technical Systems > Human-Computer Interaction
  • Master Engineering of Socio-Technical Systems > Systems Engineering
  • Master Informatik > Angewandte Informatik