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

Modulbezeichnung	Learning-Based Control in Digitalised Energy Systems
Modulkürzel	inf5122
Kreditpunkte	6.0 KP
Workload	180 h
Einrichtungsverzeichnis	Department für Informatik
Verwendbarkeit des Moduls	Master Digitalised Energy Systems (Master) > Digitalised Energy System Design and Assessment Master Engineering of Socio-Technical Systems (Master) > Embedded Brain Computer Interaction Master Engineering of Socio-Technical Systems (Master) > Human-Computer Interaction Master Engineering of Socio-Technical Systems (Master) > Systems Engineering Master Informatik (Master) > Angewandte Informatik
Zuständige Personen	Rauh, Andreas (Modulverantwortung) Lehrenden, Die im Modul (Prüfungsberechtigt)
Teilnahmevoraussetzungen	Grundkenntnisse der Regelung linearer zeitkontinuierlicher und/oder zeitdiskreter Systeme bzw. der robusten Regelung
Kompetenzziele	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	Iterativ-lernende Regelungen Grundlegende 2D-Systemstrukturen Stabilitätskriterien Ausgewählte Optimierungsansätze Datenbasierte Neuronale-Netz- Modellierung vs. physikalisch- orientierte Modelle Statische Funktionsapproximation NARX-Modelle Entwurf von Reglern mittels Neuronaler Netze 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“
Links
Unterrichtssprache	Englisch
Dauer in Semestern	1 Semester
Angebotsrhythmus Modul	jedes Sommersemester
Aufnahmekapazität Modul	unbegrenzt
Lehr-/Lernform	V+Ü
Vorkenntnisse	Grundkenntnisse der Regelung linearer zeitkontinuierlicher und/oder zeitdiskreter Systeme bzw. der robusten Regelung

Lehrveranstaltungsform	SWS	Angebotsrhythmus	Workload Präsenz
Vorlesung	2	SoSe	28
Übung	2	SoSe	28
Präsenzzeit Modul insgesamt			56 h

Prüfung	Prüfungszeiten	Prüfungsform
Gesamtmodul	Im Anschluss an die Veranstaltungszeit	Portfolio oder Klausur