Kapitel 2: Fuzzy Systeme. Inhalt Fuzzy Mengen Fuzzy Relationen Fuzzy Logik Approximatives Schließen Fuzzy Regelung
|
|
- Achim David Berg
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 2: Fzzy Systeme Wintersemester 2006/07 Fndamente der Comptational Intelligence (Vorlesng) Inhalt Fzzy Mengen Fzzy Relationen Fzzy Logik Approximatives Schließen Prof Dr Günter Rdolph Fachbereich Informatik Lehrsthl für Algorithm Engineering Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 2 Steern nd Regeln: Beeinflssng des dynamischen Verhaltens eines Systems in einer gewünschten Art nd Weise Steern Steergröße offene Wirkngskette Steern Steerng kennt Sollgröße nd hat ein Modell vom System Steergrößen können eingestellt werden, so dass System Istgröße erzegt, die gleich der Sollgröße ist Problem: Störgrößen! Soll-Ist Abweichng wird nicht erkannt! Regeln nn: Erkennng der Soll-Ist Abweichng (drch Messng / Sensoren) nd Berücksichtigng bei Bestimmng neer Steergrößen Führngsgröße Sollgröße w y Steerng System Prozess Strecke Annahme: störngsfreier Betrieb Sollwert = Istwert Istgröße Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 3 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 4
2 Regeln Reglergröße Störgrößen d geschlossener Wirkngskreis: Regelkreis Erforderlich: Modell der Strecke als Differentialgleichngen oder Differenzengleichngen gt asgebate Theorie vorhanden w y Führngsgröße Sollgröße Regelng System Prozess Strecke Istgröße Regelgröße Weshalb also Fzzy-Regler? es existiert kein Streckenmodell in Form von DGLs etc (Operator/Mensch hat bisher händisch geregelt) Strecke mit hochgradigen Nichtlinearitäten keine klassischen Verfahren Regelziele sind nscharf formliert ( weiches Umschalten bei Kfz-Getriebe) Regelabweichng = Sollgröße Istgröße Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 5 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 6 Unscharfe Beschreibng des Regelverhaltens IF X ist A, THEN Y ist B IF X ist A 2, THEN Y ist B 2 IF X ist A 3, THEN Y ist B 3 IF X ist A n, THEN Y ist B n X ist A Y ist B wie beim approximativem Schließen Fakt A ist aber keine Fzzy-Menge, sondern scharfe Eingabe nämlich die aktelle Ist-/Regelgröße! Def: Regel k aktiv A k (x 0 ) > 0 Maximmmethode - nr aktive Regel mit höchstem Erfüllngsgrad wird berücksichtigt geeignet für Mstererkennng / Klassifikation Entscheidng für eine Alternative von endlich vielen - Aswahl nabhängig von Erfüllngsgrad der Regel (005 vs 095) - bei Regelng: nstetiger Asgangsgrößenverlaf (Sprünge) Fzzy-Regler führt Inferenzschritt as man erhält Fzzy-Asgabemenge man benötigt aber scharfen Reglerwert für die Strecke (= Fzzy-Menge z scharfem Wert eindampfen ) t Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 7 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 8
3 Y* = { y Y: = hgt(b ) } Maximmmittelwertmethode - alle aktive Regeln mit höchstem Erfüllngsgrad werden berücksichtigt Interpolationen möglich, können aber nicht bentzbar sein wohl nr sinnvoll bei benachbarten Regeln mit max Erfüllng - Aswahl nabhängig von Erfüllngsgrad der Regel (005 vs 095) - bei Regelng: nstetiger Asgangsgrößenverlaf (Sprünge) Y* = { y Y: = hgt(b ) } Center-of-maxima-Methode (COM) - nr extreme aktive Regeln mit höchstem Erfüllngsgrad werden berücksichtigt Interpolationen möglich, können aber nicht bentzbar sein wohl nr sinnvoll bei benachbarten Regeln mit max Erfüllng - Aswahl nabhängig von Erfüllngsgrad der Regel (005 vs 095) - bei Regelng: nstetiger Asgangsgrößenverlaf (Sprünge)?? Sinnvolle Lösng? Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 9 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 0 Schwerpnktmethode (Center of Gravity, COG) Exkrs: Schwerpnkt - alle aktiven Regeln werden berücksichtigt aber nmerisch afwändig gilt hete nr für HW-Lösng Ränder können nicht in Asgabe erscheinen ( work-arond ) Pendant in W keitstheorie: Erwartngswert - bei nr einer aktiven Regel: Aswahl nabh vom Erfüllngsgrad - stetige Verläfe der Asgangsgrößen 3,77 y Dreieck: Trapez: y y 2 y 3 y y 2 y 3 y 4 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 2
4 : Exkrs Schwerpnkt z= y y 2 y 3 y 4 y 5 y 6 y 7 Annahme: Fzzy-Zgehörigkeitsfnktionen stückweise linear y Flächenmethode (Center of Area, COA) gedacht als Approximation von COG seien ŷ k die Schwerpnkte der Asgabemengen B k (y): Ergebnismenge liegt als Pnktseqenz (y, z ), (y 2, z 2 ),, (y n, z n ) vor Fläche nter nd gewichtete Fläche stückweise additiv ermitteln Geradengleichng z = m y + b (y i, z i ) nd (y i+,z i+ ) einsetzen liefert m nd b für jede der n- linearen Teilstrecken Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 3 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 4 Sind Fzzy-Regler eine nee Art von Reglern? Was ist anders bei Fzzy Reglern? Kennfeldregler Regelabweichng e(t) = w(t) y(t) = Sollwert Istwert für jede mögliche Regelabweichng wird Steergröße hinterlegt: dargestellt als Kennlinie e vs (bzw als Kennfeld bei höheren Dimensionen) Bsp: Zweipnktregler =, für e < 0, für e 0 e Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 5 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 6
5 Fzzy-Version des Zweipnktreglers NEG POS IF e=neg THEN =MIN IF e=pos THEN =MAX Fazit: Fzzy-Regler stellen keinen neen Reglertyp dar Fzzy-Regler sind Kennfeldregler typischerweise ist Kennfeld stark nichtlinear e min e max e MIN MAX Ne: Parametrisierng des Reglers: - nicht explizit drch Grafik, Formel, Angabe von Steigng / Knickpnkte - sondern implizit in lingistischer Form drch Festlegng der Zgehörigkeitsfnktionen für Eingangs- nd Stellgrößen e Formlierng der Regelbasis viele Freiheitsgrade! Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 7 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 8 Mamdani-Regler: Bentze R(x,y) = min { A(x), B(y) }, max-aggregation Defzzyfizieren von mit Schwerpnktmethode ergibt Regler-/Steergröße Larsen-Regler: Bentze R(x,y) = A(x) B(y), max-aggregation Defzzyfizieren von mit Schwerpnktmethode ergibt Regler-/Steergröße TSK-Regler Takagi, Sgeno, Kang (ab ca 985) Keine lingistische Variable für Stellgröße IF e =A AND e 2 = A 2 AND AND e n = A n THEN = p 0 + p e + + p n e n p i R sind Parameter keine Defzzifizierng ies mehr man erhält von Regel k einen Vorschlag (k) für Stellgröße Aggregierng: Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 9 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 20
6 TSK-Regler Beispiel: Ato m die Krve lenken M Sgeno & M Nishida (985): Fzzy Control of a Model Car, in Fzzy Sets and Systems 6:03-3 TSK-Regler: Afgaben Bestimmng der lingistischen Terme für Eingangsgrößen 2 Bestimmng der Zgehörigkeitsfnktionen 3 Bestimmng der m (n + ) Parameter bei m Regeln wenn lineare Fnktion Pnkte + 2 wie bisher wie kommt man an die Parameter? nmerische Optimierng (zb evoltionäre Algorithmen) Lernen an Beispielen drch zb neronale Netze Identifikation des Verhaltens eines menschlichen Reglers (protokollieren) wenn via Optimierng: was wären Gütekriterien? Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 2 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 22 Güte von Reglern: Integralkriterien qadratische Regelfläche Güte von Reglern: Kenngrößenkriterien (Beispiele) bleibende Regelabweichng Q = min! Q = e B min! 2 betragslineare Regelfläche Q = min! 2 Abweichng von vorgegebener Überschwingweite Δh* Q = Δh - Δh* min! 3 zeitgewichtete Regelflächen k-ter Ordnng Q = min! Güte von Reglern: Verlafskriterien zb Abweichng von vorgegebenem Sollverlaf y*(t) Q = min! Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 23 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 24
7 Fzzy Hyperbolisches Modell (FHM) Zhang & Qan (2000f) Fzzy Hyperbolisches Modell (FHM) Zhang & Qan (2000f) Zgehörigkeitsfnktionen: Regelbasis: IF x is X x n is X n is U p is U p THEN x i = ± c x ± c xn ±c ± ±c p falls P > N dann +c sonst c positive Konstante Bei m n + p nscharfen Eingängen hat x bis z 2 m nscharfe Regeln! c > 0 Charakteristika: FHM ist nichtlinear 2 Globales Modell (TSK ist lokales Modell) 3 Kann als neronales Netz realisiert werden Kapitel 4 Bsp für Regelbasis: IF x 2 is P x2 THEN x = 4 Parameter as Erfahrngswissen IF x 2 is N x2 THEN x = -4 oder nmerisch optimiert: IF is P THEN x 2 = 2 Mit evoltionären Algorithmen IF is N THEN x 2 = -2 2 Als neronales Netz mit Backpropagation Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 25 Rdolph: FCI (WS 2006/07) Kap 2: Fzzy Systeme 26
Fundamente der Computational Intelligence
Wintersemester 2006/07 Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Kapitel 2: Fuzzy Systeme Inhalt Fuzzy Mengen
MehrKapitel 2: Fuzzy Systeme
Kapitel 2: Fuzzy Systeme Wintersemester 2005/06 Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Inhalt Fuzzy Mengen
MehrFuzzy Systeme vom Typ 1. Inhalt Fuzzy Mengen Fuzzy Relationen Fuzzy Logik Approximatives Schließen Fuzzy Regelung
Fuzzy Systeme vom Typ Sommersemester 2008 Ausgewählte Kapitel der Computational Intelligence (Vorlesung) Inhalt Fuzzy Mengen Fuzzy Relationen Fuzzy Logik Fuzzy Regelung Prof. Dr. Günter Rudolph Fachbereich
MehrThomas Beier Petra Wurl. Regelungstechnik. Basiswissen, Grundlagen, Beispiele. 2., neu bearbeitete Auflage
Thomas Beier Petra Wrl Regelngstechnik Basiswissen, Grndlagen, Beispiele 2., ne bearbeitete Aflage 1.2 Darstellng von Regelkreisen 19 Am Eingang der Regelstrecke befindet sich das Stellglied. Es ist ein
MehrFundamente der Computational Intelligence
Wintersemester 2005/06 Fundamente der Computational Intelligence (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering Kapitel 2: Fuzzy Systeme Inhalt Fuzzy Mengen
Mehr5. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 5. Vorlesung Fuzzy Systeme Fuzzy Control 5. Vorlesung im Aufbau der Vorlesung. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrSchriftliche Prüfung aus Control Systems 1 am
TU Graz, Institt für Regelngs- nd Atomatisierngstechnik A Schriftliche Prüfng as Control Systems am 5 0 006 Name / Vorname(n): Kenn-MatrNr: Gebrtsdatm: BONUSPUNKTE as Compterrechenübng: 3 erreichbare Pnkte
MehrRegelungs-und Steuerungstechnik
Modul: Labor und Statistik OPTIMIERUNG M.SC.KRUBAJINI KRISHNAPILLAI; PROF.DR.ROBBY ANDERSSON Regelungs-und Steuerungstechnik Optimierung Regelungs-und Steuerungstechnik Inhaltsverzeichnis Einleitung Grundlagen
MehrSchriftliche Prüfung aus Control Systems 1 am
U Graz, Institt für Regelngs- nd Atomatisierngstechnik Schriftliche Prüfng as Control Systems am 8004 Name / Vorname(n): Kennzahl / Matrikel-Nmmer: Prüfngsmods: O VO+UE (M) O VO (BM) Bonspnkte as den MALAB-Übngen:
MehrRegelungs-und Steuerungstechnik
Modul: Labor und Statistik OPTIMIERUNG M.SC.KRUBAJINI KRISHNAPILLAI; PROF.DR.ROBBY ANDERSSON Regelungs-und Steuerungstechnik Inhaltsverzeichnis Einleitung Grundlagen Beschreibung dynamischer Systeme Regelkreis
MehrAnalysis II für M, LaG/M, Ph
Fachbereich Mathematik Prof Dr M Hieber Robert Haller-Dintelmann Horst Heck TECHNISCHE UNIVERSITÄT DARMSTADT ASS 008 195008 Analysis II für M, LaG/M, Ph 7 Übng mit Lösngshinweisen G 1 Grppenübngen Af der
MehrKybernetik Regelung. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 19. 06.
Kybernetik Regelung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 73 / 50 2453 mohamed.oubbati@uni-ulm.de 9. 06. 202 Was ist Regelung? Regelung ist eine gezielte Beeinflussung dynamischer Systeme,
Mehr6. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 6. Vorlesung Fuzzy Systeme Entwurfsbeispiele 6. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrGrundlagen der Fuzzy-Logik
Grundlagen der Fuzzy-Logik Seminarvortrag Julian Górny Matrikelnummer: 995146 Gliederung 1 Einleitung 2 Grundlagen 3 Fuzzy-Controller 4 Anwendungsbeispiel 5 Fazit und Ausblick Seite 2 Einleitung Bestimmte
MehrDifferentialgleichungen für Ingenieure WS 06/07
Differentialgleichngen für Ingeniere WS 6/7 4. Vorlesng Michael Karow Themen hete:. Gewöhnliche Lineare Differentialgleichngen. Ordnng (a) Das gedämpfte Pendel als Beispiel (b) Fndamentalsysteme (Lösngsbasen)
MehrAUFGABENSAMMLUNG ZUM LEHRGEBIET. AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME
Dr.-Ing. Tatjana Lange Fachhochschle für Technik nd Wirtschaft Fachbereich Elektrotechnik AUFGABENSAMMLUNG ZUM LEHRGEBIET AUTOMATISIERUNGSTECHNIK bzw. KONTINUIERLICHE SYSTEME. Differentialgleichngen Afgabe.:
Mehr3 Konsumenten. Nutzenfunktionen Konsumenten vergleichen und bewerten Güterbündel: Güter : Nutzenfunktion eines Konsumenten. Güterraum.
Konsmenten Ntzenfnktionen Konsmenten vergleichen nd bewerten Güterbündel: l Güter : l K l R+ Güterram Ntzenfnktion eines Konsmenten U : l R +... R a... l l Güterbündel reelle Zahl 7 Eine Ntzenfnktion ermöglicht
Mehr12.4 Fuzzy-Regler 405
12.4 Fuzzy-Regler 405 12.4.5 Fuzzy Logic Toolbox von MATLAB Mit der Fuzzy Logic Toolbox kann man einen Fuzzy-Regler direkt über die commandline oder über eine graphische Benutzeroberfläche erstellen. Danach
MehrKai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger. Fuzzy-Regelung. Grundlagen, Entwurf, Analyse. Mit 174 Abbildungen und 9 Tabellen.
Kai Michels Frank Klawonn Rudolf Kruse Andreas Nürnberger Fuzzy-Regelung Grundlagen, Entwurf, Analyse Mit 174 Abbildungen und 9 Tabellen Springer Inhaltsverzeichnis 1. Grundlagen der Fuzzy-Systeme 1 1.1
MehrKapitel 9 Fuzzy-Regelung. 29. Juni 2005
Kapitel 9 Fuzzy-Regelung 29. Juni 2005 Plan Klärung der prinzipiellen Unterschiede zwischen der klassischen Regelungstechnik, und der Fuzzy-Regelung, Vorstellen von zwei intuitiv motivierte Methoden der
MehrFortgeschrittenenpraktikum Regelschaltungen. Martin Adam Versuchsdatum: Betreuer: DI Bojarski. 3. Januar 2006
Fortgeschrittenenpraktikum 1 9. Regelschaltungen Martin Adam Versuchsdatum: 15.12.2005 Betreuer: DI Bojarski 3. Januar 2006 Inhaltsverzeichnis 1 Versuchsbeschreibung 2 1.1 Ziel.................................................
MehrNANO III - MSR. Steuern Regeln Regelkreis PID-Regler Dimensionierung eines PID Reglers. Themen: Nano III MSR Physics Basel, Michael Steinacher 1
NANO III - MSR Themen: Steuern Regeln Regelkreis PID-Regler Dimensionierung eines PID Reglers Nano III MSR Physics Basel, Michael Steinacher 1 Ziele 1. Unterschied Steuern Regeln 2. Was ist ein Regelkreis
MehrFormfunktionen (Interpolation): Bedeutung und praktischer Einsatz
Formfnktionen (Interpolation): Bedetng nd praktischer Einsatz Dr.-Ing. Martin Zimmermann Lehrsthl für Konstrktionslehre nd CAD Universität Bayreth Einleitng, Problem nd Motivation Knoten Steifigkeit Elemente
MehrAnhang zum Kapitel 12: Intelligente Regelung Fuzzy-Regler
376 Anhang zum Kapitel 12: Intelligente Regelung 12.2 Fuzzy-Regler 12.2 Fuzzy-Regler 377a 12.2.5a Fuzzy Logic Toolbox von MATLAB Mit der Fuzzy Logic Toolbox kann man einen Fuzzy-Regler direkt über die
MehrVorstellung des Großen Belegs: Entwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten Prozess
Fakultät Informatik Institut für angewandte Informatik- Professur Technische Informationssysteme Vorstellung des Großen Belegs: Entwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten
MehrDuale Regelungstechnik
Prof. Dr.-lng. Serge Zacher Duale Regelungstechnik Methoden und Werkzeuge der lnformationstechnologie für die Regelungstechnik mit Prozessrechnern VDE VERLAG GMBH Inhalt 1 1.1 1.2 1.3 1.4 1.4.1 1.4.2 1.4.3
MehrSynthese durch Rechner-Optimierung
4.2.4. Synthese durch Rechner-Optimierung Möglichkeiten zum Finden passender Reglerparameter: 1. Theoretische Synthese (Herleitung der optimalen Werte) 2. Einstellregeln Messungen an der Strecke (z. B.
MehrSo lösen Sie die Differentialgleichung für eine komplexe Kurve (für eine komplexe Funktion)
Prof. Dr. Sebastian Hensel Sommersemester 208 Argmente der GTF Was ist dieses Dokment? (nd was ist es nicht?) Dieser Text fasst einige der wichtigsten Standardargmente zsammen, die im Stdim von Flächen
Mehrdie Zielgröße. Für diesen gilt A = u v.
VII Unterschng on Fnktionen 7 ptimieren Legen Sie mit gena 6 Streichhölzern möglichst iele erschiedene Rechtecke. Ermitteln Sie jeweils den Flächeninhalt ( LE = Streichholzlänge). Stellen Sie die Seitenlängen
MehrÜbungsaufgaben Mathematik 3 MST Lösung zu Blatt 4 Differentialgleichungen
Übngsafgaben Mathematik MST Lösng z Blatt 4 Differentialgleichngen Prof. Dr. B.Grabowski Z Afgabe ) Lösen Sie folgende Differentialgleichngen nd Anfangswertprobleme drch mehrfaches Integrieren nach y(x)
Mehr7 Lineare Gleichungssysteme
116 7 Lineare Gleichngssysteme Lineare Gleichngssysteme treten in vielen mathematischen, aber ach natrwissenschaftlichen Problemen af; zm Beispiel beim Lösen von Differentialgleichngen, bei Optimierngsafgaben,
MehrIntelligente Systeme
Intelligente Systeme Fuzzy-Systeme Prof. Dr. R. Kruse C. Braune C. Moewes {rkruse,cbraune,cmoewes}@ovgu.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität
MehrÜbungsaufgaben Mathematik III MST. Zu b) Klassifizieren Sie folgende Differentialgleichungen nach folgenden Kriterien : - Anfangswertproblem
Übngsafgaben Mathematik III MST Lösngen z Blatt 4 Differentialgleichngen Prof. Dr. B.Grabowski Z Afgabe ) Z a) Klassifizieren Sie folgende Differentialgleichngen nach folgenden Kriterien: -Ordnng der Differentialgleichng
MehrEntwurf, Test und Analyse adaptiver Regelungsstrategien für einen nichtlinearen totzeitbehafteten technischen Prozess
Fakultät Informatik Institut für angewandte Informatik- Professur Technische Informationssysteme Verteidigung der Diplomarbeit: Entwurf, Test und Analyse adaptiver Regelungsstrategien für einen nichtlinearen
Mehrx 2 mit a IR in der maximalen, Teilaufgabe 1.1 (8 BE) Ermitteln Sie die Art der Definitionslücke sowie die Anzahl der Nullstellen von f a
Abschlssprüfng Berfliche Oberschle 00 Mathematik Technik - A I - Lösng Teilafgabe.0 Gegeben sind die reellen Fnktionen f a ( x) von a nabhängigen Definitionsmenge D x ax a = x mit a IR in der maximalen,
MehrFuzzy Logic & Control
Warum einfach, wenn es auch schwer geht? Prof. Dr.-Ing. Doris Danziger Prof. Dr. rer. nat. Nikolaus Wulff Fuzzy Prädikatenlogik Die Prädikatenlogik erweitert die Aussagenlogik mit den Junktoren, und um
MehrAutonome Mobile Systeme
Autonome Mobile Systeme Teil II: Systemtheorie für Informatiker Dr. Mohamed Oubbati Institut für Neuroinformatik Universität Ulm SS 2007 Wiederholung vom letzten Mal! Die Übertragungsfunktion Die Übertragungsfunktion
Mehr5 Fuzzy Unscharfe Mengen
5 Fuzzy Unscharfe Mengen Fuzzy Unscharfe Mengen Motivation Einfaches Modell eines Fuzzy Reglers Unscharfe Mengen Interpretation linguistischer Werte Operationen auf unscharfen Mengen Fuzzy Relationen Fuzzy
MehrEntwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten Prozess
Fakultät Informatik Institut für angewandte Informatik- Professur Technische Informationssysteme Verteidigung des Großen Beleges Entwurf eines modellbasierten Regelungssystems für einen totzeitbehafteten
MehrÜbung 8 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Übung 8 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN Übungsleiter: Dr.-Ing. H.-D. Ribbecke
MehrVersuch 1: Einführung in die Regelungstechnik
Versuch 1: Einführung in die Regelungstechnik In diesem Praktikumsversuch sollen die Begriffe und das Grundprinzip der Regelungstechnik kennengelernt werden. Hierzu soll eine Drehzahlregelung eines DC-Motors
MehrZusammenfassung der 1. und 2. Vorlesung
Zusammenfassung der 1. und 2. Vorlesung Einordnung und Historie der Regelungstechnik Auswirkung des Rückkopplungsprinzips Beispiel: Negative Feedback Amplifier Bezeichnungen und Definitionen Dynamisches
MehrÜbungsaufgaben zur Vorlesung Regelungssysteme (Grundlagen)
Übungsaufgaben zur Vorlesung Regelungssysteme (Grundlagen) TU Bergakademie Freiberg Institut für Automatisierungstechnik Prof. Dr.-Ing. Andreas Rehkopf 27. Januar 2014 Übung 1 - Vorbereitung zum Praktikum
MehrKapitel L:IV. IV. Nichtklassische Logiken. Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung
Kapitel L:IV IV. Nichtklassische Logiken Fuzzy-Mengen Modifizierer für Fuzzy-Mengen Operationen auf Fuzzy-Mengen Fuzzy-Inferenz Defuzzifizierung L:IV-45 Nonclassical Logics LETTMANN/STEIN 1998-2013 Aussagenlogik
MehrRegelsysteme Tutorial: Terminologie & Regelung vs. Steuerung. Xiaojing (George) Zhang HS Institut für Automatik ETH Zürich
Regelsysteme 1 1. Tutorial: Terminologie & Regelung vs. Steuerung Xiaojing (George) Zhang Institut für Automatik ETH Zürich HS 2015 Xiaojing (George) Zhang Regelsysteme 1 HS 2015 1. Tutorial: Terminologie
MehrGegeben sei folgender Regelkreis mit der Führungsgröße r, dem Regelfehler e und der Ausgangsgröße y: r e R(s) P (s)
1. Teilklausur SS 16 Gruppe A Name: Matr.-Nr.: Für beide Aufgaben gilt: Gegeben sei folgender Regelkreis mit der Führungsgröße r, dem Regelfehler e und der Ausgangsgröße y: r e R(s) P (s) y Aufgabe 1 (6
MehrB-Spline-Kurve und -Basisfunktionen
48 B-Spline-Kurve und -Basisfunktionen Eine B-Spline-Kurve der Ordnung k ist ein stückweise aus B-Splines (Basisfunktion) zusammengesetztes Polynom vom Grad (k 1), das an den Segmentübergängen im allgemeinen
MehrEingebettete Systeme
Institut für Informatik Lehrstuhl für Eingebettete Systeme Prof. Dr. Uwe Brinkschulte Benjamin Betting Eingebettete Systeme 1. Aufgabe (Regelsystem) 3. Übungsblatt Lösungsvorschlag a) Das Fahrzeug kann
MehrFuzzy Logik und negative Zahlen
Fuzzy Logik und negative Zahlen Ablauf Unscharfe Mengen Fuzzyfizierung Fuzzy Operatoren Inferenz Defuzzyfizierung Ablauf Darstellung negativer Zahlen Vorzeichen und Betrag Exzess Einerkomplement Zweierkomplement
MehrDefinition und Eigenschaften von elliptischen Funktionen Thomas Regier. 1. Verdoppelung des Lemniskatenbogens und erweitertes Additionstheorem
Definition nd Eigenschaften von elliptischen Fnktionen Thomas Regier. Verdoppelng des Lemniskatenbogens nd erweitertes Additionstheorem Elliptische Integrale berechnen die Krvenlänge von z.b. elliptischen
MehrRegelungsaufgabe. 2. LS2 PID_Regelung 2.1 Aufgabenstellung. Folie 2.1.1
2.1 Aufgabenstellung Folie 2.1.1 Regelungsaufgabe In einem Behälter ist der Füllstand auf einem vorgegebenen Niveau konstant zu halten, wobei der Einfluss nicht vorhersehbarer Störgrößen ausgeglichen werden
MehrJEFIS. Java Expert Fuzzy Inference System Masterprojekt. Stefan Becker Frank Volkmer Alex Besstschastnich
JEFIS Java Expert Fuzzy Inference System Masterprojekt Stefan Becker Frank Volkmer Alex Besstschastnich 20.06.2008 Einleitung Projektaufbau Infrastruktur Fuzzy Logik Regelauswertung GUI und Vorführung
MehrKlassische Ruintheorie
Seminar Versiherngsrisiko n Rin Prof. Dr. H. Shmili 3.6 Ying Zho Klassishe Rintheorie 7.8 Die Laplae Transformation er Überlebenswahrshein lihkeit In iesem Abshnitt sehen wir, wie φ rh ie Laplae Transformation
MehrCrash-Kurs Regelungstechnik
Dr.-Ing. Jörg Kahlert Crash-Kurs Regelungstechnik Eine praxisorientierte Einführung mit Begleit-Software VDE VERLAG GMBH Berlin Offenbach Inhaltsverzeichnis 1 Einführung 11 1.1 Aufgaben der Regelungstechnik
MehrFuzzy Control methodenorientiert. von Universitätsprofessor Dr. rer. nat. Harro Kiendl Mit 212 Bildern
Fuzzy Control methodenorientiert von Universitätsprofessor Dr. rer. nat. Harro Kiendl Mit 212 Bildern R. Oldenbourg Verlag München Wien 1997 Inhaltsverzeichnis Vorwort XI 1 Einführung 1 1.1 Entstellung
MehrRegelungstechnik. Einführung in die Methoden und ihre Anwendung. Bearbeitet von Otto Föllinger
Regelngstechnik Einführng in die Methoden nd ihre Anwendng Bearbeitet von Otto Föllinger 12. Aflage 2016. Bch. XVI, 452 S. Hardcover ISBN 978 3 8007 4201 1 Format (B L): 17 24 cm Gewicht: 924 g Weitere
Mehr- Analoge Regelung -
Labor Mechatronik Versuch V1 - Analoge Regelung - 1. Zielstellung... 2 2. Theoretische Grundlagen... 2 3. Versuchsdurchführung... 4 3.1. Versuchsaufbau... 4 3.2. Aufgabenstellung und Versuchsdurchführung...
MehrInformationstechnik Lösung WS 2003
Prüfng: Informationtechnik Termin: Montag, 0.0.00 :00 :00 Prüfer: Prof. J. Walter Hilfmittel: beliebig / Kein Internetzgang Name: Vorname: Bemerkng: bitte keine rote Farbe verwenden (nicht afüllen)! Afgabe
MehrÜbung 9 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN
Fakultät Informatik, Institut für Angewandte Informatik, Professur Technische Informationssysteme Übung 9 zur Vorlesung SYSTEMORIENTIERTE INFORMATIK HW-, SW-CODESIGN Übungsleiter: Dr.-Ing. H.-D. Ribbecke
MehrFuzzy-Logik und Fuzzy-Control
Georg Jaanineh / Markus Maijohann Fuzzy-Logik und Fuzzy-Control Vogel Buchverlag Inhaltsverzeichnis Vorwort 5 TEIL1 1 Einleitung 13 2 Klassische Mengen und klassische Logik 17 2.1 Klassische Mengen 17
MehrBERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS
Name: Vorname: Matrikel-Nr.: BERGISCHE UNIVERSITÄT WUPPERTAL FB B: SCHUMPETER SCHOOL OF BUSINESS AND ECONOMICS Prüfngsgebiet: Einführng in die Wirtschaftsinformatik (PO 2006) Grndlagen von Decision Spport
MehrAufgabe 1: Sprungantwort und Ortskurve
Aufgabe 1: Sprungantwort und Ortskurve Gegeben sei ein Übertragungssystem mit der Eingangsgröße u(t) und der Ausgangsgröße x(t): u(t) Übertragungssystem x(t) Der Zusammenhang zwischen Eingangsgröße u(t)
Mehr. Die Differenz zwischen den Umschaltpunkten nennt man Hysterese u H. -u T- (t): Eingangssignal. (t): Ausgangssignal
sind Komparatorschaltngen mit Mitkopplng Sie werden haptsächlich zr Implsformng nd echteckwandler eingesetzt Im Gegensatz zr konventionellen Komparatorschaltng wird die eferenzspannng nicht fest vorgegeben,
MehrKapitel 6 Differential- und Integralrechnung in mehreren Variablen
Kapitel 6 Differential- und Integralrechnung in mehreren Variablen Inhaltsverzeichnis FUNKTIONEN IN MEHREREN VARIABLEN... 3 BEISPIELE UND DARSTELLUNGEN... 3 GRENZWERT UND STETIGKEIT (ABSTANDSBEGRIFF)...
MehrINSTITUT FÜR REGELUNGSTECHNIK
Lösung Übung 3 Aufgabe: Kaskadenregelung a Berechnung der Teilübertragungsfunktion G 3 s: V4 G 3 s Y 3s Xs T 4 s + + V 5 V 3 T 5 s + T 3 s + V4 T 5 s + T 4 s + V 5 V 3 T 4 s +T 5 s + T 3 s + V 3 [V 4 T
MehrZusammenfassung der 9. Vorlesung
Zusammenfassung der 9. Vorlesung Analyse des Regelkreises Stationäres Verhalten des Regelkreises Bleibende Regelabweichung für Führungs- und Störverhalten Bleibende Regelabweichung für verschiedene Eingangssignale
MehrBeispiele für Regelungen
Dozent: Dr.-Ing. Jörg Kahlert Kontaktdaten: Ingenieurbüro Dr. Kahlert, Ludwig-Erhard-Str. 45 D-59065 Hamm E-Mail: jk@kahlert.com Elektronischer vs. mechanischer Raumthermostat 1/2 Vorderansicht Vorderansicht
Mehr7 Lineare Gleichungssysteme
116 7 Lineare Gleichngsssteme Lineare Gleichngsssteme treten in vielen mathematischen, aber ach natrwissenschaftlichen Problemen af; m Beispiel beim Lösen von Differentialgleichngen, bei Optimierngsafgaben,
MehrIntelligente Systeme
Intelligente Systeme Fuzzy-Systeme Prof. Dr. R. Kruse C. Braune C. Moewes {kruse,cbraune,cmoewes}@iws.cs.uni-magdeburg.de Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke
Mehr1. Übung. Prozessregelungen von den Grundlagen zu Advanced Control. Dipl.-Ing. Konstantin Machleidt
1. Übung Prozessregelungen von den Grundlagen zu Advanced Control Dipl.-Ing. Konstantin Machleidt Weiterbildungskurs 26. 27.09.2013 am Karl-Winnacker-Institut der DECHEMA e.v. TECHNISCHE UNIVERSITÄT KAISERSLAUTERN
MehrInhalt der 9. Vorlesung
Objektorientierte Modellierng mechatronischer Systeme Prof. Dr.-Ing. Martin Otter (DLR) 9. Vorlesng Veranstaltet vom Lehrsthl für Elektr. Antriebssysteme nd Leistngselektronik (Prof. Kennel), TU München
Mehr4. Vorlesung Fuzzy Systeme
Soft Control (AT 3, RMA) 4. Vorlesung Fuzzy Systeme Fuzzy Inferenz 4. Vorlesung im Aufbau der Vorlesung 1. Einführung Soft Control: Definition und Abgrenzung, Grundlagen "intelligenter" Systeme 2. Wissensrepräsentation
MehrLösungsskizzen zu den Klausuraufgaben zum Kurs 1142 Algorithmische Mathematik
Lösngsskizzen z den Klasrafgaben zm Krs 4 Algorithmische Mathematik 4LN08 Afgabe. Zeigen Sie: a) n + n ist eine gerade Zahl für alle n N. Lösng: Wir zeigen die Behaptng per Indktion. Für n = 0 ist offenbar
MehrInhalt. Mehr Informationen zum Titel
Mehr Informationen zum Titel Inhalt 1 Einführung 15 1.1 Aufgaben der Regelungstechnik... 15 1.2 Steuern oder Regeln?... 15 1.3 Regelkreise im Wirkungsplan... 20 1.4 Festwert- und Folgeregelung... 21 1.4.1
MehrMikroökonomik. 1.3 Kriterien der Entscheidungsfindung: Präferenzen. Der Einfachheit halber beschränken wir uns auf n = 2 ( zwei Güter).
.3 Kriterien der Entscheidngsfindng: Präferenzen Der Einfachheit halber beschränken wir ns af n = ( zwei Güter. Annahme: Konsmenten können für sich herasfinden ob sie das Güterbündel = ( dem Güterbündel
MehrB: Gleichung der Kugel mit Zentrum M(3, -2, 1), die den Punkt P(1, 4, 4) enthält.
5 0. Die Kgel 0. Die Kgelgleichng Def. Unter der Kgel k mit Mittelpnkt M nd adis verstehen wir die Menge aller Pnkte P, die vom Mittelpnkt M einen vorgegebenen abstand haben, für die also gilt: MP MP oder
MehrHörsaalübung 2 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2018/2019 Dr. Hanna Peywand Kiani Hörsaalübung 2 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Separierbare und lineare Differentialgleichungen
MehrPraxisorientierte Verbesserungsvorschläge
Fakultät Informatik, Professur Technische Informationssystem PID-Regler Praxisorientierte Verbesserungsvorschläge Erik Ulbricht, 09.07.2010 Inhalt 1. Regelungstechnik 1.1 Laplace-Transformation 1.2 PID-Struktur
MehrZusammenfassung der 9. Vorlesung
Zusammenfassung der 9. Vorlesung Analyse des Regelkreises Stationäres Verhalten des des Regelkreises Bleibende Regelabweichung für ffür r FFührungs- und und Störverhalten Bleibende Regelabweichung für
MehrSchriftliche Prüfung aus Systemtechnik am
U Graz, Insttt Regelngs- nd Atomatserngstechnk Schrftlche Prüfng as Sstemtechnk am 3.. Name / Vorname(n): Matrkel-Nmmer: Bonspnkte as den MALAB-Übngen: O ja O nen 3 4 errechbare Pnkte 5 6 6 4 errechte
MehrPraktische Optimierung
Praktische Optimierung Dozent: Günter Rudolph Vertretung: Nicola Beume Wintersemester 2007/08 Universität Dortmund Fachbereich Informatik Lehrstuhl für Algorithm Engineering (LS11) Fachgebiet Computational
MehrMusterlösung Nachklausur Gundlagen der Regelungstechnik WS0506 vom
Msterlösng Nachklasr Gndlagen der Regelngstechnik WS0506 vom 4.0.006 Afgabe : Das folgende Blockschaltbild ist z vereinfachen nd zsammenzfassen: G G G Schritt : G nd G zsammenfassen soie die Smmationsstelle
MehrFundamente der Computational Intelligence Teil 4
Fundamente der Computational Intelligence Teil 4 Günter Rudolph Fachbereich Informatik, Lehrstuhl XI Fachgebiet Computational Intelligence WS 2006/07 Fuzzy Relationen Relationen mit scharfen Mengen X 1,
MehrDominik Desmaretz Universität Trier
Dominik Desmaretz Universität Trier 25.11.2010 Inhaltsverzeichnis 1. Kurze Wiederholung/Einleitung 2. Die Lax-Friedrichs Methode 3. Die Richtmyer Zwei-Schritt Lax-Wendroff Methode 4. Upwind Methoden 5.
Mehr3 Flächen und Flächenintegrale
3 Flächen Flächen sind im dreidimensionalen Ram eingebettete zweidimensionale geometrische Objekte In der Mechanik werden zb Membranen nd chalen als Flächen idealisiert In der Geometrie treten Flächen
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y f(x). Eine Funktion f 1 : W
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Flächen und Flächenintegrale
Vorlesng: Analsis II für Ingeniere Wintersemester 9/ Michael Karow Themen: lächen nd lächenintegrale Parametrisierte lächen I Sei 2 eine kompakte Menge mit stückweise glattem and (d.h. der and ist as glatten
MehrPraktikum Grundlagen Regelungstechnik
Praktikum Grundlagen Regelungstechnik Versuch P-GRT 03 Versuchsziel Versuch 3 Photonenstromregelung Untersuchung vom Führungs- und Störverhalten Datum Versuchsdurchführung: Datum Protokoll: Versuchsgruppe:
MehrInverse und implizite Funktionen
Kapitel 8 Inverse und implizite Funktionen Josef Leydold Mathematik für VW WS 2017/18 8 Inverse und implizite Funktionen 1 / 21 Inverse Funktion Sei f : D f R n W f R m, x y = f(x). Eine Funktion f 1 :
MehrRegelung einer Luft-Temperatur-Regelstrecke
Technische Universität Berlin Fakultät IV Elektrotechnik und Informatik Fachgebiet Regelungssysteme Leitung: Prof. Dr.-Ing. Jörg Raisch Praktikum Grundlagen der Regelungstechnik Regelung einer Luft-Temperatur-Regelstrecke
MehrFELJC Fuzzyregler.odt 1. a) Die Vorgehensweise der klassischen Regelungstechnik
FELJC Fuzzyregler.odt 1 Fuzzy-Regler In diesem Kurs werden nur die Grundlagen anhand von Beispielen behandelt. Für Fuzzifizierung, Inferenz und Defuzzifizierung gibt es viele unterschiedliche Methoden,
Mehr2. Quasilineare PDG erster Ordnung
H.J. Oberle Differentialgleichungen II SoSe 2013 2. Quasilineare PDG erster Ordnung Eine skalare PDG erster Ordnung hat die allgemeine Form F (x, u(x), u x (x)) = 0. (2.1) Dabei ist u : R n G R die gesuchte
MehrEinführung in die Robotik Regelung. Mohamed Oubbati Institut für Neuroinformatik. Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 04. 12.
Einführung in die Robotik Regelung Mohamed Oubbati Institut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 04. 12. 2012 The human is perhaps the most intelligent control system
MehrTheorie der Kondensierten Materie I WS 2014/2015
Karlsrher Institt für Technologie Institt für Theorie der Kondensierten Materie Theorie der Kondensierten Materie I WS /5 Prof. Dr. A. Mirlin, Dr. I. Gorni Blatt 7: Lösngen U. Briskot, N. Kainaris, Dr.
MehrModellierung eines dynamischen Motorprüfstands. Modellbildung Identifikation Simulink-Modell Optimale Regelung
Modellierung eines dynamischen Motorprüfstands Modellbildung Identifikation Simulink-Modell Optimale Regelung Josef Blumenschein Patrick Schrangl Aufgaben Modellbildung und Identifikation " Verbrennungsmotor
MehrEinführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung)
Wintersemester 2005/06 Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl
MehrSchaltungen mit nichtlinearen Widerständen
HOCHSCHLE FÜ TECHNIK ND WITSCHAFT DESDEN (FH) niversity of Applied Sciences Fachbereich Elektrotechnik Praktikm Grndlagen der Elektrotechnik Versch: Schaltngen mit nichtlinearen Widerständen Verschsanleitng
MehrRegelungs- und Systemtechnik 3
Regelng Mecharonischer yseme, Regelngs- nd ysemechnik 3 Kaiel 5: Riccai-Oimal-Regler ro. Dr.-Ing. Li Fachgebie imlaion nd Oimale rozesse O Herleing nd nwendng des Riccai-Oimal-Reglers R l Vorkennnisse:
Mehr