INSTITUTSBERICHT 1998 - Regelungstechnik und Mechatronik ...
INSTITUTSBERICHT 1998 - Regelungstechnik und Mechatronik ...
INSTITUTSBERICHT 1998 - Regelungstechnik und Mechatronik ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
<strong>INSTITUTSBERICHT</strong><br />
<strong>1998</strong><br />
Institut für <strong>Regelungstechnik</strong><br />
TU Darmstadt<br />
IRT
Technische Universität Darmstadt<br />
Institut für <strong>Regelungstechnik</strong><br />
Landgraf-Georg-Straße 4<br />
D-64283 Darmstadt<br />
Fachgebiet Regelsystemtechnik Tel.: 06151/16-2114<br />
<strong>und</strong> Prozeßautomatisierung Fax: 06151/293445<br />
Fachgebiet Regelsystemtheorie Tel.: 06151/16-3442<br />
<strong>und</strong> Robotik Fax: 06151/16-2507<br />
Inhalt<br />
1. Zuordnung des Instituts zur TU Darmstadt S. 4<br />
2. Personal S. 5<br />
3. Forschung<br />
3.1 Fachgebiet Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung S. 10<br />
3.2 Fachgebiet Regelsystemtheorie <strong>und</strong> Robotik S. 82<br />
4. Mitarbeit bei Verbänden, Gesellschaften <strong>und</strong> Zeitschriften S. 101<br />
5. Lehrveranstaltungen S. 103<br />
6. Statistik S. 118<br />
Lageplan<br />
Berichtszeitraum: 1.1.1996 - 31.12.1997
Vorwort<br />
Der Bericht des Institutes für <strong>Regelungstechnik</strong> erscheint alle zwei Jahre <strong>und</strong> gibt<br />
eine Übersicht der durchgeführten Lehrveranstaltungen, Forschungsarbeiten,<br />
Veröffentlichungen <strong>und</strong> sonstigen Aktivitäten. Dieses mal wird über die Jahre<br />
1996 <strong>und</strong> 1997 berichtet.<br />
Am 31.12.1997 betrug die Zahl der Mitarbeiter 50 <strong>und</strong> hat gegenüber Dezember<br />
1995 um 11 abgenommen (Besonders am Fachgebiet Regelsystemtheorie <strong>und</strong><br />
Robotik wegen bevorstehender Emeritierung). Die Studienrichtung <strong>Regelungstechnik</strong>,<br />
eine von acht Studienschwerpunkten der Elektrotechnik im Hauptstudium,<br />
wurde in den letzten beiden Jahrzehnten von 60-90 Studenten pro Jahr<br />
gewählt. Durch die stark zurückgegangenen Studentenzahlen in der Elektrotechnik<br />
beträgt die Jahrgangsstärke der Studienrichtung jetzt etwa 65, <strong>und</strong> die<br />
Zahl der jährlich betreuten Studien- <strong>und</strong> Diplomarbeiten hat auf 82 (1995: 161)<br />
abgenommen. Damit betreut jeder wissenschaftliche Mitarbeiter durchschnittlich<br />
2,5 Arbeiten pro Jahr (1995: 4).<br />
Die Studienzahlen im 1. Semester der Elektrotechnik haben sich an der TUD wie<br />
folgt entwickelt<br />
1990: 411 1991: 339 1992: 226 1993: 205<br />
1994: 175 1995: 121 1996: 137 1997: 167<br />
Somit kann ein leichter Wiederanstieg verzeichnet werden. Jedoch beginnen jetzt<br />
die Absolventenzahlen entsprechend abzusinken. Der imletzten Bericht angekündigte<br />
Mangel an Diplom-Ingenieuren der Elektrotechnik ist nun deutlich sichtbar:<br />
den vielen Anfragen aus der Industrie auf dem Gebiet der Meß- <strong>und</strong> <strong>Regelungstechnik</strong><br />
kann nicht mehr entsprochen werden; wir haben selbst offene Stellen für<br />
Wissenschaftliche Mitarbeiter.<br />
Die Unterstützung durch Mittel Dritter ist im Vergleich zu früheren Jahren nicht<br />
nur wesentlich, sondern sichert zur Zeit die finanzielle Funktionsfähigkeit des<br />
Instituts. Durch die Mittelkürzungen des Landes Hessen für die TUD, die Kürzungen<br />
für die Fachbereiche der Elektrotechnik innerhalb der TUD <strong>und</strong> durch<br />
eine geänderte Verteilung im Fachbereich 18 sind die Zuweisungen von laufenden<br />
Sachmitteln (Titel 71) an das IRT im Vergleich zu 1995 um 51% im Jahre<br />
1997 zurückgegangen. Wir mußten ferner 1 Wiss. Mitarbeiterstelle abgeben.<br />
Damit sind aus Landesmitteln nicht nur keine Neuanschaffungen mehr möglich,<br />
sondern fast alle Sachmittelausgaben <strong>und</strong> Reinvestitionen müssen aus Mitteln<br />
Dritter finanziert werden.
Aus diesen Gründen gebührt unser ganz besonderer Dank den uns fördernden<br />
externen Institutionen: Deutsche Forschungsgemeinschaft (Sonderforschungsbereich<br />
IMES, Graduiertenkolleg ISIA, Normalvorhaben), AIF (Arbeitsgemeinschaft<br />
industrieller Forschungsanstalten), BMBF (B<strong>und</strong>esministerium für Bildung,<br />
Forschung <strong>und</strong> Technologie), Europäische Union, FVV (Forschungsgemeinschaft<br />
für Verbrennungskraftmaschinen, VDMA), DFAM (Deutsche<br />
Forschungsgesellschaft für die Anwendung der Mikroelektronik e.V., VDMA),<br />
DECHEMA (Deutsche Gesellschaft für Chemisches Apparatewesen, Chemische<br />
Technik <strong>und</strong> Biotechnologie e.V.), FAUDI-Stiftung, Biesinger-Stiftung <strong>und</strong><br />
mehreren Firmen der deutschen Wirtschaft (siehe 3.1)<br />
Besondere Ereignisse im Berichtszeitraum waren:<br />
- Final Workshop “ERNET - European Robotics Network” veranstaltet vom<br />
FG Regelsystemtheorie <strong>und</strong> Robotik. (38 Teilnehmer)<br />
- Workshop “Rechnergestützte Modellbildung dynamischer Systeme” veranstaltet<br />
vom DFG-Sonderforschungsbereich 241 (IMES). (111 Teilnehmer)<br />
Wir haben zur Zeit internationale Kooperationen mit der University of Southampton,<br />
Großbritannien, TU Delft, Niederlande, University of California at Berkeley,<br />
USA, Jo� ef-Stefan-Institut, Ljubljana, Slowenien, TU Ljubljana, Slowenien <strong>und</strong><br />
Polytechnische Universität Bukarest, Rumänien <strong>und</strong> der Hiroshima University,<br />
Japan mit mehreren wechselseitigen Besuchen.<br />
Die wissenschaftlichen Mitarbeiter haben an vielen internationalen Tagungen<br />
teilgenommen <strong>und</strong> ausländische Universitäten besucht. Im Rahmen von Austauschprogrammen<br />
konnten wir mehrere Studenten zu Studien an die Universitäten<br />
in Berkeley, Brüssel, Delft, Glasgow, L<strong>und</strong>, Trondheim, Urbana Champaign<br />
<strong>und</strong> Valencia vermitteln.<br />
Trotz der oben genannten Schwierigkeiten sind wir mit der interessanten Forschungsthematik<br />
<strong>und</strong> den zahlreichen Kooperationen mit der Industrie <strong>und</strong> den guten Ergebnissen<br />
sehr zufrieden, vor allem auch Dank der hervorragenden Leistungen der Wissenschaftlichen<br />
Mitarbeiter <strong>und</strong> der Institutsangestellten.<br />
Wir sehen nun mit Erwartung unserem Institutskolloquium aus Anlaß des 40-jährigen<br />
Bestehens des IRT am 16./17. Oktober <strong>1998</strong> entgehen.<br />
R. Isermann H. Tolle<br />
Juli <strong>1998</strong>
4<br />
Zuordnung des IRT zur TU Darmstadt<br />
Zuordnung des Instituts zur TU Darmstadt<br />
1. Zuordnung des Instituts zur TU Darmstadt<br />
Structure of the Technical University of Darmstadt<br />
Die Bezeichnung “Technische Hochschule Darmstadt - Universität des Landes Hessen”<br />
wurde am 1.10.1997 in “Technische Universität Darmstadt geändert”.<br />
Im Rahmen des Studiums der Elektrotechnik können folgende Studienrichtungen<br />
gewählt werden:<br />
Fachbereich 18: - Theoretische Elektrotechnik<br />
- Nachrichtentechnik<br />
- Elektromechanische Konstruktionen<br />
- <strong>Regelungstechnik</strong><br />
- Datentechnik<br />
- Festkörperelektronik<br />
Fachbereich 17: - Allgemeine Elektrotechnik<br />
- Energietechnik
Zuordnung des Instituts zur TU Darmstadt 5<br />
2. Personal<br />
Staff<br />
Das Institut für <strong>Regelungstechnik</strong> ist in die Fachgebiete "Regelsystemtechnik <strong>und</strong><br />
Prozeßautomatisierung" <strong>und</strong> "Regelsystemtheorie <strong>und</strong> Robotik" unterteilt. Am Institut<br />
waren im Berichtszeitraum 50 Personen tätig.<br />
2.1 Fachgebiet Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Laboratory of Control Systems Engineering and Process Automation<br />
Leiter:<br />
Prof. Dr.-Ing. Dr.h.c. Rolf Isermann<br />
Prof. Dr.-Ing. Dr.-Ing.e.h. Winfried Oppelt (em.)<br />
Wissenschaftlicher Assistent:<br />
Dr.-Ing. Steffen Leonhardt<br />
Wissenschaftliche Mitarbeiter:<br />
Dipl.-Ing. Stefan Drogies<br />
Dipl.-Ing. Alexander Fink<br />
Dipl.-Ing. Dominik Füssel *)<br />
Dipl.-Ing. Michael Hafner *)<br />
Dipl.-Ing. Christoph Halfmann *)<br />
Dipl.-Ing. Henning Holzmann *)<br />
Dipl.-Ing. Oliver Jost<br />
Dipl.-Ing. Jens-Achim Kessel<br />
*)<br />
Dipl.-Ing. Olaf Moseler *)<br />
Dipl.-Ing. Norbert Müller<br />
Dipl.-Ing. Oliver Nelles<br />
*)<br />
Dipl.-Ing. Jochen Ohl *)<br />
Dipl.-Ing. Jochen Schaffnit *)<br />
Dipl.-Ing. Martin Schmidt *)<br />
Dipl.-Ing. Matthias Schüler *)<br />
Dipl.-Ing. Ralf Schwarz *)<br />
Dipl.-Ing. Stefan Sinsel *)
6<br />
Dipl.-Ing. Stefan Stölzl *)<br />
Dipl.-Ing. Harald Straky *)<br />
Dipl.-Ing. Marian Walter *)<br />
Dipl.-Ing. Thomas Weispfenning *)<br />
Dipl.-Ing. Markus Willimowski *)<br />
*) Aus Forschungsmitteln Dritter finanziert.<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Doktoranden:<br />
Dipl.-Ing. Peter Ballé (Graduiertenkolleg, DFG)<br />
Dipl.-Inform. Susanne Ernst (Promotionsstipendium "Frauen in den Ingenieurdisziplinen")<br />
Dipl.-Ing. Martin Fischer (Graduiertenkolleg, DFG)<br />
Ehemalige wissenschaftliche Mitarbeiter (ausgeschieden im Zeitraum 1996/97):<br />
Dipl.-Ing. Ahmed AbouEl-Ela *)<br />
Dr.-Ing. Mihiar Ayoubi *)<br />
Dipl.-Ing. Stefan Fritz<br />
Dipl.-Ing. Oliver Hecker<br />
*)<br />
Dr.-Ing. Heiko Konrad<br />
Dr.-Ing. Harry Nolzen<br />
*)<br />
Dipl.-Ing. Thomas Pfeufer *)<br />
Sekretariat:<br />
Frau Renate Metze (½ tags)<br />
Frau Eleonore Ort (½ tags, bis 28.2.98)<br />
Frau Corina Fischer (½ tags, seit 1.4.98)<br />
Frau Sybille Schlegel (½ tags, bis 31.1.1997)<br />
Frau Monika Booth (½ tags, seit 1.2.1997)<br />
Frau Margit Widulle (½ tags)<br />
SFB Sekretariat:<br />
Frau Ingrid Schilling<br />
Tätig für beide Fachgebiete:
Personal 7<br />
Bibliothek:<br />
Frau Brigitte Hoppe<br />
Druckerei:<br />
Herr Jürgen Sauerwein<br />
Elektrowerkstatt:<br />
Herr Herbert Tischer<br />
Herr Markus Schaffner *)<br />
Werkstatt:<br />
Herr Werner Schellhaas, Werkstattleiter<br />
Herr Hartmut Körber<br />
Herr Alexander Stark<br />
Frau Christina Gaßmann (Auszubildende)<br />
Herr David Seigfried (Auszubildender)<br />
2.2 Fachgebiet Regelsystemtheorie <strong>und</strong> Robotik<br />
Laboratory of Control Systems Theory and Robotics<br />
Leiter:<br />
Prof. Dr. rer. nat. Dipl.-Ing. Henning Tolle<br />
Wissenschaftliche Mitarbeiter:<br />
Dipl.-Ing. Karlheinz Hohm<br />
Dipl.-Ing. Georg Lambert<br />
Dipl.-Ing. Peter Marenbach<br />
Dipl.-Ing. Thorsten Ullrich *)<br />
Dipl.-Ing. Georg von Wichert *)<br />
Ehemalige wissenschaftlicher Mitarbeiter (ausgeschieden im Zeitraum 1996/97):<br />
Dr. Christian von Albrichsfeld *)<br />
Dr. Kurt Dirk Bettenhausen<br />
Dr.KarlKleinmann *)<br />
Dr.WalterMischo *)<br />
Dr. Matthias Seitz
8<br />
Dr. Bernd Strege *)<br />
Dr. Alexandra Weigl<br />
Sekretariat<br />
Frau Helga Noparlick (½ tags)<br />
Frau Sybille Schlegel (½ tags, bis 31. März <strong>1998</strong>)<br />
Frau Gisela Tröger (½ tags)<br />
2.3 Lehrbeauftragte <strong>und</strong> Honorarprofessor des Instituts<br />
Faculty<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Honorarprofessor<br />
Prof. Dr.-Ing. E.H. Düll Mikroprozessoren in der Steuerungstechnik <strong>und</strong><br />
Fahrzeugelektronik<br />
Lehrbeauftragte<br />
Dr.-Ing. Mihiar Ayoubi Identifikation nichtlinearer Systeme mit künstlichen<br />
neuronalen Netzen (bis WS 95/96)<br />
Dipl.-Ing. Oliver Nelles Identifikation nichtlinearer Systeme mit künstlichen<br />
neuronalen Netzen (seit WS 96/97)<br />
Dr.-Ing. Helmut Glünder Informationsverarbeitung in Nervensystemen<br />
Dr.-Ing. K.-H. Lachmann Adaptive Regelsysteme<br />
Dr.-Ing. Steffen Leonhardt Regelungstechnische Methoden für die Medizintechnik<br />
Dr.-Ing. Andreas Schumann Digitale Simulation technischer Systeme<br />
2.4 Gäste des Instituts<br />
Guests<br />
Martin Brown, Ph.D., University of Southampton, Großbritannien<br />
Steve Gunn, Ph.D., University of Southampton, Großbritannien<br />
Prof. Makoto Kaneko (Humboldt-Preisträger), Hiroshima University, Japan<br />
Prof. Yanming Liu, Huazhong University of Science and Technology, Wuhan,<br />
Hubei, China<br />
Dr. Alessandro Micheli, Scuda Superiore S. Anna, Pisa, Italien
Personal 9<br />
Dr. Christina Schreiner, Technical University, Iasi, Rumänien<br />
Prof. Tarunraj Singh, State University of New York, Buffalo, USA<br />
Prof. Masayoshi Tomizuka, University of California, Berkeley, USA<br />
Prof. Henk Verbruggen, University of Technology, Delft, Niederlande<br />
Gäste der Polytechnischen Universität Bukarest, Rumänien:<br />
Catalin Buiu Nicolae Constantin<br />
Monica Dragoica Prof. Ion Dumitrache<br />
Prof. Silviu Dumitriu Ioana Fagarasan<br />
Prof. Stelian Sergiu Iliescu<br />
Patricia Zdrafcovici<br />
Gabriel Pod<br />
Gäste vom Jo� ef-Stefan-Institut, Ljubljana, Slowenien <strong>und</strong> der Technischen Universität<br />
Ljubljana, Slowenien:<br />
Saso Blazic Dr. Ðani Juri ić<br />
Katarina Kavšek-Biasizzo Prof. Drago Matko<br />
Sre ko Milani Gaspar Music<br />
Andrej Rakar Matej Šikovš<br />
Prof. Stanko Strm nik Alenka nidarši
10<br />
3. Forschung<br />
Research<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
3.1 Fachgebiet Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Laboratory of Control Systems Engineering and Process Automation<br />
Die Forschungsarbeiten im Institut für <strong>Regelungstechnik</strong>, Fachgebiet Regelsystemtechnik<br />
<strong>und</strong> Prozeßautomatisierung befassen sich mit der Automatisierung technischer<br />
Prozesse, insbesondere den Teilaufgaben Messung, Steuerung, Regelung, Überwachung<br />
mit Fehlerdiagnose <strong>und</strong> Optimierung.<br />
Der Entwurf, die Implementierung <strong>und</strong> die Inbetriebnahme dieser Automatisierungsfunktionen<br />
ist stark methodenorientiert. Diese Methoden der Automatisierungstechnik<br />
sind zum Teil allgemeingültig, zum Teil auf bestimmte Prozesse zugeschnitten. Deshalb<br />
können die Forschungsarbeiten in "Allgemeine Methoden" <strong>und</strong> "Prozeßorientierte<br />
Methoden" unterteilt werden.<br />
Die meisten der entwickelten allgemeinen Methoden der modernen Prozeßautomatisierung<br />
verwenden theoretisch oder experimentell ermittelte Prozeßmodelle in unterschiedlichen<br />
Formen. Hierzu gehören Modelle in analytischer Form, wie die bekannten<br />
mathematischen Prozeßmodelle <strong>und</strong> in heuristischer Form, wie z.B. in Form von Regeln<br />
<strong>und</strong> logischen Verknüpfungen. Auf der Gr<strong>und</strong>lage dieser Modelle können dann wissensbasierte<br />
Methoden zum Entwurf <strong>und</strong> zur Inbetriebnahme der verschiedenen Automatisierungsfunktionen<br />
entwickelt werden. Hierzu gehören Methoden der Identifikation<br />
<strong>und</strong> Parameterschätzung, der adaptiven Regelung, der Überwachung <strong>und</strong> Fehlerdiagnose,<br />
ergänzt durch Fuzzy-Logik <strong>und</strong> neuronale Netzwerke.<br />
Mit wissensbasierten Ansätzen entstehen dann z.B. intelligente Automatisierungssysteme,<br />
die modellgestützte Regelungen (selbsteinstellend oder dauernd adaptiv) <strong>und</strong><br />
eine Überwachung mit Fehlerdiagnose enthalten. In Abhängigkeit von der jeweiligen<br />
Information können sie Entscheidungen treffen.<br />
Die prozeßorientierten Methoden dienen der Entwicklung im Hinblick auf bestimmte<br />
Prozesse, für die jeweils Pilotanlagen bei uns oder bei Industriepartnern existieren.<br />
Hierzu zählen z.B. die Modellbildung, Simulation <strong>und</strong> digitale Regelung von Industrierobotern,<br />
Werkzeugmaschinen, Verbrennungsmotoren, Kraftfahrzeugen, hydraulischen<br />
<strong>und</strong> pneumatischen Antrieben <strong>und</strong> Aktoren. Methoden zur Fehlerdiagnose werden<br />
zur Zeit entwickelt <strong>und</strong> praktisch erprobt für Elektromotoren, Werkzeugmaschinen,<br />
Roboter, Aktoren, Verbrennungsmotoren <strong>und</strong> elektrische sowie pneumatische Antriebe.
Personal 11<br />
Im Institut <strong>Regelungstechnik</strong> ist das Sekretariat des DFG Sonderforschungsbereiches<br />
241 "Integrierte-elektromechanische Systeme für den Maschinenbau (IMES)" untergebracht<br />
(Sprecher : Prof. Isermann).<br />
Schema einer intelligenten Regelung <strong>und</strong><br />
Überwachung<br />
Neben der Entwicklung neuer Methoden ist uns der Transfer in die Anwendung ein<br />
wichtiges Anliegen. Hierzu bestehen viele Kooperationen mit mittelständischen <strong>und</strong><br />
großen Unternehmen.<br />
Die Kurzfassungen der Forschungsgebiete sind in folgende Themengebiete gegliedert:<br />
3.1.1 Modellbildung, Identifikation <strong>und</strong> intelligente Regelung<br />
3.1.2 Überwachung <strong>und</strong> Fehlerdiagnose<br />
3.1.3 Energie- <strong>und</strong> Produktionstechnik<br />
3.1.4 Kraftfahrzeuge<br />
3.1.5 Verbrennungsmotoren<br />
3.1.6 Medizintechnik<br />
3.1.7 Mechatronische Systeme<br />
3.1.8 DFG-Sonderforschungsbereich 241: IMES
Institut für <strong>Regelungstechnik</strong><br />
Fachgebiet Regelsystemtechnik<br />
<strong>und</strong> Prozeßautomatisierung<br />
Prof. Dr.-Ing. Dr. h.c. Rolf Isermann<br />
Mechatronische Systeme<br />
DFG-Sonderforschungsbereich 241<br />
"IMES" (Sprecher, Sekretariat)<br />
Intelligente Stellglieder: Digitale Regelung/<br />
Fehlererkennung<br />
Methoden der Informationsverarbeitung<br />
für mechatronische Systeme<br />
Energie- <strong>und</strong> Produktionstechnik<br />
Gebäudeautomatisierung<br />
Optimale Regelung von Heizungssystemen<br />
Modellgestützte Regelung von<br />
Wasser-Luft-Wärmeaustauschern<br />
Adaptive Fuzzy Logik<br />
Fuzzy-Neuro-Systeme<br />
Modellbildung<br />
Identifikation<br />
Fuzzy Logik für Regelung <strong>und</strong> Reglereinstellung<br />
Identifikation <strong>und</strong> Klassifikation mit Neuronalen<br />
Netzen<br />
Identifikation <strong>und</strong> Regelung mit Fuzzy-Modellen<br />
Theoretische Methoden<br />
Intelligente / Adaptive Regelung Überwachung, Fehlerdiagnose<br />
Adaptive Regelung nichtlinearer Prozesse<br />
Konzepte für intelligente Regelungen<br />
Lernende Regelung mit Wissensbasis<br />
Prädiktive Regelungen<br />
Prozeßorientierte Methoden<br />
Mechatronische Radbremsen<br />
Modellgestützte Methoden der Fehlererkennung:<br />
- Parameterschätzung<br />
- Zustandsschätzung<br />
- Paritätsgleichungen<br />
Fehlerdiagnose mit Fuzzy Logik<br />
<strong>und</strong> mit Neuronalen Netzen<br />
Fehlererkennung mit Signalmodellen<br />
Kraftfahrzeuge Verbrennungsmotoren Medizintechnik<br />
Modellbildung, Identifikation von Kraftfahrzeugen<br />
- Längsdynamik<br />
- Querdynamik<br />
- Vertikaldynamik<br />
Regelung von Kraftfahrzeugen<br />
- Geschwindigkeit<br />
-Abstand<br />
- Bremsen<br />
Überwachung <strong>und</strong> Fehlerdiagnose von Kraftfahrzeugen<br />
- Radaufhängungen<br />
- Hydraulisches Bremssystem<br />
Entwicklung eines hochdynamischen Motorprüfstandes<br />
Adaptive Regelung von Dieselmotoren<br />
Fahrersimulation auf Motorenprüfständen<br />
Intelligentes Motor- <strong>und</strong> Nebenaggregatemanagement<br />
Modellbildung, Identifikation <strong>und</strong> Echtzeitsimulation von<br />
Dieselmotoren mit Turbolader<br />
Überwachung <strong>und</strong> Fehlerdiagnose von Otto-Motoren<br />
Entwicklung µ-Mechatronischer Implantate zur<br />
Therapie des Wasserkopfes<br />
Lungenfunktionsdiagnose bei Säuglingen<br />
Messung <strong>und</strong> Regelung des Blutzuckerspiegels<br />
Kreislaufsimulation zur Verbesserung der Dialyse<br />
Regelung der Beatmung
Institute of Automatic Control<br />
Laboratory of Control Systems and<br />
Process Automation<br />
Prof. Dr.-Ing. Dr. h.c. Rolf Isermann<br />
Mechatronic Systems<br />
Special research project of the German<br />
Research Fo<strong>und</strong>ation (DFG) No.241<br />
"IMES"<br />
Intelligent actuators - Digital control,<br />
fault detection.<br />
Information processing for mechatronic<br />
systems<br />
Power and Process<br />
Engineering<br />
Automation of Buildings<br />
Optimal control of heating systems<br />
Model based control of heat exchangers<br />
Theoretical Methods<br />
Modeling, Identification Intelligent / Adaptive<br />
Control<br />
Adaptive fuzzy logic<br />
Fuzzy-Neuro-Systems<br />
Fuzzy logic for controller design<br />
Fuzzy control<br />
Identification and classification with neural<br />
networks<br />
Mechatronic brakes<br />
Adaptive control of nonlinear processes<br />
Concepts for intelligent control<br />
Self-learning control with<br />
knowledge base<br />
Predictive control<br />
Process oriented Methods<br />
Supervision, Fault<br />
Diagnosis<br />
Fault detection with fuzzy logic and neural<br />
networks<br />
Fault detection of control loops and actuators<br />
Model based methods for fault<br />
detection<br />
- Parameter estimation<br />
- State estimation<br />
- Parity equation<br />
Fault detection with signal models<br />
Vehicles Combustion Engines Medical Engineering<br />
Modelling, identification of automobiles<br />
Control of automobiles<br />
- Speed<br />
-Distance<br />
-Braking<br />
Supervision and diagnosis of automobiles<br />
- suspension system<br />
- hydraulic brake<br />
Development of a high-dynamical engine test-stand<br />
Adaptive control of Diesel engines<br />
Driver simulation for engine test-stands<br />
Intelligent motor- and auxilliary units management<br />
Modeling, identification of Diesel-engines with turbocharger<br />
Supervision and fault diagnosis of igntion engines<br />
Development of µ-mechatronic implants for therapy<br />
of Hydrocephalus<br />
Lung function diagnosis in infants<br />
Measurement and control of blood sugar levels<br />
Simulation of the circulatory system for improvement<br />
of dialysis<br />
Optimal control of respiration
14<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
3.1.1 Modellbildung, Identifikation <strong>und</strong> intelligente Regelung<br />
Modeling, identification and intelligent control<br />
Rechnergestützte Modellbildung heterogener Prozesse<br />
Computer-aided modeling of heterogenous processes<br />
Dipl.-Ing. Stefan Drogies<br />
Förderung: TU Darmstadt<br />
Heterogene Systeme sind durch das Zusammenwirken von Teilsystemen aus verschiedenen<br />
Domänen (Mechanik, Elektrotechnik, Thermodynamik) charakterisiert. Deren<br />
Komponenten werden mit Modellbildungsverfahren unterschiedlicher Ingenieur-Fachgebiete<br />
beschrieben, wobei das Gesamtverhalten wesentlich durch das Zusammenwirken<br />
der Einzelkomponenten bestimmt ist. Durch Simulation soll das Systemverhalten<br />
analysiert werden, bzw. es sollen Rückschlüsse für den Entwurf realer Prozesse gezogen<br />
werden.<br />
Innerhalb der einzelnen Fachgebiete existieren bereits leistungsfähige Softwarewerkzeuge<br />
<strong>und</strong> Komponentenbibliotheken zur rechnergestützten Modellbildung <strong>und</strong> Simulation<br />
von Systemen. Fachübergreifende Lösungen mit ähnlicher Performance fehlen bisher<br />
jedoch. Hier bieten objektorientierte Konzepte, die durch eine gleichungsorientierte,<br />
symbolische Modellbeschreibung gekennzeichnet sind, eine interessante Perspektive.<br />
Das Gr<strong>und</strong>prinzip besteht darin, physikalische Systeme möglichst direkt auf Modellobjekte<br />
abzubilden. Dabei wird keine Kausalität festgelegt, sondern es werden nur<br />
Beziehungen zwischen den Objekten definiert. Objekte können entsprechend der physikalischen<br />
Kopplung miteinander verschaltet werden. Hier spielen vor allem die Abstraktion,<br />
das Vererben von Eigenschaften eines Objektes <strong>und</strong> die Aggregation, das<br />
Zusammensetzen von Objekten, eine große Rolle. Die gemeinsamen Eigenschaften von<br />
Gr<strong>und</strong>komponenten eines Fachgebietes können in Bibliotheken gespeichert <strong>und</strong> in<br />
entsprechenden Modellen eingesetzt werden. Beispiele für allgemeine, objektorientierte<br />
Sprachen zur Modellbeschreibung sind Dymola, Modelica, Omola, VHDL-AMS.<br />
Im Mittelpunkt dieses Projektes steht die multidisziplinäre Modellbildung technischer,<br />
dynamischer Systeme, wobei der Schwerpunkt auf mechatronischen Systemen liegt.<br />
Vorhaben, die u. a. geplant sind, beschäftigen sich mit:<br />
1. der Weiterentwicklung objektorientierter Konzepte zur mathematischen Beschrei-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 15<br />
bung physikalischer Phänomene,<br />
2. der Abbildung klassischer Modellierungsansätze in objektorientierte Formulierungen,<br />
3. dem Aufbau <strong>und</strong> der Erweiterung bestehender Komponentenbibliotheken aus dem<br />
Bereich <strong>Mechatronik</strong>,<br />
4. der Erzeugung von Modellen mit variabler Komplexität in Abhängigkeit von der<br />
gewünschten Genauigkeit,<br />
5. echtzeitgerechter Modellierung,<br />
6. dem Einarbeiten von Konzepten zur Fehlererkennung <strong>und</strong> -diagnose in Komponenten.<br />
Beispiel für ein heterogenes System (kamerageführtes Fahrzeug)
16<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Identifikation nichtlinearer dynamischer Systeme mit Neuro- <strong>und</strong> Fuzzy-Ansätzen<br />
Identification of nonlinear dynamic systems with neuro and fuzzy approaches<br />
Dipl.-Ing. Oliver Nelles<br />
Förderung: TU Darmstadt<br />
Die Identifikation nichtlinearer, dynamischer Systeme hat große Bedeutung in den<br />
Bereichen Simulation, Prädiktion, Fehlererkennung <strong>und</strong> -diagnose <strong>und</strong> Regelung. Ein<br />
gutes Modell stellt hierbei die Basis für fast jede Untersuchung dar. Beschränkt man<br />
sich dabei nicht nur auf kleine Arbeitsbereiche, treten bei vielen Prozessen nichtlineare<br />
Effekte signifikant hervor. Oft ist eine Modellbildung basierend auf bekannten Gesetzen<br />
nur näherungsweise möglich <strong>und</strong> meistens sehr aufwendig. Daher sind Verfahren<br />
gesucht, die mit wenig a-priori-Wissen hauptsächlich anhand von Meßdaten ein System<br />
identifizieren können.<br />
In diesem Projekt werden zur Identifikation nichtlinearer, dynamischer Systeme Neuro<strong>und</strong><br />
Fuzzy-Ansätze untersucht. Beide sind universelle Approximatoren <strong>und</strong> damit in der<br />
Lage eine weite Klasse von Nichtlinearitäten zu approximieren. Die Dynamik wird<br />
durch das Anlegen von Vergangenheitswerten der Systemein- <strong>und</strong> ausgänge an das<br />
neuronale Netz bzw. Fuzzy System erzeugt. Der Schwerpunkt dieses Projektes liegt bei<br />
schnell trainierbaren Verfahren mit möglichst guter Interpretierbarkeit, die auf eine<br />
weite Klasse von Problemen anwendbar sind. Daher werden vorwiegend lineare Optimierungsverfahren<br />
eingesetzt. Dies führt insbesondere zu einer Untersuchung der<br />
radialen Basisfunktionen-Netze, Ansätzen mit lokalen linearen Modellen <strong>und</strong> Fuzzy-Systemen<br />
mit Singleton-Zugehörigkeitsfunktionen amAusgang. Für diese Methoden<br />
werden neue Verfahren zunächst in Simulationen erprobt. Erfolgreiche Methoden<br />
werden anschließend mit Daten von realen Prozessen auf ihre Praxistauglichkeit hin<br />
untersucht. Als Prozesse werden zur Zeit untersucht: ein Abgasturbolader für Dieselmotoren,<br />
ein Rohrbündel <strong>und</strong> Kreuzstrom-Wärmetauscher, ein Gebläse, Längs- <strong>und</strong><br />
Querdynamik eines Kraftfahrzeuges <strong>und</strong> viele Arten von statischen Kennfeldern im<br />
Bereich der Kfz-Elektronik für Motoren <strong>und</strong> Fahrzeuge.<br />
Im folgenden sei kurz die Arbeitsweise von Netze mit lokalen, linearen Modellen<br />
dargestellt. Das erste Bild zeigt ein solches Netz für die Identifikation eines nichtlinearen,<br />
dynamischen Systems erster Ordung mit M lokalen linearen Modellen (LLM), die<br />
über die zugehörigen Gewichtungsfunktionen gewichtet werden. Dabei wird gefordert,<br />
daß sich die Gewichtungsfunktionen zu eins aufsummieren. Somit läßt sich das Netz als
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 17<br />
gewichtete Mittelwertbildung einfacher<br />
linearer Modelle auffassen. Je nach Sichtweise<br />
kann man dieses als ein lokales<br />
Basisfunktionen-Netz oder als Sugeno-<br />
Takagi Fuzzy-System interpretieren. Die<br />
Gewichtungsfunktionen spielen dabei die<br />
Rolle von Basisfunktionen bzw<br />
Zugehörigfunktionen. Während die Parameter<br />
der lokalen linearen Modelle über<br />
lineare Optimierung bestimmt werden können,<br />
müssen die Parameter der<br />
Gewichtungsfunktionen mittels Heuristi-<br />
Netz mit lokalen linearen Modellen<br />
ken oder nichtlinearer Optimierung festgelegt werden.<br />
Für das Training dieses Netztyps wird ein neues Verfahren namen LOLIMOT (local<br />
linear model tree) vorgeschlagen. Im Vergleich zu bekannten Methoden zeichnet es sich<br />
durch eine sehr hohe Trainingsgeschwindigkeit, eine leistungsfähige rekursive Adaption<br />
zur On-line Identifikation, eine automatische Struktursuche der relevanten Eingangsgrößen<br />
<strong>und</strong> eine gute Interpretierbarkeit aus. Das Bild unten zeigt ein mittels LOLIMOT<br />
gewonnenes Modell eines Rohrbündel-Wärmetauschers.<br />
Statisches <strong>und</strong> dynamisches Verhalten eines mit LOLIMOT trainierten<br />
neuronalen Netzes, das einen Rohrbündel-Wärmetauscher modelliert.<br />
Veröffentlichungen: 22/96, 23/96, 25/96, 26/96, 27/96, 29/96, 31/96, 47/96, 48/96,<br />
52/96, 65/96, 1/97, 3/97, 6/97, 11/97, 12/97, 17/97, 25/97, 27/97, 30/97, 31/97, 33/97,<br />
40/97, 41/97, 42/97, 46/97, 51/97, 59/97, 62/97, 63/97
18<br />
Fuzzy-modellbasierte Regelung nichtlinearer Prozesse<br />
Fuzzy model-based control of nonlinear processes<br />
Dipl.-Ing. Martin Fischer<br />
Dipl.-Ing. Alexander Fink<br />
Förderung: DFG-Graduiertenkolleg ISIA & TU Darmstadt<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Die Regelung nichtlinearer <strong>und</strong> komplexer Prozesse stellt nach wie vor eine große<br />
Herausforderung an die Verfahren der Automatisierungstechnik dar. Der Einsatz nichtlinearer<br />
Regelungsmethoden setzt im allgemeinen relativ genaue, nichtlineare Prozeßmodelle<br />
voraus. Sind diese nicht verfügbar, greift man häufig auf modifizierte lineare<br />
Verfahren wie adaptive oder robuste Regelungen zurück. In den letzten Jahren beschäftigten<br />
sich Wissenschaft <strong>und</strong> Anwender intensiv mit Fuzzy-Reglern, die im allgemeinen<br />
nichtlinear sind. Sie erlangen ihre Berechtigung zunächst aufgr<strong>und</strong> der<br />
linguistischen Transparenz, die es erlaubt, menschliche Regelstrategien zu implementieren.<br />
Ein direkter Entwurf gemäß Bild 1 kann zwar einen nichtlinearen Regler liefern,<br />
dessen Optimierung aber aufgr<strong>und</strong> der großen Zahl freier Parameter mitunter einen<br />
großen Aufwand bedeutet.<br />
In diesem Projekt werden Ansätze zur fuzzy-modellbasierten Regelung nichtlinearer<br />
Prozesse erarbeitet (Bild 2). Anstatt das Wissen menschlicher Experten direkt zum<br />
Reglerentwurf zu nutzen, dient es jetzt dazu, nichtlineare, dynamische Prozesse zu<br />
modellieren. Als zweite Informationsquelle können mit Hilfe geeigneter Identifikationsverfahren<br />
dann auch gemessene Ein-/Ausgangsdaten zur Modellbildung verwendet<br />
werden. Der anschließende Reglerentwurf erfolgt weitgehend automatisiert <strong>und</strong> erfordert<br />
nur noch die Festlegung einiger weniger Parameter.<br />
Zur Modellbildung werden dynamische Takagi-Sugeno Fuzzy-Systeme eingesetzt, die<br />
auch als verallgemeinerte radiale Basisfunktionen-Netzwerke (RBF) oder als lokale,<br />
lineare Modelle interpretiert werden können. Dieser Ansatz wird aufgr<strong>und</strong> seiner Transparenz<br />
verwendet, um qualitative, theoretische <strong>und</strong> experimentelle Modellbildung zu<br />
integrieren. Zum Reglerentwurf werden verschiedene Verfahren eingesetzt, wie zum<br />
Beispiel:<br />
` Entwurf linearer Regler auf der Basis linearisierter Fuzzy-Prozeßmodelle<br />
` Nichtlineare prädiktive Regelung<br />
Im ersten Ansatz werden in Anlehnung an indirekte, parameteradaptive Regler die<br />
Parameter eines linearen Reglers mit klassischen Entwurfsverfahren on-line eingestellt.
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 19<br />
Bild 1: Direkter Fuzzy-Reglerentwurf<br />
(schematisch)<br />
Bild 2: Fuzzy-modellbasierter<br />
Reglerentwurf (schematisch)<br />
Der Reglerentwurf basiert auf einem linearen Ersatzmodell des Prozesses. Dieses wird<br />
mittels einer speziellen Linearisierungsmethode, der sogenannten lokalen dynamischen<br />
Linearisierung, in jedem Abtastschritt aus dem nichtlinearen Fuzzy-Modell berechnet.<br />
Die Linearisierung erfolgt hierbei im aktuellen Arbeitspunkt, unabhängig davon, ob<br />
dieser statisch oder dynamisch ist. Das Verfahren berücksichtigt die besonderen Interpolationseigenschaften<br />
der Takagi-Sugeno Fuzzy-Modelle, die bei Anwendung üblicher<br />
Linearisierungsmethoden wie z. B. Taylor-Reihenentwicklung zu unerwünschten Effekten<br />
führen können.<br />
Bei der nichtlinearen prädiktiven Regelung wird die Stellgröße ausgegeben, die optimal<br />
im Sinne eines vorher definierten Gütekriteriums ist. Das Fuzzy-Modell dient im Rahmen<br />
des Optimierungsverfahrens zur Vorhersage des zukünftigen Prozeßverhaltens.<br />
Sollen die Regler auf zeitvariante, nichtlineare Prozesse angewendet werden, ist eine<br />
rekursive on-line Adaption der Fuzzy-Modelle notwendig. Das entsprechende Verfahren<br />
nutzt die Struktur der Fuzzy-Modelle aus, um die linearen Teilmodelle in den Regelkonklusionen<br />
lokal zu adaptieren. Die lokale Adaption bietet die Möglichkeit, nur diejenigen<br />
Teilmodelle zu verändern, die das Prozeßverhalten im augenblicklichen Arbeitspunkt<br />
bestimmen.<br />
Die Praxistauglichkeit der fuzzy-modellbasierten Regler wird an einer thermischen<br />
Versuchsanlage erprobt, z.B. die Weitbereichsregelung von Kreuzstrom-Wärmeaustauschern.<br />
Veröffentlichungen: 5/96, 26/96, 29/96, 30/96, 48/96, 49/96, 1/97, 6/97, 25/97, 40/97,<br />
41/97, 42/97, 45/97, 60/97
20<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Identifikation nichtlinearer dynamischer Systeme mit neuronalen Netzen<br />
Identification of nonlinear dynamical systems with neural networks<br />
Dipl.-Inform. Susanne Ernst<br />
Förderung: Stipendium “Frauen in den Ingenieurdisziplinen” (Hessisches Ministerium<br />
für Wissenschaft <strong>und</strong> Kunst)<br />
Die Entwicklung von matematischen Modellen dynamischer Systeme stellt die Gr<strong>und</strong>lage<br />
für zahlreiche Anwendungen der <strong>Regelungstechnik</strong>, wie der adaptiven Regelung, der<br />
autonomen Prozeßsimulation <strong>und</strong> der modellgestützten Fehlerdiagnose dar. Entsprechend<br />
dem erforderlichen Grad an Vorwissen über die physikalischen, biologischen,<br />
chemischen etc. Vorgänge im System können die theoretische Modellbildung (White-<br />
Mehrschichtiges Perzeptron mit interner Dynamik<br />
Box Modelle) <strong>und</strong> die experimentelle Modellbildung (Systemidentifikation, Black-Box<br />
Modelle) unterschieden werden. Da die zugr<strong>und</strong>eliegenden Gesetzmäßigkeiten realer<br />
Prozesse wegen deren Komplexität oft nicht bekannt sind, werden häufig Black-Box<br />
Modelle verwendet, die das Prozeßverhalten mit Hilfe von Eingangs- <strong>und</strong> Ausgangs<br />
daten identifizieren. In diesem Forschungsvorhaben werden Black-Box Modellstrukturen<br />
untersucht, die auf neuronalen Netzarchitekturen basieren. Verschiedene Architekturen<br />
neuronaler Netze stellen universelle Approximatoren statischer Nichtlinearitäten dar.<br />
Erweiterungen neuronaler Netze mit dynamischen Strukturen führen daher zu Prozeßmodellen,<br />
die erfolgreich für die Identifikation nichtlinearer dynamischer Systeme<br />
eingesetzt werden können. Für die Dynamikmodellierung mit statischen Approximato-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 21<br />
ren existieren zwei gr<strong>und</strong>legende Herangehensweisen: externe Dynamik <strong>und</strong> interne<br />
Dynamik.<br />
Ein Schwerpunkt dieser Arbeit ist die Untersuchung von Feed-Forward Netzen, speziell<br />
den mehrschichtigen Perzeptronen-Netzen, mit interner Dynamik. Hierfür werden die<br />
statischen Netze mit linearen Filtern zu nichtlinearen dynamischen neuronalen Strukturen<br />
erweitert. Der Vorteil dieser Vorgehensweise liegt in der Trennung zwischen nichtlinearer<br />
Statik <strong>und</strong> linearer Dynamik. Die Stabilität des Gesamtmodells hängt nur von<br />
den linearen Filtern ab, deren Stabilitätskriterien bekannt sind. Aufgr<strong>und</strong> des Black-Box<br />
Charakters der neuronalen Netze gehören diese zu den nichtparametrischen Modellen.<br />
Daher ist theoretisch eine unendlich hohe Parameteranzahl für die exakte Approximation<br />
bzw. Identifikation erforderlich. Ein wesentliches Problem bei der Anwendung neuronaler<br />
Netze ist deshalb die Wahl der Netzwerkkomplexität, d.h. die Anzahl der zu optimierenden<br />
Parameter. Ein weiteres entscheidendes Problem sind die langen Trainingszeiten,<br />
die wegen des nichtlinearen Charakters der neuronalen Netze auftreten. Für die intern<br />
dynamischen Perzeptron-Netze werden daher verschiedene Strukturoptimierungsverfahren<br />
<strong>und</strong> effiziente Trainingsalgorithmen untersucht.<br />
Hinging Hyperplane Tree mit Unterteilung des<br />
2-dimensionalen Eingangsraumes<br />
Im Rahmen dieses Projektes wurde ein neuer lokaler linearer Modellansatz zur Approximation<br />
statischer Nichtlinearitäten entwickelt. Diese Hinging Hyperplane Trees<br />
(HHT) basieren auf speziellen Basisfunktionen, den sogenannten Hinge Funktionen. Der<br />
zugehörige Baumkonstruktionsalgorithmus erweitert die Modellkomplexität der Hinging<br />
Hyperplane Trees iterativ. Im Gegensatz zu anderen lokalen Modellansätzen besitzen die
22<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Hinging Hyperplane Trees eine achsenschräge Unterteilung des Eingangsraumes. Aufgr<strong>und</strong><br />
der lokalen Gültigkeitsbereiche der einzelnen Teilmodelle ist die Anwendung<br />
effizienter schneller Trainingsverfahren möglich. Ein weiterer Vorteil ist die Bestimmung<br />
einer adequaten Modellkomplexität aufgr<strong>und</strong> der impliziten Strukturoptimierung<br />
des Baumkonstruktionsalgorithmus. Die Hinge Hyperplane Trees können durch die<br />
Erweiterung mit externer Dynamik für die Identifikation von nichtlinearen dynamischen<br />
Systemen eingesetzt werden. Dabei realisieren externe Verschiebeketten die zeitlich<br />
zurückliegenden Werte der Ein- <strong>und</strong> Ausgangsdaten.<br />
Ziel dieser Arbeit ist das Auffinden von neuronalen Strukturen <strong>und</strong> zugehörigen, effizienten<br />
Trainingsverfahren, die die Identifikation einer breiten Klasse von dynamischen<br />
Nichtlinearitäten ermöglichen. Die entwickelten Ansätze werden bei der Identifikation<br />
verschiedener Prozesse aus realen Meßdaten erprobt <strong>und</strong> verglichen, beispielsweise für<br />
den Abgasturbolader-Prozeß eines Dieselmotors <strong>und</strong> Teilprozesse einer Wärmetauscher-<br />
Pilotanlage.<br />
Veröffentlichungen: 31/96, 52/96, 27/97, 46/97, 61/97<br />
Abgeschlossene Arbeiten 1996/97<br />
Finished projects 1996/97<br />
Adaptive prädiktive Regelung von schnell zeitvarianten <strong>und</strong> nichtlinearen Prozessen<br />
Adaptive predictive control of rapidly time varying and nonlinear processes<br />
Dipl.-Ing. Oliver Hecker<br />
Förderung: TU Darmstadt<br />
Veröffentlichungen: 42/96, 56/96, 58/96, 61/96, 3/97, 11/97, 30/97, 57/97, 58/97, 68/97<br />
Identifikation nichtlinearer Prozesse mit dynamischen, neuronalen Netzen<br />
Identification of nonlinear processes by dynamical neuronal nets<br />
Dr.-Ing. Mihiar Ayoubi<br />
Förderung: DFG-Graduierten Kolleg ISIA<br />
Veröffentlichungen: 6/96, 11/96, 12/96, 16/96, 28/96, 32/96, 38/96, 20/97, 37/97, 53/97,<br />
54/97, 65/97
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 23
24<br />
3.1.2 Überwachung <strong>und</strong> Fehlerdiagnose<br />
Supervision and fault diagnosis<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Modellbasierte Fehlerdiagnose nichtlinearer Prozesse auf der Basis von Künstlichen<br />
Neuronalen Netzen<br />
Model-based fault diagnosis of nonlinear processes based on aritificial neural networks<br />
Dipl. -Ing. Peter Ballé<br />
Förderung: DFG-Graduiertenkolleg ISIA<br />
Fortgeschrittene Verfahren der technischen Fehlerdiagnose (TFD) verwenden modellbasierte<br />
Methoden, die eine hohe Diagnosetiefe ermöglichen <strong>und</strong> den Einsatz zusätzlicher<br />
Sensorik weitestgehend vermeiden. Die Notwendigkeit einer mitunter aufwendigen<br />
theoretischen Modellbildung des Prozesses ist jedoch relativ aufwendig. Als industrielle<br />
Anforderungen an ein Diagnosesystem sind besonders die Punkte<br />
` geringe Zusatzkosten (keine zusätzliche Sensorik)<br />
` leichte Bedienbarkeit <strong>und</strong> Implementierung<br />
zu nennen.<br />
In diesem Projekt sollen gr<strong>und</strong>legende Methoden für die modellbasierte Diagnose an<br />
nichtlinearen Prozessen entwickelt werden, die sich leicht anwenden lassen. Die Methoden<br />
sollen mit einem deutlich reduzierten Modellbildungsaufwand auskommen, aber<br />
trotzdem eine leistungsfähige Diagnose ermöglichen. Dazu werden nichtlineare Approximatoren<br />
wie Künstliche Neuronale Netze (KNN) herangezogen, die aus Meßdaten<br />
trainierbar sind. Eine aufwendige, physikalische Modellbildung wird weitgehend vermieden<br />
<strong>und</strong> durch eine einfachere, allgemein einsetzbare experimentelle Modellbildung<br />
ersetzt. Vielversprechend erscheinen besonders Ansätze, bei denen Grey-Box Modelle<br />
erzeugt werden, deren Parameter in gewissen Grenzen interpretierbar sind. Bei der<br />
darauf aufsetzenden Diagnose kann dieses Wissen hilfreich eingesetzt werden, um z.B.<br />
Veränderungen in den Parametern zu analysieren <strong>und</strong> mit möglichen Fehlzuständen des<br />
Prozesses in Relation bringen zu können.<br />
Auf diese vereinfachten Modelle werden bekannte Verfahren der TFD zur Symptomgenerierung<br />
adaptiert. Als besonders leistungsfähige Verfahren werden hier Parameterschätzung<br />
<strong>und</strong> Paritätsraumansätze in Verbindung mit neuronalen Netzen verwendet.<br />
Die Parameterschätzung basiert auf der Adaption der Modellparameter an das gemessene<br />
Prozeßverhalten, so daß Modell <strong>und</strong> Prozeß immer möglichst exakt übereinstimmen.
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 25<br />
Die Abweichungen der Modellparameter zu nominalen Parametern zeigt den Prozeßzustand<br />
an.<br />
Schema der modellbasierten Symptomgenerierung<br />
Bei Paritätsraumansätzen werden die Parameter des Modells konstant gehalten. Fehler<br />
im Prozeß äußern sich dann in Abweichungen zwischen Modellgrößen <strong>und</strong> gemessenen<br />
Prozeßgrößen. Der Vorteil der Paritätsgleichungen liegt besonders in dem geringen<br />
Rechenaufwand.<br />
Die so gewonnenen Symptome sind die Basis für eine weitere Diagnose, die Fehlerart<br />
<strong>und</strong> Ort identifiziert. Die entwickelten Methoden werden an einer thermischen Anlage<br />
<strong>und</strong> einem elektro-pneumatischen Stellventil praktisch erprobt.<br />
Veröffentlichungen: 10/96, 17/96, 26/97, 29/97, 39/97, 61/97, 62/97, 63/97, 68/97,<br />
69/97, 71/97
26<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Fehlerdiagnose technischer Prozesse mit Neuro-Fuzzy Methoden<br />
Fault diagnosis of technical processes with neuro-fuzzy methods<br />
Dipl.-Ing. Dominik Füssel<br />
Förderung: Deutsche Forschungsgemeinschaft IS/14-50/1<br />
Bei immer mehr technischen Prozessen wird durch die zunehmende Verfügbarkeit von<br />
mikroelektronischen Schaltungen <strong>und</strong> erweiterter Sensorik die Möglichkeit geschaffen,<br />
moderne Überwachungs- <strong>und</strong> Fehlererkennungsalgorithmen zu implementieren.<br />
Für diese Aufgabe gibt es eine Reihe unterschiedlicher Ansätze, die darin ähnlich sind,<br />
daß sie Symptome erzeugen, deren Ausprägungen charakteristisch für bestimmte Fehlerfälle<br />
sind. Es bleibt damit die Aufgabe der Diagnose, d.h. das Zuordnen der entsprechenden<br />
Symptome zu den möglichen, auftretenden Fehlerfällen. Diese wird heute<br />
vielfach mit a-priori Wissen durchgeführt, das in mehr oder weniger großer Menge<br />
vorhanden ist. Typisch ist beispielsweise eine Fuzzy-Regelbasis oder eine Fehlerbaumanalyse.<br />
Schema einer Überwachung mit selbstlernendem<br />
Diagnosesystem<br />
Wünschenswert ist jedoch eine automatisierte Diagnosesystemerstellung aus gemesse-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 27<br />
nen Fehlerfällen. Dabei müssen Kausalzusammenhänge erkannt <strong>und</strong> Muster klassifiziert<br />
werden. Besonders geeignet sind hierzu Methoden selbstlernender, neuronaler Netze<br />
kombiniert mit Fuzzy Logik, sog. Neuro-Fuzzy Systeme. Die sich so ergebenden Diagnosesysteme<br />
erlauben eine zumindest teilweise Nachvollziehbarkeit der Entscheidungsfindung.<br />
Dies erleichtert das Einbringen von Vorwissen <strong>und</strong> bietet die Möglichkeit,<br />
das Generalisierungsverhalten des Diagnosesystems abzuschätzen. Es werden dazu<br />
hybride Neuro-FuzzyAnsätze untersucht, die eine Äquivalenz von neuronalem Netz <strong>und</strong><br />
einer Fuzzy-Regelbasis herstellen.<br />
Weitere Schwerpunkte liegen auf der Untersuchung von Klassifikatoren, die auf<br />
Radialbasis-Funktionsnetzen beruhen, <strong>und</strong> der praktischen Umsetzung <strong>und</strong> Erprobung<br />
der Verfahren an Beispielprozessen. Dies sind mechatronische Komponenten wie elektrische<br />
Motoren, Komponenten aus der Verfahrenstechnik <strong>und</strong> das Kühlsystem von<br />
Verbrennungsmotoren. Schließlich wird ein Vergleich mit herkömmlichen Diagnoseverfahren<br />
durchgeführt.<br />
Gleichstrommotorprüfstand für Untersuchungen der Fehlerdiagnose<br />
Veröffentlichungen: 29/96, 26/97, 29/97, 44/97, 63/97, 67/97, 68/97, 69/97, 70/97,
28<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
71/97<br />
Entwicklung eines Verfahrens zur Erkennung von Verbrennungsaussetzern basierend<br />
auf einer Druckmessung im Abgasstrang<br />
Developement of engine-misfire detection systems by measuring the exhaust pressure<br />
Dipl.-Ing. Markus Willimowski<br />
Förderung: Kooperation mit den Firmen Audi AG, BMW AG, Daimler-Benz AG,<br />
Porsche AG <strong>und</strong> Volkswagen AG<br />
Die Erkennung von Verbrennungsaussetzern hat bei Ottomotoren seit der Einführung<br />
von Abgaskatalysatoren stark an Bedeutung gewonnen. Bei Verbrennungsaussetzern,<br />
die beispielsweise durch ein falsches Luft-Kraftstoffverhältnis oder durch Ausbleiben<br />
der Zündung verursacht werden, gelangt unverbrannter Kraftstoff in die Abgasanlage.<br />
Bei seiner Umwandlung wird soviel Wärme freigesetzt, daß der Katalysator durch<br />
thermische Überlastung geschädigt oder gar zerstört wird. Gesetzliche Regelungen, wie<br />
sie beispielsweise für Kalifornien vom Air Resources Board (CARB) veröffentlicht<br />
wurden, schreiben daher im Rahmen der On-Board Diagnose (OBDII) eine ständige<br />
Überwachung des Motors auf Verbrennungsaussetzer vor.<br />
Versuchsfahrzeug BMW 750 i<br />
Zur Erkennung solcher Aussetzer werden überwiegend drehzahlgestütze Verfahren eingesetzt.<br />
Allerdings erweist sich mit ihnen eine Detektion bei niedrigen Lasten <strong>und</strong> hohen<br />
Drehzahlen insbesondere bei vielzylindrigen Motoren als problematisch.<br />
Um trotzdem den geplanten Gesetzesverschärfungen entsprechen zu können, die eine
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 29<br />
Aussetzererkennung im gesamten Last-/Drehzahlbereich fordern, werden daher alternative<br />
Methoden zur Aussetzererkennung untersucht.<br />
Ziel dieses Projektes ist die Entwicklung eines Diagnosesystems zur sicheren Erkennung<br />
<strong>und</strong> Lokalisierung aussetzender Zylinder.<br />
Eine Möglichkeit zur Erkennung von Aussetzern stellt die Analyse des Druckverlaufs<br />
im Abgasstrang dar. Bei auftretenden Aussetzern kommt es gegenüber dem Fall der<br />
regulären Verbrennung zu charakteristischen Schwankungen des Abgasdrucks. Mittels<br />
Mustererkennungsverfahren lassen sich geeignete Kennwerte (Merkmale) aus dem<br />
Drucksignal extrahieren. Hierzu werden zum einen signalbasierte Verfahren im Zeitbereich<br />
(statistische Kenngrößen, Filterung, etc.) <strong>und</strong> Frequenzbereich (DFT, ARMA-<br />
Spektralschätzung, etc.) eingesetzt. Zum anderen eignen sich aber auch aufgr<strong>und</strong> der<br />
charakteristischen Signalform gekoppelte Zeit- Frequenzbereichsansätze wie beispielsweise<br />
die STFT-, Wavelet- bzw. Wigner-Ville-Transformation. Die Gesamtheit der<br />
ermittelten Merkmale wird in einem Merkmalvektor zusammengefaßt, wobei jeder<br />
Merkmalvektor einem Punkt im sogenannten Merkmalsraum entspricht. Merkmalvektoren,<br />
die gleiche Zustände beschreiben, bilden aufgr<strong>und</strong> ihrer Streuung eine Anhäufung<br />
(Cluster) im Merkmalsraum. Der Zustand des Systems wird zu jedem Zeitpunkt durch<br />
einen Punkt in diesem Raum beschrieben. Ziel der Mustererkennung ist es, jeden Zustand<br />
einer bestimmten Klasse zuzuordnen, wobei die Klassen charakteristisch für<br />
bestimmte Betriebszustände oder Fehler (z.B. Aussetzer in entsprechenden Zylindern<br />
etc.) sind. Die Diagnose durch Zuordnung des aktuellen Merkmalvektors zu einer Klasse<br />
erfolgt dabei mittels unterschiedlicher Klassifizierungsverfahren (Multireferenz-, Neuro-<br />
Fuzzy-Klassifikation, Expertensysteme).<br />
Veröffentlichungen: 16/97, 58/97
30<br />
3.1.3 Energie- <strong>und</strong> Produktionstechnik<br />
Industrial process control<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Entwicklung eines Regelalgorithmus für Brennwertkessel zur optimalen Brennwertnutzung<br />
Development of a control algorithm for condensing heating boilers for optimal caloric<br />
value utilization<br />
Dipl.-Ing. Jochen Ohl<br />
Dipl.-Ing. Karsten Spreitzer<br />
Förderung: Kooperation mit der Firma Viessmann Werke GmbH & Co<br />
Im Rahmen dieses Projektes soll ein Algorithmus zur optimalen Brennwertnutzung bei<br />
Brennwertkesseln entwickelt werden. Das Prinzip des Brennwertkessels besteht darin,<br />
durch die besondere Konstruktion bzw. durch zusätzliche Wärmetauscherflächen den<br />
Abgasen die fühlbare Wärme <strong>und</strong> teilweise auch die Verdampfungswärme zu entziehen<br />
<strong>und</strong> dem Heizsystem zuzuführen. Dies setzt voraus, daß die Abgase bis unter den Taupunkt<br />
des Wassers (bei Erdgas 58°C) abgekühlt werden, so daß der Wasserdampf, der<br />
bei der Verbrennung entsteht bzw. schon in der Luft enthalten ist, kondensiert <strong>und</strong><br />
Wärme freisetzt. Diese Verdampfungswärme konnte bei konventionellen Heizkesseln<br />
nicht genutzt werden, sondern wurde über den Schornstein in die Umwelt abgeführt.<br />
Wieviel Kondensationswärme genutzt werden kann, hängt vor allem von der Temperatur<br />
im Heizsystem ab. Je kühler das Wasser ist, das zum Kessel zurückläuft, desto mehr<br />
Wärme kann den Abgasen entzogen werden <strong>und</strong> desto größer ist die Brennwertnutzung.<br />
So beträgt z.B. bei einer Rücklauftemperatur von 40°C der Wirkungsgrad 103,5%<br />
(bezogen auf den unteren Heizwert) <strong>und</strong> die Kondensatmenge 38g/kWh. Bei einer<br />
Rücklauftemperatur von 30°C dagegen beträgt der Wirkungsgrad 105,8% bei einer<br />
Kondensatmenge von 105g/ kWh. Von daher sind besonders Fußbodenheizungen für<br />
den Einsatz von Brennwertkesseln geeignet, da hier ohne zusätzliche Maßnahmen in<br />
jedem Betriebspunkt eine Kondensation stattfindet. Bei Neuanlagen läßt sich eine<br />
bessere Brennwertnutzung dadurch erzielen, daß man das Heizsystem durch entsprechende<br />
Dimensionierung der Heizkörper auf eine größere Temperaturspreizung auslegt.<br />
Für bestehende Anlagen, in denen nur der Kessel ausgetauscht werden soll, müssen<br />
andere Wege gegangen werden, um die Brennwertnutzung zu verbessern <strong>und</strong> damit den<br />
Wirkungsgrad der Anlage zu steigern.
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 31<br />
In dieser Arbeit wird mit Hilfe einer drehzahlgeregelten Pumpe der Volumenstrom in<br />
dem Heizungssystem verändert <strong>und</strong> dadurch die Rücklauftemperatur beeinflußt. Durch<br />
einen geringeren Volumenstrom<strong>und</strong> einer dadurch bedingten längeren Verweildauer des<br />
Heizwassers in den Heizkörpern sinkt auch die Rücklauftemperatur. Allerdings läßt sich<br />
der Volumenstrom nicht beliebig weit drosseln, da sonst das dynamische Verhalten zum<br />
Steuern <strong>und</strong> Regeln zu träge wird <strong>und</strong> einzelne Heizkörper eventuell nicht mehr durchströmt<br />
werden.<br />
Wärmebedarfsgeführte Heizungsregelung ohne<br />
Außentemperaturmessung<br />
Ziel der Untersuchungen ist es, eine drehzahlregelbare Pumpe so in Abhängigkeit vom<br />
Wärmebedarf einzusetzen, daß der Kessel in jedem Betriebspunkt mit optimalem Wirkungsgrad<br />
betrieben wird. Hierbei sind neben dem Wärmegewinn durch Kondensation<br />
auch die Abgasverluste <strong>und</strong> die Wärmeübergangszahlen im jeweiligen Betriebspunkt zu<br />
beachten.
32<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Der momentane Wärmebedarf wird mit Hilfe eines Fuzzy-Reglers aus gemessenen<br />
Prozeßgrößen ermittelt. Auf der Basis des ermittelten Wärmebedarfes erfolgt ebenfalls<br />
die Vorgabe des Sollwertes für die Vorlauftemperatur. Die bei konventionellen außentemperaturgeführten<br />
Heizungsregelungen verwendete Führungsgröße 'Außentemperatur',<br />
die über die Heizkennlinie zur Vorgabe des Sollwertes für die Vorlauftemperatur<br />
dient, wird hier nicht mehr verwendet. Dies wurde durch die Entwicklung eines regelbasierten<br />
Fuzzy-Reglers möglich, der nur Signale aus dem Heizkesselbereich verwendet.<br />
Veröffentlichungen: 32/96, 56/97, 67/97<br />
Abgeschlossene Arbeiten 1996/97<br />
Finished projects<br />
Adaptive Regelung der Schnittkraft beim Fräsprozeß mit Fehlerüberwachung<br />
Adaptive cutting force control of milling process including fault detection<br />
Dr.-Ing. Harry Nolzen<br />
Förderung: TU Darmstadt<br />
Veröffentlichungen: 4/96<br />
Modellbasierte Fehlerdiagnose beim Fräsen<br />
Model-based fault diagnosis of milling processes<br />
Dr.-Ing. Heiko Konrad<br />
Förderung: Deutsche Forschungsgemeinschaft IS/14-46/3<br />
Veröffentlichungen: 7/96, 55/96<br />
Regelung einer Zement- Kreislaufmahlanlage<br />
Control of a closed-circuit cement mill<br />
Dipl.-Ing. Stefan Fritz<br />
Förderung: Kooperation mit der Firma Heidelberger Zement<br />
Sensorführung von Industrierobotern zur Bearbeitung nachgiebiger Werkstücke<br />
Sensorguidance of industrial robots for machining of compliant workpieces<br />
Dipl.-Ing. Ahmed AbouEl-Ela<br />
Förderung: Deutsche Forschungsgemeinschaft IS/14-52/1<br />
Veröffentlichungen: 14/96
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 33
34<br />
3.1.4 Kraftfahrzeuge<br />
Vehicles<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Fahrzeugsicherheit <strong>und</strong> Sensordiagnose mit modellgestützten Methoden<br />
Vehicle safety and sensors diagnosis using model-based methods<br />
Dipl.-Ing. Christoph Halfmann<br />
Dipl.-Ing. Henning Holzmann<br />
Förderung: Kooperation mit der Firma Adam-Opel AG<br />
Basierend auf den Ergebnissen zweier Vorgängerprojekte soll im Rahmen dieses Forschungsprojektes<br />
ein Gesamtsimulationsmodell für ein Kraftfahrzeug erstellt werden.<br />
Dieses Modell soll sowohl als off-line Simulation (unter MATLAB ® /-Simulink )als<br />
auch online im Versuchsfahrzeug (auf Signalprozessor-Hardware) eingesetzt werden.<br />
Die Struktur der Fahrzeugmodelle wurde durch theoretische Modellbildung erhalten.<br />
Die Parametrierung des Modells erfolgt mittels Identifikations- <strong>und</strong> Parameterschätzverfahren<br />
aufgr<strong>und</strong> gemessener Signale. Zur Messung relevanter Größen stehen mit spezieller<br />
Sensorik ausgerüstete Testfahrzeuge zur Verfügung.<br />
Testfahrzeug mit spezieller Sensorik<br />
Durch Vergleich von Simulation <strong>und</strong> Messung soll im Zuge einer Modellvalidierung die<br />
Gültigkeit des erarbeiteten Modells untersucht <strong>und</strong> beurteilt werden. Aufbauend auf dem<br />
Fahrzeuggesamtmodell werden unterschiedliche Teilprojekte bearbeitet.<br />
Im Rahmen einer "Fahrdynamischen Zustandserkennung" sollen kritische Fahrsituationen<br />
frühzeitig erkannt werden. Hierbei kann zusätzlich zu den Sensorinformationen<br />
auch auf ein videogestütztes System zur Detektierung des Straßenverlaufs zurückgegriffen<br />
werden. Aufgr<strong>und</strong> der Kenntnis des aktuellen Fahrzustands sollen durch modellbasierte<br />
Prädiktion Strategien zur Entschärfung evtl. kritischer Fahrsituationen entwi-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 35<br />
ckelt werden. Der damit zusammenhängende Eingriff in die Fahrzeugdynamik kann z.B.<br />
durch einen aktiven Lenkeingriff mittels eines elektrischen Lenkaktors erfolgen.<br />
Innerhalb des Teilprojekts "Sensor- <strong>und</strong> Teilkomponentendiagnose" sollen durch einen<br />
modellbasierten Vergleich von Mess- <strong>und</strong> Simulationsdaten Rückschlüsse auf Sensorbzw.<br />
Komponentenfehlfunktionen gezogen werden. Ein Beispiel für eine derartige Diagnose<br />
ist die online Schätzung des aktuellen Reifendrucks im Fahrzeug.<br />
Struktur der Reifendrucküberwachung<br />
Durch modell- <strong>und</strong> signalbasierte Auswertung charakteristischer Sensorsignale im Zeit<strong>und</strong><br />
Frequenzbereich sollen Rückschlüsse auf den aktuellen Luftdruck in den Reifen des<br />
Fahrzeugs gezogen werden. Neben klassischen Methoden der Signalanalyse <strong>und</strong> der<br />
Filterung werden hierbei auch moderne Verfahren der künstlichen Intelligenz (z.B.<br />
Neuro- <strong>und</strong> Fuzzy-Methoden) eingesetzt. Ziel des Projektes ist die Entwicklung, Komplettierung<br />
<strong>und</strong> Perfektionierung eines Algorithmus zur Reifendruckanalyse im Fahrzeug<br />
bis hin zur Serienreife.<br />
Veröffentlichungen: 15/96, 16/96, 17/96, 39/96, 47/97, 64/97, 65/97
36<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Rekonstruktion der Bremskraft bei Fahrzeugen mit elektromechanischen Radbremsen<br />
Brakeforce reconstruction of vehicles with electro-mechanical brakes<br />
Dipl.-Ing. Ralf Schwarz<br />
Förderung: Kooperation mit der Firma ITT Automotive Europe GmbH<br />
Moderne Automobile werden aufgr<strong>und</strong> der ständig steigenden Anforderungen an die<br />
aktive <strong>und</strong> passive Sicherheit, die ökonomische Verträglichkeit <strong>und</strong> den Komfort mit<br />
immer mehr elektronischen Systemen ausgestattet.<br />
Der elektrische Fremdeingriff in das hydraulische Bremssystem zur Realisierung von<br />
aktiven Sicherheitskonzepten (ABS, ASR, ESP etc.) macht jedoch den Einsatz einer<br />
Vielzahl zusätzlicher Komponenten wie z.B. Ventilen, Pumpen <strong>und</strong> Speicherbehältern<br />
notwendig.<br />
Um nicht mehr den ‘Umweg’ über die ohnehin bezüglich ihrer Umweltverträglichkeit<br />
kritische Bremsflüssigkeit gehen zu müssen, werden derzeit in der Automobil- <strong>und</strong><br />
Automobilzulieferindustrie neue elektromechanische Bremssysteme entwickelt (Bild).<br />
Die Radbremsen dieser Bremssysteme setzen die elektrischen Steuersignale mit Hilfe<br />
von elektromechanischen Wandlern direkt in eine Spannkraft um.<br />
Elektromechanische Bremse
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 37<br />
Zur Regelung der elektrischen Bremsen wird die Zuspannkraft bzw. die Bremskraft<br />
benötigt. Diese Größen sind jedoch nur sehr schwer <strong>und</strong> kostenaufwendig meßbar. Im<br />
Rahmen dieses Projektes soll daher ein Verfahren entwickelt werden, mit dem die<br />
Zuspannkraft bzw. die Bremskraft anhand von am Fahrzeug verfügbaren Signalen<br />
rekonstruiert werden kann.<br />
Aufbauend auf einer detaillierten theoretischen Modellbildung für die Fahrzeugdynamik<br />
<strong>und</strong> die Dynamik einer elektromechanischen Bremse werden Simulationsmodelle am<br />
realen Kraftfahrzeug <strong>und</strong> an einem Bremsenprototyp verifiziert <strong>und</strong> gegebenfalls vereinfacht.<br />
Mit Hilfe der Simulationsmodelle werden basierend auf Parameteridentifikationsmethoden<br />
<strong>und</strong> adaptiven Beobachteransätzen Verfahren zur Rekonstruktion der Zuspannbzw.<br />
der Bremskraft aus Signalen der elektrischen Bremse <strong>und</strong> der Fahrzeugreaktion<br />
(Bild) entwickelt.<br />
Versuchsfahrzeug<br />
Veröffentlichungen: 2/97, 16/97, 17/97, 58/97
38<br />
Rad VR<br />
ωRad<br />
VR<br />
Fail-Safe<br />
Radbremsmodul VR<br />
Radbremsaktuator VR<br />
Fail-Silent<br />
Radbremsrechner VR<br />
Fail-Silent<br />
Radbremsrechner VL<br />
Radbremsaktuator VL<br />
Fail-Safe<br />
Radbremsmodul VL<br />
ωRad<br />
VL<br />
Power 2<br />
Power 1<br />
Zentralrechner-<br />
Modul<br />
Fail-Silent<br />
Zentralrechner<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Definition <strong>und</strong> Realisierung einer Überwachungsebene für ein elektromechanisches<br />
Bremssystem<br />
Definition and realization of a supervision concept of electromechanical brake systems<br />
Dipl.-Ing. Stefan Stölzl<br />
Förderung: Kooperation mit ITT Automotive Europe GmbH<br />
Bremsanlagen für Automobile werden immer komplexer <strong>und</strong> verlangen individuelle<br />
Bremseingriffe für die einzelnen Räder (ABS, Fahrdynamikregelungen, ACC). Dies<br />
kann zukünftig mit dezentralen, an den Rädern angeordneten, elektromechanischen<br />
Bremsaktuatoren realisiert werden.<br />
Rad VL<br />
Cockpit<br />
Fehlertolerante<br />
Pedalelektronik<br />
Bremspedalmodul<br />
Power 1<br />
Power 1 PS 1 PS 2 PS 3 Power 2<br />
Red<strong>und</strong>anter<br />
Datenbus<br />
Systemarchitektur Brake-by-Wire<br />
Power 1<br />
Power 2<br />
Rad HR<br />
ωRad<br />
HR<br />
Fail-Safe<br />
Radbremsmodul HR<br />
Radbremsaktuator HR<br />
Fail-Silent<br />
Radbremsrechner HR<br />
Fail-Silent<br />
Radbremsrechner HL<br />
Radbremsaktuator HL<br />
Fail-Safe<br />
Radbremsmodul HL<br />
Ein solches vollständig elektrifiziertes ‘Brake-by-Wire’-System stellt eine Fremdkraftbremsanlage<br />
dar, bei welcher der Fahrer beim Bremsen lediglich ein elektromechanisches<br />
Bremspedal (EMP) betätigt, dessen sensorische Informationen einem übergeordneten<br />
Fahrzeugbremsenmanagement zugeleitet wird.<br />
Dem Sicherheitskonzept, der Zuverlässigkeit <strong>und</strong> der Überwachung dieses Systems<br />
kommen eine zentrale Bedeutung zu. Durch moderne Überwachungsmethoden, Plausibilitätskriterien<br />
<strong>und</strong> Prüfroutinen können Fehlerzustände <strong>und</strong> Ausfälle erkannt, lokali-<br />
ω<br />
Rad HL<br />
Rad HL
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 39<br />
siert <strong>und</strong> diagnostiziert werden. In diesem Projekt werden zunächst Realisierungskonzepte<br />
einer Überwachungsebene <strong>und</strong> ein Sicherheitskonzept für Brake-by-Wire erarbeitet.<br />
Basierend auf diesen Ergebnissen wird ein fehlertolerantes Bremspedal entwickelt<br />
<strong>und</strong> ein Brake-by-Wire Prüfstand aufgebaut. Am IRT-Prüfstand lassen sich Fehler<br />
eingstreuen, die mit Hilfe von Überwachungsroutinen on-line auf einem Mikrocontroller<br />
erkannt <strong>und</strong> diagnostiziert werden können. Je nach Schwere der Fehler <strong>und</strong> Ausfälle<br />
erfolgt eine Korrektur der Sensordaten oder eine Rekonfigurations des Bremssystems.<br />
Abgeschlossene Arbeiten 1996/97<br />
Finished projects<br />
Brake-by-Wire Prüfstand am IRT<br />
Dezentrale, intelligente Stellsysteme in der KFZ-Technik<br />
Modular and intelligent automobile servo systems<br />
Dipl.-Ing. Thomas Pfeufer<br />
Förderung: BMBF/FVV (Beteiligte Firmen: Axon GmbH, Daimler Benz AG, MTU<br />
Friedrichshafen GmbH, Robert Bosch GmbH, Porsche AG, VDI/VDE-<br />
Technologiezentrum, Volkswagen AG)<br />
Veröffentlichungen: 9/96, 33/96, 37/96, 45/96, 46/96, 38/97, 54/97
40<br />
3.1.5 Verbrennungsmotoren<br />
Combustion engines<br />
Modellbildung <strong>und</strong> optimierte Regelung von Turboladern<br />
Modeling and optimized control of turbochargers<br />
Dipl.-Ing. Jens-Achim Kessel<br />
Förderung: TU Darmstadt<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
p<br />
p<br />
2e<br />
Verdichter<br />
T<br />
p<br />
1<br />
.<br />
m 2e<br />
ηis,V<br />
T(...)<br />
T2e<br />
p<br />
ωATL<br />
T1<br />
M(...)<br />
MV<br />
m<br />
p<br />
3a<br />
MT MV ηMech<br />
-<br />
Laufzeug<br />
ωATL Turbine<br />
p<br />
4<br />
ωATL<br />
ηis,T<br />
.<br />
m 3a,T<br />
T3a<br />
T(...)<br />
M(...)<br />
T4<br />
MT<br />
p<br />
3a<br />
Abblasventil<br />
max(...)<br />
p<br />
4<br />
k<br />
T3a .<br />
m 3a,W<br />
.<br />
Dieselmotoren sind im PKW als energiesparende robuste Motoren bekannt. Während<br />
die Motoren früher ihre Verbrennungsluft selbst ansaugen mußten <strong>und</strong> damit in einigen<br />
Betriebspunkten eine optimale Füllung der Zylinder nur mit erheblichen Aufwand bei<br />
der Gestaltung des Ansaugkrümmers möglich war, werden heute zunehmend auch an<br />
kleinen Motoren Abgasturbolader eingesetzt. Mit Hilfe der Abgasturbolader wird<br />
überwiegend thermische Energie dem Abgas entnommen <strong>und</strong> zur Verdichtung der<br />
Frischluft verwendet, die mit einem wesentlich höheren Druck in die Zylinder gepreßt<br />
wird.<br />
Im Gegensatz zu stationär betriebenen<br />
Motoren, bei denen auch der<br />
1<br />
Turbolader für einen speziellen Arbeitspunkt<br />
ausgelegt werden kann,<br />
1<br />
T2e<br />
werden im PKW große Drehzahl<strong>und</strong><br />
Lastbereiche durchfahren. Dies<br />
2e<br />
2e<br />
führt dazu, daß eine Regelung des<br />
Ladedrucks erfolgen muß, um zum<br />
einen auch schon bei niedrigen Drehzahlen<br />
ein Maximum an Drehmo-<br />
p3a<br />
MV<br />
MT<br />
ωATL<br />
ment zu erreichen <strong>und</strong> zum anderen<br />
den Motor bei hohen Drehzahlen <strong>und</strong><br />
Lasten nicht zu überladen.<br />
Stand der Technik bei kleinen Ab-<br />
T3a<br />
p4<br />
T4<br />
.<br />
m3a gasturboladern ist die Regelung des<br />
Ladedrucks durch einen Stelleingriff<br />
auf der Abgasseite. Mit dem Öffnen k<br />
eines Abblasventils (Wastegate) wird<br />
Strukturbild des Abgasturboladers
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 41<br />
Abgas an der Turbine vorbeigeführt <strong>und</strong> somit die Drehzahl des Laders gesenkt. Die<br />
Ansteuerung des Abblasventils erfolgt durch eine pneumatische Rückführung des Ladedrucks<br />
auf das Ventil, die bei einigen Ausführungen auch mit einem Magnetventil kurzzeitig<br />
unterbrochen werden kann. Erste Fahrzeuge, bei denen eine Ladedruckregelung<br />
über eine verstellbare Turbinengeometrie (Leitschaufelverstellung), werden bereits auf<br />
dem Markt angeboten.<br />
Zielsetzung der Forschungs-<br />
n=90000, beta_2=70, p_rat=2.25<br />
x 105<br />
3.4<br />
arbeit ist die detaillierte<br />
Untersuchung des dynamischen<br />
3.2<br />
p/[hPa] = 3800<br />
3600<br />
Verhaltens eines Turboladers<br />
3400<br />
3200<br />
3 1<br />
mit variabler Turbinengeome-<br />
C1 C2 C4 TQ<br />
3000<br />
2800<br />
trie <strong>und</strong> die Entwicklung von<br />
2600<br />
2.8 0.684<br />
2400<br />
modellbasierten Regelungsstra-<br />
C5<br />
2<br />
2200<br />
n_TT<br />
2000<br />
tegien für ein optimales Motor- 2.6<br />
4 4*<br />
W4 W4*<br />
1800<br />
verhalten(Leistungscharakteris- W5*<br />
1600<br />
5*<br />
tik, Abgasemissionen <strong>und</strong> 2.4<br />
Kraftstoffverbrauch). Für den<br />
2.2<br />
Reglerentwurf werden verschie- 1900 1920 1940 1960 1980<br />
specific entropy s<br />
dene Optimierungskriterien ver- Mollier-Diagramm, Enthalpie (h) [J/kg] <strong>und</strong> Entropie<br />
wendet, z.B. soll in Beschleuni- (s) [J(kg] der Zustände am Eingang der Turbine (1),<br />
gungsphasen die Laderdrehzahl am Eintritt zur variablen Geometrie (2), am Rotoreintritt<br />
(4,4*) <strong>und</strong> am Rotoraustritt (5). Energieanteile für<br />
auch über die Schaltpausen hin-<br />
kinetische Energie (C1..C5,W4..W5) <strong>und</strong> die mech.<br />
weg auf einem hohen Niveau Leistungsabgabe (TQ) sind angegeben<br />
gehalten werden.<br />
Ausgangsbasis für die Modellbildung des Turboladers sind algebraischen Gleichungen,<br />
die thermodynamische Zusammenhänge in der Turbine <strong>und</strong> dem Verdichter beschreiben.<br />
Für jeden Betriebspunkt können Mollier-Diagramme, die die Zustände des Gases auf<br />
dem Weg durch die Turbine oder den Verdichter wiedergeben, berechnet werden. Das<br />
Bild zeigt ein Mollier-Diagramm für einen Arbeitspunkt der Turbine. Da dem Steuergerät<br />
für die Regelung des Turboladers mit VTG kaum Meßgrößen zur Verfügung stehen,<br />
wird das Modell des Laders als Beobachter eingesetzt, um nicht meßbare Zustände für<br />
die Regelung bereitzustellen.<br />
Zur Minimierung des benötigten Speichers <strong>und</strong> der notwendigen Rechenzeit, werden die<br />
berechneten Kennfelder mit einem Neuronalen Netz abgebildet.<br />
Veröffentlichungen: 19/96<br />
specific enthalpy h
42<br />
Nebenaggregate-Management<br />
Managememt of the assessory drives<br />
Dipl.-Ing. Martin Schmidt<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Förderung: Forschungsgemeinschaft<br />
VDMA<br />
für Verbrennungskraftmaschinen (FVV),<br />
Beteiligte Firmen: Adam Opel AG, Behr GmbH & Co, BMW Motoren<br />
GmbH, Robert Bosch GmbH, Mercedes-Benz AG, Pierburg AG, Volkswagen<br />
AG, Wilo GmbH u.a.<br />
Nebenaggregate ist der Oberbegriff für alle Energiewandler im Auto, die nicht unmittelbar<br />
dem Fahrzeugantrieb dienen. Ihre Aufgaben sind vielfältig <strong>und</strong> beinhalten die<br />
Kühlung von Motor <strong>und</strong> Fahrzeug, die Erzeugung elektrischer Energie, die Lenkunterstützung<br />
sowie weitere Sicherheits- <strong>und</strong> Komfortfunktionen. Bedingt durch steigende<br />
Anforderungen auf diesen Gebieten stieg der Energiebedarf dieser Nebenaggregate in<br />
den letzten Jahren deutlich an. In aktuellen Fahrzeugen kann er im Alltagsverkehr 2<br />
l/100km übersteigen <strong>und</strong> stellt somit ein beachtliches Hindernis auf dem Weg zum<br />
geforderten 3-l-Auto dar.<br />
Aus diesem Gr<strong>und</strong> läuft seit April 1995 am Institut für <strong>Regelungstechnik</strong> <strong>und</strong> am<br />
Vermessung eines Nebenaggregats am Versuchsfahrzeug (FG VKM)
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 43<br />
Lüfter<br />
G<br />
Fachgebiet Verbrennungskraft-<br />
G<br />
maschinen des Fachbereichs<br />
Wasserpumpe<br />
Maschinenbau (Prof. Hohen-<br />
Ölpumpe<br />
berg) ein von der ForschungsvereinigungVerbrennungskraftmaschinen,<br />
Frankfurt Klima-<br />
(FVV) initiiertes Forschungskompressor Generator<br />
vorhaben mit dem Titel Nebenaggregate-Management".Be-<br />
Getriebe<br />
gleitet wird dieses Projekt von<br />
G<br />
einen Arbeitskreis der FVV aus<br />
Lenkhilfepumpe<br />
etwa 20 Vertretern von AutoGleichmobilherstellern <strong>und</strong> Zuliefestrommotor Dezentraler Nebenaggregateantrieb<br />
rern.<br />
Messungen an einem durch den Arbeitskreis bereitgestellten aktuellen Fahrzeug der<br />
Mittelklasse, waren der Ausgangspunkt für eine Modellbildung der Nebenaggregate<br />
sowie eine Separierung ihrer Verbrauchsanteile. Mit den gewonnenen Modellen wurden<br />
unter MATLAB/Simulink eine Simulationsumgebung mit dem Namen NAGREMA<br />
erstellt, die eine Gesamtfahrzeugsimulation mit dem Schwerpunkt auf den Nebenaggregaten<br />
<strong>und</strong> auf ihren Wechselwirkungen im Gesamtsystem Fahrzeug ermöglicht. Sie<br />
wird aktuell sowohl am Institut für <strong>Regelungstechnik</strong> als auch von den Arbeitskreismitgliedern<br />
zur Entwicklung optimierter Betriebsstrategien eingesetzt. Zentrale Entwicklungsziele<br />
sind der wirkungsgradoptimierte <strong>und</strong> der bedarfsorientierte Betrieb des<br />
Einzelaggregats sowie die Möglichkeiten der Energierückgewinnung bei Bremsvorgängen<br />
(Nutzbremsungen). Der bisherige zentrale Antrieb über den Keilriemen wird in<br />
neuen Konzepten zunehmend durch dezentrale Antriebe ersetzt.<br />
Ergänzt werden diese Simulationen durch Versuche an dynamischen Motorenprüfständen.<br />
Veröffentlichungen: 19/96, 57/97
44<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Dieselmotorregelung mit Zylinderdruckmessung<br />
Closed loop Diesel engine control by cylinder pressure measurement<br />
Dipl.-Ing. Oliver Jost<br />
Förderung: Deutsche Forschungsgemeinschaft, SFB 241 IMES<br />
Während in der Motorenentwicklung/-forschung schon seit langemdie Zylinderdruckindizierung<br />
ein unentbehrliches Hilfsmittel ist, zeichnet sich erst jetzt eine Verfügbarkeit<br />
von kostengünstigen <strong>und</strong> langzeitstabilen Drucksensoren für den Einsatz im Serienfahrzeug<br />
ab. Da Zylinderdrucksignale viel Information über die Verbrennungsabläufe in den<br />
Zylindern enthalten, ermöglicht ihre Auswertung neue Lösungsansätze für eine adaptive<br />
Regelung <strong>und</strong> On-line Optimierung des Verbrennungsprozesses.<br />
Im Rahmen des Sonderforschungsbereiches 241 der Deutschen Forschungsgemeinschaft<br />
ist das Ziel des Teilprojektes A8 der Entwurf neuer Dieselmotorregelungen auf Basis<br />
des Zylinderdruckverlaufs.<br />
Eine Zylinderdruck-Regelung basierend auf einer Brennraumdruckmessung ermöglicht<br />
zunächst die arbeitstaktweise Regelung der Verbrennung jedes einzelnen Zylinders.<br />
Hierbei sollen moderne regelungstechnische Entwicklungsmethoden (Neuronale Netze<br />
<strong>und</strong> Fuzzy-Methoden) eingesetzt werden. Überlagerte Regelungen erlauben dann den<br />
Aufbau von Drehmoment- <strong>und</strong> Gleichlaufregelungen <strong>und</strong> Verbesserungen einer Leerlauf-Drehzahlregelung.<br />
Es ergeben sich somit neuartige Regelkonzepte. Hinzu kommt, daß durch den Einsatz<br />
von Brennraumdrucksensoren eventuell andere Sensoren, die für die Verbrennungssteuerung<br />
bisher erforderlich sind, ersetzt werden können, wie z.B. Luftmassensensor<br />
<strong>und</strong> Luftdrucksensor. Es soll auch untersucht werden, ob die Verwendung von einem<br />
oder zwei Brennraumdrucksensoren in Verbindung mit einer hochauflösenden Kurbelwellendrehzahl-Auswertung<br />
<strong>und</strong> Brennraumdruck-Rekonstruktion für eine Regelung<br />
ausreicht. Durch eine Zylinderdruck-Regelung ist auch zu erwarten, daß weitere Verbesserungen<br />
zur Senkung von Verbrauch <strong>und</strong> Emissionen erzielt werden können.<br />
Speziell zur Senkung der NOx-Emissionen soll auch die Abgasrückführung mit in das<br />
Steuerungsskonzept aufgenommen werden. Für die Analyse des Zylinderdrucks kann<br />
auf eigene Vorarbeiten am Institut für <strong>Regelungstechnik</strong> zurückgegriffen werden. In<br />
diesen Arbeiten wurde der Zylinderdruckverlauf vor allem für die Überwachung <strong>und</strong><br />
Fehlerdiagnose des Einspritzsystems ausgewertet. Dabei wurde eine Datenreduktion<br />
durch Merkmalsbildung, z.B. Zylinderdruckschwerpunkt, durchgeführt (siehe Bild). Um
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 45<br />
das Potential der Indizierung für einen verbrauchs- <strong>und</strong> abgasoptimierten Motorbetrieb<br />
auszunutzen, müssen Modelle sowohl für die Drehmomenterzeugung als auch für die<br />
Abgasemissionen in Abhängigkeit von geeigneten Zylinderdruckmerkmalen entwickelt<br />
werden. Weiterhin soll untersucht werden, welche der bisher verwendeten Sensoren<br />
beim Einsatz von Zylinderdrucksensoren eingespart werden können.<br />
Für die Durchführung steht am Institut für <strong>Regelungstechnik</strong> ein hochdynamischer<br />
Motorenprüfstand zur Verfügung, auf dem an einem TDI-Motor von VW mit einem<br />
Rapid Prototyping System die Regelungen entwickelt werden sollen.<br />
Integrationsschwerpunkte im Teilprojekt A8 des SFB 241 "Dieselmotorregelung<br />
mit Zylinderdruckmessung"
46<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Adaptive Steuerung <strong>und</strong> Regelung von Verbrennungsmotoren<br />
Adaptive control of combustion engines<br />
Dipl.-Ing. Norbert Müller<br />
Förderung: TU Darmstadt<br />
Der moderne Straßenverkehr stellt an einen Motor hohe Anforderungen bezüglich<br />
Leistung <strong>und</strong> Abgasverhalten, welche auch unter extremen Bedingungen optimal<br />
bewältigt werden müssen. Die sparsame Verwendung <strong>und</strong> bessere Ausnutzung des<br />
Kraftstoffes in Kombination mit umweltfre<strong>und</strong>licher Verbrennung erfordern modernste<br />
Regelungskonzepte in den Bereichen Zündung <strong>und</strong> Gemischaufbereitung.<br />
Um den optimalen Betrieb des Motors über seiner gesamten Lebensdauer <strong>und</strong> unabhängig<br />
von fertigungsbedingten Bauteiltoleranzen an Motor <strong>und</strong> Einspritzanlage<br />
einzuhalten, sollen selbsteinstellende <strong>und</strong> adaptive Steuerungen <strong>und</strong> Regelungen eingesetzt<br />
werden. In Kombination mit modernen Stellgliedern, die z.B. eine zylinderselektive<br />
Einspritzung ermöglichen, können Verbrennungsungleichförmigkeiten <strong>und</strong> Leistungsunterschiede<br />
zwischen einzelnen Zylindern korrigiert, <strong>und</strong> somit die Leistungsausbeute<br />
<strong>und</strong> der Fahrkomfort optimiert werden.<br />
Im Rahmen dieses Forschungsprojekts wird eine zylinderselektive Regelung der Einspritzung<br />
zur Verbesserung der Laufruhe sowie zur Optimierung des indizierten Motor-<br />
Rapid-Prototyping System in einem Versuchsfahrzeug
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 47<br />
moments unter Auswertung des Zylinderdruck- <strong>und</strong> des Kurbelwinkel-Signals entwickelt.<br />
Dazu werden verschiedene Verfahren auf dem Rapid-Prototyping System dSPA-<br />
CE implementiert <strong>und</strong> am Motorenprüfstand sowie im Versuchsfahrzeug getestet.<br />
Rapid-Prototyping Systeme stellen ein Entwicklungstool zur schnellen Entwicklung<br />
regelungstechnischer Algorithmen auf grafischer Ebene <strong>und</strong> Erprobung in Echtzeit dar.<br />
Im Bypass zur Motorsteuerung, welche zur Ausführung der Basisfunktionen dient,<br />
können in dieser Echtzeitumgebung Regelalgorithmen implementiert <strong>und</strong> optimiert<br />
werden.<br />
Zur Generierung von geeigneten Regelgrößen <strong>und</strong> zur Beurteilung der Verbrennungsabläufe<br />
in den einzelnen Zylindern kommen neuartige Brennraumdrucksensoren zum<br />
Einsatz. Diese Sensoren erfüllen die hohen Anforderungen für einen künftigen Serieneinsatz<br />
bezüglich Langzeitstabilität <strong>und</strong> Genauigkeit bei geringen Kosten. Die in den<br />
Drucksignalen enthaltene Information wird in einer Drucksignalaufbereitung auf geeignete<br />
Kenn- <strong>und</strong> Regelgrößen verdichtet. Die Drucksignal-Kenngrößen sowie das<br />
Kurbelwinkelsignal werden vomRapid-Prototyping Systemausgewertet, zylinderindividuelle<br />
Korrekturfaktoren für Einspritzmenge <strong>und</strong> Zündzeitpunkt werden dann an das<br />
Motorsteuergerät (ECU) übertragen. Verbindungsglied zwischen Drucksignalaufbereitung,<br />
Rapid-Prototyping System <strong>und</strong> Motorsteuerung ist der CAN-Bus als schnelle<br />
Kommunikationsschnittstelle.<br />
Aufgr<strong>und</strong> der stark nichtlinearen <strong>und</strong> totzeitbehafteten Prozeßeigenschaften, sowie<br />
aufgr<strong>und</strong> starker stochastischer Schwankungen bei den aufeinanderfolgenden Verbrennungen,<br />
können Regelkreise nicht beliebig schnell arbeiten. Um dennoch ein über<br />
dem gesamten Betriebsbereich optimales Ergebnis zu erreichen, werden genaue Vorsteuerungen<br />
notwendig. Diese, in Form von Kennfeldern realisierten Vorsteuerungen<br />
können im Fahrbetrieb angepaßt <strong>und</strong> optimiert werden. Es werden selbstlernende<br />
Ansätze, wie künstliche neuronale Netze, untersucht <strong>und</strong> implementiert, um sie on-line<br />
am Prozeß zu trainieren.<br />
Neben der genannten Kompensation von Fertigungstoleranzen <strong>und</strong> Verschleißeffekten<br />
können dadurch Schwankungen des Brennbeginns infolge unterschiedlicher Kraftstoffqualitäten<br />
korrigiert werden. Darüber hinaus führen selbstlernende Systeme zu weniger<br />
Einstellarbeiten bei der Produktion des Fahrzeugs <strong>und</strong> im K<strong>und</strong>endienst.
48<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Hardware-in-the-Loop Simulation von Nutzfahrzeugen zur Entwicklung moderner<br />
Motormanagamentsysteme<br />
Hardware-in-the-loop simulation for the development of engine control systems<br />
Dipl.-Ing. Jochen Schaffnit<br />
Dipl.-Ing. Stefan Sinsel<br />
Förderung: Kooperation mit Daimler-Benz AG<br />
Steigende Anforderungen an das Betriebsverhalten, den Verbrauch <strong>und</strong> die Emissionen<br />
von Verbrennungsmotoren können nur noch mit Hilfe von elektronischen Steuer- <strong>und</strong><br />
Regelsystemen erfüllt werden. Hierbei muß nicht nur das stationäre, sondern zunehmend<br />
auch das instationäre Motorverhalten mitberücksichtigt werden. Da die am Antrieb<br />
beteiligten Fahrzeug-Teilsysteme, bestehend aus Verbrennungsmotor, Antriebsstrang<br />
<strong>und</strong> Fahrzeuglängsdynamik, dynamisch miteinander gekoppelt sind, können zahlreiche<br />
Steuergeräte-Funktionen nur noch im geschlossenen Wirkungskreis mit dem Gesamtsystem<br />
getestet bzw. optimiert werden.<br />
Bisher wurden die hierfür notwendigen Experimente hauptsächlich in Fahrversuchen<br />
oder an dynamischen Motorenprüfständen mit einer Antriebsstrang- <strong>und</strong> Fahrzeugsimulation<br />
als Last vorgenommen. Beide Möglichkeiten sind zum einen sehr kostspielig,<br />
besonders bei großen Leistungen im Nutzfahrzeugbereich, <strong>und</strong> zum anderen in der<br />
Regel erst in einem späten Entwicklungsstadium durchführbar. Sowohl der Kosten-<br />
Windows-Benutzeroberfläche
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 49<br />
aspekt als auch der Trend zu immer kürzeren Entwicklungszeiten im Automobilbau mit<br />
paralleler Entwicklung von Motor, Fahrzeug <strong>und</strong> deren elektronischen Steuerungssysteme<br />
erfordern neue angepaßte Entwicklungsmethoden. Schon seit geraumer Zeit<br />
wird daher verstärkt die Simulation in allen Phasen des Entwicklungsprozesses eingesetzt.<br />
Aufgr<strong>und</strong> der großen Fortschritte bei Rechnersystemen können jetzt Simulationen<br />
von komplexen Systemen auch in Echtzeit realisiert werden. Auf diese Weise sind die<br />
Voraussetzungen geschaffen, reale Steuergeräte in einer Hardware-in-the-Loop- Umgebung<br />
zu untersuchen.<br />
Vor diesem Hintergr<strong>und</strong> entwickelt das<br />
Institut für <strong>Regelungstechnik</strong> im Rahmen<br />
mehrerer Forschungsvorhaben zusammen<br />
mit der Daimler-Benz AG EchtzeitBenutzervorgabenDatenaufzeichnungsimulatoren<br />
für Nutzfahrzeug-Dieselmotoren<br />
inklusive Antriebsstrang. Mit<br />
diesen können Motorsteuergeräte am Labor-Arbeitsplatz<br />
unter realistischen dyna-<br />
Aktorik<br />
Sensorik<br />
mischen Bedingungen im geschlossenen<br />
Software<br />
Wirkungskreis mit dem simuliertem<br />
CAN-<br />
BUS<br />
Hardware<br />
Fahrzeug in Betrieb genommen <strong>und</strong> getestet<br />
werden. Diese Vorgehensweise hat<br />
gegenüber Prüfstands- <strong>und</strong> Fahrversu-<br />
Motor-<br />
Management<br />
chen u.a. folgende Vorteile:<br />
Hardware-in-the-Loop-Simulation<br />
- Reduzierung von Entwicklungskosten<br />
<strong>und</strong> Entwicklungszeiten<br />
- reproduzierbare Versuchsergebnisse<br />
- hohe Flexibilität bei der Konfiguration von Komponenten<br />
- gefahrloses Betreiben des Steuergeräts in Motorgrenzbereichen<br />
Eine erste Simulator-Ausführung wird in der Steuergeräte-Entwicklung bei Daimler-Benz<br />
bereits erfolgreich eingesetzt.<br />
Bei den Echtzeit-Simulationen wird jeder einzelne Zylinder-Arbeitstakt simuliert, um<br />
einen dynamischen Drehmoment- <strong>und</strong> Drehzahlverlauf zu erreichen, einschließlich<br />
Abgas-Turbolader. Die Steuerelektronik <strong>und</strong> die Einspritzpumpen sind als Echtteile<br />
realisiert. Die ersten Hil-Sumulatoren wurden mit Transputer-Netzen aufgebaut. Eine<br />
zweite Generation verwendet digitale Signalprozessoren mit dSpace-Systemen.<br />
Veröffentlichungen: 27/96, 4/97, 5/97, 23/97<br />
Simulation
50<br />
Fahrer<br />
nmot<br />
QEB<br />
mB<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Strategien zum umweltfre<strong>und</strong>lichen Betrieb von Dieselmotoren<br />
Strategies for Diesel engines control with low emission<br />
Dipl.-Ing. Michael Hafner<br />
Förderung: Fritz <strong>und</strong> Margot Faudi Stiftung<br />
Eine zunehmende Reduktion verschiedener Abgaskomponenten wird nicht nur vom<br />
Gesetzgeber vorgeschrieben, sondern liegt auch im allgemeinen Interesse. Die Komponenten<br />
Kohlenmonoxid (CO), Kohlenwasserstoffe (HC), Stickoxide (NOx) <strong>und</strong> Partikel<br />
(PM) können durch diverse inner- <strong>und</strong> nachmotorische Maßnahmen reduziert werden.<br />
Zum Teil sind die Wirkungszusammenhänge gegenläufig, d.h. die Reduktion einer<br />
Komponente geht mit der Erhöhung einer anderen einher.<br />
Um in einer übergeordneten Betriebsstrategie das Verbrauchs- <strong>und</strong> Abgasverhalten<br />
optimieren zu können, müssen zunächst die Einflußgrößen auf die Schadstoffbildung<br />
quantitativ ermittelt werden.<br />
TAGR AGR<br />
Motor<br />
VTG<br />
Verbrennungsmotor mit Turbolader <strong>und</strong> Abgasmeßtechnik<br />
AGR: Abgas-Rückführung<br />
VTG: Verstellbarer Turbolader<br />
Abgase:<br />
-NOx<br />
-HC<br />
-CO<br />
-PM
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 51<br />
Eine Vorausberechnung der Abgase gestaltet sich jedoch sehr komplex <strong>und</strong> ist mit einer<br />
ausreichenden Genauigkeit bisher kaum möglich. Die experimentelle Identifikation mit<br />
neuronalen Netzen stellt eine Möglichkeit dar, aus gemessenen Ein- <strong>und</strong> Ausgangsgrößen<br />
nichtlineare Modelle zu erstellen. Sie eignen sich zur Identifikation des Abgasverhaltens<br />
<strong>und</strong> ermöglichen eine Approximation des Abgasverhaltens durch Kennfelder<br />
mit einer beschränkten Parameterzahl.<br />
Variiert man hierbei beispielsweise die Eingangsgrößen Motordrehzahl (nmot), Einspritzmenge<br />
(mB), Einspritzbeginnwinkel (QEB), Leitschaufelstellung bei Abgasturbolader<br />
mit variabler Turbinengeometrie (VTG), Abgasrückführrate (AGR) <strong>und</strong> -kühlung<br />
(TAGR), so kann man die Entstehung der Abgaskomponenten trainieren <strong>und</strong> für verschiedene<br />
Betriebszustände die Abgase berechnen. Voraussetzung hierfür bildet hier die<br />
meßtechnische Erfassung geeigneter Datensätze.<br />
Auf der Basis der Abgasmodelle kann dann mit geeigneten Optimierungsverfahren das<br />
Verbrauchs-Abgas-Verhalten nach verschiedenen Zielfunktionen minimiert werden.<br />
Hierbei können je nach Ausstattung des Motoraggregats (z.B. Abgasrückführung,<br />
Oxidations- oder Reduktionskatalysatoren, Wasser- oder Harnstoffeinspritzung) unterschiedliche<br />
Stelleingriffe gewählt werden.<br />
Nach einer Optimierung des Gesamtverhaltens im stationären Betrieb läßt sich das<br />
Optimierungs-Verfahren auf den dynamischen Fall erweitern, insofern dynamische<br />
Meßwerte zur Verfügung stehen.<br />
Ausgehend von der Motordrehzahl <strong>und</strong> der vom Fahrer über das Sollmoment geforderten<br />
Einspritzmenge werden mit Hilfe neuronaler Netzmodelle für das Abgasverhalten<br />
die zu erwartenden Abgaskomponenten berechnet <strong>und</strong> gemäß eines Gewichtungsvektors<br />
zu einer Zielfunktion verknüpft. In diese Gewichtung gehen Grenzwerte, Fahrerwunsch,<br />
Ausstattung des Motoraggregates <strong>und</strong> Optimierungsgewichte ein. Die Zielfunktion wird<br />
im nächsten Schritt minimiert <strong>und</strong> der optimale Einspritzbeginnwinkel wird an die<br />
Einspritzpumpe weitergeleitet.<br />
Eine Regelung des Einspritzbeginnwinkels unter verschiedenen Zielvorgaben konnte in<br />
der Simulation bereits realisiert werden.
52<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Optimierter dynamischer Betrieb von Dieselmotoren mit Turbolader<br />
Optimized dynamic operation of Diesel engines with turbocharger<br />
Dipl.-Ing. Matthias Schüler<br />
Förderung: Deutsche Forschungsgemeinschaft, SFB 241 IMES<br />
Ein wichtiger Schwerpunkt der heutigen Motorenentwicklung ist außer der konstruktiven<br />
Verbesserung eine Optimierung der Motorsteuerung <strong>und</strong> -regelung.<br />
Schwerpunkt des Forschungsprojektes ist der Entwurf eines Motormanagement-Systems<br />
für Dieselmotoren mit Turbolader, das auf einer übergeordneten Ebene Optimierungsvorgaben<br />
für die unterlagerte Motorsteuerung festlegt. Diese bestehen aus einem Gütekriterium,<br />
in dem die zum Teil gegensätzlich gerichteten Größen Verbrauch <strong>und</strong> verschiedene<br />
Emissionen abhängig vom momentanen Fahrbetrieb zeitvariant gewichtet<br />
werden können. Bei heutigen Motorsteuerungen wird bei der Motorabstimmung ein<br />
Kompromiß zwischen verschiedenen Zielanforderungen gesucht <strong>und</strong> fest in Motorsteuerungskennfelder<br />
realisiert. Demgegenüber ermöglicht ein variables Optimierungskriterium<br />
die gezielte Anpassung an veränderliche Fahrbedingungen, wie die variable<br />
Gewichtung von Verbrauch <strong>und</strong> Emissionen um z.B. in Stadtbereichen bestimmte<br />
Abgaskomponenten niedrig zu halten oder bei ökonomischen Fahrern auf Überlandstrecken<br />
den Verbrauch zu reduzieren.<br />
Für die Festlegung des Gütekriteriums müssen dem Motormanagement Informationen<br />
Gütekriterium zum optimierten dynamischen Betrieb
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 53<br />
über den Fahrertyp <strong>und</strong> die Fahrsituation bereitgestellt werden. Die Bewertung des<br />
Fahrertyps geschieht mittels eines Fuzzy-Klassifikators zur Auswertung der Fahrsignale.<br />
Dieser besteht aus zwei Regelbasen, die zusammen eine Einstufung des momentanen<br />
Fahrverhaltens zwischen ökonomisch <strong>und</strong> sportlich liefern. Als besonders aussagekräftige<br />
Merkmale haben sich neben der Längsbeschleunigung besonders die Gaspedalstellung<br />
<strong>und</strong> Gaspedaländerungsgeschwindigkeit erwiesen. (Ähnliche Systeme auf<br />
Fuzzy-Logik-Basis werden im Fahrzeug erfolgreich zur Anpassung der Schaltkennlinien<br />
eines Automatikgetriebes an das Fahrverhalten eingesetzt). Zur Ermittlung der Fahrsituation<br />
können moderne Satelliten-Navigationssysteme eingesetzt werden, die zumindest<br />
in der automobilen Ober- <strong>und</strong> Mittelklasse immer weitere Verbreitung finden.<br />
Die zugr<strong>und</strong>eliegenden Datenbanken enthalten neben detaillieren Informationen über<br />
den Straßentyp auch die Ausdehnung der Stadt- <strong>und</strong> Ortsgebiete.<br />
Da für die meisten Abgase keine Sensoren für den Betrieb im Fahrzeug zur Verfügung<br />
stehen, ist die Erstellung einer Wissensbasis für den Entwurf des Motormanagementsystems<br />
ein weiterer wichtiger Punkt. Diese muß die Einflüsse möglicher Stellgrößenänderungen,<br />
wie Einspritzmenge <strong>und</strong> Einspritzbeginn, auf die Emissionen <strong>und</strong> den<br />
Verbrauch bei den unterschiedlichen Betriebsbedingungen enthalten. Hierbei haben sich<br />
neuronale Netze als gut geeignet für die Darstellung mehrdimensionaler nichtlinearer<br />
Zusammenhänge mit einer im Vergleich zu Rasterkennfeldern kleineren Anzahl von<br />
Parametern gezeigt. Für die Abbildung des Emissions- <strong>und</strong> Verbrauchsverhaltens wird<br />
ein am IRT entwickeltes neuronales Netz (LOLIMOT - LOcal LInear MOdel Tree)<br />
eingesetzt, das in der Lage ist, neben dem stationären auch das dynamische Verhalten<br />
des Motors nachzubilden. Als Eingangsgrößen der neuronalen Netze werden Motordrehzahl,<br />
Einspritzmenge, Einspritzwinkel <strong>und</strong> der Ladeluftdruck untersucht. Vor allem<br />
der Einspritzwinkel ist für die Abgasoptimierung interessant, da er beim bisher untersuchten<br />
Wirbelkammer-Turbodieselmotor einen sehr hohen Einfluß auf die Entstehung<br />
von Schadstoffen, jedoch nur einen geringen auf das Motormoment ausübt. Weitere<br />
Untersuchungen zur Abbildung der Schadstoffemissionen mit neuronalen Netzen<br />
werden an einem neu angeschafften 1.9 L TDI Motor durchgeführt.<br />
Daneben wird auch der Einsatz eines NOx -Prototyp-Sensors für das Serienfahrzeug<br />
untersucht <strong>und</strong> erprobt, inwieweit sich dieser Sensor für eine Online-Überwachung <strong>und</strong><br />
Begrenzung der NOx - Emissionen eignet.<br />
Bei der Modellbildung des dynamische Verhalten wird ferner untersucht, wie Emissionsspitzen<br />
bei Schalt- <strong>und</strong> Beschleunigungsvorgängen verringert werden können.<br />
Veröffentlichungen: 6/96, 44/96, 8/97, 10/97
54<br />
3.1.6 Medizintechnik<br />
Medical engineering<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Entwicklung neuartiger Mikroventil-Konzepte für Liquor-Shuntsysteme<br />
Development of new micro valve concepts for Liquor-Shuntsystems<br />
Dipl.-Ing. Marian Walter<br />
Förderung: Deutsche Forschungsgemeinschaft IS 14/49-2<br />
Das Gehirn des Menschen ist von einer wässrigen Flüssigkeit (liquor cerebrospinalis)<br />
umgeben, die in erster Linie der Dämpfung von Stößen <strong>und</strong> der Gewichtsminderung<br />
durch Auftrieb dient. Im Normalfall stehen die Produktion <strong>und</strong> die Resorption dieser<br />
Flüssigkeit in einem Fließgleichgewicht.<br />
Fällt die biologische Druckregelung<br />
durch Überproduktion,<br />
Verstopfung der<br />
Abflußwege oder Mangelresorption<br />
aus, so entsteht im<br />
Kopf ein Überdruck, durch<br />
den das Gehirn komprimiert<br />
wird.<br />
Beim Kind kann es infolge der<br />
noch nicht abgeschlossenen Säugling mit Hydrozephalus. Der unförmig<br />
Verknöcherung des Schädels erweiterte Schädel ist deutlich erkennbar.<br />
kompensatorisch zur einer<br />
Aufweitung des Kopfes kom<br />
men - daher der Name Wasserkopf<br />
(griech. Hydrozephalus).<br />
Das Bild zeigt einen Patienten<br />
mit dieser Erkrankung.<br />
Beim Erwachsenen steigt der<br />
Druck relativ rasch auf hohe<br />
Werte an, begleitet von Kopfweh,<br />
Bewußtlosigkeit <strong>und</strong> Koma.<br />
Unbehandelt führt diese<br />
Skizze zur Shunt-Implantation <strong>und</strong> elektrisches<br />
Ersatzschaltbild des Implantats
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 55<br />
Erkrankung in der Regel zum Tode. Die heutige Therapie besteht in der Implantation<br />
eines Druckregelventils (shunt), dessen Funktion ähnlich der eines Sicherheitsventils bei<br />
Dampfkochtöpfen ist. Sobald ein bestimmter kritischer Druck überschritten ist, öffnet<br />
das Ventil <strong>und</strong> leitet über-schüssige Flüssigkeit ab, heute meistens in den Bauchraum.<br />
Typischerweise wird das eigentliche Ventil hinter dem Ohr implantiert.<br />
Die vielfältigen Probleme, die auch heute noch mit diesen Ventilen bestehen (Verstopfung,<br />
Überdrainage, Siphon-Effekt beim Aufstehen, mangelnde Verstellbarkeit <strong>und</strong><br />
fehlende Kontrollmöglichkeit durch den Arzt) erfordern eine Weiterentwicklung dieser<br />
Ventile in Richtung eines integrierten mikromechanischen Systems.<br />
Im Rahmen dieses Projektes sollen hierzu die Gr<strong>und</strong>lagen erarbeitet werden. Gleichzeitig<br />
werden gemeinsam mit neurochirugischen Kliniken Verfahren für die Prüfung<br />
heute bereits erhältlicher Implantate erarbeitet <strong>und</strong> entsprechende Prüfstände zur Ermittlung<br />
der hydrodynamischen Eigenschaften der Implantate entwickelt. Ein Prüfstand<br />
diesen Typs wird mittlerweile bei einer Herstellerfirma eingesetzt.<br />
Am IRT entwickelter Prüfstand für implantierbare Mikroventile<br />
Projektpartner : ÿ Universität des Saarlandes, Neurochirurgische Klinik<br />
ÿ Universität Heidelberg, Neurochirurgische Klinik<br />
Veröffentlichungen: 20/96, 44/96, 54/96, 28/97, 48/97, 49/97
56<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Identifikation <strong>und</strong> adaptive Regelung der Lunge bei beatmeten Patienten<br />
Identification and adaptive control of artificially ventilated patients<br />
Dr.-Ing. Steffen Leonhardt<br />
Förderung: TU Darmstadt<br />
Bei Patienten mit akutem Lungenversagen (ARDS), aber auch bei vielen anderen<br />
Langzeit-Beatmeten kollabiert ein Teil der Lunge (sog. Atelektase) <strong>und</strong> steht nicht mehr<br />
für den Gasaustausch zur Verfügung. Hierdurch wird die Sauerstoff-Versorgung des<br />
Patienten reduziert <strong>und</strong> das Lungengewebe geschädigt.<br />
Vom medizinischen Pro-<br />
Beatmungsgerät<br />
jektpartner wurde ein Kon-<br />
Beatmungsdrücke<br />
Servo Ventilator 300<br />
zept entwickelt, mit dem<br />
man die Lunge durch geeignete<br />
Steuerung der Beat-<br />
PIP, PEEP,<br />
I/E, RR, VT<br />
mungsdrücke aufblähen<br />
<strong>und</strong> anschließend offen<br />
Fuzzy-Expertensystem Blutgase, pH<br />
Patient<br />
halten kann. Über die Mes-<br />
Blutgasmeßgerät<br />
sung der Blutgaskonzen-<br />
Paratrend 7<br />
trationen <strong>und</strong> des pH-Wertes<br />
kann der Status der<br />
Blutdruck<br />
Lunge (offen W geschlossen)<br />
eindeutig beurteilt<br />
Überwachungsmonitor<br />
Sirecust 960<br />
werden.<br />
Im Rahmen dieses Projektes<br />
wird eine Identifikation<br />
Konzept für Beatmung im geschlossenen Regelkreis<br />
<strong>und</strong> -Regelung mit Fuzzy Modellen entwickelt, die das ärztliche Expertenwissen<br />
beinhaltet <strong>und</strong> mit der das Beatmungsgerät automatisch <strong>und</strong> ohne menschliches Zutun<br />
adaptiert werden kann. Das Bild verdeutlicht das Konzept.<br />
Projektpartner : ÿ Universität Rotterdam, Department of Anesthesiology<br />
ÿ Siemens Elema, Schweden<br />
Veröffentlichungen: 1/96, 2/96, 6/96, 18/96, 36/96, 44/96, 54/96, 2/97, 7/97, 28/97,<br />
32/97, 35/97, 37/97, 48/97, 49/97, 50/97, 72/97
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 57<br />
Lungenfunktionsdiagnostik bei Kleinkindern<br />
Lungfunction diagnostics in infants<br />
Dr.-Ing. Steffen Leonhardt<br />
Förderung: TU Darmstadt<br />
Die Zahl der Neu-Erkrankungen der Luft- <strong>und</strong> Atemwege bei Kindern <strong>und</strong> Säuglingen<br />
nimmt in Deutschland seit vielen Jahren zu. Dies gilt insbesondere für das frühkindliche<br />
Asthma, das oft allergisch bedingt ist. Da ein frühzeitiges Erkennen der Krankheit die<br />
Prognose erheblich verbessert <strong>und</strong> andererseits von Säuglingen nur schwerlich Informationen<br />
über etwaige Beschwerden zu erhalten sind, kommt der Bereitstellung geeigneter<br />
technischer Diagnosesysteme eine große Bedeutung zu.<br />
Eine der üblichen Untersuchungsmethoden ist die Ruheatmungsspirometrie. Bei diesem<br />
Verfahren wird der Säugling sediert <strong>und</strong> der Atemfluß im Schlaf über einen Pneumotachographen<br />
erfaßt. Trägt man Fluß über bewegtes Atemvolumen im Phasenraum auf, so<br />
ergeben sich geschlossene Kurvenverläufe (FV Loops), die sich im Krankheitsfall charakteristisch<br />
verändern. Die Interpretation dieser Kurven ist ein typisches Mustererkennungsproblem.<br />
Eines der Projektziele ist es, ein für diese Anwendung geeignetes Verfahren<br />
der Merkmal-Extraktion zu entwickeln.<br />
Ein wissenschaftlich besonders interessanter Teilaspekt des Projektes ist die Übertragung<br />
von Methoden der technischen Fehlerdiagnose auf medizinische Problemstellungen.<br />
Hierbei werden sowohl Methoden der künstlichen Intelligenz als auch<br />
klassische Verfahren der Statistik eingesetzt. Ziel ist es, insbesondere dem weniger<br />
erfahrenen Arzt eine Diagnose-Unterstützung anzubieten.<br />
In Kooperation mit der Kinderklinik der<br />
Universität Frankfurt wird außerdem an<br />
der Entwicklung eines einfachen, tragbaren,<br />
leicht bedienbaren <strong>und</strong> kostengünstigen<br />
Lungenfunktionsmeßgerät gearbeitet.<br />
Neben der spirometrischen Messung der<br />
Ruheatmung sollen auch der Atem-Strömungswiderstand<br />
<strong>und</strong> die funktionelle<br />
Residualkapazität erfaßt werden. Beide Am IRT entwickeltes Ruhespirometriegerät<br />
Größen verändern sich bei den meisten<br />
Lungenerkrankungen ebenfalls in typischer Weise.
58<br />
3.1.7 Mechatronische Systeme<br />
Mechatronic systems<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Bordintegrierte Überwachung <strong>und</strong> Fehlerdiagnose von Kraftfahrzeugen mit<br />
adaptiven Modellen der Fahrzeugdynamik<br />
Fault diagnosis of vehicles using adaptive models of vehicle dynamics<br />
Dipl.-Ing. Thomas Weispfenning<br />
Dipl.-Ing. Harald Straky<br />
Förderung: Deutsche Forschungsgemeinschaft, SFB 241 IMES<br />
In heutigen Fahrzeugen mit aktiv oder semiaktiv beeinflußten Komponenten, ist eine<br />
Überwachung <strong>und</strong> Fehlererkennung besonders wichtig, da ein Ausfall oder eine Fehlfunktion<br />
dieser Systeme zu gefährlichen Situationen führen kann. Daher wird in diesem<br />
Forschungsprojekt untersucht, wie Fehler in Komponenten oder Sensoren durch Überwachung<br />
des statischen <strong>und</strong> dynamischen Verhaltens des Kraftfahrzeugs erkannt werden<br />
können.<br />
Mögliche Fehler<br />
in Radaufhängungen<br />
zeigen sich in<br />
Veränderungen<br />
der Vertikaldynamik<br />
wie z.B. defekte<br />
Dämpfer,<br />
nachlassender<br />
Reifendruck oder<br />
auch Reifenunwuchten.<br />
Über<br />
Modelle der Fahrzeugquerdynamik<br />
sind insbesondere<br />
die Detektion von<br />
Sensorfehlern sowie<br />
das Erkennen<br />
Blockschaltbild des Bremssystems<br />
kritischer Fahr-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 59<br />
zustände möglich. Ein weiteres Ziel ist es, Methoden zu entwickeln, die es ermöglichen,<br />
Fehler im Bremssystem aus der Überwachung des eigentlichen Bremsvorgangs zu<br />
erkennen. Orte an denen Fehler im Bremssystem auftreten können, die zu einer signifikanten<br />
Veränderung des Fahrverhaltens führen (z.B. ABS-Sensorik, Radbremszylinder<br />
oder Hydroaggregat), sind im Bild dunkel hinterlegt.<br />
Zur Fehlererkennung wird ein zweistufiges Verfahren eingesetzt. In einem ersten Schritt<br />
werden mittels Parameterschätzmethoden, Paritätsraumverfahren oder Methoden der<br />
Signalanalyse Symptome generiert, die eine Abweichung zwischen Modell <strong>und</strong> fehlerbehaftetem<br />
Prozeß anzeigen. In einem zweiten Schritt müssen dann in einem Inferenzverfahren<br />
die Symptome entsprechenden Fehlern zugeordnet werden. Hierzu können<br />
z.B. Neuronale Netze zur Klassifikation eingesetzt werden.<br />
Die Verfahren zur Fehlererkennung werden an einem Versuchsfahrzeug erprobt. Zur<br />
Meßwerterfassung ist das Fahrzeug mit umfangreicher Sensorik ausgerüstet. Mit dieser<br />
Sensorik sollen unter anderem die Modelle verifiziert werden, um später bei einem<br />
Einsatz im Fahrzeug modellgestützte Methoden mit möglichst wenigen Sensoren einzusetzen.<br />
Versuchsfahrzeug mit Sensorik <strong>und</strong> Aktorik<br />
Das beschriebene Forschungsprojekt ist ein Teilprojekt des SFB 241 "Integrierte<br />
mechanisch-elektronische Systeme für den Maschinenbau (IMES)", der von der Deutschen<br />
Forschungsgemeinschaft gefördert wird.<br />
Veröffentlichungen: 1/96, 62/96
60<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Fehlerfrüherkennung an elektromechanischen Komponenten mit Mikrocontrollern<br />
Early fault detection on electro-mechanical components with microcontrollers<br />
Dipl.-Ing. Olaf Moseler<br />
Finanzierung: DFAM (Deutsche Forschungsgesellschaft für die Anwendung der<br />
Mikroelektronik e.V.)<br />
Beteiligte Firmen: Hahn-Schickard-Gesellschaft Institut für Mikro<strong>und</strong><br />
Informationstechnik, IAM F&E GmbH, KSB AG, Nord Mikro<br />
Elektronik Feinmechanik AG, Pabst-Motoren GmbH & Co KG, ZF<br />
Friedrichshafen AG<br />
Die immer weiter voranschreitende Entwicklung der Mikroelektronik läßt den dezentralen<br />
Einsatz von Mikrocontrollern zur Ansteuerung selbst kleiner Stellglieder interessant<br />
werden.<br />
Mikrocontroller sind frei programmierbare Ein-Chip-Mikrorechner, die CPU, RAM,<br />
ROM <strong>und</strong> Ein-/Ausgabebausteine (z.B. Schnittstellen, AD-Wandler, PWM) in einem<br />
Baustein enthalten. Die hohe Rechenleistung moderner 16- <strong>und</strong> 32-bit Mikrocontroller<br />
ermöglicht neben der Programmierung komplexer Regelungsstrategien auch die Integration<br />
neuer Verfahren zur Überwachung der Stellglieder.<br />
Mehrfach red<strong>und</strong>anter Aktor zur Kabinendruckregelung in Großflugzeugen<br />
Um eine robuste <strong>und</strong> sensorarme Fehler(früh)erkennung mit hoher Diagnosetiefe zu<br />
erreichen, sollen modellgestützte Verfahren eingesetzt werden. Ausgehend von gemesse-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 61<br />
nen Ein- <strong>und</strong> Ausgangssignalen <strong>und</strong> unter Verwendung eines Prozeßmodells generieren<br />
Paritätsraum- <strong>und</strong>/oder Parameterschätzverfahren on-line fortwährend Symptome, aus<br />
denen dann auf sich anbahnende Fehler geschlossen werden kann.<br />
Zur Untersuchung verschiedener Fehlererkennungsverfahren steht eine elektromechanische<br />
Stellklappe zur Regelung des Kabineninnendrucks von Passagierflugzeugen zur<br />
Verfügung. Zwei bürstenlose Gleichstrommotoren treiben über ein Getriebe einen<br />
Hebelmechanismus zum Öffnen <strong>und</strong> Schließen des Ventils an. Die Ansteuerung erfolgt<br />
durch einen Mikrocontroller.<br />
Zur Fehlererkennung der Stellsysteme werden die drei Phasenströme, der Brückenstrom<br />
des Stromrichters, die Motordrehzahl <strong>und</strong> die Position der Welle am Getriebeausgang<br />
meßtechnisch erfaßt. Dazu können die bereits integrierten Sensoren des bürstenlosen<br />
Gleichstrommotors mit elektronischer Kommutierung verwendet werden. Nur zur<br />
Strommessung werden zusätzliche Sensoren benötigt.<br />
Die Erprobung der Algorithmen zur Fehlererkennung erfolgt im Versuchsstadium auf<br />
einem digitalen Signalprozessor, der mit einem Host-PC verb<strong>und</strong>en ist <strong>und</strong> somit eine<br />
einfache Datenerfassung <strong>und</strong> Weiterverarbeitung ermöglicht. Anschließend werden die<br />
erfolgreich getesteten Verfahren auf einen 16-bit Mikrocontroller (C167) implementiert.<br />
Veröffentlichungen: 11/97
62<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
3.1.8 Der DFG-Sonderforschungsbereich 241: Neue integrierte mechanisch-elektronische<br />
Systeme für den Maschinenbau<br />
Special research program "Innovative mechatronic systems"<br />
An der Technischen Hochschule Darmstadt wurde am 1. Juli 1988 der durch die Deutsche<br />
Forschungsgemeinschaft finanzierte Sonderforschungsbereich 241 "Neue integrierte<br />
mechanisch elektronische Systeme für den Maschinenbau" eingerichtet. Die darin<br />
zusammenarbeitenden Wissenschaftler aus mehreren Instituten haben sich zum Ziel<br />
gesetzt, neue Problemlösungen für mechanisch-elektronische Systeme zu erarbeiten, die<br />
neben der rein mechanischen Funktion eine elektronische Informationsverarbeitung<br />
beinhalten. Deshalb arbeiten verschiedene Institute aus den Gebieten Mikroelektronik,<br />
Meßtechnik, <strong>Regelungstechnik</strong> <strong>und</strong> Maschinenbau zusammen. Es wird versucht, die<br />
heutigen elektro-mechanischen Systeme, die durch eine örtliche Trennung der elektronischen<br />
<strong>und</strong> mechanischen Komponenten gekennzeichnet sind, zu autarken Systemen mit<br />
integrierter Informationsverarbeitung (mechatronische Systeme) weiterzuentwickeln.<br />
Das Bild zeigt schematisch den Übergang vom System aus Einzelkom-ponenten zum<br />
integrierten Gesamtsystem, in dem Prozeß, Sensoren, Aktoren <strong>und</strong> Informationsverarbeitung<br />
zusammengefaßt sind.<br />
Übergang von Einzelkomponenten zum integrierten<br />
Gesamtsystem<br />
Der beschriebene Übergang erfordert die Lösung einer Reihe von Teilaufgaben, die<br />
anhand des Schemas für integrierte mechanisch-elektronische Systeme im nächsten Bild<br />
erläutert werden. Zunächst müssen die relevanten physikalischen Größen des Prozesses<br />
gemessen werden. Ein Teil dieser Größen ist nicht direkt meßbar, beispielsweise Temperaturen<br />
an Reibflächen oder Verbrennungsabläufe in Motoren. Deshalb werden für diese<br />
Fälle neue Sensoren oder aber Verfahren entwickelt, die es erlauben, nicht meßbare<br />
Größen aus meßbaren zu berechnen. Die Sensorik mit integrierter Datenverarbeitung ist<br />
möglichst in unmittelbarer Nähe der Maschinenkomponente anzubringen. Dadurch<br />
steigen die Anforderungen an die Mikroelektronik hinsichtlich ihrer Belastbarkeit durch
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 63<br />
Allgemeines Schema für integrierte mechanisch-elektronische Systeme<br />
thermische <strong>und</strong> mechanische Einflüsse. Eine wesentliche Bedeutung kommt somit auch<br />
der Entwicklung problemspezifischer Mikroprozessoren zu, sowohl in Silizium - als<br />
auch in Gallium-Arsenid-Technologie. Die Rückwirkungen der Prozeßsignale über die<br />
Sensorik auf den mechanischen Prozeß erfolgt über Mikrorechner <strong>und</strong> nachfolgende<br />
Aktoren. Darüber hinaus soll eine zusätzliche Einflußnahme durch Nutzung des<br />
"Prozeßwissens" über eine entsprechende Informationsverarbeitung erfolgen, wofür<br />
geeignete Hardware- <strong>und</strong> Softwarelösungen zu erarbeiten sind. Höhere Anforderungen<br />
ergeben sich auch für prozeßangepaßte Aktoren, die ebenfalls integriert werden sollen.<br />
Insgesamt behandelt der Sonderforschungsbereich eine Thematik, die für viele Bereiche<br />
des Maschinenbaus <strong>und</strong> der Elektrotechnik von zunehmender Bedeutung ist <strong>und</strong> wegen<br />
der angestrebten Integration eine Betrachtung der Gesamtsysteme von Anfang an<br />
notwendig macht.<br />
Der Sonderforschungsbereich ist in folgende Projektbereiche unterteilt:<br />
A Prozeßorientierter Projektbereich<br />
B Aktorenorientierter Projektbereich<br />
C Sensororientierter Projektbereich<br />
D Mikrorechnerorientierter Projektbereich.<br />
Sprecher des Sonderforschungsbereichs ist Prof. Isermann. Im Rahmen des SFB-Sekretariats<br />
übernimmt Frau I. Schilling die verwaltungstechnische Organisation <strong>und</strong> finanzielle<br />
Abwicklung von ca. 3 Mio. DM pro Jahr.
64<br />
3.1.10 Dissertationen 1996/97<br />
Dissertations 1996/97<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Ayoubi, Mihiar (1996). Nonlinear system identification based on neural networks with<br />
locally distributed dynamics and application to technical processes. Fortschritt-<br />
Bericht VDI Reihe 8 Nr. 591. Düsseldorf, VDI-Verlag<br />
Deibert, Rüdiger (1997). Methoden zur Fehlererkennung an Komponenten im geschlossenen<br />
Regelkreis. Fortschritt-Bericht VDI Reihe 8 Nr. 650. Düsseldorf,<br />
VDI-Verlag<br />
Germann, Stefan (1997). Modellbildung <strong>und</strong> modellgestützte Regelung der Fahrzeuglängsdynamik.<br />
Fortschritt-Bericht VDI Reihe 12 Nr. 309. Düsseldorf, VDI-<br />
Verlag<br />
Glotzbach, Jörn (1996). Adaptive Sek<strong>und</strong>är-Drehzahlregelung hydraulischer Rotationsantriebe.<br />
Fortschritt-Bericht VDI Reihe 8 Nr. 588. Düsseldorf, VDI-Verlag<br />
Höfling, Thomas (1996). Methoden zur Fehlererkennung mit Parameterschätzung <strong>und</strong><br />
Paritätsgleichungen. Fortschritt-Bericht VDI Reihe 8 Nr. 546. Düsseldorf, VDI-<br />
Verlag<br />
Konrad, Heiko (1997). Modellbasierte Methoden zur sensorarmen Fehlerdiagnose beim<br />
Fräsen. Fortschritt-Bericht VDI Reihe 2 Nr. 449. Düsseldorf, VDI-Verlag<br />
Leonhardt, Steffen (1996). Modellgestützte Fehlererkennung mit neuronalen Netzen -<br />
Überwachung von Radaufhängungen <strong>und</strong> Diesel-Einspritzanlagen. Fortschritt-<br />
Bericht VDI Reihe 12 Nr. 295. Düsseldorf, VDI-Verlag<br />
Nolzen, Harry (1997). Parameteradpative Regelung von Fräsprozessen. Fortschritt-<br />
Bericht VDI Reihe 8 Nr. 623. Düsseldorf, VDI-Verlag<br />
Würtenberger, Michael (1997). Modellgestützte Verfahren zur Überwachung des<br />
Fahrzustandes eines Pkw. Fortschritt-Bericht VDI Reihe 12 Nr. 312. Düsseldorf,<br />
VDI-Verlag
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 65<br />
3.1.10 Auszeichnungen 1996/97<br />
Awards 1996/97<br />
- VDE-Ehrenring für R. Isermann (VDE-Kongress, Braunschweig, Oktober 1996)<br />
- Dr. h.c. der Polytechnischen Universität Bukarest für R. Isermann (März 1996)<br />
- Best paper award für O. Nelles u.a. bei der IEE UKACC Control´96 in Exeter,<br />
Großbritannien (September 1996)<br />
- Best new results award für O. Nelles <strong>und</strong> M. Fischer bei der AIRTC´97 in Kuala<br />
Lumpur, Malaysia (September 1997)<br />
- Hauptpreis für den Wettbewerb Medizin-Software der MEDICA , Düsseldorf<br />
für St. Leonhardt u.a. (September 1997)
66<br />
3.1.11 Besondere Vorträge 1996/97<br />
R. Isermann:<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
6.2.1997 “Mechatronic Systems”<br />
14th lecture, IEE-Computing and Control Division, Savoy Place, London, Großbritannien<br />
27.2.1997 “Zur Anwendung von Fuzzy-Logik <strong>und</strong> Neuronalen Neztzen in der Automatisierungstechnik”<br />
Anwendersymposium<br />
27.2.1997, Düsseldorf<br />
der Fuzzy-Neuro-Initiative Nordrhein-Westfalen,<br />
1.6.1997 “Supervision, Fault-Detection and Fault-Diagnosis Methods - Advanced Methods<br />
and Applications”<br />
Plenary lecture, IMEKO-World Congress, 1.-6. Juni 1997, Tampere, Finland<br />
4.6.1997 “Mechatronic Systems - A Challenge for Control Engineering”<br />
Plenary lecture, American Control Conference, (ACC), 4.-6. Juni 1997, Albuquerque,<br />
USA<br />
16.6.1997 “Mechatronic Systems for Machines and Automobilies”<br />
Plenary lecture, IEEE/ASME International Conference on Advanced Intelligent<br />
Mechatronics, 16.-20. Juni 1997, Wareda University, Tokyo, Japan<br />
10.7.1997 “Identifikation with Dynamic Neural Networks - Architectures, Comparisons,<br />
Applications - ”<br />
Plenary lecture, IFAC-Symposium on Identification, 8.-11. Juli 1997, Fukuoka,<br />
Japan<br />
24.10.1997 “Knowledge-Based Structure for Fault Diagnosis and Its Applications”<br />
Plenary lecture, IFAC Symposium on System Structure and Control, 23.-25.<br />
Oktober 1997, Bukarest, Rumänien
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 67<br />
3.1.12 Industriekontakte<br />
Contacts with industry<br />
Es bestehen im Rahmen der Prozeßautomatisierung viele Kontakte zu Firmen der<br />
Branchen:<br />
Maschinenbau<br />
Verbrennungsmotorentechnik<br />
Kraftfahrzeugtechnik<br />
Gr<strong>und</strong>stoffindustrie<br />
Verfahrenstechnik<br />
Energietechnik<br />
Heizungs- <strong>und</strong> Klimatechnik<br />
Medizintechnik<br />
8 Wissenschaftliche Mitarbeiter werden zur Zeit im Rahmen von Industrie/Hochschule<br />
Projekten direkt von Firmen gefördert (siehe unter 3.1.1 bis 3.1.7).<br />
3.1.13 Lehrgänge zum Transfer von Forschungsergebnissen<br />
Training courses to transfer research results<br />
1. IFAC World Congress, San Francisco, Juni 1996. Tutorial Workshop “Supervision,<br />
Fault Detection and Diagnosis of Technical Systems”<br />
(Leitung R. Isermann, unter Mitwirkung von M. Ayoubi, M. Blanke, P.M.<br />
Frank, J. Gertler, S. Leonhardt, R. Patton, T. Pfeufer).<br />
2. SPS/IPC/Drives´96. Messe Sindelfingen, November 1996. Workshop “Identifikation<br />
elektrischer Antriebssysteme für die digitale Regelung <strong>und</strong><br />
3.<br />
Überwachung”.<br />
(Leitung R. Isermann, unter Mitwirkung von A. Abou-El-Ela, H. Nolzen, T.<br />
Pfeufer).<br />
ACC, Albuquerque, Juni 1997. Tutorial Workshop “Supervision, Fault Detection<br />
and Diagnosis of Technical Systems”.<br />
(Leitung R. Isermann, unter Mitwirkung von P. Ballé, M. Blanke, P.M. Frank,<br />
D. Füssel, J.J. Gertler, O. Moseler).<br />
4. SPS/IPC/Drives´97. Messe Nürnberg, November 1997. Workshop “Identifikation<br />
nichtlinearer dynamischer Systeme mit Fuzzy-Neuro-Methoden”.<br />
(Leitung R. Isermann, unter Mitwirkung von M. Fischer, O. Nelles).
68<br />
3.1.14 Technische Einrichtungen<br />
Technical equipment<br />
2 Novell Intranetware Server (50 Benutzer-Lizenz)<br />
62 Pentium PC<br />
8LaptopPC<br />
5 dSpace Echtzeitsimulationssysteme<br />
3 VME-Bus Rechner<br />
2 SUN-SPARC Workstations<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Verschiedene Pilotprozesse<br />
ÿ Dynamischer Motorenprüfstand (Dieselmotor)<br />
ÿ Radaufhängungs-Prüfstand<br />
ÿ Dynamischer Gleichstrommotor-Prüfstand<br />
ÿ Kühlkreislaufprüfstand<br />
ÿ Prüfstand für elektrische Bremsen<br />
ÿ Computergesteuerter Akkumulator-Prüfstand<br />
ÿ Wärmepumpen-Versuchsanlage<br />
ÿ Thermischer Prozeß, bestehend aus (45 kW) Dampferzeuger, Rohrbündelwärmeaustauscher<br />
zur Wärmeübertragung am Wasserkreislauf (max 10 m³/h) <strong>und</strong><br />
Kreuzstromwärmeaustauscher zur Wärmeübertragung aus Außenluft (max 8000<br />
m³/h)<br />
ÿ Kreiselpumpen-Versuchsanlage<br />
ÿ Industrieroboter R 106, Jungheinrich<br />
ÿ Prüfstand für medizinische Mikroventile<br />
ÿ Versuchs-Kraftfahrzeuge<br />
BMW 750i, Opel-Corsa)<br />
(Opel-Omega,<br />
Kühlkreislaufprüfstand Radaufhängungsprüfstand
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 69<br />
Thermischer Prozeß<br />
Dynamischer Motorenprüfstand
70<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Versuchsfahrzeug Opel-Omega<br />
Industrieroboter R 106, Jungheinrich
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 71<br />
3.1.15 Veröffentlichungen 1996/97<br />
Publications 1996/97<br />
a) Modellbildung, Identifikation <strong>und</strong> intelligente Regelung<br />
Modeling, identification and intelligent control<br />
5/96 Fischer, M.; M. Tomizuka (1996). Application and Comparison of Alternative Position<br />
Sensors in High-Accuracy Control of an X-Y Table. 4th International Workshop on<br />
Advanced Motion Control AMC´96, Mie University, Tsu-City, Japan, March 18-21,<br />
1996.<br />
12/96 Ayoubi, M. (1996). Fuzzy Systems Design Based on a Hybrid Neural Structure and<br />
Application to the Fault Diagnosis of Technical Processes. Control Engineering Practice,<br />
Vol. 4, No. 1, p. 35-41, 1996.<br />
22/96 Nelles, O.; R. Isermann (1996). A New Technique for Determination of Hidden Layer<br />
Parameters in RBF Networks. 13th IFAC World Congress, San Francisco, USA, 30<br />
June - 5 July 1996.<br />
23/96 Nelles, O. (1996). Local Linear Model Trees for On-Line Identification of Time-Variant<br />
Nonlinear Dynamic Systems. International Conference on Artificial Neural Networks<br />
(ICANN). Bochum 16.-19. Juli, 1996.<br />
24/96 Ulieru, M. (1996). Fuzzy Logic in Diagnosis: Possibilistic Networks. Kapitel 7 in Fuzzy<br />
Logic, hrsg. v. J.F. Baldwin. John Wiley & Sons Ltd., Sussex, England, 1996<br />
25/96 Nelles, O. (1996). FUREGA - Fuzzy Rule Extraction by a Genetic Algorithm. EUFIT,<br />
Aachen, September 2-5, 1996.<br />
26/96 Nelles, O.; M. Fischer (1996). Local Linear Model Trees (LOLIMOT) for Nonlinear<br />
System Identification of a Cooling Blast.EUFIT, Aachen, September 2-5, 1996.<br />
27/96 Nelles, O.; S. Sinsel; R. Isermann (1996). Local Basis Function Networks for Identification<br />
of a Turbocharger. IEE UKACC Control´96 in Exeter, United Kingdom, Sept.<br />
2-5, 1996.<br />
28/96 Isermann, R.; M. Ayoubi (1996). Fault Detection and Diagnosis with Neuro-Fuzzy-<br />
Systems. EUFIT, Aachen, September 2-5, 1996.<br />
29/96 Fischer, M. ; O. Nelles; D. Füssel (1996). Tuning of PID-Controllers for Nonlinear<br />
Processes Based on Local Linear Fuzzy Models. EUFIT, Aachen, September 2-5, 1996.<br />
30/96 Fischer, M.; R. Isermann (1996). Robust Hybrid Control Based on Inverse Fuzzy<br />
Process Models. Fifth IEEE International Conference on Fuzzy Systems, New Orleans,<br />
LA, USA, 8-11.9.1996.<br />
31/96 Nelles, O.; S. Ernst; R. Isermann (1996). Neural Network Models for Identification of<br />
Nonlinear Dynamic Systems: An Overview. EUFIT, Aachen, September 2-5, 1996.<br />
38/96 Ayoubi, A.; R. Isermann (1996). Identification of Nonlinear Dynamic Processes Based<br />
on Dynamic Radial Basis Function Networks. AeroSense, 8-12 April, Orlando, Florida,<br />
USA, 1996.
72<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
47/96 Nelles, O.; R. Isermann (1996). Basis Function Networks for Interpolation of Local<br />
Linear Models. IEEE Conference on Decision and Control. Cobe, Japan, December<br />
1996.<br />
48/96 Nelles, O.; M. Fischer; B. Müller (1996). Fuzzy rule extraction by a genetic algorithm<br />
and constrained nonlinear optimization of membership functions. FUZZIEEE Konferenz,<br />
New Orleans, Sept. 1996.<br />
49/96 Fischer, M. (1996). Fuzzy-modellbasierte Regelung nichtlinearer Prozesse. 6. Workshop<br />
des GMA-Unterausschusses 1.4.2 "Fuzzy Control" , Dortm<strong>und</strong> 9.-10.10.1996<br />
52/96 Ernst, S.; O. Nelles; R. Isermann (1996). Neuronale Netze zur Identifikation nichtlinearer,<br />
dynamischer Systeme: Ein Überblick. VDI/VDE GMA-Kongreß, Baden-Baden<br />
10.-11. September 1996<br />
56/96 Kavšek-Biasizzo, K.; I. Škrjanc; S. Milani ; O. Hecker (1996). Applied fuzzy and<br />
neural modeling in real-time predicitive control. Symposium on Control, Optimization<br />
and Supervision. CESA´96 IMACS Multiconference. Computational Engineering in<br />
Systeme Applications, Lille - France, July 9-12, 1996.<br />
57/96 Milani , S.; O. Hecker: R. Karba (1996). A comparatove study of neural network<br />
models for model based predictive control of a thermal plant. Symposium on Modelling,<br />
Anaylsis and Simulation. CESA´96 IMACS Multiconference. Computational Engineering<br />
in Systeme Applications, Lille - France, July 9-12, 1996.<br />
58/96 Kavšek-Biasizzo, K.; I. Škrjanc; O. Hecker (1996). Applied fuzzy modeling in real-time<br />
predicitive control. IASTED International Conference on Modelling, Identification and<br />
Control, February 19-21, 1996, Innsbruck, Austria.<br />
60/96 Isermann, R. (1996). Zur Anwendung der Fuzzy-Logik in der <strong>Regelungstechnik</strong>. atp -<br />
Automatisierungstechnische Praxis 38 (1996) 11, S. 24-36.<br />
61/96 Škrjanc, I.; K. Kavšek-Biasizzo; D. Matko; O. Hecker (1996). Fuzzy predictive control<br />
based on relational matrix models. Computer chem Engineering, Vol 20, Suppl, pp.<br />
S931-S936, 1996.<br />
65/96 Nelles, O. (1996). Nonlinear dynamic system identification - from classical methods to<br />
neural networks. Technischer Bericht. Technische Hochschule Darmstadt. Institut für<br />
<strong>Regelungstechnik</strong>, Fachgebiet Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung. Juni<br />
1996. (Intern).<br />
1/97 Fischer, M; O. Nelles (1997). Fuzzy Model-Based Predictive Control of Nonlinear<br />
Processes with Fast Dynamics. 2nd International ICSC Symposium on Fuzzy Logic and<br />
Application - ISFL´97, Zürich, Switzerland, February 12-14, 1997.<br />
3/97 Nelles, O.; O. Hecker; R. Isermann (1997). Identifikation nichtlinearer, dynamischer<br />
Prozesse mit Takagi-Sugeno Fuzzy-Modellen variabler Struktur. Fuzzy-Neuro-Systeme<br />
4. Workshop Paderborn 12.3-14.3.1997.<br />
6/97 Nelles, O.; M. Fischer (1997). Fuzzy Model Identification of a PH Process. 2nd International<br />
ICSC Symposium on Fuzzy Logic and Application - ISFL´97, Zürich, Switzer-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 73<br />
8/97<br />
land, February 12-14, 1997.<br />
Schüler, S.; C. Onnen; C. Bialeczek (1997). A Fuzzy-System for a Classification of the<br />
Drive Behaviour and the Driving Situation. 8th IFAC Symposium on Transportation<br />
Systems. Chania, Greece, 16.-18.6.1997<br />
10/97 Schüler, M.; C. Onnen; R. Isermann (1997). Fahrertyperkennung mit Hilfe von Fuzzy-<br />
Logik. Fuzzy-Neuro-Systeme 97. 4. Int. Workshop 12.-14.3.1997, Paderborn.<br />
11/97 Hecker, O.; O. Nelles; O. Moseler (1997). Nonlinear system identification and predictive<br />
control of a heat exchanger based on local linear fuzzy models. American Control<br />
Conference (ACC), Albuquerque, USA, Juni 1997.<br />
12/97 Nelles, O. (1997). GA-based generation of fuzzy rules. Chapter in “Fuzzy Evolutionary<br />
Computation” ed. W. Pedrycz, Kluwer Academic Press, 1997.<br />
13/97 Isermann, R. (1997). Zur Anwendung von Fuzzy-Logik <strong>und</strong> Neuronalen Netzen in der<br />
Prozessautomatisierung. Anwendung von Fuzzy Technologien <strong>und</strong> Neuronalen Netzen,<br />
27.2.1997, Düsseldorf. Fuzzy Neuro Initiative NRW.<br />
19/97 Isermann, R. (1997). Editorial Themenheft: Anwendungen von Fuzzy-Logik <strong>und</strong><br />
neuronalen Netzen. Informatik Forschung <strong>und</strong> Entwicklung 12 (1997), S. 1.<br />
20/97 Ayoubi, M. (1997). Das dynamische Perzeptronmodell zur experimentellen Modellbildung<br />
nichtlinearer Prozesse. Informatik Forschung <strong>und</strong> Entwicklung 12 (1997), S.<br />
14-22.<br />
25/97 Fischer, M.; O. Nelles; R. Isermann (1997). Adaptive predictive control based on local<br />
linear fuzzy models. 11th IFAC Symposium on System Identification (SYSID´97), 8.-9.<br />
July 1997, Kitakyushu, Fukuoka, Japan.<br />
26/97 Füssel, D.; P. Ballé (1997). Combining neuro-fuzzy and machine learning for fault<br />
diagnosis of a d.c. motor. American Control Conference (ACC), Albuquerque, USA,<br />
Juni 1997.<br />
27/97 Isermann, R.; S. Ernst; O. Nelles (1997). Identification with dynamic neural networks -<br />
architectures, comparisons, applications - Plenary, IFAC Symposium on System Identification<br />
8-11 July, Fukuoka, Japan, 1997.<br />
30/97 Nelles, O.; O. Hecker; R. Isermann (1997). Automatic model selection in local linear<br />
model trees (LOLIMOT) for nonlinear system identification odf a transport delay<br />
process. 11th IFAC Symposium on System Identification (SYSID´97), 8.-9. July 1997,<br />
Kitakyushu, Fukuoka, Japan.<br />
31/97 Nelles, O. (1997). Orthonormal basis functions for nonlinear system identification with<br />
local linear model trees (LOLIMOT). 11th IFAC Symposium on System Identification<br />
(SYSID´97), 8.-9. July 1997, Kitakyushu, Fukuoka, Japan.<br />
33/97 Nelles, O. (1997). LOLIMOT - Lokale, lineare Modelle zur Identifikation nichtlinearer,<br />
dynamischer Systeme. at (Automatisierungstechnik) Jg. 45, Nr. 4, S. 163 - 174.<br />
44/97 Juri i , .; A. nidarši ; D. Füssel (1997). Generation of diagnostic trees by means<br />
of simplified process models and machine learning. Engineering Applications Artificial
74<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
Intelligence. Vol. 10, pp. 15-29, 1997.<br />
45/97 Fischer, M.; R. Isermann (1997). Inverse fuzzy process models for robust hybrid control.<br />
Edited Volume on “Advances in Fuzzy Control”, Physica-Verlag, Series: Studies in<br />
Fuzziness and Soft Computing.<br />
46/97 Nelles, O.; S. Ernst; R. Isermann (1997). Neuronale Netze zur Identifikation nichtlinearer,<br />
dynamischer Systeme: Ein Überblick. at - Automatisierungstechnik 45 (1997)<br />
6, S. 251-262.<br />
47/97 Holzmann, H.; C. Halfmann; R. Isermann (1997). Representation of 3-d mappings for<br />
automotive control applications using neural networks and fuzzy logic. 6th IEEE<br />
Conference on Control Applications, Hartford, Connecticut, USA, October 5-7, 1997.<br />
51/97 Nelles, O. (1997). Strukturoptimierung von Takagi-Sugeno Fuzzy-Modellen. Workshop<br />
des GMA-UA 1.4.2. "Fuzzy-Control", 6.-7.11.97, Dortm<strong>und</strong>.<br />
52/97 Isermann, R. (1997). Preface. Fuzzy Sets and Systems 89 (1997) 275.<br />
53/97 Ayoubi, M.; R. Isermann (1997). Neuro-fuzzy systems for diagnosis. Fuzzy Sets and<br />
Systems 89 (1997) 289-307.<br />
59/97 Nelles, O. (1997). Nonlinear System Identification with Neuro-Fuzzy Methods. Chapter<br />
in: Da Ruan (ed.): Intelligent Hybrid Systems. Kluwer Academic Publishers, Dordrecht,<br />
1997.<br />
60/97 Fischer, M. (1997). Fuzzy-Modellbildung eines Kreuzstrom-Wärmetauschers. Workshop<br />
des GMA-UA 1.4.2. "Fuzzy-Control", 6.-7.11.97, Dortm<strong>und</strong>.<br />
61/97 Ballé, P.; D. Juricic; A. Rakar; S. Ernst (1997). Identification of Nonlinear Processes<br />
and Model Based Fault Isolation Using Local Linear Models. American Control Conference<br />
(ACC), Albuquerque, USA, Juni 1997.<br />
62/97 Ballé, P.; O. Nelles (1997). Detection and Isolation of Sensor Faults for a Heat Exchanger<br />
Based on Local Linear Fuzzy Models. Artificial Intelligence in Real-Time Control,<br />
AIRTC´97, September 23-25, Kuala Lumpur, Malaysia.<br />
63/97 Ballé, P.; O. Nelles; D. Füssel (1997). Fault Detection for Nonlinear Processes Based on<br />
Local Linear Fuzzy Models in Parallel and Series-Parallel Mode. SAFEPROCESS´97,<br />
Hull, UK, August 1997.<br />
66/97 Onnen, C.; R. Babuška; U. Kaymak; J.N. Sousa; H.B. Verbruggen; R. Isermann (1997).<br />
Genetic algorithms for optimization in predictive control. Control Engineering Practice,<br />
Vol. 5, No. 10, pp. 1363-1372.<br />
70/97 Füssel, D. (1997). Self-Learning Classification Tree (Select) - A Human-Like Approach<br />
to Fault Diagnosis - EUFIT 97, Fifth European Congress on Intelligent Techniques and<br />
Soft Computing, Sept. 8-11, Aachen, Germany.<br />
71/97 Füssel, D.; P. Ballé; R. Isermann (1997). Closed loop fault diagnosis based on a nonlinear<br />
process model and automatic fuzzy rule generation. IFAC Symposium on Fault<br />
Detection, Supervision and Safety of Technical Processes. SAFEPROCESS 97, Hull,<br />
Great Britain, August 26-28, 1997.
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 75<br />
b) Überwachung <strong>und</strong> Fehlerdiagnose<br />
Supervision and fault diagnosis<br />
3/96 Höfling, T.; R. Isermann (1996). Adaptive Parity Equations and Advanced Parameter<br />
Estimation for Fault Detection and Diagnosis. 13th IFAC World Congress, San Francisco,<br />
USA. 30 June - 5 July 1996.<br />
10/96 Isermann, R.; P. Ballé (1996). Trends in the Application of Model Based Fault Detection<br />
and Diagnosis of Technical Processes. 13th IFAC World Congress, San Francisco,<br />
USA, 30 June - 5 July, 1996.<br />
13/96 Isermann, R. (1996). Supervision and Fault Diagnosis with Process Models. IASTED<br />
International Conference on Modelling, Identification and Control, February 19-21,<br />
1996, Innsbruck, Austria.<br />
40/96 Isermann, R. (1996). Modellgestützte Fehlerdiagnose technischer Prozesse - Prinzipielles<br />
Vorgehen <strong>und</strong> Beispiele. Zeitschrift Flugwissenschaft Weltraumforschung, 20<br />
(1996), S. 1-17.<br />
41/96 Isermann, R. (1996). Modellgestützte Überwachung <strong>und</strong> Fehlerdiagnose Technischer<br />
Systeme (Teile 1 u. 2). atp - Automatisierungstechnische Praxis 38 (1996) 5 u. 6.<br />
53/96 Höfling, T.; R. Isermann (1996). Fault detection based on adaptive parity equations and<br />
single-parameter tracking. CEP, Vol. 4, No. 10, pp. 1361-1369.<br />
59/96 Höfling, T.; R. Deibert (1996). Fault detection in nonlinear systems using estimated<br />
parity equations. Engineering Simulation, 1996, Vol. 13, pp. 1033-1048.<br />
63/96 Isermann, R. (1996). Moderne Methoden zur Überwachung <strong>und</strong> Fehlerdiagnose Technischer<br />
Systeme. thema Forschung. THD, 2/96, S. 24-38.<br />
21/97 Isermann, R. (1997). Supervision, Fault-Detection and Fault-Diagnosis Methods -<br />
Advanced Methods and Applications. IMEKO World Congress, New Measurements -<br />
Challenge and Visions, Tampere, Finland, 1-6 June 1997.<br />
34/97 Isermann, R. (1997). Knowledge-based structures for fault diagnosis and its applications.<br />
IFAC Symposium on System Structure and Control (SCC), Bucharest, 23 - 25<br />
October 1997.<br />
36/97 Isermann, R. (1997). Supervision, fault-detection and fault-diagnosis methods - an<br />
introduction. CEP, Vol. 5, No. 5, pp. 639-652.<br />
37/97 Leonhardt, S.; M. Ayoubi (1997). Methods of fault diagnosis. Control Engineering<br />
Practice, Vol. 5, No. 5, p. 683-692.<br />
39/97 Isermann, R.; P. Ballé (1997). Trends in the application of model-based fault detection<br />
and diagnosis of technical processes.CEP, Vol. 5, No. 5, pp. 709-719.<br />
55/97 Isermann, R. (1997). Modellgestützte Überwachung <strong>und</strong> Diagnose am Beispiel des<br />
Turboladers eines Dieselmotors. Festschrift zur Jubiläumsveranstaltung “100 Jahre<br />
Turbomaschinen <strong>und</strong> 50 Jahre Fluidantriebstechnik an der TU Darmstadt”, 17. Oktober<br />
1997.<br />
67/97 nidarši , A., . Juri i ; D. Füssel, J. Ohl (1997). Some criteria towards diagnostic
76<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
methodology selection. 15th IMACS World-Congress 1997 on Scientific Computation,<br />
Modelling and Applied Mathematics, Berlin, Germany.<br />
68/97 Ballé, P.; D. Füssel; O. Hecker (1997). Detection and isolation of sensor faults on<br />
nonlinear processes based on local linear models. American Control Conference (ACC),<br />
Albuquerque, USA, Juni 1997.<br />
69/97 Rakar, A.; P. Ballé; . Juri i ; D. Füssel (1997). Residual evaluation in fault diagnosis<br />
by means of transferable belief model. 8th International Workshop on Principles of<br />
Diagnosis DX´97, Le Mont-Saint-Michel, France.<br />
c) Energie- <strong>und</strong> Produktionstechnik<br />
Industrial process control<br />
4/96 Nolzen, H.; R. Isermann (1996). Model Based Force Control for Milling Operations<br />
Using Position Sensors. 13th IFAC World Congress, San Francisco, USA. 30 June - 5<br />
July 1996.<br />
7/96 Konrad, H.; R. Isermann (1996). Diagnosis of different faults in milling using drive<br />
signals and process models. 13th IFAC World Congress, San Francisco, USA, 30 June -<br />
5 July, 1996.<br />
14/96 Abou-El-Ela, A.; R. Isermann (1996). Fine Motion Control of Robot Manipulators in<br />
Deburring Applications Utilizing Cutting Tool Signals. 4th International Workshop on<br />
Advanced Motion Control AMC´96, Mie University, Tsu-City, Japan, March 18-21,<br />
1996.<br />
32/96 Ohl, J.; M. Ayoubi; M. Kurth (1996). Identification of a High Efficiency Boiler Based<br />
on Neural Networks With LocallyDistributed Dynamics. IEEE International Conference<br />
on Control Application (CCA), September 15-18, 1996, Dearborn, Michigan, USA.<br />
42/96 Ernst, E-J.; O. Hecker (1996). Predictive Control of a Heat Exchanger. Theory and<br />
Applications of Model Based Predictive Control (MBPC). Brüssel, Belgien, 24-25 Sept.<br />
1996.<br />
55/96 Konrad, H. (1996). Fault detection in milling, using parameter estimation and classification<br />
methods. Control Engineering Practice, Vol. 4, No. 11, pp. 1573-1578, 1996.<br />
29/97 Ballé, P. ; M. Fischer; D. Füssel; R. Isermann (1997). Integrated control, diagnosis and<br />
reconfiguration of a heat exchanger. American Control Conference (ACC), Albuquerque,<br />
USA, Juni 1997.<br />
40/97 Fischer, M.; O. Nelles; R. Isermann (1997). Exploiting prior knowledge in fuzzy model<br />
identification of a heat exchanger. Artificial Intelligence in Real-Time Control,<br />
AIRTC´97, September 23-25, Kuala Lumpur, Malaysia.<br />
41/97 Fischer, M.; O. Nelles; R. Isermann (1997). Fuzzy model-based predictive control of a<br />
heat exchanger. Artificial Intelligence in Real-Time Control, AIRTC´97, September 23-<br />
25, Kuala Lumpur, Malaysia.<br />
42/97 Nelles, O.; M. Fischer; R. Isermann (1997). Exploiting prior knowledge in fuzzy model
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 77<br />
identification of a heat exchanger. Artificial Intelligence in Real-Time Control,<br />
AIRTC´97, September 23-25, Kuala Lumpur, Malaysia.<br />
56/97 Ohl, J. (1997). Entwicklungsstand in der <strong>Regelungstechnik</strong>. Heizung Lüftung / Klima<br />
Haustechnik. Teil 1: HLH 48 (1997) 7, S. 54 - 57 <strong>und</strong> Teil 2: HLH 48 (1997) 8, S. 34 -<br />
38.<br />
d) Kraftfahrzeuge<br />
Vehicles<br />
1/96 Weispfenning, T.; S. Leonhardt (1996). Model-based identification of a vehicle suspension<br />
using parameter estimation and neural networks. 13th IFAC World Congress, San<br />
Francisco, USA. 30 June - 5 July 1996.<br />
9/96 Isermann, R.; T. Pfeufer (1996). Integrated Model Based Fault Detection and Diagnosis<br />
with Application to Electromechanical Drives. 13th IFAC World Congress, San Francisco,<br />
USA, 30 June - 5 July, 1996.<br />
11/96 Würtenberger, M.; M. Ayoubi (1996). Identification and Supervision of the Lateral<br />
Vehicle Motion Based on Neural Networks with Distributed Dynamics. 13th IFAC<br />
World Congress, San Francisco, USA, 30 June - 5 July, 1996.<br />
15/96 Holzmann, H.; C. Halfmann; S. Germann; M. Würtenberger; R. Isermann (1996).<br />
Longitudinal and Lateral Control and Supervision of Autonomous Intelligent Vehicles.<br />
13th IFAC World Congress, San Francisco, USA, 30 June - 5 July, 1996.<br />
16/96 Halfmann, C.; H. Holzmann, M. Ayoubi; R. Isermann (1996). Supervision of Vehicles´<br />
Tire Pressure by Measurement of Body Accelerations. 13th IFAC World Congress, San<br />
Francisco, USA, 30 June - 5 July, 1996.<br />
17/96 Ballé, P.; H. Holzmann; R. Isermann (1996). Bestimmung der Übergr<strong>und</strong>geschwindigkeit<br />
eines Kraftfahrzeuges durch Auswertung von Sensorsignalen mit Fuzzy-Methoden.<br />
8.GMA/ITG Fachtagung "Sensoren <strong>und</strong> Messysteme", Bad Naumheim, 11.bis 13.<br />
März 1996.<br />
33/96 Pfeufer, T. (1996). Intelligent electromechanical actuators. AeroSense, 8-12 April 1996,<br />
Orlando Florida, USA.<br />
37/96 Pfeufer, T., R. Isermann, L. Rehm (1996). Qualitätssicherung von mechanisch-elektronischen<br />
Kfz-Stellsystemen durch modellgestützte Diagnose. VDI-Gesellschaft<br />
39/96<br />
Fahrzeug- <strong>und</strong> Verkehrstechnik. Elektronik im Kraftfahrzeug. Tagung Baden-Baden, 12.<br />
<strong>und</strong> 13. September 1996.<br />
Isermann, R.; S. Germann; M. Würtenberger; C. Halfmann; H. Holzmann (1996).<br />
Model-Based Control And Supervision of Vehicle Dynamics. FISITA Congress 1996,<br />
Prague, Czech Republic, June 17-21, 1996.<br />
45/96 Pfeufer, T.; R. Isermann (1996). Intelligent Electromechanical Servosystem. 13th IFAC<br />
World Congress, 1-5 July 1996, San Francisco, California, USA.<br />
46/96 Pfeufer, T.; R. Isermann (1996). Intelligent Electromechanical Servosystems. 5th
78<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
International Conference on New Actuators - ACTUATOR 96, 26-28 June, Bremen.<br />
62/96 Weispfenning, T. (1996). Fault detection and diagnosis of components of the vehicle<br />
vertical dynamics. 1st Int. Conference on Control and Diagnostics in Automotive<br />
Applications, Genova, Italy, 3-4 October 1996.<br />
15/97 Germann, S.; M. Würtenberger; R. Isermann (1997). Modellgestützte Verfahren zur<br />
parameteradaptiven Regelung der Fahrzeuglängsdynamik. at Automatisierungstechnik<br />
45 (1997) 2, S. 84-92.<br />
16/97 Schwarz, R.; M. Willimowski; R. Isermann; P. Willimowski (1997). Improved wheel<br />
speed and slip determination considering influences of wheel-suspension dynamics and<br />
tire dynamics. 1997 SAE International Congress & Exposition. February 24-27, 1997,<br />
Cobo Center, Detroit, Michigan, USA.<br />
17/97 Schwarz, R.; O. Nelles; P. Scheerer; R. Isermann (1997). Increasing signal accuracy of<br />
automotive wheel-speed sensors by on-line learning. American Control Conference<br />
(ACC), Albuquerque, USA, Juni 1997.<br />
38/97 Pfeufer, T. (1997). Application of model-based fault detection and diagnosis to the<br />
quality assurance of an automotive actuator. Control Engineering Practice, Vol. 5, No.<br />
5, 703-708.<br />
54/97 Pfeufer, T.; M. Ayoubi (1997). Application of a hybrid neuro-fuzzy system to the fault<br />
diagnosis of an automotive electromechanical actuator. Fuzzy Sets and Systems 89<br />
(1997) 351-360.<br />
58/97 Schwarz, R.; M. Willimowski; P. Willimowski; R. Isermann (1997). Modellbasierte<br />
Rekonstruktion der Einflußgrößen von Radaufhängungs- <strong>und</strong> Reifendynamik auf den<br />
Schlupf. VDI-Gesellschaft Fahrzeug- <strong>und</strong> Verkehrstechnik. Reifen Fahrwerk Fahrbahn.<br />
6. Fachtagung Hannover, 23. <strong>und</strong> 24. Oktober 1997.<br />
64/97 Holzmann, H.; C. Halfmann; S. Germann; W. Würtenberger; R. Isermann (1997).<br />
Longitudinal and Lateral Control and Supervision of Autonomous Intelligent Vehicles.<br />
CEP Vol. 5, No. 11, pp. 1599-1605.<br />
65/97 Halfmann, C.; M. Ayoubi; H. Holzmann (1997). Supervision of vehicles´ tyre pressures<br />
by measurement of body accelerations. Control Engineering Practice, Vol. 5, No. 8, pp.<br />
1151-1159.<br />
e) Verbrennungsmotoren<br />
Combustion engines<br />
6/96 Schüler, M.; S. Leonhardt; C. Ludwig; M. Ayoubi; R. Isermann (1996). Model-based<br />
and signal-based fault detection of diesel engines with turbocharger. 13th IFAC World<br />
Congress, San Francisco, USA, 30 June - 5 July, 1996.<br />
18/96 Leonhardt, S.; R. Isermann (1996). Echtzeit-Überwachung von Diesel-Einspritzanlagen.<br />
MTZ Motortechnische Zeitschrift 57 (1996), 2, S. 116-123.<br />
19/96 Schmidt, M.; J.-A. Kessel (1996). Winkeldiskrete Signalverarbeitung zur R<strong>und</strong>lauf-
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 79<br />
verbesserung von Dieselmotoren. MessTec 1/96, S. 8-10.<br />
44/96 Leonhardt, S.; W. Walter; C. Ludwig; M. Schüler (1996). Using the Cylinder Pressure<br />
for driving Diesel Engines at low Exhaust Emissions. 1st Int. Conf. on Control and<br />
Diagnostics in Automotive Appl. Genova, Italy, Oct. 3-4, 1996.<br />
2/97 Leonhardt, S.; R. Schwarz; R. Isermann (1997). Real-Time Supervision of the Diesel<br />
Engine Injection Process. 1997 SAE International Congress & Exposition. February 24-<br />
27, 1997, Cobo Center, Detroit, Michigan, USA.<br />
4/97 Sinsel, S.; J. Schaffnit; R. Isermann (1997). Echtzeitsimulation von Dieselmotoren zur<br />
Entwicklung von Diagnosemethoden. 2. Stuttgarter Symposium. Kraftfahrwesen <strong>und</strong><br />
Verbrennungsmotoren. 18.-20. Februar 1997.<br />
5/97 Sinsel, S.; J. Schaffnit; R. Isermann (1997). Hardware-in-the-Loop Simulation von<br />
Dieselmotoren für die Entwicklung moderner Motormanagementsysteme. VDI-Tagung<br />
<strong>Mechatronik</strong> im Maschinen- <strong>und</strong> Fahrzeugbau, Moers, März 1997.<br />
23/97 Isermann, R.; S. Sinsel; J. Schaffnit (1997). Hardware-In-The-Loop Simulation of<br />
Diesel Engines for the Development of Engine Control Systems. 4th IFAC Workshop<br />
on Algorithms and Architectures for Real-Time Control AARTC´97, Vilamoura,<br />
Algarve Portugal, 9-11 April 1997<br />
57/97 Isermann, R.; G. Hohenberg; M. Schmidt; B. Lenzen (1997). Nebenaggregate-Management<br />
zur Reduktion von Verbrauch <strong>und</strong> Emissionen. 6. Aachener Kolloquium<br />
Fahrzeug- <strong>und</strong> Motorentechnik. 20. - 22. Oktober 1997, Eurogress Aachen.<br />
f) Medizintechnik<br />
Medical engineering<br />
2/96 Leonhardt, S.; P. Ahrens, O. Schmitt; D. Hofmann (1996). A neural network approach<br />
to automated lung function diagnosis in infants. 13th IFAC World Congress, San<br />
Francisco, USA. 30 June - 5 July 1996.<br />
20/96 Walter, M.; S. Leonhardt (1996). Ein Prüfstand zur automatisierten Qualitätskontrolle<br />
von implantierbaren Mikroventilen. Jatros Neurologie 12 (1996) 3, S.50-54.<br />
36/96 Leonhardt, S.; K. Neumann (1996). Messung <strong>und</strong> Analyse des intrakraniellen Druckes.<br />
Forschungsbericht LEO I/96.<br />
54/96 Walter, M.; S. Leonhardt; H. Schubert; A. Aschoff (1996). A computer aided test stand<br />
for medical microvalves. IEEE Conference Engineering in Medicine & Biology Society.<br />
Annual meeting. Amsterdam 31.10-3.11.1996.<br />
7/97 Ghanaat, M.; S. Leonhardt (1997). A Simulink Model for the Human Circulatory<br />
System. 3rd IFCA Symposium “Modelling and Control in Biomedical Systems”.<br />
University of Warwick, UK, 23-26 March, 1997.<br />
28/97 Kuklok, O.; M. Walter; A. Aschoff; S. Leonhardt (1997). Untersuchung der statischen<br />
<strong>und</strong> dynamischen Eigenschaften von Hirndrucksensoren. Forschungsbericht LEO I/97<br />
32/97 Leonhardt, S.; P. Ahrens; D. Hofmann; R. Isermann (1997). Signal analysis and di-
80<br />
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung<br />
agnostic support based on infant tidal breathing patterns. IEEE/EMBS 19th Annual Int.<br />
Conference, Chicago, USA, 30.10.-2.11.1997.<br />
35/97 Leonhardt, S., P. Ahrens, D. Hofmann, R. Isermann (1997). A decision support system<br />
for lung function diagnosis in infants. CEP, Vol. 5, No. 10, pp. 1355-1361.<br />
48/97 Walter, M.; P. Wabel; A. Aschoff; W.L. Steudel; S. Leonhardt (1997). Qualitätskontrolle<br />
von Shuntsystemen - Ein Prüfstand zur automatisierten Testung von Liqiordrainagesystemen.<br />
31. Jahrestagung der Deutschen Gesellschaft für Biomedizinische<br />
Technik e.V. (BMT´97), München, 22.10. - 24.10.1997.<br />
49/97 Neumann, K.; S. Leonhardt; M. Walter, M. Kiefer; W.I. Steudel; R. Isermann (1997),<br />
Verfahren zur Analyse des Hirndrucksignales. 31. Jahrestagung der Deutschen Gesellschaft<br />
für Biomedizinische Technik e.V. (BMT´97), München, 22.10. - 24.10.1997.<br />
50/97 Leonhardt, S.; P. Kloke; A. Vukotich; P. Ahrens (1997). Konzepte für die Diagnoseunterstützung<br />
bei der Ruheatmungsspirometrie von Säuglingen. 31. Jahrestagung der<br />
Deutschen Gesellschaft für Biomedizinische Technik e.V. (BMT´97), München, 22.10.<br />
- 24.10.1997.<br />
72/97 Wickel, J.; S. Leonhardt (1997). Ein Modell des menschlichen Blutglucosestoffwechsels.<br />
Forschungsbericht Leo II/97.<br />
g) Mechatronische Systeme<br />
Mechatronic systems<br />
8/96 Isermann, R. (1996). Mechatronic Systems - With Applications for Cars - 13th IFAC<br />
World Congress, San Francisco, USA, 30 June - 5 July, 1996.<br />
21/96 Isermann, R. (1996). On the Design and Control of Mechatronic Systems - A Survey.<br />
IEEE Transactions on Industrial Electronics. Vol 43, No. 1, pp. 4-15.<br />
34/96 Isermann, R. (1996). Modeling and Design Methodology for Mechatronic Systems.<br />
IEEE/ASME Transactions on Mechatronic Systems. Vol.1, No. 1, pp.16 -28.<br />
35/96 Isermann, R. (1996). Mechatronische Systeme - Eine Einführung - GMA-Kongreß<br />
"Meß- <strong>und</strong> Automatisierungstechnik ´96", Baden-Baden, 9.-11. Sept. 1996<br />
50/96 Isermann, R.; J. Bußhardt (1996). Selbsteinstellende Radaufhängung. at - Automatisierungstechnik<br />
44 (1996) 7, S. 351 - 358.<br />
51/96 Isermann, R. (1996). Towards intelligent mechatronic systems. Research in Engineering<br />
Design (1996) 8, S. 139 - 150.<br />
64/96 Isermann, R. (1996). Information processing for mechatronic systems. Robotics and<br />
Autonomous Systems 19 (1996), pp. 117-134.<br />
9/97 Bußhardt, J. (1997). Neue Feder-Dämpfer-Systeme für Kraftfahrzeuge. THD-intern 1/97<br />
14/97 Isermann, R. (1997). <strong>Mechatronik</strong> - Symbiose dreier Disziplinen. VDMA Maschinenbau<br />
Nachrichten 02-97, S. 15-18.<br />
22/97 Isermann, R, (1997). Mechatronic Systems - A challenge for control engineering -<br />
(Plenary-Lecture). American Control Conference (ACC), Albuquerque, USA, Juni
FG Regelsystemtechnik <strong>und</strong> Prozeßautomatisierung 81<br />
1997.<br />
24/97 Isermann, R. (1997). Mechatronic systems for machines and automobiles. 1997<br />
IEEE/ASME International Conference on Advanced Intelligent Mechatronics, June 16-<br />
20, 1997, Waseda University, Tokyo, Japan.<br />
43/97 Isermann, R. (1997). Mechatronische Systeme. VDI/VDE GMA Jahrbuch 1997, S. 65-<br />
89.
82<br />
3.2 Fachgebiet Regelsystemtheorie <strong>und</strong> Robotik<br />
Laboratory of Control Systems Theory and Robotics<br />
Grobe Zielvorgaben<br />
linguistisch/graphisch<br />
Zerlegung in Teilziele/<br />
Umplanung im Fehlerfall<br />
wissensbasiert<br />
Heuristiken/Erlernte Fähigkeiten<br />
wissensbasiert/datengetrieben<br />
konventionelle<br />
Ein- bzw Mehrgrößenregelungen<br />
externe/interne<br />
Multisensorik<br />
Benutzer<br />
red<strong>und</strong>ante<br />
Aktorik<br />
Informationsverarbeitungshierarchie für<br />
flexible, weitgehend autonome Systeme<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
Die Zielsetzung des Fachgebiets Regelsystemtheorie <strong>und</strong> Robotik kann zusammenfassend<br />
mit Autonomie- <strong>und</strong> Flexibilitätserhöhung beschrieben werden. Dabei soll einerseits<br />
die Beherrschung komplexer Anlagen für den regelungstechnisch wenig vorgebildeten<br />
Benutzer besser erschlossen werden, indem eine Kommunikation über<br />
linguistische bzw. graphische Schnittstellen auf der Basis globaler Zielvorgaben möglich<br />
ist. Andererseits soll die Prozeßsteuerung/-regelung Fehlersituationen selbsttätig erkennen<br />
<strong>und</strong> behandeln können. Ansätze in dieser Richtung erfordern eine ausreichende<br />
Sensorik zur Situationserkennung, eine an der menschlichen Informationsverarbeitung<br />
zumindest in den oberen Ebenen orientierte Steuerungs- <strong>und</strong> Regelungshierarchie <strong>und</strong><br />
eine jeweils geeignet konfigurierbare red<strong>und</strong>ante Aktorik.<br />
Eine erfolgreiche Inangriffnahme der skizzierten Zielsetzung verlangt sowohl vertiefen-
FG Regelsystemtheorie <strong>und</strong> Robotik 83<br />
de Untersuchungen bezüglich der Infomationsverarbeitung als auch die experimentelle<br />
Verifikation an Beispielaufgaben. Dafür wurden einerseits die Robotik mit den Zielsetzungen<br />
bildverarbeitungsgestützter Handhabung durch Industrieroboter mit multisensoriellen<br />
Zwei- bzw. Mehrfingergreifern aber auch der seine Umwelt teilweise selbst<br />
erk<strong>und</strong>ende, lernende Roboter ausgewählt <strong>und</strong> andererseits der Bereich der biotechnologischen<br />
Prozeßführung. Als unmittelbare Anwendungen können die Demontage im<br />
Automobil- <strong>und</strong> Elektronikbereich, die autonome Müllverdichtung, die Behandlung von<br />
Sonderbetriebszuständen in Fertigungszellen, die optimale Führung von Fermentationen<br />
<strong>und</strong> die selbstkonfigurierende Texturanalyse in der Qualitätsicherung genannt werden.<br />
Modellgewinnung<br />
durch Genetisches Künstliche<br />
Programmieren Intelligenz<br />
lernende Verbesserung<br />
von Kfz Fahrverhalten<br />
lernende Methoden<br />
zur Bioprozeßführung<br />
Robotik<br />
Mehrfingergreifer<br />
Hand-Arm-Auge<br />
Koordination<br />
Zweiarmkoordination<br />
Servicerobotik<br />
autonome Demontage<br />
Bildverarbeitung<br />
Schwerpunkte der Arbeiten 1996/97 <strong>und</strong> ihre Vernetzung<br />
Qualitätssicherung<br />
Robot-Vision<br />
bildgestützte,<br />
autonome<br />
Navigation
84<br />
3.2.1 Lernende Systeme <strong>und</strong> künstliche Intelligenz<br />
Learning systems and artificial intelligence<br />
Modellbaukasten<br />
Modellblöcke<br />
u01<br />
u02<br />
Superblöcke<br />
−<br />
PT_1<br />
PT_1 P<br />
P P<br />
Vorwissen<br />
*<br />
Monod<br />
P<br />
Monod I<br />
Feste Teilmodelle<br />
y01<br />
y02<br />
* y01<br />
Variation<br />
Anfangspopulation<br />
Selektion<br />
Fitneßberechnung<br />
transparentes Prozeßmodell<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
Transparente datengetriebene Modellbildung biotechnologischer Prozesse<br />
Transparent data driven modeling of biotechnical processes<br />
Dipl.-Ing. Peter Marenbach<br />
Förderung: TU Darmstadt, Kooperation mit BASF AG, Daimler Benz AG, B.R.A.I.N.<br />
GmbH<br />
Biotechnologische Verfahren kommen heute in vielen Bereichen wie Pharmazie, Ernährung,<br />
Feinchemie <strong>und</strong> Entsorgung zum Einsatz. Sie dienen zur Produktion von<br />
ÿ Medikamenten wie dem Insulin,<br />
ÿ Enzymen beispielsweise für die Käseproduktion<br />
ÿ Nahrungssupplementen wie Vitaminen<br />
oder auch zur Klärung unserer Abwässer.<br />
Biotechnische Reaktionen können zwischen einigen St<strong>und</strong>en <strong>und</strong> Wochen dauern. Bei<br />
der Verfahrensentwicklung <strong>und</strong> -optimierung ist daher die Anzahl der Experimente<br />
aufgr<strong>und</strong> der Kosten <strong>und</strong> der angestrebten kurzen Entwicklungszeiten eingeschränkt.<br />
Vorteilhaft ist eine rechnergestützte Verfahrensbearbeitung, für die allerdings ein<br />
Modell, d.h. eine mathematische Beschreibung des Systems benötigt wird, die das reale<br />
Reaktionssystem nachvollziehbar beschreibt.<br />
Trainingsdaten<br />
Testdaten<br />
Nutzung von Vorwissen <strong>und</strong> Prozeßdaten für die<br />
datengetriebene Modellbildung mit SMOG<br />
Prozeßdaten
FG Regelsystemtheorie <strong>und</strong> Robotik 85<br />
Wenn der Aufwand für eine analytische Erstellung mathematischer Modelle solcher<br />
komplexen nichtlinearen Prozesse nicht vertretbar ist, bieten sich datengetriebene<br />
Modellierungsmethoden an, die ein automatisiertes <strong>und</strong> damit zeit- bzw. kostensparendes<br />
Vorgehen ermöglichen. Der Begriff der datengetriebenen Modellbildung galt lange<br />
Zeit schon fast als Synonym für die Nachbildung von Prozeßverhalten mittels künstlicher<br />
neuronaler Netze. Neben den vielen positiven Aspekten dieser Methode, stellt der<br />
Mangel an Transparenz einen wesentlichen Nachteil dar, der dem praktischen Einsatz<br />
neuronaler Netze nicht selten im Wege steht.<br />
Das in diesem Projekt entwickelte evolutionäre Verfahren geht einen anderen Weg der<br />
datengetriebenen Modellbildung. Anstatt - wie beim neuronalen Netz - das Prozeßverhalten<br />
durch geeignete Einstellung numerischer Parameter innerhalb einer sehr<br />
allgemeinen Struktur nachzubilden, wird gezielt nach einer möglichst kompakten, sich<br />
auf die dominanten Effekte beschränkenden <strong>und</strong> dadurch nachvollziehbaren Modellstruktur<br />
gesucht. Dieses Prinzip ermöglicht eine interaktive Vorgehensweise, bei der der<br />
Modellierer auch bekannte bzw. nur vermutete Zusammenhänge direkt in die Modellbildung<br />
einbringen kann.<br />
Basierend auf dem Verfahren der Genetischen Programmierung wurde an der TU<br />
Darmstadt gemeinsam mit der BASF AG das Modellbildungswerkzeug SMOG (Structured<br />
MOdel Generator) zur datengetriebenen Erzeugung von Modellstrukturen entwickelt.<br />
Ein wesentliches Merkmal des dabei verfolgten Ansatzes ist, daß das Problem der<br />
Modellbildung in zwei Teilprobleme<br />
ÿ die Suche nach einer geeigneten Modellstruktur <strong>und</strong><br />
ÿ die Suche nach den optimalen Parametern für eine generierte Modellstruktur<br />
zerlegt wird. Dabei wird für die Struktursuche ein evolutionärer Algorithmus verwendet,<br />
während für die Parameteroptimierung bewährte Standardverfahren zum Einsatz kommen.<br />
Lernende Kennfelder für Applikationen in der Automobilelektronik<br />
(Learning non-linear maps for applications in automotive electronics)<br />
Dipl.-Ing. Thorsten Ullrich<br />
Förderung: Deutsche Forschungsgemeinschaft, Robert Bosch GmbH<br />
Steigende Anforderungen an Sicherheit <strong>und</strong> Umweltverträglichkeit des Automobils
86<br />
Mss<br />
1000<br />
1000<br />
750<br />
500<br />
250<br />
0<br />
750<br />
500<br />
x1<br />
250<br />
0<br />
0<br />
250<br />
500<br />
x2<br />
750<br />
1000<br />
x2<br />
1000<br />
800<br />
600<br />
400<br />
200<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
erfordern den Einsatz moderner Steuer- <strong>und</strong> Regelungskonzepte. Insbesondere im<br />
Bereich des Motormanagements begegnet man stark nichtlinearen <strong>und</strong> infolge von<br />
Verschleißeffekten zeitvarianten Prozessen. Die Realisierung nichtlinearer Regelungen<br />
ist allerdings mit hohem Kostenaufwand verb<strong>und</strong>en. Entwurf <strong>und</strong> Implementierung sind<br />
nur von Spezialisten, die detaillierte Kenntnisse über den konkreten Prozeß besitzen,<br />
durchführbar. Lernende Ansätze, etwa künstliche neuronale Netze, die anhand von<br />
Meßdaten <strong>und</strong> ggf. on-line am Prozeß trainiert werden, versprechen hier Vorteile.<br />
Abgesehen von der Verkürzung der Applikationsphase können durch on-line Training<br />
Verschleißeffekte sowie Fertigungstoleranzen kompensiert werden. Allerdings sind die<br />
Verfahren der künstlichen neuronalen Netze mit hohem Speicher- <strong>und</strong> Rechenaufwand<br />
verb<strong>und</strong>en <strong>und</strong> somit auf kostengünstiger Hardware (Mikrocontroller), die in Kraftfahrzeugen<br />
ausschließlich zur Verfügung steht, nicht realisierbar.<br />
In Steuergeräten nach dem Stand der Technik werden daher nichtlineare Zusammenhänge<br />
durch Rasterkennfelder, d.h. auf Gitterpunkten angeordnete Stützstellen, repräsentiert.<br />
Diese Verfahren sind effizient implementierbar, weisen jedoch einige Nachteile<br />
auf, die der Realisierung verbesserter Regelungen im Weg stehen:<br />
0<br />
0 200 400 600 800 1000<br />
Beispiel für ein automatisch generiertes Kennfeld mit optimierter<br />
Stützstellenverteilung<br />
• Aufgr<strong>und</strong> des exponentiellen Anstiegs des Speicherbedarfs mit der Eingangsdimension<br />
können nur zwei Einflußgrößen berücksichtigt werden.<br />
• Die Kennfelder stellen rein statische Nichtlinearitäten dar. Sie lassen sich somit<br />
für den stationären Betrieb optimieren, während in Übergangsphasen deutliche<br />
Regelabweichungen (bspw. Schadstoffausstoß) toleriert werden müssen.<br />
• Die Rasterstruktur ist für das on-line Training nur bedingt geeignet. Die Modifikation<br />
der Stützstellenverteilung ist gr<strong>und</strong>sätzlich ausgeschlossen. Bei der An-<br />
x1
FG Regelsystemtheorie <strong>und</strong> Robotik 87<br />
passung der freien Parameter (Stützstellenfunktionswerte) besteht die Gefahr der<br />
Instabilität infolge starker Kopplungen zwischen den einzelnen Parametern.<br />
Die Gr<strong>und</strong>idee der im Rahmen des Forschungsprojektes entwickelten neuartigen Kennfeldstruktur<br />
ist die unregelmäßige - an den lokalen Informationsgehalt der nachzubildenden<br />
Nichtlinearität angepaßte - Verteilung der Stützstellen. Hierdurch wird eine Reduktion<br />
der zum Erreichen einer bestimmten Nachbildungsgenauigkeit erforderlichen Stützstellenzahl<br />
ermöglicht. Insbesondere können mehrdimensionale Abbildungen -<strong>und</strong> damit<br />
auch dynamische Nichtlinearitäten- bei vertretbarem Speicherbedarf realisiert werden.<br />
Das Training solcher Kennfelder kann sowohl durch Variation der Stützstellenverteilung<br />
als auch durch Anpassung der Funktionswerte erfolgen. Aufgr<strong>und</strong> der kleineren Zahl<br />
lokal anzupassender Parameter ist die Gefahr von Oszillationen weitaus geringer. Die<br />
entwickelten Verfahren werden zunächst in Rechnersimulationen erprobt. Zu einem<br />
späteren Zeitpunkt ist der Nachweis der Realisierbarkeit dieser Konzepte an einem<br />
realen Prozeß vorgesehen.<br />
Abgeschlossene Arbeiten 1996/97<br />
Finished projects<br />
Wissensbasierte <strong>und</strong> lernende Regelung biotechnologischer Prozesse<br />
Knowledge based and learning control of biotechnological processes<br />
Dr.-Ing. Kurt Dirk Bettenhausen<br />
Assoziativer VLSI-Prozessor zur schnellen Informations-/Stellsignalgenerierung<br />
Associative VLSI-Processor for fast generation of information or actuator signals<br />
Dr.-Ing. Walter Mischo<br />
Umsetzung abstrakter Bedieneranweisungen in komplexe Steuerprogramme für<br />
Fertigungssysteme<br />
Transformation of abstract user commands to complex control programs for manufacturing<br />
systems<br />
Dr.-Ing. Bernd Strege
88<br />
3.2.2 Robotik<br />
Robotic<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
Integration von Farbbildverarbeitung <strong>und</strong> taktiler Geschicklichkeit für die Servicerobotik<br />
am Beispiel der robotergestützten Demontage elektronischer Geräte<br />
Integration of color image processing and tactile dexterity for service robotics with an<br />
application to robot assisted disassembly of electronic devices<br />
Dipl.-Ing. Karl-Heinz Hohm<br />
Förderung: TU Darmstadt, Sony Deutschland GmbH<br />
In den letzten Jahren verlagerte sich das Forschungsinteresse in der Robotik zunehmend<br />
von der Produktionsautomatisierung hin zur Servicerobotik. Die Hauptunterschiede<br />
liegen darin, daß im ersteren Fall das resultierende Produkt <strong>und</strong> im zweiten die eigentliche<br />
Tätigkeit im Mittelpunkt des Interesses steht. Darüber hinaus hat man es in der<br />
Produktion mit immer wiederkehrenden gleichförmigen Arbeitsabläufen in einer vornehmlich<br />
auf das technische System abgestimmten Umgebung zu tun, während in der<br />
Servicerobotik das System in der Lage sein muß, sich flexibel an ein für den Menschen<br />
bestimmtes Umfeld anzupassen oder auch mit Menschen in einem gemeinsamen Szenario<br />
zu agieren. Die im Rahmen dieses Projekts betrachtete Demontage elektronischer<br />
Geräte ist eine solche Aufgabe, bei der das Robotersystem mit Objekten arbeiten muß,<br />
die auf den Menschen abgestimmt <strong>und</strong> während des Gebrauchs möglicherweise beschädigt<br />
oder von ihm, z.B. bei Reparaturen, modifiziert worden sind. Daher können -<br />
soweit überhaupt vorhanden - Modelle (z.B. Konstruktionspläne) nur sehr bedingt<br />
verwendet werden, weshalb die Demontage nicht einfach als die Umkehrung der Montage<br />
angesehen werden kann. Daraus resultiert das Hauptproblem der Zustandsunsicherheiten,<br />
da a priori nur ein sehr eingeschränktes Umweltwissen vorhanden ist <strong>und</strong> das<br />
Szenario sich auch durch ausgeführte Aktionen während des Prozeßablaufs - teilweise<br />
auch unvorhersehbar - verändert.<br />
In einer großen Anzahl elektronischer Geräte befinden sich Module, die am Ende des<br />
Lebenszyklus des Gerätes noch völlig intakt sind <strong>und</strong>, z.B. ähnlich wie im KFZ-Bereich<br />
als Austauschteile oder auch für einfachere andere Produkte, weiterverwendet werden<br />
können. Im Hinblick auf die Bewahrung der Wertschöpfung ist daher eine möglichst<br />
zerstörungsfreie Demontage anzustreben. Aber auch im Falle einer "reinen Entsorgung"<br />
muß bei notwendigen Schadstoffentfrachtungen die Demontage zumindest bis zum
FG Regelsystemtheorie <strong>und</strong> Robotik 89<br />
Erreichen eines ungefährlichen Produktzustands ebenfalls möglichst zerstörungsfrei<br />
erfolgen. Somit ist insgesamt eine hohe Flexibilität des Systems erforderlich. Das System<br />
muß in der Lage sein, mittels geeigneter Sensorik die notwendigen Informationen selbst<br />
aus der Umgebung zu beziehen, um zielgerichtete Aktionen planen <strong>und</strong> ausführen zu<br />
können. Diese Umwelterfassung geschieht, um möglichst flexibel agieren zu können,<br />
auf der Basis möglichst weniger, für den Problemkreis allgemein gültiger, a priori<br />
bekannter Informationen. Die in diesem Projekt eingesetzten Sensoren sind ein Farbbildverarbeitungssystem,<br />
unterstützt durch Distanzsensorik, zur globalen Szenenerfassung<br />
für die Aktionsplanung, sowie direkte <strong>und</strong> indirekte taktile Sensorik in einem entsprechend<br />
ausgestatteten Greifersystem zur Handhabung der Objekte. Zum Lösen von<br />
Verbindungen sind darüber hinaus weitere problemangepaßte Werkzeuge erforderlich.<br />
Basierend auf dem sensorgestützten Aufbau einer Umweltrepräsentation, die sich an den<br />
schematischen a priori Informationen orientiert, wird in der Aktionsplanungsphase<br />
versucht, interessierende Module eines Gerätes oder aber Verbindungselemente, die ihre<br />
unmittelbare Demontage verhindern, in der Szene zu lokalisieren. Entsprechend werden<br />
dann Maßnahmen zum Trennen von Verbindungen bzw. zum Herausnehmen interessierender<br />
Module eingeleitet.<br />
Automatische Demontage einer PC-Platine<br />
Um bei der Ausführung von Aktionen eine hohe Flexibilität zu erreichen, besitzt das
90<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
System lediglich einfache Verhaltensregeln für charakteristische, gr<strong>und</strong>legende Situtationstypen.<br />
Durch deren Überlagerung in Fuzzy-Reglern entstehen auch komplexe<br />
Bewegungen sensorbasiert durch lokale Online-Planung. Die Überführung dieser<br />
Verhaltensmuster in Neuronale Netze soll ferner die Optimierung des lokalen Bewegungsverhaltens<br />
erlauben. Um es dem System darüber hinaus zu ermöglichen, aus<br />
"seinen Erfahrungen heraus" bei der Lösung wiederkehrender, ähnlicher Problemstellungen<br />
angepaßter <strong>und</strong> auch schneller handeln zu können, wurde eine Architektur<br />
entwickelt, die Trajektorien erfolgreicher Bewegungsabläufe in generische Bewegungssequenzen<br />
überführt, die dann als eine Art Vorsteuerinformation eingesetzt werden<br />
können.<br />
Die entwickelten Ansätze werden im Labor unter Verwendung eines Industrieroboters<br />
sowie der erwähnten Sensorik <strong>und</strong> Aktorik experimentell erprobt, um daraus Rückschlüsse<br />
für weitere Untersuchungen ableiten zu können.<br />
Abgeschlossene Arbeiten 1996/97<br />
Finished projects<br />
Lernende Zweiarmkoordination bei Robotern<br />
Learning control for two robots with cooperating arms<br />
Dr.-Ing. Christian von Albrichsfeld<br />
Lernende Regelung eines mehrfingrigen Robotergreifers<br />
Learning control of a multifingered robot gripper<br />
Dr.-Ing. Karl Kleinmann<br />
Robotergestützte flexible Demontage elektronischer Geräte<br />
Robot assisted flexible disassembly of electronic products<br />
Dr.-Ing. Alexandra Weigl
FG Regelsystemtheorie <strong>und</strong> Robotik 91<br />
3.2.3 Bildverarbeitung<br />
Computer vision<br />
Echtzeit-Bildverarbeitung zur Qualitätssicherung gemischt texturierter Oberflächen<br />
Realtime vision systems for quality control of textured surfaces<br />
Dipl.-Ing. Georg Lambert<br />
Förderung: BMBF Projekt TEXAUGE in Kooperation mit der Firma ISRA Systemtechnik<br />
GmbH<br />
Der Einsatz von Bildverarbeitungssystemen für die Automatisierung der Sichtinspektion<br />
texturierter Oberflächen (z.B. mehrfarbig gewebter Stoff, Teppichboden, Dekorfolien<br />
usw.) gewinnt zunehmend an Bedeutung. Durch die Produkthaftungsgesetzgebung<br />
(DIN/ISO 9000), die eine vollständige Qualitätskontrolle <strong>und</strong> -dokumentation nach sich<br />
zieht, <strong>und</strong> aus wirtschaftlichen Gesichtspunkten sind Systeme zur computerunterstützten<br />
Qualitätssicherung (CAQ) in vielen Unternehmen nicht mehr wegzudenken.<br />
Da bei der Sichtinspektion von Bahnwaren meist mit hohen Produktionsgeschwindigkeiten<br />
schrittzuhalten ist, müssen neue Systemarchitekturen <strong>und</strong> schnelle Algorithmen<br />
entwickelt werden. Das Bild zeigt die Architektur eines Echtzeit-Bildverarbeitungssystems<br />
basierend auf der Konturextraktion <strong>und</strong> Vektorisierung (Polygon Approximati-<br />
Architektur eines Echtzeit-Bildverarbeitungssystems basierend auf der Analyse<br />
vektorisierter Konturen
92<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
on) digitalisierter Grautonbilder.<br />
Da durch die in Echtzeit realisierte Konturvektorisierung eine extrem hohe Datenreduzierung<br />
erreicht wird, können nachgeschaltete, schnelle Algorithmen Konturbilder<br />
schritthaltend analysieren.<br />
Im Bereich bildpunktbasierter Texturanalyseverfahren können Echtzeitbedingungen<br />
durch abgestimmte Kombination schneller Prozessoren <strong>und</strong> geeigneter Algorithmen<br />
erreicht werden. Hier werden Ansätze verfolgt, die durch adaptive Verfahren zur Klassifikation<br />
(neuronale Ansätze) den Verfahrensblock der Merkmalsextraktion in der<br />
Standardbildverarbeitungskette minimieren bzw. eliminieren.<br />
Abgeschlossene Arbeiten 1996/97<br />
Finished projects<br />
Bildverarbeitung für Anwendungen in der Robotik<br />
Image Processing for Applications in the Field of Robotics<br />
Dr.-Ing. Matthias Seitz<br />
Selbstorganisierende, bildbasierte Umweltrepräsentationen für mobile Dienstleistungsroboter<br />
Selforganizing image-based environment representation for mobile servive robots<br />
Dr.-Ing. Georg von Wichert
FG Regelsystemtheorie <strong>und</strong> Robotik 93<br />
3.2.4 Dissertationen 1996/1997<br />
Dissertations 1996/1997<br />
Amelung, Jörg (1996), Automatische Bildverarbeitung für die Qualitätssicherung.<br />
Darmstädter Dissertationen D17<br />
Bettenhausen, Kurt Dirk (1996). Automatische Struktursuche für Regler <strong>und</strong> Strecke<br />
- Beiträge zur datengetriebenen Analyse <strong>und</strong> optimierenden Führung komplexer<br />
Prozesse mit Hilfe evolutionärer Methoden <strong>und</strong> lernfähiger Fuzzy-Systeme. VDI<br />
Fortschritt-Bericht VDI Reihe 8 Nr. 574. Düsseldorf, VDI-Verlag<br />
Kleinmann, Karl (1996). Lernende Regelung eines mehrfingrigen Robotergreifers -<br />
Entwicklung echtzeitfähiger Methoden <strong>und</strong> Integration mit Industrieroboter <strong>und</strong><br />
Bildverarbeitungssystem. Darmstädter Dissertationen D17<br />
Matthiesen, Jan (1996). Informationsverarbeitungsstrukturen zur Erhöhung der Roboterautonomie.<br />
VDI-Verlag<br />
Fortschritt-Berichte VDI Reihe 20 Nr. 200. Düsseldorf,<br />
Mischo, Walter S. (1997). Ein neuronaler Interpolationsspeicher für die lernende<br />
Regelung: Konzeptwahl <strong>und</strong> mikroelektronischer Entwurf. Fortschritt-Berichte<br />
VDI Reihe 9 Nr. 249. Düssedorf, VDI-Verlag<br />
Seitz, Matthias (1996). Untersuchungen zur Nutzung von Bildverarbeitung für Manipulationsaufgaben<br />
in der Robotik. Berichte aus der Automatisierungstechnik.<br />
Aachen, Shaker Verlag<br />
Strege, Bernd (1996). Automatische Generierung übersichtlicher Petrinetze <strong>und</strong> optimaler<br />
Abläufe durch Aufspaltung in eine vom Systemeingenieur zu implementierende<br />
Anlagenbeschreibung <strong>und</strong> eine vom Facharbeiter vorgebbare Anlagennutzung.<br />
Darmstädter Dissertationen D17<br />
Weigl, Alexandra (1997). Exemplarische Untersuchungen zur flexiblen automatisierten<br />
Demontage elektronischer Geräte mit Industrierobotern. Berichte aus der Automatisierungstechnik.<br />
Aachen, Shaker Verlag.
94<br />
3.2.5 Industriekontakte<br />
Contacts with industry<br />
Kontakte mit Firmen der:<br />
Anlagentechnik<br />
Raumfahrtindustrie<br />
Automobilindustrie<br />
Chemischen Industrie<br />
Roboterindustrie<br />
FG Regelsystemtheorie <strong>und</strong> Robotik
FG Regelsystemtheorie <strong>und</strong> Robotik 95<br />
3.2.6 Technische Einrichtungen<br />
Technical equipment<br />
Robotersysteme<br />
1 Mobiler Roboter mit Bordrechner, CCD-Kamera <strong>und</strong> Ultraschall-Sensorsystem<br />
3 6-Achsen Industrie-Roboter mit Steuerung (Multiprozessor mit Dual-Port-<br />
RAM-Kopplung)<br />
2 mehrgelenkige, flexible Dreifingergreifer (9 Gelenke mit Sensorik, Eigenentwicklung)<br />
1 multisensorieller Parallelbackengreifer mit elektr. Antrieb (Eigenentwicklung)<br />
2 Parallelbackengreifer mit Pneumatikantrieb<br />
1 Datenhandschuh<br />
1 Space Mouse zum Verfahren der Roboter im Handbetrieb<br />
2 6-Achsen Kraft-Momentensensoren<br />
1 automatisches Fräswerkzeug<br />
1 Förderbandsystem<br />
Rechner<br />
8 PC Pentium<br />
21 SUN-SPARC Workstations<br />
Bildverarbeitungssysteme:<br />
VME-Bus Bildverarbeitungsrechner 68020 CPU <strong>und</strong> Slave-Prozessor<br />
VME-Bus Echtzeitrechner 68040 CPU<br />
Spezialhardware VECTEXzur Echtzeit-Kantenextraktion<br />
PC486 mit VD5- Bildverarbeitungskarte<br />
3 CCD-Flächenkameras<br />
1 CCD-RGB Farbkamera<br />
1 CCD-Zeilenkamera<br />
1 PC-Framegrabber Schwarz-Weiß<br />
1 PC-Framegrabber Farbe, PCI-Bus<br />
1 Videosignal-Funkübertragung (Sender <strong>und</strong> Empfänger)
96<br />
3.2.7 Veröffentlichungen 1996/97<br />
Publications 1996/97<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
a) Lernende Systeme <strong>und</strong> künstliche Intelligenz<br />
Learning systems and artificial intelligence<br />
1/96 W. S. Mischo. How to Adapt in Neurocontrol: A Decision for CMAC. In R. Zbikowski<br />
and K. J. Hunt, editors, Neural Adaptive Control Technology, pages 285-314. World<br />
Scientific, 1996.<br />
3/96 W. S. Mischo. A CMAC-type Neural Memory for Control Applications. In E. Vittoz and<br />
J.-D. Nicoud, editors, Proc. of the 5th Int. Conf. on Microelectronic for Neural Networks<br />
and Fuzzy Systems -- MicroNeuro '96, pages 161-167. IEEE Computer Society Press,<br />
Los Alamitos, Ca., Washington, Brussels, TokyoLausanne, Schweitz, 1996.<br />
5/96 T. Ullrich and H. Tolle. Delaunay Networks for Modelling of Non-Linear Processes. In<br />
IASTED/ISMM International Conference Modelling and Simulation, pages 319-322,<br />
Pittsburgh, USA, April 1996.<br />
10/96 P. Marenbach, K. D. Bettenhausen and H. Tolle. Methods for a Transparent Development<br />
and Optimization of Biotechnological Processes. In J.J. Gertler, J.B. Cruz and M.<br />
Peshkin, editors, 13th IFAC World Congress, volume N, pages 449-454, San Francisco,<br />
CA, 1996. IFAC.<br />
11/96 P. Marenbach, K. D. Bettenhausen and S. Freyer. Signal Path Oriented Approach to<br />
Generation of Dynamic Process Models. In John R. Koza, David E. Goldberg, David B.<br />
Fogel and Rick L. Riolo, editors, Proc. 1st Conf. on Genetic Programming, pages<br />
327-332, Cambridge, MA, 1996. The MIT Press.<br />
12/96 T. Ullrich. Learning Nonlinear Maps in Automotive Applications. In IMACS/IEEE-SMC<br />
Multiconference on Computational Engineering in Systems Applications (CESA) --<br />
Symposium on Control, Optimization and Supervision, volume 1, pages 428-433, Lille,<br />
France, July 1996.<br />
14/96 H. Tolle. On Open Problems in Neurocontrol. Mathematics Today, 32(7/8):110--115,<br />
August 1996.<br />
26/96 H. Pohlheim and P. Marenbach. Generation of structured process models using genetic<br />
algorithms. In T. Fogarty, editor, Proc. AISB'96 Workshop on Evolutionary Computing,<br />
volume 1143 of Lecture Notes in Computer Science, pages 102-109. Springer-Verlag,<br />
1996.<br />
27/96 S. Freyer, P. Marenbach and K. D. Bettenhausen. Generierung von Prozeßmodellen<br />
durch Genetic Programming. In Fachtreffen Computeranwendungen in der Chemischen<br />
Industrie, Wiesbaden, May 1996. DECHEMA Jahrestagung.<br />
1/97 T. Ullrich and H. Tolle. Modelling Nonlinear Characteristics using Hierarchical Delaunay<br />
Networks. In Proceedings of IMACS 2nd Mathmod, pages 769--774, Vienna,<br />
Austria, 1997.
FG Regelsystemtheorie <strong>und</strong> Robotik 97<br />
2/97 M. Brown and T. Ullrich. Comparison of Node Insertion Algorithms for Delaunay<br />
Networks. In Proceedings of IMACS 2nd Mathmod, pages 775--780, Vienna, Austria,<br />
1997.<br />
4/97 K. D. Bettenhausen, S. Gehlen and P. Marenbach. Intelligente leittechnische Konzepte<br />
für die Bioverfahrenstechnik: Einsatz <strong>und</strong> Perspektiven an der TH Darmstadt. Automatisierungstechnik<br />
(at), 45(5):199-208, 1997.<br />
7/97 T. Ullrich. Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay-Netzen.<br />
Automatisierungstechnik (at), 45(5):236-244, 1997.<br />
9/97 T. Ullrich and H. Tolle. Delaunay-based Local Model Networks for Nonlinear System<br />
Identification. In M.H. Hamza, editor, IASTED International Conference on Applied<br />
Modelling and Simulation, pages 399-403, Banff, Canada, August 1997.<br />
11/97 P. Marenbach and M. Brown. Evolutionary versus Inductive Construction of Neurofuzzy<br />
Systems for Bioprocess Modelling. In 2nd Int. Conf. Genetics Algorithms in Engineering<br />
Systems: Innovations and Applications, number 446 in IEE Conference Publications,<br />
pages 320--325, Glasgow, UK, 1997.<br />
12/97 M. Willis, H. Hiden, P. Marenbach, B. McKay and G. Montague. Genetic Programming:<br />
An Introduction and Survey of Applications. In 2nd Int. Conf. Genetics Algorithms in<br />
Engineering Systems: Innovations and Applications, number 446 in IEE Conference<br />
Publications, pages 314--319, Glasgow, UK, 1997.<br />
13/97 K. D. Bettenhausen and P. Marenbach. SMOG: Evolutionäre Struktursuche für Prozeßmodelle.<br />
In 42. Int. Ilmenauer Wissenschaftliches Kolloquium, volume 3, pages 75--80,<br />
1997.<br />
16/97 H. Tolle, K. D. Bettenhausen and B. Strege. Vorgehensweisen zur Entwurfsautomatisierung<br />
des Übergangs Displayzugriff - Steuerungseingriff. In K.-P. Gärtner, editor,<br />
DGLR-Bericht 97-02: Menschliche Zuverlässigkeit, Beanspruchung <strong>und</strong> benutzerzentrierte<br />
Automatisierung, pages 127-140, 1997.<br />
18/97 T. Ullrich and M. Brown. Delaunay-based Nonlinear Internal Model Control. In J.<br />
Soldek, editor, International Conference on Applications of Computer Systems, pages<br />
387--394, Szczecin, Poland, November 1997.<br />
22/97 P. Marenbach, K. D. Bettenhausen, S. Freyer, U. Nieken and H. Rettenmaier.<br />
Data-driven Structured Modelling of a Biotechnological Fed-batch Fermentation by<br />
Means of Genetic Programming. Proc. of the Institution of Mechanical Engineers Part I,<br />
211:325-332, 1997.
98<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
b) Robotik<br />
Robotic<br />
2/96 A. Weigl u. H. Tolle. Flexible robotergestützte Demontage von Elektronikgeräten.<br />
Thema Forschung, (1): 50-58, January 1996.<br />
4/96 A. Kurz. Constructing Maps for Mobile Robot Navigation Based on Ultrasonic Range<br />
Data. IEEE Transactions on System, Man and Cybernetics -- Part B: Cybernetics, 26(2):<br />
233-242, April 1996.<br />
6/96 K. Kleinmann, J.-O. Hennig, C. Ruhm and H. Tolle. Object Manipulation by a Multifingered<br />
Gripper: On the Transition from Precision to Power Grasp. In Proceedings of the<br />
13th IEEE International Conference on Robotics and Automation (ICRA'96), pages<br />
2761-2766, Minneapolis, USA, April 1996.<br />
7/96 M. Buss and K. Kleinmann. Multi-Fingered Grasping Experiments Using Real-Time<br />
Grasping Force Optimization. In Proceedings of the 13th IEEE International Conference<br />
on Robotics and Automation (ICRA'96), pages 1807-1812, Minneapolis, USA, April<br />
1996.<br />
8/96 K. Hohm, T. Felzer and P. Marenbach. Parameterized Temporal Sequences for Motor<br />
Control of a Robot System. In Proceedings of the 4th IEEE Mediterranean Symposium<br />
on New Directions in Control Automation (MSCA'96), pages 276-280, Maleme, Chania,<br />
Crete, Greece, 1996.<br />
9/96 M. Seitz and K. Kleinmann. Using Vision for Autonomous Object Manipulation: Towards<br />
Robotic Hand-Arm-Eye Coordination. In Proceedings of the IMACS Multiconference<br />
on Computational Engineering in Systems Applications (CESA'96), Symposium<br />
on Robotics and Cybernetics, pages 48-53, Lille, France, 1996.<br />
13/97 A. Weigl, M. Schwartz and K. D. Bettenhausen. A Flexible Motion Control Structure for<br />
Autonomous Robotic Disassembly. In R. Gill and C. S. Syan, editors, Proceedings of the<br />
12th International Conference on CAD/CAM Robotics and Factories of the Future, pages<br />
145-151, London, UK, August 1996. Middlesex University Press.<br />
16/96 C. Bonivento, C. Melchiorri and H. Tolle, editors. Advances in Robotics -- The ERNET<br />
Perspective (Proceedings of the ERNET Workshop). World Scientific, Darmstadt,<br />
Germany, 1996.<br />
17/96 A. Weigl, H. Tolle and A. Micheli. An Approach to Detect and Overcome Blocking<br />
Situations in Robotic Disassembly. In C. Bonivento, C. Melchiorri and H. Tolle, editors,<br />
Advances in Robotics -- The ERNET Perspective, pages 231-240, Darmstadt, Germany,<br />
1996. World Scientific.<br />
21/96 A. Weigl, K. Hohm and H. Tolle. A Flexible Tactile Grasping Strategy for Autonomous<br />
Robotic Disassembly. In Robotics towards 2000 - Proceedings of the 27th International<br />
Symposium on Industrial Robots (ISIR), pages 375-380, Milan, Italy, 1996.<br />
25/96 C. v. Albrichsfeld. Self-adjusting Active Compliance Controller for Two Cooperating<br />
Robots Handling a Flexible Object. In Proceedings of the World Automation Congress
FG Regelsystemtheorie <strong>und</strong> Robotik 99<br />
(WAC '96), Robotic and Manufacturing Systems, volume 3, pages 765-770, Montpellier,<br />
Frankreich, 1996.<br />
28/96 V. Smejkal and A. Weigl. On New Kinematic Structures in Dexterous Robot Hand<br />
Design Considering Requirements for Flexible Automated Disassembly. In Proceedings<br />
of the International Congress on Machine Tools, Automation and Robotics in Mechanical<br />
Engineering (MATAR PRAHA'96), pages 77-83, Prag, Tschechische Republik,<br />
June 1996.<br />
30/96 H. Tolle. Learning Aspects for Mobile Service Robots. 1996.<br />
31/96 B. Strege, A. Weigl and A. Gros. Scheduling of Disassembly Cells Based on Timed<br />
Extended Controlled Petri Nets. International Journal of Flexible Automation and<br />
Integrated Manufacturing, 4(2), 1996<br />
8/97 T. Felzer, P. Hartmann, K. Hohm and P. Marenbach. Motor Sequence Processing with<br />
Artificial Learning System. In J. Mira, R. Moreno-Diaz and J. Cabestany, editors, Proc.<br />
Int. Work-Conf. on Artificial and Natural Neural Networks (IWANN '97), number 1240<br />
in Lecture Notes in Computer Science, Lanzarote, Spain, 1997. Springer.<br />
21/97 K. Hohm, A. Weigl, B. Krüger, M. Schwartz and H. Tolle. Using A Multisensory<br />
Gripper System For Robot Assisted Disassembly Of Electronic Devices. In Proceedings<br />
of the 2nd International IARP Workshop on Service and Personal Robots: Technologies<br />
and Applications, Genova, Italy, 1997.<br />
c) Bildverarbeitung<br />
Computer vision<br />
15/96 G. Lambert and J. Noll. Discrimination properties of invariants using the line moments<br />
of vectorized contours. In 13th International Conference on Pattern Recognition, volume<br />
2(Track B) of Pattern Recognition and Signal Analysis, pages 735-739, Vienna, Austria,<br />
August 1996. IEEE Computer Society Press.<br />
22/96 G. v. Wichert. Selforganizing Visual Perception for Mobile Robot Navigation. In 1st<br />
Euromicro Workshop on Advanced Mobile Robots (EUROBOT'96), pages 194-200,<br />
Kaiserslautern, Germany, 1996. IEEE Computer Society Press.<br />
5/97 G. Lambert, J. Amelung and E. Ersü. Konzepte zur Auslegung von<br />
6/97<br />
Echtzeit-Bildverarbeitungssystemen für die Qualitätssicherung am Beispiel der Inspektion<br />
von Texturen. Automatisierungstechnik (at), 45(5):209-217, 1997.<br />
A. Kurz and G. v. Wichert. Über die Autonome Kartierung der Umwelt durch Serviceroboter.<br />
Automatisierungstechnik (at), 45(5):218-225, 1997.<br />
14/97 G. v. Wichert. VISMOB: Aufbau <strong>und</strong> Nutzung selbstorganisierender, bildbasierter<br />
Umweltrepräsentationen für mobile Roboter. In P. Levi, Th. Bräunl and N. Oswald,<br />
editors, Autonome Mobile Systeme (AMS'97), Informatik aktuell, pages 84--94, Stuttgart,<br />
1997. Springer Verlag, Heidelberg.<br />
15/97 G. Lambert. Die Methode der Linienmomente zur konturbasierten
100<br />
FG Regelsystemtheorie <strong>und</strong> Robotik<br />
Echtzeit-Bildverarbeitung <strong>und</strong> industrielle Anwendungen. at - Automatisierungstechnik,<br />
45(10):461-472, 1997.<br />
17/97 G. v. Wichert. Mobile Robot Localization Using a Selforganized Visual Environment<br />
Representation. In 2nd Euromicro Workshop on Advanced Mobile Robots (EURO-<br />
BOT'97), pages 29--36, Brescia, Italy, 1997. IEEE Computer Society Press.<br />
19/97 G. Lambert and F. Bock. Wavelet Methods for Texture Defect Detection. In Proc. of<br />
ICIP (Int. Conf. on Image Processing), volume 3, pages 201--204, Santa Barbara, Californien,<br />
October 1997. IEEE Signal Processing Society.
0LWDUEHLW EHL 9HUElQGHQ *HVHOOVFKDIWHQ =HLWVFKULIWHQ XQG EHVRQGHUH bPWHU<br />
0LWDUEHLW EHL 9HUElQGHQ *HVHOOVFKDIWHQ =HLW<br />
VFKULIWHQ XQG EHVRQGHUH bPWHU LQQHUKDOE GHU 78<br />
'DUPVWDGW<br />
0HPEHUVKLS LQ DVVRFLDWLRQV<br />
3URI 'U ,QJ 'U K F 5 ,VHUPDQQ<br />
78 'DUPVWDGW<br />
0LWJOLHG LP 6WlQGLJHQ $XVVFKX‰ I U )RUVFKXQJ XQG /HKUH 78<br />
0LWJOLHG GHV .RQYHQWV<br />
0LWJOLHG LP /HKU XQG 6WXGLHQDXVVFKX‰ (OHNWURWHFKQLN<br />
6SUHFKHU GHU 6WXGLHQULFKWXQJ 5HJHOXQJVWHFKQLN<br />
0LWJOLHG LP $UEHLWVNUHLV /XIWYHUNHKU<br />
'(&+(0$<br />
0LWJOLHG GHV .XUDWRULXPV GHV .DUO :LQQDFNHU ,QVWLWXWHV )UDQNIXUW<br />
+HVVLFKHU 5XQGIXQN<br />
0LWJOLHG GHV 9HUZDOWXQJVUDWHV DOV WHFKQLVFKHU 6DFKYHUVWlQGLJHU<br />
,)$& ,QWHUQDWLRQDO )HGHUDWLRQ RI $XWRPDWLF &RQWURO<br />
9LFH 3UHVLGHQW VHLW -XOL<br />
&KDLUPDQ ([HFXWLYH %RDUG<br />
,QWHUQDWLRQDO 3URJUDP &RPLWWHHV ,)$& 6\PSRVLD<br />
.DUO XQG 0DULD %LHVLQJHU 6WLIWXQJ<br />
0LWJOLHG GHV .XUDWRULXPV<br />
9', 9'( *HVHOOVFKDIW I U 0H‰ XQG $XWRPDWLVLHUXQJVWHFKQLN<br />
0LWJOLHG GHV %HLUDWV<br />
9RUVLW]HQGHU GHV $XVVFKXVVHV ³gIIHQWOLFKNHLWVDUEHLW´<br />
=HLWVFKULIWHQ<br />
$XVVFK VVH<br />
,QWHUQDWLRQDO -RXUQDO RI &RQWURO $VVRFLDWH (GLWRU<br />
,((( $60( 7UDQVDFWLRQV RQ 0HFKDWURQLF 6\VWHPV (GLWRU VHLW<br />
9', *0$ 8QWHUDXVVFKX‰ )X]]\ &RQWURO 0 )LVFKHU 2 1HOOHV<br />
9', *0$ $XVVFKX‰ 'LDJQRVHYHUIDKUHQ LQ GHU $XWRPDWLVLHUXQJVWHFKQLN 3<br />
%DOOp ' ) VVHO<br />
9', *0$ $XVVFKX‰ hEHUZDFKXQJ XQG 'LDJQRVH YRQ *HUlWHQ XQG $Q<br />
ODJHQ 3 %DOOp<br />
9', *0$ $XVVFKX‰ 1HXURQDOH 1HW]H 2 1HOOHV
0LWDUEHLW EHL 9HUElQGHQ *HVHOOVFKDIWHQ =HLWVFKULIWHQ XQG EHVRQGHUH bPWHU<br />
9', *0$ $XVVFKX‰ $GDSWLYH *HUlWH XQG 6\VWHPH $ )LQN<br />
9', *0$ $XVVFKX‰ 065 5HFKQHUZHUN]HXJH $ )LQN<br />
3URI 'U UHU QDW 'LSO ,QJ + 7ROOH<br />
(XURSHDQ &RPPLVVLRQ *XWDFKWHU<br />
(635,7 ,, 3URMHNW 1HXUDO $GDSWLYH &RQWURO 7HFKQRORJ\ 1$&7<br />
')* 6FKZHUSXQNWSURJUDPPH *XWDFKWHU<br />
$QDO\VH XQG 6\QWKHVH NRQWLQXLHUOLFK GLVNUHWHU WHFKQLVFKHU 6\VWHPH<br />
.21',6.<br />
$XWRQRPHV /DXIHQ<br />
(FKW]HLW 2SWLPLHUXQJ JUR‰HU 6\VWHPH<br />
78 'DUPVWDGW<br />
0LWJOLHG GHU 'LSORPSU IXQJVNRPLVVLRQ GHU )DFKEHUHLFKH GHU (OHNWUR<br />
WHFKQLN<br />
0LWJOLHG GHV .RQYHQWV<br />
=HLWVFKULIW DW $XWRPDWLVLHUXQJVWHFKQLN<br />
0LWJOLHG GHV %HLUDWHV<br />
=HLWVFKULIW $HURVSDFH 6FLHQFH DQG 7HFKQRORJ\<br />
0LWJOLHG GHV %HLUDWV<br />
'HXWVFKH *HVHOOVFKDIW I U /XIW XQG 5DXPIDKUW<br />
6HQDWVPLWJOLHG<br />
9', 9'( *HVHOOVFKDIW I U 0H‰ XQG $XWRPDWLVLHUXQJVWHFKQLN<br />
6WHOOYHUWUHWHQGHU /HLWHU *0$ )DFKDXVVFKX‰ (QWZXUIVPHWKRGHQ I U<br />
ZLVVHQVEDVLHUWH OHUQHQGH XQG VHOEVWRUJDQLVLHUHQGH 6\VWHPH GHU<br />
,)$&<br />
$XWRPDWLVLHUXQJVWHFKQLN<br />
,QWHUQDWLRQDO )HGHUDWLRQ RI $XWRPDWLF &RQWURO<br />
0HPEHU RI WKH 7KHRU\ &RPPLWWHH<br />
0HPEHU RI WKH $HURVSDFH &RPPLWWHH<br />
,QWHUQDWLRQDO 1HXUDO 1HWZRUN 6RFLHW\ ,116 ,QWHUQDWLRQDO $VVRFLDWLRQ RI 6FLHQFH<br />
DQG 7HFKQRORJ\ IRU 'HYHORSPHQW ,$67('<br />
$XVVFK VVH<br />
0LWJOLHG<br />
9', *0$ $XVVFKX‰ (QWZXUIVPHWKRGHQ I U ZLVVHQVEDVLHUWH OHUQHQGH XQG<br />
VHOEVWRUJDQLVLHUWH 6\VWHPH GHU $XWRPDWLVLHUXJVWHFKQLN 3 0DUHQEDFK<br />
9', *0$ $XVVFKX‰ 1HXURQDOH 1HW]H XQG (YROXWLRQlUHU $OJRULWKPHQ 3<br />
0DUHQEDFK
HKUYHUDQVWDOWXQJHQ<br />
/HKUYHUDQVWDOWXQJHQ<br />
/HFWXUHV :6 :LQWHUVHPHVWHU 66 6RPPHUVHPHVWHU<br />
/HKUYHUDQVWDOWXQJHQ GHV )DFKJHELHWHV 5HJHOV\VWHPWHFKQLN XQG 3UR]H‰DXWRPD<br />
WLVLHUXQJ<br />
/HFWXUHV /DERUDWRU\ RI &RQWURO 6\VWHPV (QJLQHHULQJ DQG 3URFHVV $XWRPDWLRQ<br />
5HJHOXQJVWHFKQLN ,D :6 ,VHUPDQQ 'URJLHV .HVVHO<br />
< *UXQGEHJULIIH ]XP 0HVVHQ 6WHXHUQ 5HJHOQ<br />
< 0RGHOOELOGXQJ G\QDPLVFKHU 6\VWHPH<br />
< 0DWKHPDWLVFKH %HKDQGOXQJ OLQHDUHU hEHUWUDJXQJVJOLHGHU $QWZRUW XQG hEHU<br />
WUDJXQJVIXQNWLRQHQ 3ROH XQG 1XOOVWHOOHQ %RGH 'LDJUDPP YHUVFKLHGHQH hEHU<br />
WUDJXQJVJOLHGHU 6WDELOLWlWVEHWUDFKWXQJHQ<br />
< /LQHDUH 5HJHONUHLVH *UXQGJOHLFKXQJHQ 6WDELOLWlW<br />
< 6\QWKHVH OLQHDUHU 5HJHOXQJHQ 5HJOHUVWUXNWXUHQ 5HJHOJ WHNULWHULHQ SDUDPHWHU<br />
RSWLPLHUWH 5HJOHU<br />
< *HUlWHWHFKQLVFKHU $XIEDX 5HJOHU 6WHOOHLQULFKWXQJHQ /HLWJHUlWH<br />
5HJHOXQJVWHFKQLN ,E :6 ,VHUPDQQ 1HOOHV<br />
< /|VHQ YRQ 'LIIHUHQWLDOJOHLFKXQJHQ PLW +LOIH GHU /DSODFH 7UDQVIRUPDWLRQ<br />
< $QDORJUHFKQHUJUXQGVFKDOWXQJHQ<br />
< )UHTXHQ]NHQQOLQLHQ 9HUIDKUHQ<br />
< 6WDELOLWlW JHVFKORVVHQHU 5HJHONUHLVH (UJlQ]XQJHQ<br />
< *UXQGODJHQ ]XU %HKDQGOXQJ OLQHDUHU $EWDVWV\VWHPH 'LIIHUHQ]HQJOHLFKXQJ<br />
<<br />
6KDQQRQVFKHV 7KHRUHP ] 7UDQVIRUPDWLRQ 6WDELOLWlWEHWUDFKWXQJHQ<br />
6\QWKHVH YHUPDVFKWHU 5HJHOXQJHQ +LOIVJU|‰HQ XQG 6W|UJU|‰HQDXIVFKDOWXQJHQ<br />
.DVNDGHQUHJHOXQJ<br />
'LJLWDOH 5HJHOV\VWHPH 66 ,VHUPDQQ 6FKPLGW :LOOLPRZVNL<br />
< 7KHRUHWLVFKH *UXQGODJHQ YRQ $EWDVW 5HJHOV\VWHPHQ =HLWGLVNUHWH )XQNWLRQHQ<br />
+DOWHJOLHG ] 7UDQVIRUPDWLRQ )DOWXQJVVXPPH ] hEHUWUDJXQJVIXQNWLRQ 6WDELOL<br />
WlWVEHWUDFKWXQJHQ (UJlQ]XQJHQ ]X 5HJHOXQJVWHFKQLN ,E<br />
< (QWZXUI YRQ 5HJHOXQJHQ I U GHWHUPLQLVWLVFKH 6W|UXQJHQ 3DUDPHWHURSWLPLHUWH<br />
.RPSHQVDWLRQV XQG 'HDGEHDW 5HJOHU =XVWDQGVUHJOHU PLW %HREDFKWHU 5HJOHU I U<br />
7RW]HLWSUR]HVVH 9HUJOHLFK YHUVFKLHGHQHU 5HJHOXQJHQ<br />
< )X]]\ 5HJHOXQJ
HKUYHUDQVWDOWXQJHQ<br />
< 5HJHOXQJHQ I U VWRFKDVWLVFKH 6W|UXQJHQ 3DUDPHWHURSWLPLHUWH XQG 0LQLPDO<br />
9DULDQ] 5HJOHU<br />
< 9HUPDVFKWH 5HJHOXQJHQ<br />
,GHQWLILNDWLRQ G\QDPLVFKHU 3UR]HVVH 66 ,VHUPDQQ +DOIPDQQ +RO]PDQQ<br />
< 7KHRUHWLVFKH XQG H[SHULPHQWHOOH 0RGHOOELOGXQJ<br />
< ,GHQWLILNDWLRQ I U NRQWLQXLHUOLFKH 6LJQDOH 1LFKWSHULRGLVFKH 7HVWVLJQDOH )RXULHU<br />
DQDO\VH<br />
YHUIDKUHQ<br />
.HQQZHUWHUPLWWOXQJ 3HULRGLVFKH 7HVWVLJQDOH )UHTXHQ]JDQJPH‰<br />
< ,GHQWLILNDWLRQ I U ]HLWGLVNUHWH 6LJQDOH 'HWHUPLQLVWLVFKH XQG VWRFKDVWLVFKH 6LJQD<br />
OH *UXQGEHJULIIH GHU 6FKlW]WKHRULH .RUUHODWLRQVDQDO\VH<br />
< 3DUDPHWHUVFKlW]YHUIDKUHQ 0HWKRGH GHU NOHLQVWHQ 4XDGUDWH +LOIVYDULDEOHQ<br />
<<br />
9HUJOHLFKH 6WUXNWXUHUPLWWOXQJ<br />
,GHQWLILNDWLRQ PLW N QVWOLFKHQ QHXURQDOHQ 1HW]HQ<br />
< ,GHQWLILNDWLRQ PLW 3UR]H‰UHFKQHUQ<br />
3UR]H‰DXWRPDWLVLHUXQJ MHGHV 66 ,VHUPDQQ ) VVHO<br />
< $XIJDEHQ GHU 3UR]H‰DXWRPDWLVLHUXQJ 7HLODXIJDEHQ *UXQGVWUXNWXUHQ KLVWRULVFKH<br />
(QWZLFNOXQJ<br />
< 6WHXHUXQJHQ .ODVVLILNDWLRQ NRPELQDWRULVFKH XQG VHTXHQWLHOOH 6WHXHUXQJHQ<br />
VSHLFKHUSURJUDPPLHUEDUH 6WHXHUXQJHQ<br />
< 5HJHOXQJHQ<br />
5HJHOXQJHQ<br />
.ODVVLILNDWLRQ 6WUXNWXUHQ =XVDW]IXQNWLRQHQ PRGHOOJHVW W]WH<br />
< hEHUZDFKXQJ .RQYHQWLRQHOOH 9HUIDKUHQ 0HWKRGHQ GHU )HKOHUHUNHQQXQJ<br />
<<br />
ZLVVHQVEDVLHUWH )HKOHUGLDJQRVH<br />
2SWLPLHUXQJ 6WDWLVFKHV 9HUKDOWHQ 2SWLPLHUXQJVYHUIDKUHQ 2Q OLQH 2SWLPLHUXQJ<br />
< 'LJLWDOH $XWRPDWLVLHUXQJVV\VWHPH 3UR]H‰OHLWWHFKQLN<br />
QHU %XV 6\VWHPH %HGLHQV\VWHPH<br />
6WUXNWXUHQ 3UR]H‰UHFK<br />
< =XYHUOlVVLJH XQG VLFKHUH $XWRPDWLVLHUXQJVV\VWHPH 9HUEHVVHUXQJ GHU =XYHUOlV<br />
VLJNHLW XQG 6LFKHUKHLW )HKOHUWROHUDQ] 5HGXQGDQ]<br />
'\QDPLN PHFKDWURQLVFKHU 6\VWHPH<br />
MHGHV 66 ,VHUPDQQ 6WUDN\ :HLVSIHQQLQJ<br />
< *UXQGODJHQ GHU 0RGHOOELOGXQJ G\QDPLVFKHU 6\VWHPH I U 3UR]HVVH PLW NRQ]HQ<br />
WULHUWHQ 3DUDPHWHUQ<br />
< 0RGHOOELOGXQJ PHFKDQLVFKHU 6\VWHPH XQG HOHNWULVFKHU $QWULHEH
HKUYHUDQVWDOWXQJHQ<br />
< 0RGHOOELOGXQJ I U GDV hEHUWUDJXQJVYHUKDOWHQ YRQ 0DVFKLQHQ<br />
< ,GHQWLILNDWLRQ YRQ 6FKZLQJXQJVVLJQDOHQ<br />
< 0H‰WHFKQLN I U PHFKDQLVFKH *U|‰HQ<br />
< 0HFKDWURQLVFKH 6WHOOV\VWHPH $NWRUHQ 0LNURUHFKQHU I U PHFKDWURQLVFKH 6\VWH<br />
PH<br />
< *UXQGVWUXNWXUHQ $UFKLWHNWXUHQ PHFKDWURQLVFKHU 6\VWHPH<br />
< %HLVSLHOH PHFKDWURQLVFKHU 6\VWHPH +\GUDXOLVFKH XQG SQHXPDWLVFKH $QWULHEH<br />
HOHNWURQLVFK JHVWHXHUWH 'lPSIXQJ PHFKDQLVFKHU 6\VWHPH K\GUDXOLVFKHV<br />
$QWLEORFNLHU %UHPVV\VWHP<br />
$GDSWLYH 5HJHOV\VWHPH :6 /DFKPDQQ<br />
< *UXQGVWUXNWXU GHU 3UR]H‰OHQNXQJ<br />
< .ODVVLILNDWLRQ VHOEVWHLQVWHOOHQGHU DGDSWLYHU 5HJOHU GXDOHU 5HJOHU DGDSWLYHU<br />
<<br />
5HJOHU PLW %H]XJVPRGHOO DGDSWLYHU 5HJOHU QDFK GHP 6HSDUDWLRQVSULQ]LS<br />
=HLWGLVNUHWH OLQHDUH 3UR]H‰PRGHOOH $EWDVWUHJHONUHLV ] hEHUWUDJXQJVIXQNWLRQ<br />
OLQHDUH 'LIIHUHQ]HQJOHLFKXQJ =XVWDQGVUDXPPRGHOO 6W|UVLJQDOPRGHOO<br />
< $GDSWLYH 5HJOHU QDFK GHP 6HSDUDWLRQVSULQ]LS<br />
‡ 3UR]H‰LGHQWLILNDWLRQ UHNXUVLYH 3DUDPHWHUVFKlW]YHUIDKUHQ *OHLFKZHUWVFKlW<br />
]XQJ<br />
‡ *HHLJQHWH GLJLWDOH 5HJHODOJRULWKPHQ .RPSHQVDWLRQV 'HDGEHDW 0LQLPDO<br />
9DULDQ] 3,' =XVWDQGV 5HJOHU<br />
‡ $GDSWLYHU 5HJOHUNUHLV H[SOL]LWH LPSOL]LWH .RPELQDWLRQ 8QWHUVXFKXQJ GHV<br />
*HVDPWYHUKDOWHQV<br />
< $GDSWLYHU 5HJOHU PLW %H]XJVPRGHOO<br />
‡ /LDSXQRY (QWZXUI ]ZHLWH GLVNUHWH 0HWKRGH YRQ /LDSXQRY (QWZXUIVEHL<br />
VSLHO<br />
'LJLWDOH 6LPXODWLRQ G\QDPLVFKHU 6\VWHPH 66 6FKXPDQQ<br />
< *UXQGEHJULIIH GHU 6LPXODWLRQVWHFKQLN 5HDOLVLHUXQJ YRQ 0RGHOOHQ *UXQG<br />
<<br />
EHJULIIH GHU 0RGHOOELOGXQJ 'DUVWHOOXQJ G\QDPLVFKHU 3UR]H‰PRGHOOH VLPXOD<br />
WLRQVJHUHFKWH 0RGHOOGDUVWHOOXQJ<br />
0RGHOOH G\QDPLVFKHU 6\VWHPH 6LPXODWLRQVWHFKQLNHQ 7UDQVLWLRQVPDWUL[YHUIDK<br />
UHQ (LQVFKULWWYHUIDKUHQ 0HKUVFKULWWYHUIDKUHQ /|VXQJVYHUIDKUHQ I U VSH]LHOOH<br />
0RGHOOW\SHQ )HKOHUTXHOOHQ EHL GHU QXPHULVFKHQ ,QWHJUDWLRQ :DKO GHU 6FKULWW<br />
ZHLWH<br />
< 1XPHULVFKH ,QWHJUDWLRQVYHUIDKUHQ
HKUYHUDQVWDOWXQJHQ<br />
< 5HFKQHUZHUN]HXJH I U GLH 6LPXODWLRQ 6LPXODWLRQVVSUDFKHQ UHFKQHUJHVW W]WH<br />
6LPXODWLRQVVSUDFKHQ /HLVWXQJVPHUNPDOH YRQ 6LPXODWLRQVV\VWHPHQ<br />
< $QZHQGXQJVEHLVSLHOH<br />
PRWRUV<br />
=XVWDQGVYDULDEOHQILOWHUXQJ 6LPXODWLRQ HLQHV 'LHVHO<br />
,GHQWLILNDWLRQ QLFKWOLQHDUHU 6\VWHPH PLW N QVWOLFKHQ QHXURQDOHQ 1HW]HQ<br />
< (LQI KUXQJ LQ GLH :HOW GHU QHXURQDOHQ 1HW]H 66 1HOOHV<br />
< hEHUVLFKW EHU QHXURQDOH $UFKLWHNWXUHQ<br />
< 6WDWLVFKH QHXURQDOH 1HW]H<br />
< ,GHQWLILNDWLRQ G\QDPLVFKHU 6\VWHPH PLW QHXURQDOHQ 1HW]HQ<br />
< 1HXURQDOH 1HW]H PLW H[WHUQHU '\QDPLN<br />
< 1HXURQDOH 1HW]H PLW LQWHUQHU '\QDPLN<br />
< $QZHQGXQJHQ XQG SUDNWLVFKH 7LSV<br />
< $XVEOLFN QHXURQDOH 5HJHOXQJ<br />
5HJHOXQJVWHFKQLVFKH 0HWKRGHQ I U GLH 0HGL]LQWHFKQLN 66 /HRQKDUGW<br />
< 9RUEHPHUNXQJHQ<br />
'HU 0HQVFK DOV ELRORJLVFKHV 5HJHOV\VWHP<br />
9HUJOHLFK GHU 'HQN XQG $UEHLWVZHLVH YRQ bU]WHQ XQG ,QJHQLHXUHQ<br />
< (LQI KUXQJ LQ GLH 3K\VLRORJLH XQG $QDWRPLH<br />
< 0RGHOOELOGXQJ SK\VLRORJLVFKHU 6\VWHPH XQG 5HJHONUHLVH<br />
< 0HGL]LQLVFKH 0H‰WHFKQLN<br />
< 7HFKQLVFKH 6\VWHPH I U GLH PHGL]LQLVFKH 7KHUDSLH<br />
< $QZHQGXQJ YRQ WHFKQLVFKHQ 0HWKRGHQ LQ GHU PHGL]LQLVFKHQ 'LDJQRVWLN<br />
5HJHOXQJVWHFKQLVFKHV 3UDNWLNXP , 66 ,VHUPDQQ 6FKDIIQLW<br />
0HVVXQJ YRQ )UHTXHQ]JlQJHQ XQG hEHUJDQJVIXQNWLRQHQ<br />
0HVVXQJ XQG 5HJHOXQJ YRQ 'XUFKIO VVHQ<br />
5HJHOXQJ SQHXPDWLVFKHU XQG K\GUDXOLVFKHU 6HUYRDQWULHEH<br />
5HJHOXQJ HLQHV 0DVVHQVFKZLQJHUV<br />
/DJHUHJHOXQJ HLQHV 0DJQHWVFKZHEHN|USHUV<br />
(OHNWURSQHXPDWLN<br />
6SHLFKHUSURJUDPPLHUEDUH 6WHXHUXQJ $PSHOVWHXHUXQJ<br />
3URJUDPPLHUXQJ GHV 0LNURSUR]HVVRUV<br />
'DWHQWHFKQLNHU 9HUVXFKH<br />
5HJHOXQJVWHFKQLNHU XQG DQGHUH DOOH 9HUVXFKH
HKUYHUDQVWDOWXQJHQ<br />
0HVVXQJ YRQ )UHTXHQ]JlQJHQ XQG hEHUJDQJVIXQNWLRQHQ<br />
3UR]H‰ YHUVFKLHGHQH HOHNWURQLVFKH $QDORJVFKDOWXQJHQ 3 37 3, 3' 3,'<br />
�<br />
HWF<br />
HOHNWURPHFKDQLVFKHV 6WHOOJOLHG *OHLFKVWURPPRWRU PLW 5LHPHQDQWULHE<br />
)UHTXHQ]JDQJDQDO\VDWRU 3& 7UDQVSXWHU 6\VWHP SURJUDPPLHUW XQWHU 0DWODE<br />
,QKDOWH<br />
3ULQ]LS GHU )UHTXHQ]JDQJPHV<br />
VXQJ<br />
0H‰YHUIDKUHQ GHU RUWKRJRQDOHQ<br />
.RUUHODWLRQ<br />
)UHTXHQ]JDQJPHVVXQJ DQ HLQHP<br />
LQVWDELOHQ 6\VWHP<br />
2UWVNXUYHQ<br />
%RGH 'LDJUDPPH<br />
6WDELOLWlWVSU IXQJ LP %RGH 'LD<br />
JUDPP<br />
0HVVXQJ XQG 5HJHOXQJ YRQ 'XUFKIO VVHQ<br />
3UR]H‰ 'XUFKIOX‰PH‰DQODJH PLW .UHLVHOSXPSH<br />
6HQVRULN YHUVFKLHGHQH 9ROXPHQ]DKOHQ XQG 'XUFKIOX‰PHVVHU<br />
$NWRULN HOHNWUR SQHXPDWLVFKHU :DQGOHU<br />
SQHXPDWLVFKH 6WHOOYHQWLOH<br />
5HJOHU<br />
,QKDOWH<br />
3,' 5HJOHU 'LJLWDOH 5HJHOXQJ PLW &$'5(* 5HJHOXQJVSURJUDPP<br />
'XUFKIOX‰ XQG 0HQJHQPH‰YHU<br />
IDKUHQ<br />
0HVVXQJ YRQ 'XUFKIO VVHQ PLW<br />
YHUVFKLHGHQHQ 3ULQ]LSLHQ 9R<br />
OXPHQVWURP 0DVVHQVWURP<br />
9HUJOHLFK GHU 'XUFKIOX‰PH‰YHU<br />
IDKUHQ<br />
'UXFNUHJHOXQJ 5HJOHUHLQVWHO<br />
OXQJ QDFK =LHJOHU 1LFKROV<br />
,GHQWLILNDWLRQ<br />
VWUHFNH<br />
GHU 'UXFNUHJHO
HKUYHUDQVWDOWXQJHQ<br />
5HJHOXQJ SQHXPDWLVFKHU XQG K\GUDXOLVFKHU 6HUYRDQWULHEH<br />
3UR]H‰ SQHXPDWLVFKHU XQG K\GUDXOLVFKHU /LQHDUDQWULHE )HVWR<br />
6HQVRULN /LQHDUSRWHQWLRPHWHU<br />
LQNUHPHQWDOH :HJDXIQHKPHU<br />
$NWRULN SQHXPDWLVFKH XQG K\GUDXOLVFKH 6HUYRYHQWLOH<br />
5HJOHU &RQWUROOHU 8&& GLJLWDOHV 5HJHOPRGXO ZLUG EHU VHULHOOH 6FKQLWW<br />
,QKDOWH<br />
VWHOOH YRP 3& DXV SURJUDPPLHUW 5HJOHUW\SHQ 3,' =XVWDQGVUHJOHU<br />
(LQI KUXQJ (LJHQVFKDIWHQ<br />
XQG 9HUJOHLFK HOHNWULVFKHU SQHXPD<br />
WLVFKHU XQG K\GUDXOLVFKHU $QWULHEH<br />
$XIEDX HLQHV IOXLGLVFKHQ 6HUYR<br />
DQWULHEV =\OLQGHU 9HQWLOH<br />
0RGHOOELOGXQJ GHV SQHXPDWL<br />
VFKHQ XQG K\GUDXOLVFKHQ /LQHDU<br />
DQWULHEV<br />
(LQI KUXQJ LQ 1& 3URJUDPPLH<br />
UXQJ I U &RQWUROOHU 3URJU<br />
5HJHOXQJ YRQ IOXLGLVFKHQ 6HUYR<br />
DQWULHEHQ<br />
5HJHOXQJ HLQHV 0DVVHQVFKZLQJHUV<br />
3UR]H‰ 0RWRU )HGHU 0DVVH 6\VWHP VFKZDFK JHGlPSIW<br />
6HQVRULN ,QNUHPHQWDOSRWHQWLRPHWHU<br />
$NWRULN 6\QFKURQPRWRU PLW /HLVWXQJVHOHNWURQLN<br />
5HJOHU 3& PLW 0DWODE 6LPXOLQN (FKW]HLWHUZHLWHUXQJ 3,' 5HJOHU<br />
,QKDOWH (LQI KUXQJ LQ 0DWODE 6LPXOLQN<br />
0RGHOOELOGXQJ XQG 6LPXODWLRQ<br />
HLQHV )HGHU 0DVVH 'lPSHU 6\V<br />
WHPV XQWHU 0DWODE 6LPXOLQN<br />
$XIQDKPH YRQ )UHTXHQ]JDQJ<br />
NHQQOLQLHQ GHV 0RWRU )HGHU<br />
0DVVH 6\VWHPV<br />
'lPSIXQJ<br />
5 FNI KUXQJ<br />
GXUFK HOHNWULVFKH<br />
5HJOHUV\QWKHVH )UHTXHQ]EHUHLFK
HKUYHUDQVWDOWXQJHQ<br />
/DJHUHJHOXQJ HLQHV 0DJQHWVFKZHEHN|USHUV<br />
3UR]H‰ PDJQHWLVFKHU 6FKZHEHN|USHU 7 8 0 QFKHQ<br />
6HQVRULN HOHNWUR RSWLVFKH $EVWDQGVVHQVRULN<br />
$NWRULN VWURPJHUHJHOWHV 0DJQHWVSXOV\VWHP<br />
5HJOHU<br />
,QKDOWH<br />
3' 5HJOHU )X]]\ 5HJOHU EHU 3&<br />
0RGHOOELOGXQJ<br />
VFKZHEHV\VWHPV<br />
GHV 0DJQHW<br />
5HJHOXQJ HLQHV QLFKWOLQHDUHQ<br />
LQVWDELOHQ 3UR]HVVHV<br />
(LQI KUXQJ LQ GLH )X]]\ /RJLN<br />
)X]]\ 5HJHOXQJ<br />
9HUJOHLFK YRQ OLQHDUHQ 5HJOHUQ<br />
PLW )X]]\ 5HJOHUQ<br />
6WHXHUXQJ HLQHV GLVNUHWHQ 7UDQVSRUW 3UR]HVVHV PLW HOHNWURSQHXPDWLVFKHQ<br />
.RPSRQHQWHQ<br />
3UR]H‰ HOHNWURSQHXPDWLVFKH 9HUWHLOHUVWDWLRQ ]XP 6RUWLHUHQ YRQ :HUNVW FNHQ<br />
)HVWR<br />
6HQVRULN RSWLVFKHU 6HQVRU ]XU (UNHQQXQJ GHU :HUNVW FNH<br />
$NWRULN HOHNWURSQHXPDWLVFK JHVWHXHUWHU 6FKZHQNDQWULHE<br />
636<br />
,QKDOWH<br />
)3& )HVWR SURJUDPPLHUEDU EHU 3&<br />
*UXQGODJHQ .ODVVLILNDWLRQ YRQ<br />
6WHXHUXQJVV\VWHPHQ<br />
(QWZXUI YRQ $EODXIVWHXHUXQJHQ<br />
)XQNWLRQVGLDJUDPP )XQNWLRQV<br />
SODQ<br />
3QHXPDWLVFKH .RPSRQHQWHQ<br />
9HQWLOH 'UXFNOXIW $QWULHEH =\<br />
OLQGHU<br />
(LQI KUXQJ LQ GLH 636<br />
3URJUDPPLHUXQJ HLQHU 636 LQ $QZHLVXQJVOLVWH $:/
HKUYHUDQVWDOWXQJHQ<br />
6SHLFKHUSURJUDPPLHUEDUH 6WHXHUXQJ HLQHU 9HUNHKUVDPSHO<br />
3UR]H‰ $PSHODQODJH<br />
636 $XWRPDWLVLHUXQJVJHUlW 6LHPHQV $* 3URJUDPPLHUJHUlW 3*<br />
,QKDOWH<br />
*UXQG] JH GHU 6WHXHUXQJVWHFK<br />
QLN<br />
.ODVVLILNDWLRQ YRQ 6WHXHUXQJHQ<br />
(LQI KUXQJ LQ GLH 3URJUDPPLHU<br />
VSUDFKH 67(3<br />
(QWZXUI YRQ 9HUNQ SIXQJVVWHXH<br />
UXQJHQ =XVWDQGVWDEHOOHQ XQG<br />
GLDJUDPPH<br />
3URJUDPPLHUXQJ GHV 0LNURSUR]HVVRUV<br />
3UR]H‰ 6FKULWWPRWRU<br />
*O KELUQH<br />
DQDORJH 37 6WUHFNH DOV HOHNWURQLVFKH 6FKDOWXQJ<br />
�<br />
5HJOHU 3 5HJOHU I U 37 6WUHFNH<br />
�<br />
,QKDOWH<br />
$XIEDX HLQHV 0LNURUHFKQHUV<br />
0LNURSUR]HVVRUV<br />
3URJUDPPLHUXQJ GHV 0LNURSUR<br />
]HVVRUV hEXQJHQ<br />
'DUVWHOOXQJ YRQ =DKOHQ =ZHLHU<br />
.RPSOHPHQW<br />
(UVWHOOXQJ YRQ )OX‰GLDJUDPPHQ<br />
0HVVHQ 6WHXHUQ 5HJHOQ PLW HL<br />
QHP 0LNURSUR]HVVRU<br />
D 6WHXHUXQJ HLQHV 6FKULWWPRWRUV<br />
E 0HVVHQ GHV ]HLWOLFKHQ :LGHUVWDQGVYHUODXIV HLQHU *O KELUQH<br />
F 5HJHOXQJ HLQHU 37 6WUHFNH<br />
�
HKUYHUDQVWDOWXQJHQ<br />
/HKUYHUDQVWDOWXQJHQ GHV )DFKJHELHWHV 5HJHOV\VWHPWKHRULH XQG 5RERWLN<br />
/HFWXUHV 'HSDUWPHQW RI &RQWURO 6\VWHPV 7KHRU\ DQG 5RERWLFV<br />
5HJHOXQJVWHFKQLN ,, 66 7ROOH<br />
< :XU]HORUWVNXUYHQYHUIDKUHQ $QZHQGXQJ EHL NRQWLQXLHUOLFKHQ XQG EHL JHWDVWHWHQ<br />
6\VWHPHQ<br />
< 1LFKWOLQHDUH 5HJHONUHLVH 5HODLVVFKDOWXQJ =HLWYHUKDOWHQ<br />
< 1LFKWOLQHDUH 6WDELOLWlWVDQDO\VH<br />
%HVFKUHLEXQJVIXQNWLRQ $QDO\VH NRQWLQXLHUOLFKHU QLFKWOLQHDUHU .UHLVH $EWDVW<br />
IUHTXHQ] I U OLQHDUH JHWDVWHWH .UHLVH<br />
< $EVROXWH 6WDELOLWlW 3RSRY .ULWHULXP .UHLVNULWHULXP<br />
< 3KDVHQHEHQH I U 6\VWHPH 2UGQXQJ (LQI KUXQJ LQ GHQ =XVWDQGVUDXP<br />
<<br />
(LJHQYHNWRUHQ XQG 7UDMHNWRULHQ QLFKWOLQHDUH 6\VWHPH<br />
=XVWDQGVEHVFKUHLEXQJ OLQHDUHU 6\VWHPH<br />
1RUPDOIRUP =HLWO|VXQJ /DSODFH 7UDQVIRUPDWLRQ 6SHNWUDO]HUOHJXQJ 6WHXHUEDU<br />
NHLW %HREDFKWEDUNHLW 6WDQGDUGIRUPHQ (QWZXUI DXI HQGOLFKH (LQVWHOO]HLW<br />
< 5HJHOXQJ PLW =XVWDQGVUDXPPHWKRGHQ<br />
$QZHQGXQJVEHUHLFK %HREDFKWHU 3ROYRUJDEH (QWZXUI EHU TXDGUDWLVFKH * WH<br />
NULWHULHQ<br />
< =XVWDQGVUDXPDQVDW] I U QLFKWOLQHDUH 6\VWHPH<br />
XQG 0HWKRGH YRQ /MDSXQRY 6WDELOLWlWVDQDO\VH QDFK $L]HUPDQ<br />
< *UXQGODJHQ GHU )X]]\ 5HJHOXQJ XQG GHU OHUQHQGHQ 6\VWHPH<br />
< (LQI KUXQJ LQ 3HWUL 1HW]H HUHLJQLVGLVNUHWH 6\VWHPH<br />
2SWLPLHUXQJVYHUIDKUHQ :6 7ROOH<br />
< $XIJDEHQVWHOOXQJ<br />
< 6WDWLRQlUH 3UREOHPH<br />
/LQHDUH 3URJUDPPLHUXQJ G\QDPLVFKH 3URJUDPPLHUXQJ DQDO\WLVFKH %HKDQGOXQJ<br />
YRQ $XIJDEHQ RKQH 1HEHQEHGLQJXQJHQ DQDO\WLVFKH %HKDQGOXQJ YRQ $XIJDEHQ<br />
PLW 1HEHQEHGLQJXQJHQ *UDGLHQWHQYHUIDKUHQ ]XU QXPHULVFKHQ /|VXQJ YRQ<br />
<<br />
$XIJDEHQ PLW XQG RKQH 1HEHQEHGLQJXQJHQ HYROXWLRQlUH 9HUIDKUHQ<br />
'\QDPLVFKH 9RUJlQJH<br />
5HGXNWLRQ DXI HLQ VWDWLRQlUHV 3UREOHP RSWLPDOH 5HJHOXQJ<br />
3URJUDPPLHUXQJ RSWLPDOH 6WHXHUXQJ<br />
EHU G\QDPLVFKH<br />
< 9RUDXIJDEH DQDO\WLVFKH %HKDQGOXQJ GHU 2SWLPLHUXQJ YRQ ,QWHJUDONULWHULHQ
HKUYHUDQVWDOWXQJHQ<br />
< 2SWLPDOH 6WHXHUXQJ $QDO\WLVFKH %HKDQGOXQJ DOOJHPHLQHU G\QDPLVFKHU 9RUJlQ<br />
JH<br />
< 6\QWKHVH 2SWLPDOH 6WHXHUXQJ 2SWLPDOH 5HJHOXQJ<br />
1XPHULVFKH /|VXQJ GHU DQDO\WLVFKHQ %HGLQJXQJVJOHLFKXQJHQ I U GLH RSWLPDOH<br />
6WHXHUXQJ *UDGLHQWHQYHUIDKUHQ ]XU GLUHNWHQ QXPHULVFKHQ %HUHFKQXQJ GHU<br />
RSWLPDOHQ 6WHXHUXQJ<br />
5HJHOXQJ YRQ 6\VWHPHQ PLW YHUWHLOWHQ 3DUDPHWHUQ 66 7ROOH<br />
< %HLVSLHOH I U $XIJDEHQVWHOOXQJHQ<br />
< $XIVWHOOXQJ GHU 6WUHFNHQJOHLFKXQJHQ XQG .ODVVLIL]LHUXQJ<br />
< 3ULQ]LSLHOOH (U|UWHUXQJ<br />
bKQOLFKNHLWHQ ]XU 5HJHOXQJ YRQ 6\VWHPHQ PLW NRQ]HQWULHUWHQ 3DUDPHWHUQ<br />
< 5HJHOXQJ YRQ 6WUHFNHQ PLW YHUWHLOWHQ 3DUDPHWHUQ<br />
5HJHOXQJ HLQHV GLVNUHWHQ :HUWHV 5HJHOXQJ LQ PHKUHUHQ GLVNUHWHQ 3XQNWHQ<br />
PRGDOH 5HJHOXQJ<br />
0HKUJU|‰HQUHJHONUHLVV\WHPH 66 7ROOH<br />
< *UXQGODJHQ<br />
3 XQG 9 NDQRQLVFKH 6WUXNWXU .RSSHOHLQIO VVH<br />
< 'LUHNWH 6\QWKHVH<br />
$OOJHPHLQHU $QVDW] YROOVWlQGLJH (QWNRSSOXQJ QlKHUXQJVZHLVH (QWNRSSOXQJ<br />
< 9HUDOOJHPHLQHUXQJ GHU 1\TXLVWRUWVNXUYHQ<br />
,QYHUVHV 1\TXLVWGLDJUDPP GLDJRQDOH 'RPLQDQ] (QWZXUI QDFK 5RVHQEURFN<br />
< 1LFKWOLQHDULWlWHQ EHL GLDJRQDOHU 'RPLQDQ] 9HUDOOJHPHLQHUXQJ GHU %HVFKUHL<br />
EXQJVIXQNWLRQ GHV 3RSRY .ULWHULXPV GHV .UHLVNULWHULXPV<br />
< 5HJHONUHLVHQWZXUI QDFK 0D\QH +RURZLW] 'R\OH 6WHLQ + � (QWZXUI<br />
< 6WUXNWXUXQWHUVXFKXQJHQ LP =XVWDQGVUDXP<br />
6LJQDOIOX‰ELOG JHRPHWULVFKHU $QVDW] DOJHEUDLVFKHU $QVDW]<br />
< 9ROOVWlQGLJH =XVWDQGVU FNI KUXQJ<br />
3ROYRUJDEH (QWNRSSOXQJ QLFKWGLDJRQDOH hEHUWUDJXQJVPDWUL]HQ<br />
< 7HLOZHLVH =XVWDQGVU FNI KUXQJ<br />
$XVJDQJVYHNWRUU FNI KUXQJ UHGX]LHUWH %HREDFKWHU<br />
< 5REXVWH 5HJHOXQJ<br />
6W|UJU|‰HQDXIVFKDOWXQJ LQQHUH 0RGHOOH (QWZXUI EHU * WHNULWHULHQ
HKUYHUDQVWDOWXQJHQ<br />
9HUWLHIXQJ ]XU (LQJU|‰HQUHJHONUHLVV\QWKHVH 66 7ROOH<br />
< =XVDPPHQKDQJ %HWUDJ 3KDVH EHL SKDVHQPLQLPDOHQ 6\VWHPHQ<br />
< (QWZXUIVSUREOHPDWLN I U QLFKWSKDVHQPLQLPDOH 6\VWHPH<br />
< 5HJHOXQJ YRQ 7RW]HLWVWUHFNHQ<br />
< %HU FNVLFKWLJXQJ YRQ 6WHOOJOLHGEHJUHQ]XQJHQ LP %RGH 'LDJUDPP<br />
< 9HUDOOJHPHLQHUWHV %RGH 'LDJUDPP<br />
< 'HXWXQJ GHV =XVWDQGVUDXPHQWZXUIV LP )UHTXHQ]EHUHLFK<br />
< 5REXVWHU (QWZXUI QDFK +RURZLW] 6LGL<br />
< (QWZXUI EHU * WHYHNWRUHQ<br />
< (QWZXUI EHU 6WDQGDUGSRO\QRPH<br />
< (QWZXUI EH] JOLFK VFK|QHU 6WDELOLWlW<br />
< /HUQHQGH 5HJHOXQJHQ<br />
< 5HJHOXQJ PLW )X]]\ /RJLN $QVlW]HQ<br />
. QVWOLFKH ,QWHOOLJHQ] NRQQHNWLRQLVWLVFKH XQG DXWRQRPH 6\VWHPH .RQ]HSWH XQG<br />
$QZHQGXQJHQ LQ GHU $XWRPDWLVLHUXQJVWHFKQLN :6 7ROOH XQG 0LWDUEHLWHU<br />
< ([WHUQH 6HQVRULN %LOGYHUDUEHLWXQJ<br />
< ,QWHUQH 6HQVRULN 5HGXQGDQWH $NWRULN<br />
< /HUQNUHLVVWUXNWXUHQ<br />
< 1HXURQDOH $QVlW]H ,QWHUSRODWLRQ<br />
< 1HXURQDOH $QVlW]H .ODVVLILNDWLRQ<br />
< %HGLHQHUVFKQLWWVWHOOH 1HXUR )X]]\ 5HJOHU<br />
< 3UR]H‰DQDO\VH *HQHWLVFKH 3URJUDPPLHUXQJ<br />
< :LVVHQVEDVLHUWH ,QIRUPDWLRQVYHUDUEHLWXQJ $EODXISODQXQJ<br />
< 3HWULQHW]YHUWLHIXQJ 6FKHGXOLQJ<br />
< $XWRQRPH 6\VWHPH<br />
7HFKQLVFKH %LOGYHUDUEHLWXQJ 66 /DPEHUW<br />
< ,QWHJUDWLRQ YRQ *UXQGODJHQZLVVHQ DXV GLYHUVHQ *HELHWHQ<br />
< +DUGZDUH .DPHUDV )UDPHJUDEEHU 5HFKQHU %HOHXFKWXQJ 2SWLN<br />
< 6RIWZDUH 5HFKHQNRPSOH[LWlW *HVFKZLQGLJNHLW 6SHLFKHUDXIZDQG<br />
< :HUN]HXJH GHU %LOGYHUDUEHLWXQJ %9<br />
SKRORJLVFKH 2SHUDWRUHQ<br />
)LOWHU ))7 3\UDPLGHQ :DYHOHWV 0RU<br />
< .RPSOH[H 2SHUDWLRQHQ GHU %9<br />
HUNHQQXQJ<br />
%LOGYHUEHVVHUXQJ 6HJPHQWLHUXQJ 2EMHNW
9RQ GHU %9 ]XP LQWHOOLJHQWHQ %9 6\VWHP<br />
< (QWVFKHLGXQJVILQGXQJ .ODVVLILNDWLRQ SDUDPHWULVFK QHXURQDO IX]]\<br />
< )DUEELOGYHUDUEHLWXQJ<br />
< ([NXUVLRQ<br />
/HKUYHUDQVWDOWXQJHQ<br />
6HPLQDU 5RERWLN XQG N QVWOLFKH ,QWHOOLJHQ] :6 7ROOH XQG 0LWDUE<br />
< (LQI KUXQJ LQ .LQHPDWLN XQG '\QDPLN YRQ ,QGXVWULHURERWHUQ<br />
< (LQI KUXQJ LQ GLH 0HWKRGHQ GHU %LOGYHUDUEHLWXQJ<br />
< 3URMHNWH XQG MlKUOLFK ZHFKVHOQGH (LQ]HOWKHPHQ<br />
3URMHNWVHPLQDU . QVWOLFKH ,QWHOOLJHQ] 5RERWLN XQG %LOGYHUDUEHLWXQJ<br />
< . QVWOLFKH ,QWHOOLJHQ] *UXQGODJHQYRUOHVXQJ 7ROOH XQG 0LWDUE<br />
< 5RERWLN *UXQGODJHQYRUOHVXQJ<br />
< %LOGYHUDUEHLWXQJ *UXQGODJHQYRUOHVXQJ<br />
< 3URMHNWH LQ .OHLQJUXSSHQ<br />
%ORFNVHPLQDU 3URJUDPPLHUHQ LQ & I U GLH $XWRPDWLVLHUXQJVWHFKQLN<br />
< *UXQGODJHQ GHU 6RIWZDUHHQWZLFNOXQJ<br />
(LQI KUXQJ LQ GLH 3URJUDPPLHUVSUDFKH &<br />
2EMHNWRULHQWLHUWHV 3URJUDPPLHUHQ PLW &<br />
1HW]ZHUNH<br />
7ROOH XQG 0LWDUE<br />
< $QZHQGXQJHQ<br />
6WHXHUXQJ YRQ ,QGXVWULHURERWHUQ<br />
,QGXVWULHOOH %LOGYHUDUEHLWXQJ<br />
5HJHOXQJVWHFKQLVFKHV 3UDNWLNXP ,, :6 7ROOH +lQVOHU<br />
3HWUL 1HW]H<br />
3HWUL 1HW]H XQWHUVW W]HQ HLQH GXUFKJlQJLJH (QWZXUIVPHWKRGLN I U GLH 6SH]LILNDWLRQ XQG<br />
6LPXODWLRQ VRZLH ]XU 6\QWKHVH YRQ 6WHXHUXQJHQ ]XU $XWRPDWLVLHUXQJ NRPSOH[HU<br />
HUHLJQLVGLVNUHWHU 6\VWHPH ,P 5DKPHQ GHV 3UDNWLNXPVYHUVXFKV ZLUG GLH LQ GHU 9RUOH<br />
VXQJ 5HJHOXQJVWHFKQLN ,, HLQJHI KUWH 7KHRULH GHU 3HWUL 1HW]H YHUWLHIW 'LH I U GLH<br />
SUDNWLVFKH $QZHQGEDUNHLW GLHVHU 0HWKRGH ZLFKWLJHQ $VSHNWH GHU +LHUDUFKLVLHUXQJ XQG<br />
6WUXNWXULHUXQJ ZHUGHQ HEHQVR EHKDQGHOW ZLH GLH (UZHLWHUXQJ DXI ]HLWEHZHUWHWH 1HW]H<br />
GLH LQVEHVRQGHUH EHL GHU $XWRPDWLVLHUXQJ YHUIDKUHQVWHFKQLVFKHU 3UR]HVVH HLQH ZLFKWLJH<br />
5ROOH VSLHOHQ =XU JUDSKLVFKHQ .RQVWUXNWLRQ XQG 6LPXODWLRQ GHU LP 9HUVXFK EHKDQGHO
HKUYHUDQVWDOWXQJHQ<br />
WHQ 3HWUL 1HW]H ZHUGHQ GLH 7HLOQHKPHU PLW GHP 6RIWZDUH :HUN]HXJ 6\VWHP6SHFV<br />
YHUWUDXW JHPDFKW<br />
5HJHOXQJ HLQHU 9HUODGHEU FNH<br />
$QKDQG GHV %HLVSLHOSUR]HVVHV 9HUODGHEU FNH ZHUGHQ GLH LQ GHU 9RUOHVXQJ 5HJH<br />
OXQJVWHFKQLN ,, YHUPLWWHOWHQ *UXQGODJHQ ]XP (QWZXUI YRQ =XVWDQGVUHJHOXQJHQ DQJH<br />
ZDQGW XQG YHUWLHIW 'HU (QWZXUI XQG GLH (LJHQVFKDIWHQ YRQ YROOVWlQGLJHQ XQG UHGX]LHU<br />
WHQ %HREDFKWHUQ ZHUGHQ GHWDLOOLHUW EHKDQGHOW VRZLH GLH (LQIO VVH GHU /LQHDULVLHUXQJ XQG<br />
YRQ 3DUDPHWHUXQVLFKHUKHLWHQ YDULLHUHQGH /DVWPDVVH GLVNXWLHUW 'DU EHUKLQDXV EH<br />
KDQGHOW GHU 9HUVXFK GHQ (QWZXUI YRQ )X]]\ 5HJOHUQ 'LHVH ZHUGHQ KLQVLFKOLFK GHV<br />
(QWZXUIVDXIZDQGHV XQG GHU DQ GHP QLFKWOLQHDUHQ 3UR]H‰ HUUHLFKWHQ 5HJHOJ WH PLW<br />
NRQYHQWLRQHOOHQ OLQHDUHQ (QWZXUIVPHWKRGHQ YHUJOLFKHQ ,P HUVWHQ 7HLO GHV 9HUVXFKV<br />
ZLUG HLQH 5HFKQHUVLPXODWLRQ PLW NRPIRUWDEOHU %HGLHQREHUIOlFKH YHUZHQGHW PLW GHUHQ<br />
+LOIH GLH JUXQGOHJHQGHQ ,QKDOWH HUDUEHLWHW ZHUGHQ $Q HLQHP UHDOHQ $XIEDX HLQHU<br />
9HUODGHEU FNH LP /DERUPD‰VWDE ZHUGHQ GLH HQWZRUIHQHQ 5HJOHU LP ]ZHLWHQ 9HUVXFKV<br />
WHLO SUDNWLVFK HUSUREW<br />
6HUYRQDFKODXIV\VWHPH<br />
1DFKODXIUHJHOXQJHQ ZHUGHQ LQ YLHOHQ WHFKQLVFKHQ $XVI KUXQJVIRUPHQ ]XU 5HJHOXQJ<br />
YRQ 0DVFKLQHQ DOOHU $UW LQ GHU ,QGXVWULH YHUZHQGHW ,P 3UDNWLNXPVYHUVXFK ZLUG HLQH<br />
1DFKODXIUHJHOXQJ I U HLQHQ HOHNWULVFKHQ $QWULHE LP /DERUPD‰VWDE XQWHUVXFKW +LHUEHL<br />
ZHUGHQ GLH LQ GHU 9RUOHVXQJ 5HJHOXQJVWHFKQLN ,, YHUPLWWHOWHQ ,QKDOWH ]XU %HKDQGOXQJ<br />
QLFKWOLQHDUHU 6\VWHPH LQ GHU 3KDVHQHEHQH DQJHZDQGW XQG ]XP (QWZXUI VWUXNWXUYDULDEOHU<br />
5HJHOXQJHQ VOLGLQJ PRGH FRQWURO JHQXW]W 'DU EHUKLQDXV ZLUG GLH 0HWKRGH GHU<br />
%HVFKUHLEXQJVIXQNWLRQ ]XU $QDO\VH GHV 6WDELOLWlWVYHUKDOWHQV QLFKWOLQHDUHU 6\VWHPH<br />
EHWUDFKWHW 'LH ,PSOHPHQWLHUXQJ GHU HQWZRUIHQHQ 5HJOHU HUIROJW GXUFK .RPELQDWLRQ<br />
DQDORJ UHDOLVLHUWHU )XQNWLRQVEO|FNH GLH GLH 9HUVXFKVWHLOQHKPHU ]X ZHLWHUI KUHQGHQ<br />
([SHULPHQWHQ LP 5DKPHQ GHV 9HUVXFKV QXW]HQ N|QQHQ<br />
< 6\VWHPLGHQWLIL]LHUXQJ<br />
< 0HVVXQJ VWDWLVWLVFKHU *U|‰HQ<br />
< 6LJQDODQJHSD‰WHV )LOWHU 0D[LPXP /LNHOLKRRG 7HVW<br />
9HUVXFKH ]XU 6LJQDOWKHRULH YHUDQWZRUWHW YRP )DFKJHELHW 7KHRULH GHU 6LJQDOH 3URI 'U ,QJ ( +lQVOHU
HKUYHUDQVWDOWXQJHQ<br />
,QIRUPDWLRQVYHUDUEHLWXQJ LQ 1HUYHQV\VWHPHQ :6 *O QGHU<br />
< %LRORJLVFKH /|VXQJHQ YRQ ,QIRUPDWLRQVYHUDUEHLWXQJV $XIJDEHQ JUXQGOHJHQGH<br />
ELRORJLVFKH 3ULQ]LSLHQ 0HWKRGHQ GHU 1HXURZLVVHQVFKDIWHQ<br />
< 6\VWHP XQG VLJQDOWKHRUHWLVFKHU $QVDW] GHU ELRN\EHUQHWLVFKHQ 0HWKRGH<br />
6LJQDODXVWDXVFK ]ZLVFKHQ HLQ]HOQHQ 1HUYHQ]HOOHQ 6\VWHPDXVVDJHQ EHU<br />
<<br />
9HUDUEHLWXQJVSULQ]LSLHQ LQ =HOOYHUElQGHQ<br />
*HJHQ EHUVWHOOXQJ WHFKQLVFKHU XQG QHXURQDOHU 1HW]VWUXNWXUHQ<br />
< 'LVNXVVLRQ GHU 7KHPDWLN /HUQHQ DXI VWUXNWXUHOOHU (EHQH DOV XQ EHUZDFKWHV<br />
/HUQHQ<br />
< .RQ]HSWH ]XU (UNOlUXQJ VSH]LHOOHU VHQVRULVFKHU 6LJQDOYHUDUEHLWXQJVDXIJDEHQ<br />
< .RPPXQLNDWLRQ YRQ =HOOYHUElQGHQ<br />
< 6HQVRPRWRULVFKH 6FKQLWWVWHOOHQSUREOHPDWLN
HKUYHUDQVWDOWXQJHQ<br />
([NXUVLRQHQ<br />
6WXG\ WULSV<br />
)DFKJHELHW 5HJHOV\VWHPWHFKQLN XQG 3UR]H‰DXWRPDWLVLHUXQJ<br />
0HUFHGHV %HQ] $* 6WXWWJDUW 8QWHUW UNKHLP<br />
)LUPD % UNHUW ,QJHOILQJHQ<br />
,77 $XWRPRWLYH (XURSH *PE+ )UDQNIXUW<br />
)DFKJHELHW 5HJHOV\VWHPWKHRULH XQG 5RERWLN<br />
$XGL ,QJROVWDGW<br />
'LHKO 1 UQEHUJ<br />
'$6$ 0 QFKHQ<br />
'DLPOHU %HQ] 8OP<br />
0HVVH $XVVWHOOXQJ<br />
([KLELWLRQ RQ )DLUV<br />
*U QGHUWDJH 'DUPVWDGW
6WDWLVWLN<br />
6WDWLVWLFV<br />
6WXGHQWHQ]DKOHQ<br />
6WXGLHQULFKWXQJ 57<br />
9RUOHVXQJ 57 ,D<br />
9RUOHVXQJ 57 ,E<br />
9RUOHVXQJ 57 ,,<br />
3UDNWLNXP 573 ,<br />
3UDNWLNXP 573 ,,<br />
$EJHVFKORVVHQH 6WXGLHQ XQG 'LSORPDUEHLWHQ<br />
5HJHOV\VWHP<br />
WHFKQLN XQG<br />
3UR]H‰DXWRPDW<br />
5HJHOV\VWHP<br />
WKHRULH XQG<br />
5RERWLN<br />
'LVVHUWDWLRQHQ<br />
5HJHOV\VWHP<br />
WHFKQLN XQG<br />
3UR]H‰DXWRPDW<br />
5HJHOV\VWHP<br />
WKHRULH XQG 5R<br />
ERWLN<br />
6WDWLVWLN