INSTITUTSBERICHT 1998 - Regelungstechnik und Mechatronik ...

INSTITUTSBERICHT 

1998 

Institut für Regelungstechnik 

TU Darmstadt 

IRT

Technische Universität Darmstadt 


Landgraf-Georg-Straße 4 

D-64283 Darmstadt 

Fachgebiet Regelsystemtechnik Tel.: 06151/16-2114 

und Prozeßautomatisierung Fax: 06151/293445 

Fachgebiet Regelsystemtheorie Tel.: 06151/16-3442 

und Robotik Fax: 06151/16-2507 

Inhalt 

1. Zuordnung des Instituts zur TU Darmstadt S. 4 

2. Personal S. 5 

3. Forschung 

3.1 Fachgebiet Regelsystemtechnik und Prozeßautomatisierung S. 10 

3.2 Fachgebiet Regelsystemtheorie und Robotik S. 82 

4. Mitarbeit bei Verbänden, Gesellschaften und Zeitschriften S. 101 

5. Lehrveranstaltungen S. 103 

6. Statistik S. 118 

Lageplan 

Berichtszeitraum: 1.1.1996 - 31.12.1997

Vorwort 

Der Bericht des Institutes für Regelungstechnik erscheint alle zwei Jahre und gibt 

eine Übersicht der durchgeführten Lehrveranstaltungen, Forschungsarbeiten, 

Veröffentlichungen und sonstigen Aktivitäten. Dieses mal wird über die Jahre 

1996 und 1997 berichtet. 

Am 31.12.1997 betrug die Zahl der Mitarbeiter 50 und hat gegenüber Dezember 

1995 um 11 abgenommen (Besonders am Fachgebiet Regelsystemtheorie und 

Robotik wegen bevorstehender Emeritierung). Die Studienrichtung Regelungstechnik, 

eine von acht Studienschwerpunkten der Elektrotechnik im Hauptstudium, 

wurde in den letzten beiden Jahrzehnten von 60-90 Studenten pro Jahr 

gewählt. Durch die stark zurückgegangenen Studentenzahlen in der Elektrotechnik 

beträgt die Jahrgangsstärke der Studienrichtung jetzt etwa 65, und die 

Zahl der jährlich betreuten Studien- und Diplomarbeiten hat auf 82 (1995: 161) 

abgenommen. Damit betreut jeder wissenschaftliche Mitarbeiter durchschnittlich 

2,5 Arbeiten pro Jahr (1995: 4). 

Die Studienzahlen im 1. Semester der Elektrotechnik haben sich an der TUD wie 

folgt entwickelt 

1990: 411 1991: 339 1992: 226 1993: 205 

1994: 175 1995: 121 1996: 137 1997: 167 

Somit kann ein leichter Wiederanstieg verzeichnet werden. Jedoch beginnen jetzt 

die Absolventenzahlen entsprechend abzusinken. Der imletzten Bericht angekündigte 

Mangel an Diplom-Ingenieuren der Elektrotechnik ist nun deutlich sichtbar: 

den vielen Anfragen aus der Industrie auf dem Gebiet der Meß- und Regelungstechnik 

kann nicht mehr entsprochen werden; wir haben selbst offene Stellen für 

Wissenschaftliche Mitarbeiter. 

Die Unterstützung durch Mittel Dritter ist im Vergleich zu früheren Jahren nicht 

nur wesentlich, sondern sichert zur Zeit die finanzielle Funktionsfähigkeit des 

Instituts. Durch die Mittelkürzungen des Landes Hessen für die TUD, die Kürzungen 

für die Fachbereiche der Elektrotechnik innerhalb der TUD und durch 

eine geänderte Verteilung im Fachbereich 18 sind die Zuweisungen von laufenden 

Sachmitteln (Titel 71) an das IRT im Vergleich zu 1995 um 51% im Jahre 

1997 zurückgegangen. Wir mußten ferner 1 Wiss. Mitarbeiterstelle abgeben. 

Damit sind aus Landesmitteln nicht nur keine Neuanschaffungen mehr möglich, 

sondern fast alle Sachmittelausgaben und Reinvestitionen müssen aus Mitteln 

Dritter finanziert werden.

Aus diesen Gründen gebührt unser ganz besonderer Dank den uns fördernden 

externen Institutionen: Deutsche Forschungsgemeinschaft (Sonderforschungsbereich 

IMES, Graduiertenkolleg ISIA, Normalvorhaben), AIF (Arbeitsgemeinschaft 

industrieller Forschungsanstalten), BMBF (Bundesministerium für Bildung, 

Forschung und Technologie), Europäische Union, FVV (Forschungsgemeinschaft 

für Verbrennungskraftmaschinen, VDMA), DFAM (Deutsche 

Forschungsgesellschaft für die Anwendung der Mikroelektronik e.V., VDMA), 

DECHEMA (Deutsche Gesellschaft für Chemisches Apparatewesen, Chemische 

Technik und Biotechnologie e.V.), FAUDI-Stiftung, Biesinger-Stiftung und 

mehreren Firmen der deutschen Wirtschaft (siehe 3.1) 

Besondere Ereignisse im Berichtszeitraum waren: 

- Final Workshop “ERNET - European Robotics Network” veranstaltet vom 

FG Regelsystemtheorie und Robotik. (38 Teilnehmer) 

- Workshop “Rechnergestützte Modellbildung dynamischer Systeme” veranstaltet 

vom DFG-Sonderforschungsbereich 241 (IMES). (111 Teilnehmer) 

Wir haben zur Zeit internationale Kooperationen mit der University of Southampton, 

Großbritannien, TU Delft, Niederlande, University of California at Berkeley, 

USA, Jo� ef-Stefan-Institut, Ljubljana, Slowenien, TU Ljubljana, Slowenien und 

Polytechnische Universität Bukarest, Rumänien und der Hiroshima University, 

Japan mit mehreren wechselseitigen Besuchen. 

Die wissenschaftlichen Mitarbeiter haben an vielen internationalen Tagungen 

teilgenommen und ausländische Universitäten besucht. Im Rahmen von Austauschprogrammen 

konnten wir mehrere Studenten zu Studien an die Universitäten 

in Berkeley, Brüssel, Delft, Glasgow, Lund, Trondheim, Urbana Champaign 

und Valencia vermitteln. 

Trotz der oben genannten Schwierigkeiten sind wir mit der interessanten Forschungsthematik 

und den zahlreichen Kooperationen mit der Industrie und den guten Ergebnissen 

sehr zufrieden, vor allem auch Dank der hervorragenden Leistungen der Wissenschaftlichen 

Mitarbeiter und der Institutsangestellten. 

Wir sehen nun mit Erwartung unserem Institutskolloquium aus Anlaß des 40-jährigen 

Bestehens des IRT am 16./17. Oktober 1998 entgehen. 

R. Isermann H. Tolle 

Juli 1998

4 

Zuordnung des IRT zur TU Darmstadt 

Zuordnung des Instituts zur TU Darmstadt 

1. Zuordnung des Instituts zur TU Darmstadt 

Structure of the Technical University of Darmstadt 

Die Bezeichnung “Technische Hochschule Darmstadt - Universität des Landes Hessen” 

wurde am 1.10.1997 in “Technische Universität Darmstadt geändert”. 

Im Rahmen des Studiums der Elektrotechnik können folgende Studienrichtungen 

gewählt werden: 

Fachbereich 18: - Theoretische Elektrotechnik 

- Nachrichtentechnik 

- Elektromechanische Konstruktionen 

- Regelungstechnik 

- Datentechnik 

- Festkörperelektronik 

Fachbereich 17: - Allgemeine Elektrotechnik 

- Energietechnik

Zuordnung des Instituts zur TU Darmstadt 5 

2. Personal 

Staff 

Das Institut für Regelungstechnik ist in die Fachgebiete "Regelsystemtechnik und 

Prozeßautomatisierung" und "Regelsystemtheorie und Robotik" unterteilt. Am Institut 

waren im Berichtszeitraum 50 Personen tätig. 

2.1 Fachgebiet Regelsystemtechnik und Prozeßautomatisierung 

Laboratory of Control Systems Engineering and Process Automation 

Leiter: 

Prof. Dr.-Ing. Dr.h.c. Rolf Isermann 

Prof. Dr.-Ing. Dr.-Ing.e.h. Winfried Oppelt (em.) 

Wissenschaftlicher Assistent: 

Dr.-Ing. Steffen Leonhardt 

Wissenschaftliche Mitarbeiter: 

Dipl.-Ing. Stefan Drogies 

Dipl.-Ing. Alexander Fink 

Dipl.-Ing. Dominik Füssel *) 

Dipl.-Ing. Michael Hafner *) 

Dipl.-Ing. Christoph Halfmann *) 

Dipl.-Ing. Henning Holzmann *) 

Dipl.-Ing. Oliver Jost 

Dipl.-Ing. Jens-Achim Kessel 

*) 

Dipl.-Ing. Olaf Moseler *) 

Dipl.-Ing. Norbert Müller 

Dipl.-Ing. Oliver Nelles 

*) 

Dipl.-Ing. Jochen Ohl *) 

Dipl.-Ing. Jochen Schaffnit *) 

Dipl.-Ing. Martin Schmidt *) 

Dipl.-Ing. Matthias Schüler *) 

Dipl.-Ing. Ralf Schwarz *) 

Dipl.-Ing. Stefan Sinsel *)

6 

Dipl.-Ing. Stefan Stölzl *) 

Dipl.-Ing. Harald Straky *) 

Dipl.-Ing. Marian Walter *) 

Dipl.-Ing. Thomas Weispfenning *) 

Dipl.-Ing. Markus Willimowski *) 

*) Aus Forschungsmitteln Dritter finanziert. 

FG Regelsystemtechnik und Prozeßautomatisierung 

Doktoranden: 

Dipl.-Ing. Peter Ballé (Graduiertenkolleg, DFG) 

Dipl.-Inform. Susanne Ernst (Promotionsstipendium "Frauen in den Ingenieurdisziplinen") 

Dipl.-Ing. Martin Fischer (Graduiertenkolleg, DFG) 

Ehemalige wissenschaftliche Mitarbeiter (ausgeschieden im Zeitraum 1996/97): 

Dipl.-Ing. Ahmed AbouEl-Ela *) 

Dr.-Ing. Mihiar Ayoubi *) 

Dipl.-Ing. Stefan Fritz 

Dipl.-Ing. Oliver Hecker 

*) 

Dr.-Ing. Heiko Konrad 

Dr.-Ing. Harry Nolzen 

*) 

Dipl.-Ing. Thomas Pfeufer *) 

Sekretariat: 

Frau Renate Metze (½ tags) 

Frau Eleonore Ort (½ tags, bis 28.2.98) 

Frau Corina Fischer (½ tags, seit 1.4.98) 

Frau Sybille Schlegel (½ tags, bis 31.1.1997) 

Frau Monika Booth (½ tags, seit 1.2.1997) 

Frau Margit Widulle (½ tags) 

SFB Sekretariat: 

Frau Ingrid Schilling 

Tätig für beide Fachgebiete:

Personal 7 

Bibliothek: 

Frau Brigitte Hoppe 

Druckerei: 

Herr Jürgen Sauerwein 

Elektrowerkstatt: 

Herr Herbert Tischer 

Herr Markus Schaffner *) 

Werkstatt: 

Herr Werner Schellhaas, Werkstattleiter 

Herr Hartmut Körber 

Herr Alexander Stark 

Frau Christina Gaßmann (Auszubildende) 

Herr David Seigfried (Auszubildender) 

2.2 Fachgebiet Regelsystemtheorie und Robotik 

Laboratory of Control Systems Theory and Robotics 

Leiter: 

Prof. Dr. rer. nat. Dipl.-Ing. Henning Tolle 

Wissenschaftliche Mitarbeiter: 

Dipl.-Ing. Karlheinz Hohm 

Dipl.-Ing. Georg Lambert 

Dipl.-Ing. Peter Marenbach 

Dipl.-Ing. Thorsten Ullrich *) 

Dipl.-Ing. Georg von Wichert *) 

Ehemalige wissenschaftlicher Mitarbeiter (ausgeschieden im Zeitraum 1996/97): 

Dr. Christian von Albrichsfeld *) 

Dr. Kurt Dirk Bettenhausen 

Dr.KarlKleinmann *) 

Dr.WalterMischo *) 

Dr. Matthias Seitz

8 

Dr. Bernd Strege *) 

Dr. Alexandra Weigl 

Sekretariat 

Frau Helga Noparlick (½ tags) 

Frau Sybille Schlegel (½ tags, bis 31. März 1998) 

Frau Gisela Tröger (½ tags) 

2.3 Lehrbeauftragte und Honorarprofessor des Instituts 

Faculty 


Honorarprofessor 

Prof. Dr.-Ing. E.H. Düll Mikroprozessoren in der Steuerungstechnik und 

Fahrzeugelektronik 

Lehrbeauftragte 

Dr.-Ing. Mihiar Ayoubi Identifikation nichtlinearer Systeme mit künstlichen 

neuronalen Netzen (bis WS 95/96) 

Dipl.-Ing. Oliver Nelles Identifikation nichtlinearer Systeme mit künstlichen 

neuronalen Netzen (seit WS 96/97) 

Dr.-Ing. Helmut Glünder Informationsverarbeitung in Nervensystemen 

Dr.-Ing. K.-H. Lachmann Adaptive Regelsysteme 

Dr.-Ing. Steffen Leonhardt Regelungstechnische Methoden für die Medizintechnik 

Dr.-Ing. Andreas Schumann Digitale Simulation technischer Systeme 

2.4 Gäste des Instituts 

Guests 

Martin Brown, Ph.D., University of Southampton, Großbritannien 

Steve Gunn, Ph.D., University of Southampton, Großbritannien 

Prof. Makoto Kaneko (Humboldt-Preisträger), Hiroshima University, Japan 

Prof. Yanming Liu, Huazhong University of Science and Technology, Wuhan, 

Hubei, China 

Dr. Alessandro Micheli, Scuda Superiore S. Anna, Pisa, Italien

Personal 9 

Dr. Christina Schreiner, Technical University, Iasi, Rumänien 

Prof. Tarunraj Singh, State University of New York, Buffalo, USA 

Prof. Masayoshi Tomizuka, University of California, Berkeley, USA 

Prof. Henk Verbruggen, University of Technology, Delft, Niederlande 

Gäste der Polytechnischen Universität Bukarest, Rumänien: 

Catalin Buiu Nicolae Constantin 

Monica Dragoica Prof. Ion Dumitrache 

Prof. Silviu Dumitriu Ioana Fagarasan 

Prof. Stelian Sergiu Iliescu 

Patricia Zdrafcovici 

Gabriel Pod 

Gäste vom Jo� ef-Stefan-Institut, Ljubljana, Slowenien und der Technischen Universität 

Ljubljana, Slowenien: 

Saso Blazic Dr. Ðani Juri ić 

Katarina Kavšek-Biasizzo Prof. Drago Matko 

Sre ko Milani Gaspar Music 

Andrej Rakar Matej Šikovš 

Prof. Stanko Strm nik Alenka nidarši

10 

3. Forschung 

Research 


3.1 Fachgebiet Regelsystemtechnik und Prozeßautomatisierung 

Laboratory of Control Systems Engineering and Process Automation 

Die Forschungsarbeiten im Institut für Regelungstechnik, Fachgebiet Regelsystemtechnik 

und Prozeßautomatisierung befassen sich mit der Automatisierung technischer 

Prozesse, insbesondere den Teilaufgaben Messung, Steuerung, Regelung, Überwachung 

mit Fehlerdiagnose und Optimierung. 

Der Entwurf, die Implementierung und die Inbetriebnahme dieser Automatisierungsfunktionen 

ist stark methodenorientiert. Diese Methoden der Automatisierungstechnik 

sind zum Teil allgemeingültig, zum Teil auf bestimmte Prozesse zugeschnitten. Deshalb 

können die Forschungsarbeiten in "Allgemeine Methoden" und "Prozeßorientierte 

Methoden" unterteilt werden. 

Die meisten der entwickelten allgemeinen Methoden der modernen Prozeßautomatisierung 

verwenden theoretisch oder experimentell ermittelte Prozeßmodelle in unterschiedlichen 

Formen. Hierzu gehören Modelle in analytischer Form, wie die bekannten 

mathematischen Prozeßmodelle und in heuristischer Form, wie z.B. in Form von Regeln 

und logischen Verknüpfungen. Auf der Grundlage dieser Modelle können dann wissensbasierte 

Methoden zum Entwurf und zur Inbetriebnahme der verschiedenen Automatisierungsfunktionen 

entwickelt werden. Hierzu gehören Methoden der Identifikation 

und Parameterschätzung, der adaptiven Regelung, der Überwachung und Fehlerdiagnose, 

ergänzt durch Fuzzy-Logik und neuronale Netzwerke. 

Mit wissensbasierten Ansätzen entstehen dann z.B. intelligente Automatisierungssysteme, 

die modellgestützte Regelungen (selbsteinstellend oder dauernd adaptiv) und 

eine Überwachung mit Fehlerdiagnose enthalten. In Abhängigkeit von der jeweiligen 

Information können sie Entscheidungen treffen. 

Die prozeßorientierten Methoden dienen der Entwicklung im Hinblick auf bestimmte 

Prozesse, für die jeweils Pilotanlagen bei uns oder bei Industriepartnern existieren. 

Hierzu zählen z.B. die Modellbildung, Simulation und digitale Regelung von Industrierobotern, 

Werkzeugmaschinen, Verbrennungsmotoren, Kraftfahrzeugen, hydraulischen 

und pneumatischen Antrieben und Aktoren. Methoden zur Fehlerdiagnose werden 

zur Zeit entwickelt und praktisch erprobt für Elektromotoren, Werkzeugmaschinen, 

Roboter, Aktoren, Verbrennungsmotoren und elektrische sowie pneumatische Antriebe.

Personal 11 

Im Institut Regelungstechnik ist das Sekretariat des DFG Sonderforschungsbereiches 

241 "Integrierte-elektromechanische Systeme für den Maschinenbau (IMES)" untergebracht 

(Sprecher : Prof. Isermann). 

Schema einer intelligenten Regelung und 

Überwachung 

Neben der Entwicklung neuer Methoden ist uns der Transfer in die Anwendung ein 

wichtiges Anliegen. Hierzu bestehen viele Kooperationen mit mittelständischen und 

großen Unternehmen. 

Die Kurzfassungen der Forschungsgebiete sind in folgende Themengebiete gegliedert: 

3.1.1 Modellbildung, Identifikation und intelligente Regelung 

3.1.2 Überwachung und Fehlerdiagnose 

3.1.3 Energie- und Produktionstechnik 

3.1.4 Kraftfahrzeuge 

3.1.5 Verbrennungsmotoren 

3.1.6 Medizintechnik 

3.1.7 Mechatronische Systeme 

3.1.8 DFG-Sonderforschungsbereich 241: IMES


Fachgebiet Regelsystemtechnik 

und Prozeßautomatisierung 

Prof. Dr.-Ing. Dr. h.c. Rolf Isermann 

Mechatronische Systeme 

DFG-Sonderforschungsbereich 241 

"IMES" (Sprecher, Sekretariat) 

Intelligente Stellglieder: Digitale Regelung/ 

Fehlererkennung 

Methoden der Informationsverarbeitung 

für mechatronische Systeme 

Energie- und Produktionstechnik 

Gebäudeautomatisierung 

Optimale Regelung von Heizungssystemen 

Modellgestützte Regelung von 

Wasser-Luft-Wärmeaustauschern 

Adaptive Fuzzy Logik 

Fuzzy-Neuro-Systeme 

Modellbildung 

Identifikation 

Fuzzy Logik für Regelung und Reglereinstellung 

Identifikation und Klassifikation mit Neuronalen 

Netzen 

Identifikation und Regelung mit Fuzzy-Modellen 

Theoretische Methoden 

Intelligente / Adaptive Regelung Überwachung, Fehlerdiagnose 

Adaptive Regelung nichtlinearer Prozesse 

Konzepte für intelligente Regelungen 

Lernende Regelung mit Wissensbasis 

Prädiktive Regelungen 

Prozeßorientierte Methoden 

Mechatronische Radbremsen 

Modellgestützte Methoden der Fehlererkennung: 

- Parameterschätzung 

- Zustandsschätzung 

- Paritätsgleichungen 

Fehlerdiagnose mit Fuzzy Logik 

und mit Neuronalen Netzen 

Fehlererkennung mit Signalmodellen 

Kraftfahrzeuge Verbrennungsmotoren Medizintechnik 

Modellbildung, Identifikation von Kraftfahrzeugen 

- Längsdynamik 

- Querdynamik 

- Vertikaldynamik 

Regelung von Kraftfahrzeugen 

- Geschwindigkeit 

-Abstand 

- Bremsen 

Überwachung und Fehlerdiagnose von Kraftfahrzeugen 

- Radaufhängungen 

- Hydraulisches Bremssystem 

Entwicklung eines hochdynamischen Motorprüfstandes 

Adaptive Regelung von Dieselmotoren 

Fahrersimulation auf Motorenprüfständen 

Intelligentes Motor- und Nebenaggregatemanagement 

Modellbildung, Identifikation und Echtzeitsimulation von 

Dieselmotoren mit Turbolader 

Überwachung und Fehlerdiagnose von Otto-Motoren 

Entwicklung µ-Mechatronischer Implantate zur 

Therapie des Wasserkopfes 

Lungenfunktionsdiagnose bei Säuglingen 

Messung und Regelung des Blutzuckerspiegels 

Kreislaufsimulation zur Verbesserung der Dialyse 

Regelung der Beatmung

Institute of Automatic Control 

Laboratory of Control Systems and 

Process Automation 

Prof. Dr.-Ing. Dr. h.c. Rolf Isermann 

Mechatronic Systems 

Special research project of the German 

Research Foundation (DFG) No.241 

"IMES" 

Intelligent actuators - Digital control, 

fault detection. 

Information processing for mechatronic 

systems 

Power and Process 

Engineering 

Automation of Buildings 

Optimal control of heating systems 

Model based control of heat exchangers 

Theoretical Methods 

Modeling, Identification Intelligent / Adaptive 

Control 

Adaptive fuzzy logic 

Fuzzy-Neuro-Systems 

Fuzzy logic for controller design 

Fuzzy control 

Identification and classification with neural 

networks 

Mechatronic brakes 

Adaptive control of nonlinear processes 

Concepts for intelligent control 

Self-learning control with 

knowledge base 

Predictive control 

Process oriented Methods 

Supervision, Fault 

Diagnosis 

Fault detection with fuzzy logic and neural 

networks 

Fault detection of control loops and actuators 

Model based methods for fault 

detection 

- Parameter estimation 

- State estimation 

- Parity equation 

Fault detection with signal models 

Vehicles Combustion Engines Medical Engineering 

Modelling, identification of automobiles 

Control of automobiles 

- Speed 

-Distance 

-Braking 

Supervision and diagnosis of automobiles 

- suspension system 

- hydraulic brake 

Development of a high-dynamical engine test-stand 

Adaptive control of Diesel engines 

Driver simulation for engine test-stands 

Intelligent motor- and auxilliary units management 

Modeling, identification of Diesel-engines with turbocharger 

Supervision and fault diagnosis of igntion engines 

Development of µ-mechatronic implants for therapy 

of Hydrocephalus 

Lung function diagnosis in infants 

Measurement and control of blood sugar levels 

Simulation of the circulatory system for improvement 

of dialysis 

Optimal control of respiration

14 


3.1.1 Modellbildung, Identifikation und intelligente Regelung 

Modeling, identification and intelligent control 

Rechnergestützte Modellbildung heterogener Prozesse 

Computer-aided modeling of heterogenous processes 

Dipl.-Ing. Stefan Drogies 

Förderung: TU Darmstadt 

Heterogene Systeme sind durch das Zusammenwirken von Teilsystemen aus verschiedenen 

Domänen (Mechanik, Elektrotechnik, Thermodynamik) charakterisiert. Deren 

Komponenten werden mit Modellbildungsverfahren unterschiedlicher Ingenieur-Fachgebiete 

beschrieben, wobei das Gesamtverhalten wesentlich durch das Zusammenwirken 

der Einzelkomponenten bestimmt ist. Durch Simulation soll das Systemverhalten 

analysiert werden, bzw. es sollen Rückschlüsse für den Entwurf realer Prozesse gezogen 

werden. 

Innerhalb der einzelnen Fachgebiete existieren bereits leistungsfähige Softwarewerkzeuge 

und Komponentenbibliotheken zur rechnergestützten Modellbildung und Simulation 

von Systemen. Fachübergreifende Lösungen mit ähnlicher Performance fehlen bisher 

jedoch. Hier bieten objektorientierte Konzepte, die durch eine gleichungsorientierte, 

symbolische Modellbeschreibung gekennzeichnet sind, eine interessante Perspektive. 

Das Grundprinzip besteht darin, physikalische Systeme möglichst direkt auf Modellobjekte 

abzubilden. Dabei wird keine Kausalität festgelegt, sondern es werden nur 

Beziehungen zwischen den Objekten definiert. Objekte können entsprechend der physikalischen 

Kopplung miteinander verschaltet werden. Hier spielen vor allem die Abstraktion, 

das Vererben von Eigenschaften eines Objektes und die Aggregation, das 

Zusammensetzen von Objekten, eine große Rolle. Die gemeinsamen Eigenschaften von 

Grundkomponenten eines Fachgebietes können in Bibliotheken gespeichert und in 

entsprechenden Modellen eingesetzt werden. Beispiele für allgemeine, objektorientierte 

Sprachen zur Modellbeschreibung sind Dymola, Modelica, Omola, VHDL-AMS. 

Im Mittelpunkt dieses Projektes steht die multidisziplinäre Modellbildung technischer, 

dynamischer Systeme, wobei der Schwerpunkt auf mechatronischen Systemen liegt. 

Vorhaben, die u. a. geplant sind, beschäftigen sich mit: 

1. der Weiterentwicklung objektorientierter Konzepte zur mathematischen Beschrei-

FG Regelsystemtechnik und Prozeßautomatisierung 15 

bung physikalischer Phänomene, 

2. der Abbildung klassischer Modellierungsansätze in objektorientierte Formulierungen, 

3. dem Aufbau und der Erweiterung bestehender Komponentenbibliotheken aus dem 

Bereich Mechatronik, 

4. der Erzeugung von Modellen mit variabler Komplexität in Abhängigkeit von der 

gewünschten Genauigkeit, 

5. echtzeitgerechter Modellierung, 

6. dem Einarbeiten von Konzepten zur Fehlererkennung und -diagnose in Komponenten. 

Beispiel für ein heterogenes System (kamerageführtes Fahrzeug)

16 


Identifikation nichtlinearer dynamischer Systeme mit Neuro- und Fuzzy-Ansätzen 

Identification of nonlinear dynamic systems with neuro and fuzzy approaches 

Dipl.-Ing. Oliver Nelles 


Die Identifikation nichtlinearer, dynamischer Systeme hat große Bedeutung in den 

Bereichen Simulation, Prädiktion, Fehlererkennung und -diagnose und Regelung. Ein 

gutes Modell stellt hierbei die Basis für fast jede Untersuchung dar. Beschränkt man 

sich dabei nicht nur auf kleine Arbeitsbereiche, treten bei vielen Prozessen nichtlineare 

Effekte signifikant hervor. Oft ist eine Modellbildung basierend auf bekannten Gesetzen 

nur näherungsweise möglich und meistens sehr aufwendig. Daher sind Verfahren 

gesucht, die mit wenig a-priori-Wissen hauptsächlich anhand von Meßdaten ein System 

identifizieren können. 

In diesem Projekt werden zur Identifikation nichtlinearer, dynamischer Systeme Neuround 

Fuzzy-Ansätze untersucht. Beide sind universelle Approximatoren und damit in der 

Lage eine weite Klasse von Nichtlinearitäten zu approximieren. Die Dynamik wird 

durch das Anlegen von Vergangenheitswerten der Systemein- und ausgänge an das 

neuronale Netz bzw. Fuzzy System erzeugt. Der Schwerpunkt dieses Projektes liegt bei 

schnell trainierbaren Verfahren mit möglichst guter Interpretierbarkeit, die auf eine 

weite Klasse von Problemen anwendbar sind. Daher werden vorwiegend lineare Optimierungsverfahren 

eingesetzt. Dies führt insbesondere zu einer Untersuchung der 

radialen Basisfunktionen-Netze, Ansätzen mit lokalen linearen Modellen und Fuzzy-Systemen 

mit Singleton-Zugehörigkeitsfunktionen amAusgang. Für diese Methoden 

werden neue Verfahren zunächst in Simulationen erprobt. Erfolgreiche Methoden 

werden anschließend mit Daten von realen Prozessen auf ihre Praxistauglichkeit hin 

untersucht. Als Prozesse werden zur Zeit untersucht: ein Abgasturbolader für Dieselmotoren, 

ein Rohrbündel und Kreuzstrom-Wärmetauscher, ein Gebläse, Längs- und 

Querdynamik eines Kraftfahrzeuges und viele Arten von statischen Kennfeldern im 

Bereich der Kfz-Elektronik für Motoren und Fahrzeuge. 

Im folgenden sei kurz die Arbeitsweise von Netze mit lokalen, linearen Modellen 

dargestellt. Das erste Bild zeigt ein solches Netz für die Identifikation eines nichtlinearen, 

dynamischen Systems erster Ordung mit M lokalen linearen Modellen (LLM), die 

über die zugehörigen Gewichtungsfunktionen gewichtet werden. Dabei wird gefordert, 

daß sich die Gewichtungsfunktionen zu eins aufsummieren. Somit läßt sich das Netz als


gewichtete Mittelwertbildung einfacher 

linearer Modelle auffassen. Je nach Sichtweise 

kann man dieses als ein lokales 

Basisfunktionen-Netz oder als Sugeno- 

Takagi Fuzzy-System interpretieren. Die 

Gewichtungsfunktionen spielen dabei die 

Rolle von Basisfunktionen bzw 

Zugehörigfunktionen. Während die Parameter 

der lokalen linearen Modelle über 

lineare Optimierung bestimmt werden können, 

müssen die Parameter der 

Gewichtungsfunktionen mittels Heuristi- 

Netz mit lokalen linearen Modellen 

ken oder nichtlinearer Optimierung festgelegt werden. 

Für das Training dieses Netztyps wird ein neues Verfahren namen LOLIMOT (local 

linear model tree) vorgeschlagen. Im Vergleich zu bekannten Methoden zeichnet es sich 

durch eine sehr hohe Trainingsgeschwindigkeit, eine leistungsfähige rekursive Adaption 

zur On-line Identifikation, eine automatische Struktursuche der relevanten Eingangsgrößen 

und eine gute Interpretierbarkeit aus. Das Bild unten zeigt ein mittels LOLIMOT 

gewonnenes Modell eines Rohrbündel-Wärmetauschers. 

Statisches und dynamisches Verhalten eines mit LOLIMOT trainierten 

neuronalen Netzes, das einen Rohrbündel-Wärmetauscher modelliert. 

Veröffentlichungen: 22/96, 23/96, 25/96, 26/96, 27/96, 29/96, 31/96, 47/96, 48/96, 

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, 

40/97, 41/97, 42/97, 46/97, 51/97, 59/97, 62/97, 63/97

18 

Fuzzy-modellbasierte Regelung nichtlinearer Prozesse 

Fuzzy model-based control of nonlinear processes 

Dipl.-Ing. Martin Fischer 

Dipl.-Ing. Alexander Fink 

Förderung: DFG-Graduiertenkolleg ISIA & TU Darmstadt 


Die Regelung nichtlinearer und komplexer Prozesse stellt nach wie vor eine große 

Herausforderung an die Verfahren der Automatisierungstechnik dar. Der Einsatz nichtlinearer 

Regelungsmethoden setzt im allgemeinen relativ genaue, nichtlineare Prozeßmodelle 

voraus. Sind diese nicht verfügbar, greift man häufig auf modifizierte lineare 

Verfahren wie adaptive oder robuste Regelungen zurück. In den letzten Jahren beschäftigten 

sich Wissenschaft und Anwender intensiv mit Fuzzy-Reglern, die im allgemeinen 

nichtlinear sind. Sie erlangen ihre Berechtigung zunächst aufgrund der 

linguistischen Transparenz, die es erlaubt, menschliche Regelstrategien zu implementieren. 

Ein direkter Entwurf gemäß Bild 1 kann zwar einen nichtlinearen Regler liefern, 

dessen Optimierung aber aufgrund der großen Zahl freier Parameter mitunter einen 

großen Aufwand bedeutet. 

In diesem Projekt werden Ansätze zur fuzzy-modellbasierten Regelung nichtlinearer 

Prozesse erarbeitet (Bild 2). Anstatt das Wissen menschlicher Experten direkt zum 

Reglerentwurf zu nutzen, dient es jetzt dazu, nichtlineare, dynamische Prozesse zu 

modellieren. Als zweite Informationsquelle können mit Hilfe geeigneter Identifikationsverfahren 

dann auch gemessene Ein-/Ausgangsdaten zur Modellbildung verwendet 

werden. Der anschließende Reglerentwurf erfolgt weitgehend automatisiert und erfordert 

nur noch die Festlegung einiger weniger Parameter. 

Zur Modellbildung werden dynamische Takagi-Sugeno Fuzzy-Systeme eingesetzt, die 

auch als verallgemeinerte radiale Basisfunktionen-Netzwerke (RBF) oder als lokale, 

lineare Modelle interpretiert werden können. Dieser Ansatz wird aufgrund seiner Transparenz 

verwendet, um qualitative, theoretische und experimentelle Modellbildung zu 

integrieren. Zum Reglerentwurf werden verschiedene Verfahren eingesetzt, wie zum 

Beispiel: 

` Entwurf linearer Regler auf der Basis linearisierter Fuzzy-Prozeßmodelle 

` Nichtlineare prädiktive Regelung 

Im ersten Ansatz werden in Anlehnung an indirekte, parameteradaptive Regler die 

Parameter eines linearen Reglers mit klassischen Entwurfsverfahren on-line eingestellt.


Bild 1: Direkter Fuzzy-Reglerentwurf 

(schematisch) 

Bild 2: Fuzzy-modellbasierter 

Reglerentwurf (schematisch) 

Der Reglerentwurf basiert auf einem linearen Ersatzmodell des Prozesses. Dieses wird 

mittels einer speziellen Linearisierungsmethode, der sogenannten lokalen dynamischen 

Linearisierung, in jedem Abtastschritt aus dem nichtlinearen Fuzzy-Modell berechnet. 

Die Linearisierung erfolgt hierbei im aktuellen Arbeitspunkt, unabhängig davon, ob 

dieser statisch oder dynamisch ist. Das Verfahren berücksichtigt die besonderen Interpolationseigenschaften 

der Takagi-Sugeno Fuzzy-Modelle, die bei Anwendung üblicher 

Linearisierungsmethoden wie z. B. Taylor-Reihenentwicklung zu unerwünschten Effekten 

führen können. 

Bei der nichtlinearen prädiktiven Regelung wird die Stellgröße ausgegeben, die optimal 

im Sinne eines vorher definierten Gütekriteriums ist. Das Fuzzy-Modell dient im Rahmen 

des Optimierungsverfahrens zur Vorhersage des zukünftigen Prozeßverhaltens. 

Sollen die Regler auf zeitvariante, nichtlineare Prozesse angewendet werden, ist eine 

rekursive on-line Adaption der Fuzzy-Modelle notwendig. Das entsprechende Verfahren 

nutzt die Struktur der Fuzzy-Modelle aus, um die linearen Teilmodelle in den Regelkonklusionen 

lokal zu adaptieren. Die lokale Adaption bietet die Möglichkeit, nur diejenigen 

Teilmodelle zu verändern, die das Prozeßverhalten im augenblicklichen Arbeitspunkt 

bestimmen. 

Die Praxistauglichkeit der fuzzy-modellbasierten Regler wird an einer thermischen 

Versuchsanlage erprobt, z.B. die Weitbereichsregelung von Kreuzstrom-Wärmeaustauschern. 

Veröffentlichungen: 5/96, 26/96, 29/96, 30/96, 48/96, 49/96, 1/97, 6/97, 25/97, 40/97, 

41/97, 42/97, 45/97, 60/97

20 


Identifikation nichtlinearer dynamischer Systeme mit neuronalen Netzen 

Identification of nonlinear dynamical systems with neural networks 

Dipl.-Inform. Susanne Ernst 

Förderung: Stipendium “Frauen in den Ingenieurdisziplinen” (Hessisches Ministerium 

für Wissenschaft und Kunst) 

Die Entwicklung von matematischen Modellen dynamischer Systeme stellt die Grundlage 

für zahlreiche Anwendungen der Regelungstechnik, wie der adaptiven Regelung, der 

autonomen Prozeßsimulation und der modellgestützten Fehlerdiagnose dar. Entsprechend 

dem erforderlichen Grad an Vorwissen über die physikalischen, biologischen, 

chemischen etc. Vorgänge im System können die theoretische Modellbildung (White- 

Mehrschichtiges Perzeptron mit interner Dynamik 

Box Modelle) und die experimentelle Modellbildung (Systemidentifikation, Black-Box 

Modelle) unterschieden werden. Da die zugrundeliegenden Gesetzmäßigkeiten realer 

Prozesse wegen deren Komplexität oft nicht bekannt sind, werden häufig Black-Box 

Modelle verwendet, die das Prozeßverhalten mit Hilfe von Eingangs- und Ausgangs 

daten identifizieren. In diesem Forschungsvorhaben werden Black-Box Modellstrukturen 

untersucht, die auf neuronalen Netzarchitekturen basieren. Verschiedene Architekturen 

neuronaler Netze stellen universelle Approximatoren statischer Nichtlinearitäten dar. 

Erweiterungen neuronaler Netze mit dynamischen Strukturen führen daher zu Prozeßmodellen, 

die erfolgreich für die Identifikation nichtlinearer dynamischer Systeme 

eingesetzt werden können. Für die Dynamikmodellierung mit statischen Approximato-


ren existieren zwei grundlegende Herangehensweisen: externe Dynamik und interne 

Dynamik. 

Ein Schwerpunkt dieser Arbeit ist die Untersuchung von Feed-Forward Netzen, speziell 

den mehrschichtigen Perzeptronen-Netzen, mit interner Dynamik. Hierfür werden die 

statischen Netze mit linearen Filtern zu nichtlinearen dynamischen neuronalen Strukturen 

erweitert. Der Vorteil dieser Vorgehensweise liegt in der Trennung zwischen nichtlinearer 

Statik und linearer Dynamik. Die Stabilität des Gesamtmodells hängt nur von 

den linearen Filtern ab, deren Stabilitätskriterien bekannt sind. Aufgrund des Black-Box 

Charakters der neuronalen Netze gehören diese zu den nichtparametrischen Modellen. 

Daher ist theoretisch eine unendlich hohe Parameteranzahl für die exakte Approximation 

bzw. Identifikation erforderlich. Ein wesentliches Problem bei der Anwendung neuronaler 

Netze ist deshalb die Wahl der Netzwerkkomplexität, d.h. die Anzahl der zu optimierenden 

Parameter. Ein weiteres entscheidendes Problem sind die langen Trainingszeiten, 

die wegen des nichtlinearen Charakters der neuronalen Netze auftreten. Für die intern 

dynamischen Perzeptron-Netze werden daher verschiedene Strukturoptimierungsverfahren 

und effiziente Trainingsalgorithmen untersucht. 

Hinging Hyperplane Tree mit Unterteilung des 

2-dimensionalen Eingangsraumes 

Im Rahmen dieses Projektes wurde ein neuer lokaler linearer Modellansatz zur Approximation 

statischer Nichtlinearitäten entwickelt. Diese Hinging Hyperplane Trees 

(HHT) basieren auf speziellen Basisfunktionen, den sogenannten Hinge Funktionen. Der 

zugehörige Baumkonstruktionsalgorithmus erweitert die Modellkomplexität der Hinging 

Hyperplane Trees iterativ. Im Gegensatz zu anderen lokalen Modellansätzen besitzen die

22 


Hinging Hyperplane Trees eine achsenschräge Unterteilung des Eingangsraumes. Aufgrund 

der lokalen Gültigkeitsbereiche der einzelnen Teilmodelle ist die Anwendung 

effizienter schneller Trainingsverfahren möglich. Ein weiterer Vorteil ist die Bestimmung 

einer adequaten Modellkomplexität aufgrund der impliziten Strukturoptimierung 

des Baumkonstruktionsalgorithmus. Die Hinge Hyperplane Trees können durch die 

Erweiterung mit externer Dynamik für die Identifikation von nichtlinearen dynamischen 

Systemen eingesetzt werden. Dabei realisieren externe Verschiebeketten die zeitlich 

zurückliegenden Werte der Ein- und Ausgangsdaten. 

Ziel dieser Arbeit ist das Auffinden von neuronalen Strukturen und zugehörigen, effizienten 

Trainingsverfahren, die die Identifikation einer breiten Klasse von dynamischen 

Nichtlinearitäten ermöglichen. Die entwickelten Ansätze werden bei der Identifikation 

verschiedener Prozesse aus realen Meßdaten erprobt und verglichen, beispielsweise für 

den Abgasturbolader-Prozeß eines Dieselmotors und Teilprozesse einer Wärmetauscher- 

Pilotanlage. 

Veröffentlichungen: 31/96, 52/96, 27/97, 46/97, 61/97 

Abgeschlossene Arbeiten 1996/97 

Finished projects 1996/97 

Adaptive prädiktive Regelung von schnell zeitvarianten und nichtlinearen Prozessen 

Adaptive predictive control of rapidly time varying and nonlinear processes 

Dipl.-Ing. Oliver Hecker 


Veröffentlichungen: 42/96, 56/96, 58/96, 61/96, 3/97, 11/97, 30/97, 57/97, 58/97, 68/97 

Identifikation nichtlinearer Prozesse mit dynamischen, neuronalen Netzen 

Identification of nonlinear processes by dynamical neuronal nets 

Dr.-Ing. Mihiar Ayoubi 

Förderung: DFG-Graduierten Kolleg ISIA 


54/97, 65/97

FG Regelsystemtechnik und Prozeßautomatisierung 23

24 

3.1.2 Überwachung und Fehlerdiagnose 

Supervision and fault diagnosis 


Modellbasierte Fehlerdiagnose nichtlinearer Prozesse auf der Basis von Künstlichen 

Neuronalen Netzen 

Model-based fault diagnosis of nonlinear processes based on aritificial neural networks 

Dipl. -Ing. Peter Ballé 

Förderung: DFG-Graduiertenkolleg ISIA 

Fortgeschrittene Verfahren der technischen Fehlerdiagnose (TFD) verwenden modellbasierte 

Methoden, die eine hohe Diagnosetiefe ermöglichen und den Einsatz zusätzlicher 

Sensorik weitestgehend vermeiden. Die Notwendigkeit einer mitunter aufwendigen 

theoretischen Modellbildung des Prozesses ist jedoch relativ aufwendig. Als industrielle 

Anforderungen an ein Diagnosesystem sind besonders die Punkte 

` geringe Zusatzkosten (keine zusätzliche Sensorik) 

` leichte Bedienbarkeit und Implementierung 

zu nennen. 

In diesem Projekt sollen grundlegende Methoden für die modellbasierte Diagnose an 

nichtlinearen Prozessen entwickelt werden, die sich leicht anwenden lassen. Die Methoden 

sollen mit einem deutlich reduzierten Modellbildungsaufwand auskommen, aber 

trotzdem eine leistungsfähige Diagnose ermöglichen. Dazu werden nichtlineare Approximatoren 

wie Künstliche Neuronale Netze (KNN) herangezogen, die aus Meßdaten 

trainierbar sind. Eine aufwendige, physikalische Modellbildung wird weitgehend vermieden 

und durch eine einfachere, allgemein einsetzbare experimentelle Modellbildung 

ersetzt. Vielversprechend erscheinen besonders Ansätze, bei denen Grey-Box Modelle 

erzeugt werden, deren Parameter in gewissen Grenzen interpretierbar sind. Bei der 

darauf aufsetzenden Diagnose kann dieses Wissen hilfreich eingesetzt werden, um z.B. 

Veränderungen in den Parametern zu analysieren und mit möglichen Fehlzuständen des 

Prozesses in Relation bringen zu können. 

Auf diese vereinfachten Modelle werden bekannte Verfahren der TFD zur Symptomgenerierung 

adaptiert. Als besonders leistungsfähige Verfahren werden hier Parameterschätzung 

und Paritätsraumansätze in Verbindung mit neuronalen Netzen verwendet. 

Die Parameterschätzung basiert auf der Adaption der Modellparameter an das gemessene 

Prozeßverhalten, so daß Modell und Prozeß immer möglichst exakt übereinstimmen.


Die Abweichungen der Modellparameter zu nominalen Parametern zeigt den Prozeßzustand 

an. 

Schema der modellbasierten Symptomgenerierung 

Bei Paritätsraumansätzen werden die Parameter des Modells konstant gehalten. Fehler 

im Prozeß äußern sich dann in Abweichungen zwischen Modellgrößen und gemessenen 

Prozeßgrößen. Der Vorteil der Paritätsgleichungen liegt besonders in dem geringen 

Rechenaufwand. 

Die so gewonnenen Symptome sind die Basis für eine weitere Diagnose, die Fehlerart 

und Ort identifiziert. Die entwickelten Methoden werden an einer thermischen Anlage 

und einem elektro-pneumatischen Stellventil praktisch erprobt. 

Veröffentlichungen: 10/96, 17/96, 26/97, 29/97, 39/97, 61/97, 62/97, 63/97, 68/97, 

69/97, 71/97

26 


Fehlerdiagnose technischer Prozesse mit Neuro-Fuzzy Methoden 

Fault diagnosis of technical processes with neuro-fuzzy methods 

Dipl.-Ing. Dominik Füssel 

Förderung: Deutsche Forschungsgemeinschaft IS/14-50/1 

Bei immer mehr technischen Prozessen wird durch die zunehmende Verfügbarkeit von 

mikroelektronischen Schaltungen und erweiterter Sensorik die Möglichkeit geschaffen, 

moderne Überwachungs- und Fehlererkennungsalgorithmen zu implementieren. 

Für diese Aufgabe gibt es eine Reihe unterschiedlicher Ansätze, die darin ähnlich sind, 

daß sie Symptome erzeugen, deren Ausprägungen charakteristisch für bestimmte Fehlerfälle 

sind. Es bleibt damit die Aufgabe der Diagnose, d.h. das Zuordnen der entsprechenden 

Symptome zu den möglichen, auftretenden Fehlerfällen. Diese wird heute 

vielfach mit a-priori Wissen durchgeführt, das in mehr oder weniger großer Menge 

vorhanden ist. Typisch ist beispielsweise eine Fuzzy-Regelbasis oder eine Fehlerbaumanalyse. 

Schema einer Überwachung mit selbstlernendem 

Diagnosesystem 

Wünschenswert ist jedoch eine automatisierte Diagnosesystemerstellung aus gemesse-


nen Fehlerfällen. Dabei müssen Kausalzusammenhänge erkannt und Muster klassifiziert 

werden. Besonders geeignet sind hierzu Methoden selbstlernender, neuronaler Netze 

kombiniert mit Fuzzy Logik, sog. Neuro-Fuzzy Systeme. Die sich so ergebenden Diagnosesysteme 

erlauben eine zumindest teilweise Nachvollziehbarkeit der Entscheidungsfindung. 

Dies erleichtert das Einbringen von Vorwissen und bietet die Möglichkeit, 

das Generalisierungsverhalten des Diagnosesystems abzuschätzen. Es werden dazu 

hybride Neuro-FuzzyAnsätze untersucht, die eine Äquivalenz von neuronalem Netz und 

einer Fuzzy-Regelbasis herstellen. 

Weitere Schwerpunkte liegen auf der Untersuchung von Klassifikatoren, die auf 

Radialbasis-Funktionsnetzen beruhen, und der praktischen Umsetzung und Erprobung 

der Verfahren an Beispielprozessen. Dies sind mechatronische Komponenten wie elektrische 

Motoren, Komponenten aus der Verfahrenstechnik und das Kühlsystem von 

Verbrennungsmotoren. Schließlich wird ein Vergleich mit herkömmlichen Diagnoseverfahren 

durchgeführt. 

Gleichstrommotorprüfstand für Untersuchungen der Fehlerdiagnose 

Veröffentlichungen: 29/96, 26/97, 29/97, 44/97, 63/97, 67/97, 68/97, 69/97, 70/97,

28 


71/97 

Entwicklung eines Verfahrens zur Erkennung von Verbrennungsaussetzern basierend 

auf einer Druckmessung im Abgasstrang 

Developement of engine-misfire detection systems by measuring the exhaust pressure 

Dipl.-Ing. Markus Willimowski 

Förderung: Kooperation mit den Firmen Audi AG, BMW AG, Daimler-Benz AG, 

Porsche AG und Volkswagen AG 

Die Erkennung von Verbrennungsaussetzern hat bei Ottomotoren seit der Einführung 

von Abgaskatalysatoren stark an Bedeutung gewonnen. Bei Verbrennungsaussetzern, 

die beispielsweise durch ein falsches Luft-Kraftstoffverhältnis oder durch Ausbleiben 

der Zündung verursacht werden, gelangt unverbrannter Kraftstoff in die Abgasanlage. 

Bei seiner Umwandlung wird soviel Wärme freigesetzt, daß der Katalysator durch 

thermische Überlastung geschädigt oder gar zerstört wird. Gesetzliche Regelungen, wie 

sie beispielsweise für Kalifornien vom Air Resources Board (CARB) veröffentlicht 

wurden, schreiben daher im Rahmen der On-Board Diagnose (OBDII) eine ständige 

Überwachung des Motors auf Verbrennungsaussetzer vor. 

Versuchsfahrzeug BMW 750 i 

Zur Erkennung solcher Aussetzer werden überwiegend drehzahlgestütze Verfahren eingesetzt. 

Allerdings erweist sich mit ihnen eine Detektion bei niedrigen Lasten und hohen 

Drehzahlen insbesondere bei vielzylindrigen Motoren als problematisch. 

Um trotzdem den geplanten Gesetzesverschärfungen entsprechen zu können, die eine


Aussetzererkennung im gesamten Last-/Drehzahlbereich fordern, werden daher alternative 

Methoden zur Aussetzererkennung untersucht. 

Ziel dieses Projektes ist die Entwicklung eines Diagnosesystems zur sicheren Erkennung 

und Lokalisierung aussetzender Zylinder. 

Eine Möglichkeit zur Erkennung von Aussetzern stellt die Analyse des Druckverlaufs 

im Abgasstrang dar. Bei auftretenden Aussetzern kommt es gegenüber dem Fall der 

regulären Verbrennung zu charakteristischen Schwankungen des Abgasdrucks. Mittels 

Mustererkennungsverfahren lassen sich geeignete Kennwerte (Merkmale) aus dem 

Drucksignal extrahieren. Hierzu werden zum einen signalbasierte Verfahren im Zeitbereich 

(statistische Kenngrößen, Filterung, etc.) und Frequenzbereich (DFT, ARMA- 

Spektralschätzung, etc.) eingesetzt. Zum anderen eignen sich aber auch aufgrund der 

charakteristischen Signalform gekoppelte Zeit- Frequenzbereichsansätze wie beispielsweise 

die STFT-, Wavelet- bzw. Wigner-Ville-Transformation. Die Gesamtheit der 

ermittelten Merkmale wird in einem Merkmalvektor zusammengefaßt, wobei jeder 

Merkmalvektor einem Punkt im sogenannten Merkmalsraum entspricht. Merkmalvektoren, 

die gleiche Zustände beschreiben, bilden aufgrund ihrer Streuung eine Anhäufung 

(Cluster) im Merkmalsraum. Der Zustand des Systems wird zu jedem Zeitpunkt durch 

einen Punkt in diesem Raum beschrieben. Ziel der Mustererkennung ist es, jeden Zustand 

einer bestimmten Klasse zuzuordnen, wobei die Klassen charakteristisch für 

bestimmte Betriebszustände oder Fehler (z.B. Aussetzer in entsprechenden Zylindern 

etc.) sind. Die Diagnose durch Zuordnung des aktuellen Merkmalvektors zu einer Klasse 

erfolgt dabei mittels unterschiedlicher Klassifizierungsverfahren (Multireferenz-, Neuro- 

Fuzzy-Klassifikation, Expertensysteme). 

Veröffentlichungen: 16/97, 58/97

30 

3.1.3 Energie- und Produktionstechnik 

Industrial process control 


Entwicklung eines Regelalgorithmus für Brennwertkessel zur optimalen Brennwertnutzung 

Development of a control algorithm for condensing heating boilers for optimal caloric 

value utilization 

Dipl.-Ing. Jochen Ohl 

Dipl.-Ing. Karsten Spreitzer 

Förderung: Kooperation mit der Firma Viessmann Werke GmbH & Co 

Im Rahmen dieses Projektes soll ein Algorithmus zur optimalen Brennwertnutzung bei 

Brennwertkesseln entwickelt werden. Das Prinzip des Brennwertkessels besteht darin, 

durch die besondere Konstruktion bzw. durch zusätzliche Wärmetauscherflächen den 

Abgasen die fühlbare Wärme und teilweise auch die Verdampfungswärme zu entziehen 

und dem Heizsystem zuzuführen. Dies setzt voraus, daß die Abgase bis unter den Taupunkt 

des Wassers (bei Erdgas 58°C) abgekühlt werden, so daß der Wasserdampf, der 

bei der Verbrennung entsteht bzw. schon in der Luft enthalten ist, kondensiert und 

Wärme freisetzt. Diese Verdampfungswärme konnte bei konventionellen Heizkesseln 

nicht genutzt werden, sondern wurde über den Schornstein in die Umwelt abgeführt. 

Wieviel Kondensationswärme genutzt werden kann, hängt vor allem von der Temperatur 

im Heizsystem ab. Je kühler das Wasser ist, das zum Kessel zurückläuft, desto mehr 

Wärme kann den Abgasen entzogen werden und desto größer ist die Brennwertnutzung. 

So beträgt z.B. bei einer Rücklauftemperatur von 40°C der Wirkungsgrad 103,5% 

(bezogen auf den unteren Heizwert) und die Kondensatmenge 38g/kWh. Bei einer 

Rücklauftemperatur von 30°C dagegen beträgt der Wirkungsgrad 105,8% bei einer 

Kondensatmenge von 105g/ kWh. Von daher sind besonders Fußbodenheizungen für 

den Einsatz von Brennwertkesseln geeignet, da hier ohne zusätzliche Maßnahmen in 

jedem Betriebspunkt eine Kondensation stattfindet. Bei Neuanlagen läßt sich eine 

bessere Brennwertnutzung dadurch erzielen, daß man das Heizsystem durch entsprechende 

Dimensionierung der Heizkörper auf eine größere Temperaturspreizung auslegt. 

Für bestehende Anlagen, in denen nur der Kessel ausgetauscht werden soll, müssen 

andere Wege gegangen werden, um die Brennwertnutzung zu verbessern und damit den 

Wirkungsgrad der Anlage zu steigern.


In dieser Arbeit wird mit Hilfe einer drehzahlgeregelten Pumpe der Volumenstrom in 

dem Heizungssystem verändert und dadurch die Rücklauftemperatur beeinflußt. Durch 

einen geringeren Volumenstromund einer dadurch bedingten längeren Verweildauer des 

Heizwassers in den Heizkörpern sinkt auch die Rücklauftemperatur. Allerdings läßt sich 

der Volumenstrom nicht beliebig weit drosseln, da sonst das dynamische Verhalten zum 

Steuern und Regeln zu träge wird und einzelne Heizkörper eventuell nicht mehr durchströmt 

werden. 

Wärmebedarfsgeführte Heizungsregelung ohne 

Außentemperaturmessung 

Ziel der Untersuchungen ist es, eine drehzahlregelbare Pumpe so in Abhängigkeit vom 

Wärmebedarf einzusetzen, daß der Kessel in jedem Betriebspunkt mit optimalem Wirkungsgrad 

betrieben wird. Hierbei sind neben dem Wärmegewinn durch Kondensation 

auch die Abgasverluste und die Wärmeübergangszahlen im jeweiligen Betriebspunkt zu 

beachten.

32 


Der momentane Wärmebedarf wird mit Hilfe eines Fuzzy-Reglers aus gemessenen 

Prozeßgrößen ermittelt. Auf der Basis des ermittelten Wärmebedarfes erfolgt ebenfalls 

die Vorgabe des Sollwertes für die Vorlauftemperatur. Die bei konventionellen außentemperaturgeführten 

Heizungsregelungen verwendete Führungsgröße 'Außentemperatur', 

die über die Heizkennlinie zur Vorgabe des Sollwertes für die Vorlauftemperatur 

dient, wird hier nicht mehr verwendet. Dies wurde durch die Entwicklung eines regelbasierten 

Fuzzy-Reglers möglich, der nur Signale aus dem Heizkesselbereich verwendet. 

Veröffentlichungen: 32/96, 56/97, 67/97 


Finished projects 

Adaptive Regelung der Schnittkraft beim Fräsprozeß mit Fehlerüberwachung 

Adaptive cutting force control of milling process including fault detection 

Dr.-Ing. Harry Nolzen 


Veröffentlichungen: 4/96 

Modellbasierte Fehlerdiagnose beim Fräsen 

Model-based fault diagnosis of milling processes 

Dr.-Ing. Heiko Konrad 


Veröffentlichungen: 7/96, 55/96 

Regelung einer Zement- Kreislaufmahlanlage 

Control of a closed-circuit cement mill 

Dipl.-Ing. Stefan Fritz 

Förderung: Kooperation mit der Firma Heidelberger Zement 

Sensorführung von Industrierobotern zur Bearbeitung nachgiebiger Werkstücke 

Sensorguidance of industrial robots for machining of compliant workpieces 

Dipl.-Ing. Ahmed AbouEl-Ela 


Veröffentlichungen: 14/96

FG Regelsystemtechnik und Prozeßautomatisierung 33

34 

3.1.4 Kraftfahrzeuge 

Vehicles 


Fahrzeugsicherheit und Sensordiagnose mit modellgestützten Methoden 

Vehicle safety and sensors diagnosis using model-based methods 

Dipl.-Ing. Christoph Halfmann 

Dipl.-Ing. Henning Holzmann 

Förderung: Kooperation mit der Firma Adam-Opel AG 

Basierend auf den Ergebnissen zweier Vorgängerprojekte soll im Rahmen dieses Forschungsprojektes 

ein Gesamtsimulationsmodell für ein Kraftfahrzeug erstellt werden. 

Dieses Modell soll sowohl als off-line Simulation (unter MATLAB ® /-Simulink )als 

auch online im Versuchsfahrzeug (auf Signalprozessor-Hardware) eingesetzt werden. 

Die Struktur der Fahrzeugmodelle wurde durch theoretische Modellbildung erhalten. 

Die Parametrierung des Modells erfolgt mittels Identifikations- und Parameterschätzverfahren 

aufgrund gemessener Signale. Zur Messung relevanter Größen stehen mit spezieller 

Sensorik ausgerüstete Testfahrzeuge zur Verfügung. 

Testfahrzeug mit spezieller Sensorik 

Durch Vergleich von Simulation und Messung soll im Zuge einer Modellvalidierung die 

Gültigkeit des erarbeiteten Modells untersucht und beurteilt werden. Aufbauend auf dem 

Fahrzeuggesamtmodell werden unterschiedliche Teilprojekte bearbeitet. 

Im Rahmen einer "Fahrdynamischen Zustandserkennung" sollen kritische Fahrsituationen 

frühzeitig erkannt werden. Hierbei kann zusätzlich zu den Sensorinformationen 

auch auf ein videogestütztes System zur Detektierung des Straßenverlaufs zurückgegriffen 

werden. Aufgrund der Kenntnis des aktuellen Fahrzustands sollen durch modellbasierte 

Prädiktion Strategien zur Entschärfung evtl. kritischer Fahrsituationen entwi-


ckelt werden. Der damit zusammenhängende Eingriff in die Fahrzeugdynamik kann z.B. 

durch einen aktiven Lenkeingriff mittels eines elektrischen Lenkaktors erfolgen. 

Innerhalb des Teilprojekts "Sensor- und Teilkomponentendiagnose" sollen durch einen 

modellbasierten Vergleich von Mess- und Simulationsdaten Rückschlüsse auf Sensorbzw. 

Komponentenfehlfunktionen gezogen werden. Ein Beispiel für eine derartige Diagnose 

ist die online Schätzung des aktuellen Reifendrucks im Fahrzeug. 

Struktur der Reifendrucküberwachung 

Durch modell- und signalbasierte Auswertung charakteristischer Sensorsignale im Zeitund 

Frequenzbereich sollen Rückschlüsse auf den aktuellen Luftdruck in den Reifen des 

Fahrzeugs gezogen werden. Neben klassischen Methoden der Signalanalyse und der 

Filterung werden hierbei auch moderne Verfahren der künstlichen Intelligenz (z.B. 

Neuro- und Fuzzy-Methoden) eingesetzt. Ziel des Projektes ist die Entwicklung, Komplettierung 

und Perfektionierung eines Algorithmus zur Reifendruckanalyse im Fahrzeug 

bis hin zur Serienreife. 

Veröffentlichungen: 15/96, 16/96, 17/96, 39/96, 47/97, 64/97, 65/97

36 


Rekonstruktion der Bremskraft bei Fahrzeugen mit elektromechanischen Radbremsen 

Brakeforce reconstruction of vehicles with electro-mechanical brakes 

Dipl.-Ing. Ralf Schwarz 

Förderung: Kooperation mit der Firma ITT Automotive Europe GmbH 

Moderne Automobile werden aufgrund der ständig steigenden Anforderungen an die 

aktive und passive Sicherheit, die ökonomische Verträglichkeit und den Komfort mit 

immer mehr elektronischen Systemen ausgestattet. 

Der elektrische Fremdeingriff in das hydraulische Bremssystem zur Realisierung von 

aktiven Sicherheitskonzepten (ABS, ASR, ESP etc.) macht jedoch den Einsatz einer 

Vielzahl zusätzlicher Komponenten wie z.B. Ventilen, Pumpen und Speicherbehältern 

notwendig. 

Um nicht mehr den ‘Umweg’ über die ohnehin bezüglich ihrer Umweltverträglichkeit 

kritische Bremsflüssigkeit gehen zu müssen, werden derzeit in der Automobil- und 

Automobilzulieferindustrie neue elektromechanische Bremssysteme entwickelt (Bild). 

Die Radbremsen dieser Bremssysteme setzen die elektrischen Steuersignale mit Hilfe 

von elektromechanischen Wandlern direkt in eine Spannkraft um. 

Elektromechanische Bremse


Zur Regelung der elektrischen Bremsen wird die Zuspannkraft bzw. die Bremskraft 

benötigt. Diese Größen sind jedoch nur sehr schwer und kostenaufwendig meßbar. Im 

Rahmen dieses Projektes soll daher ein Verfahren entwickelt werden, mit dem die 

Zuspannkraft bzw. die Bremskraft anhand von am Fahrzeug verfügbaren Signalen 

rekonstruiert werden kann. 

Aufbauend auf einer detaillierten theoretischen Modellbildung für die Fahrzeugdynamik 

und die Dynamik einer elektromechanischen Bremse werden Simulationsmodelle am 

realen Kraftfahrzeug und an einem Bremsenprototyp verifiziert und gegebenfalls vereinfacht. 

Mit Hilfe der Simulationsmodelle werden basierend auf Parameteridentifikationsmethoden 

und adaptiven Beobachteransätzen Verfahren zur Rekonstruktion der Zuspannbzw. 

der Bremskraft aus Signalen der elektrischen Bremse und der Fahrzeugreaktion 

(Bild) entwickelt. 

Versuchsfahrzeug 

Veröffentlichungen: 2/97, 16/97, 17/97, 58/97

38 

Rad VR 

ωRad 

VR 

Fail-Safe 

Radbremsmodul VR 

Radbremsaktuator VR 

Fail-Silent 

Radbremsrechner VR 

Fail-Silent 

Radbremsrechner VL 

Radbremsaktuator VL 

Fail-Safe 

Radbremsmodul VL 

ωRad 

VL 

Power 2 

Power 1 

Zentralrechner- 

Modul 

Fail-Silent 

Zentralrechner 


Definition und Realisierung einer Überwachungsebene für ein elektromechanisches 

Bremssystem 

Definition and realization of a supervision concept of electromechanical brake systems 

Dipl.-Ing. Stefan Stölzl 

Förderung: Kooperation mit ITT Automotive Europe GmbH 

Bremsanlagen für Automobile werden immer komplexer und verlangen individuelle 

Bremseingriffe für die einzelnen Räder (ABS, Fahrdynamikregelungen, ACC). Dies 

kann zukünftig mit dezentralen, an den Rädern angeordneten, elektromechanischen 

Bremsaktuatoren realisiert werden. 

Rad VL 

Cockpit 

Fehlertolerante 

Pedalelektronik 

Bremspedalmodul 

Power 1 

Power 1 PS 1 PS 2 PS 3 Power 2 

Redundanter 

Datenbus 

Systemarchitektur Brake-by-Wire 

Power 1 

Power 2 

Rad HR 

ωRad 

HR 

Fail-Safe 

Radbremsmodul HR 

Radbremsaktuator HR 

Fail-Silent 

Radbremsrechner HR 

Fail-Silent 

Radbremsrechner HL 

Radbremsaktuator HL 

Fail-Safe 

Radbremsmodul HL 

Ein solches vollständig elektrifiziertes ‘Brake-by-Wire’-System stellt eine Fremdkraftbremsanlage 

dar, bei welcher der Fahrer beim Bremsen lediglich ein elektromechanisches 

Bremspedal (EMP) betätigt, dessen sensorische Informationen einem übergeordneten 

Fahrzeugbremsenmanagement zugeleitet wird. 

Dem Sicherheitskonzept, der Zuverlässigkeit und der Überwachung dieses Systems 

kommen eine zentrale Bedeutung zu. Durch moderne Überwachungsmethoden, Plausibilitätskriterien 

und Prüfroutinen können Fehlerzustände und Ausfälle erkannt, lokali- 

ω 

Rad HL 

Rad HL


siert und diagnostiziert werden. In diesem Projekt werden zunächst Realisierungskonzepte 

einer Überwachungsebene und ein Sicherheitskonzept für Brake-by-Wire erarbeitet. 

Basierend auf diesen Ergebnissen wird ein fehlertolerantes Bremspedal entwickelt 

und ein Brake-by-Wire Prüfstand aufgebaut. Am IRT-Prüfstand lassen sich Fehler 

eingstreuen, die mit Hilfe von Überwachungsroutinen on-line auf einem Mikrocontroller 

erkannt und diagnostiziert werden können. Je nach Schwere der Fehler und Ausfälle 

erfolgt eine Korrektur der Sensordaten oder eine Rekonfigurations des Bremssystems. 



Brake-by-Wire Prüfstand am IRT 

Dezentrale, intelligente Stellsysteme in der KFZ-Technik 

Modular and intelligent automobile servo systems 

Dipl.-Ing. Thomas Pfeufer 

Förderung: BMBF/FVV (Beteiligte Firmen: Axon GmbH, Daimler Benz AG, MTU 

Friedrichshafen GmbH, Robert Bosch GmbH, Porsche AG, VDI/VDE- 

Technologiezentrum, Volkswagen AG) 

Veröffentlichungen: 9/96, 33/96, 37/96, 45/96, 46/96, 38/97, 54/97

40 

3.1.5 Verbrennungsmotoren 

Combustion engines 

Modellbildung und optimierte Regelung von Turboladern 

Modeling and optimized control of turbochargers 

Dipl.-Ing. Jens-Achim Kessel 



p 

p 

2e 

Verdichter 

T 

p 

1 

. 

m 2e 

ηis,V 

T(...) 

T2e 

p 

ωATL 

T1 

M(...) 

MV 

m 

p 

3a 

MT MV ηMech 

- 

Laufzeug 

ωATL Turbine 

p 

4 

ωATL 

ηis,T 

. 

m 3a,T 

T3a 

T(...) 

M(...) 

T4 

MT 

p 

3a 

Abblasventil 

max(...) 

p 

4 

k 

T3a . 

m 3a,W 

. 

Dieselmotoren sind im PKW als energiesparende robuste Motoren bekannt. Während 

die Motoren früher ihre Verbrennungsluft selbst ansaugen mußten und damit in einigen 

Betriebspunkten eine optimale Füllung der Zylinder nur mit erheblichen Aufwand bei 

der Gestaltung des Ansaugkrümmers möglich war, werden heute zunehmend auch an 

kleinen Motoren Abgasturbolader eingesetzt. Mit Hilfe der Abgasturbolader wird 

überwiegend thermische Energie dem Abgas entnommen und zur Verdichtung der 

Frischluft verwendet, die mit einem wesentlich höheren Druck in die Zylinder gepreßt 

wird. 

Im Gegensatz zu stationär betriebenen 

Motoren, bei denen auch der 

1 

Turbolader für einen speziellen Arbeitspunkt 

ausgelegt werden kann, 

1 

T2e 

werden im PKW große Drehzahlund 

Lastbereiche durchfahren. Dies 

2e 

2e 

führt dazu, daß eine Regelung des 

Ladedrucks erfolgen muß, um zum 

einen auch schon bei niedrigen Drehzahlen 

ein Maximum an Drehmo- 

p3a 

MV 

MT 

ωATL 

ment zu erreichen und zum anderen 

den Motor bei hohen Drehzahlen und 

Lasten nicht zu überladen. 

Stand der Technik bei kleinen Ab- 

T3a 

p4 

T4 

. 

m3a gasturboladern ist die Regelung des 

Ladedrucks durch einen Stelleingriff 

auf der Abgasseite. Mit dem Öffnen k 

eines Abblasventils (Wastegate) wird 

Strukturbild des Abgasturboladers


Abgas an der Turbine vorbeigeführt und somit die Drehzahl des Laders gesenkt. Die 

Ansteuerung des Abblasventils erfolgt durch eine pneumatische Rückführung des Ladedrucks 

auf das Ventil, die bei einigen Ausführungen auch mit einem Magnetventil kurzzeitig 

unterbrochen werden kann. Erste Fahrzeuge, bei denen eine Ladedruckregelung 

über eine verstellbare Turbinengeometrie (Leitschaufelverstellung), werden bereits auf 

dem Markt angeboten. 

Zielsetzung der Forschungs- 

n=90000, beta_2=70, p_rat=2.25 

x 105 

3.4 

arbeit ist die detaillierte 

Untersuchung des dynamischen 

3.2 

p/[hPa] = 3800 

3600 

Verhaltens eines Turboladers 

3400 

3200 

3 1 

mit variabler Turbinengeome- 

C1 C2 C4 TQ 

3000 

2800 

trie und die Entwicklung von 

2600 

2.8 0.684 

2400 

modellbasierten Regelungsstra- 

C5 

2 

2200 

n_TT 

2000 

tegien für ein optimales Motor- 2.6 

4 4* 

W4 W4* 

1800 

verhalten(Leistungscharakteris- W5* 

1600 

5* 

tik, Abgasemissionen und 2.4 

Kraftstoffverbrauch). Für den 

2.2 

Reglerentwurf werden verschie- 1900 1920 1940 1960 1980 

specific entropy s 

dene Optimierungskriterien ver- Mollier-Diagramm, Enthalpie (h) [J/kg] und Entropie 

wendet, z.B. soll in Beschleuni- (s) [J(kg] der Zustände am Eingang der Turbine (1), 

gungsphasen die Laderdrehzahl am Eintritt zur variablen Geometrie (2), am Rotoreintritt 

(4,4*) und am Rotoraustritt (5). Energieanteile für 

auch über die Schaltpausen hin- 

kinetische Energie (C1..C5,W4..W5) und die mech. 

weg auf einem hohen Niveau Leistungsabgabe (TQ) sind angegeben 

gehalten werden. 

Ausgangsbasis für die Modellbildung des Turboladers sind algebraischen Gleichungen, 

die thermodynamische Zusammenhänge in der Turbine und dem Verdichter beschreiben. 

Für jeden Betriebspunkt können Mollier-Diagramme, die die Zustände des Gases auf 

dem Weg durch die Turbine oder den Verdichter wiedergeben, berechnet werden. Das 

Bild zeigt ein Mollier-Diagramm für einen Arbeitspunkt der Turbine. Da dem Steuergerät 

für die Regelung des Turboladers mit VTG kaum Meßgrößen zur Verfügung stehen, 

wird das Modell des Laders als Beobachter eingesetzt, um nicht meßbare Zustände für 

die Regelung bereitzustellen. 

Zur Minimierung des benötigten Speichers und der notwendigen Rechenzeit, werden die 

berechneten Kennfelder mit einem Neuronalen Netz abgebildet. 

Veröffentlichungen: 19/96 

specific enthalpy h

42 

Nebenaggregate-Management 

Managememt of the assessory drives 

Dipl.-Ing. Martin Schmidt 


Förderung: Forschungsgemeinschaft 

VDMA 

für Verbrennungskraftmaschinen (FVV), 

Beteiligte Firmen: Adam Opel AG, Behr GmbH & Co, BMW Motoren 

GmbH, Robert Bosch GmbH, Mercedes-Benz AG, Pierburg AG, Volkswagen 

AG, Wilo GmbH u.a. 

Nebenaggregate ist der Oberbegriff für alle Energiewandler im Auto, die nicht unmittelbar 

dem Fahrzeugantrieb dienen. Ihre Aufgaben sind vielfältig und beinhalten die 

Kühlung von Motor und Fahrzeug, die Erzeugung elektrischer Energie, die Lenkunterstützung 

sowie weitere Sicherheits- und Komfortfunktionen. Bedingt durch steigende 

Anforderungen auf diesen Gebieten stieg der Energiebedarf dieser Nebenaggregate in 

den letzten Jahren deutlich an. In aktuellen Fahrzeugen kann er im Alltagsverkehr 2 

l/100km übersteigen und stellt somit ein beachtliches Hindernis auf dem Weg zum 

geforderten 3-l-Auto dar. 

Aus diesem Grund läuft seit April 1995 am Institut für Regelungstechnik und am 

Vermessung eines Nebenaggregats am Versuchsfahrzeug (FG VKM)


Lüfter 

G 

Fachgebiet Verbrennungskraft- 

G 

maschinen des Fachbereichs 

Wasserpumpe 

Maschinenbau (Prof. Hohen- 

Ölpumpe 

berg) ein von der ForschungsvereinigungVerbrennungskraftmaschinen, 

Frankfurt Klima- 

(FVV) initiiertes Forschungskompressor Generator 

vorhaben mit dem Titel Nebenaggregate-Management".Be- 

Getriebe 

gleitet wird dieses Projekt von 

G 

einen Arbeitskreis der FVV aus 

Lenkhilfepumpe 

etwa 20 Vertretern von AutoGleichmobilherstellern und Zuliefestrommotor Dezentraler Nebenaggregateantrieb 

rern. 

Messungen an einem durch den Arbeitskreis bereitgestellten aktuellen Fahrzeug der 

Mittelklasse, waren der Ausgangspunkt für eine Modellbildung der Nebenaggregate 

sowie eine Separierung ihrer Verbrauchsanteile. Mit den gewonnenen Modellen wurden 

unter MATLAB/Simulink eine Simulationsumgebung mit dem Namen NAGREMA 

erstellt, die eine Gesamtfahrzeugsimulation mit dem Schwerpunkt auf den Nebenaggregaten 

und auf ihren Wechselwirkungen im Gesamtsystem Fahrzeug ermöglicht. Sie 

wird aktuell sowohl am Institut für Regelungstechnik als auch von den Arbeitskreismitgliedern 

zur Entwicklung optimierter Betriebsstrategien eingesetzt. Zentrale Entwicklungsziele 

sind der wirkungsgradoptimierte und der bedarfsorientierte Betrieb des 

Einzelaggregats sowie die Möglichkeiten der Energierückgewinnung bei Bremsvorgängen 

(Nutzbremsungen). Der bisherige zentrale Antrieb über den Keilriemen wird in 

neuen Konzepten zunehmend durch dezentrale Antriebe ersetzt. 

Ergänzt werden diese Simulationen durch Versuche an dynamischen Motorenprüfständen. 


44 


Dieselmotorregelung mit Zylinderdruckmessung 

Closed loop Diesel engine control by cylinder pressure measurement 

Dipl.-Ing. Oliver Jost 

Förderung: Deutsche Forschungsgemeinschaft, SFB 241 IMES 

Während in der Motorenentwicklung/-forschung schon seit langemdie Zylinderdruckindizierung 

ein unentbehrliches Hilfsmittel ist, zeichnet sich erst jetzt eine Verfügbarkeit 

von kostengünstigen und langzeitstabilen Drucksensoren für den Einsatz im Serienfahrzeug 

ab. Da Zylinderdrucksignale viel Information über die Verbrennungsabläufe in den 

Zylindern enthalten, ermöglicht ihre Auswertung neue Lösungsansätze für eine adaptive 

Regelung und On-line Optimierung des Verbrennungsprozesses. 

Im Rahmen des Sonderforschungsbereiches 241 der Deutschen Forschungsgemeinschaft 

ist das Ziel des Teilprojektes A8 der Entwurf neuer Dieselmotorregelungen auf Basis 

des Zylinderdruckverlaufs. 

Eine Zylinderdruck-Regelung basierend auf einer Brennraumdruckmessung ermöglicht 

zunächst die arbeitstaktweise Regelung der Verbrennung jedes einzelnen Zylinders. 

Hierbei sollen moderne regelungstechnische Entwicklungsmethoden (Neuronale Netze 

und Fuzzy-Methoden) eingesetzt werden. Überlagerte Regelungen erlauben dann den 

Aufbau von Drehmoment- und Gleichlaufregelungen und Verbesserungen einer Leerlauf-Drehzahlregelung. 

Es ergeben sich somit neuartige Regelkonzepte. Hinzu kommt, daß durch den Einsatz 

von Brennraumdrucksensoren eventuell andere Sensoren, die für die Verbrennungssteuerung 

bisher erforderlich sind, ersetzt werden können, wie z.B. Luftmassensensor 

und Luftdrucksensor. Es soll auch untersucht werden, ob die Verwendung von einem 

oder zwei Brennraumdrucksensoren in Verbindung mit einer hochauflösenden Kurbelwellendrehzahl-Auswertung 

und Brennraumdruck-Rekonstruktion für eine Regelung 

ausreicht. Durch eine Zylinderdruck-Regelung ist auch zu erwarten, daß weitere Verbesserungen 

zur Senkung von Verbrauch und Emissionen erzielt werden können. 

Speziell zur Senkung der NOx-Emissionen soll auch die Abgasrückführung mit in das 

Steuerungsskonzept aufgenommen werden. Für die Analyse des Zylinderdrucks kann 

auf eigene Vorarbeiten am Institut für Regelungstechnik zurückgegriffen werden. In 

diesen Arbeiten wurde der Zylinderdruckverlauf vor allem für die Überwachung und 

Fehlerdiagnose des Einspritzsystems ausgewertet. Dabei wurde eine Datenreduktion 

durch Merkmalsbildung, z.B. Zylinderdruckschwerpunkt, durchgeführt (siehe Bild). Um


das Potential der Indizierung für einen verbrauchs- und abgasoptimierten Motorbetrieb 

auszunutzen, müssen Modelle sowohl für die Drehmomenterzeugung als auch für die 

Abgasemissionen in Abhängigkeit von geeigneten Zylinderdruckmerkmalen entwickelt 

werden. Weiterhin soll untersucht werden, welche der bisher verwendeten Sensoren 

beim Einsatz von Zylinderdrucksensoren eingespart werden können. 

Für die Durchführung steht am Institut für Regelungstechnik ein hochdynamischer 

Motorenprüfstand zur Verfügung, auf dem an einem TDI-Motor von VW mit einem 

Rapid Prototyping System die Regelungen entwickelt werden sollen. 

Integrationsschwerpunkte im Teilprojekt A8 des SFB 241 "Dieselmotorregelung 

mit Zylinderdruckmessung"

46 


Adaptive Steuerung und Regelung von Verbrennungsmotoren 

Adaptive control of combustion engines 

Dipl.-Ing. Norbert Müller 


Der moderne Straßenverkehr stellt an einen Motor hohe Anforderungen bezüglich 

Leistung und Abgasverhalten, welche auch unter extremen Bedingungen optimal 

bewältigt werden müssen. Die sparsame Verwendung und bessere Ausnutzung des 

Kraftstoffes in Kombination mit umweltfreundlicher Verbrennung erfordern modernste 

Regelungskonzepte in den Bereichen Zündung und Gemischaufbereitung. 

Um den optimalen Betrieb des Motors über seiner gesamten Lebensdauer und unabhängig 

von fertigungsbedingten Bauteiltoleranzen an Motor und Einspritzanlage 

einzuhalten, sollen selbsteinstellende und adaptive Steuerungen und Regelungen eingesetzt 

werden. In Kombination mit modernen Stellgliedern, die z.B. eine zylinderselektive 

Einspritzung ermöglichen, können Verbrennungsungleichförmigkeiten und Leistungsunterschiede 

zwischen einzelnen Zylindern korrigiert, und somit die Leistungsausbeute 

und der Fahrkomfort optimiert werden. 

Im Rahmen dieses Forschungsprojekts wird eine zylinderselektive Regelung der Einspritzung 

zur Verbesserung der Laufruhe sowie zur Optimierung des indizierten Motor- 

Rapid-Prototyping System in einem Versuchsfahrzeug


moments unter Auswertung des Zylinderdruck- und des Kurbelwinkel-Signals entwickelt. 

Dazu werden verschiedene Verfahren auf dem Rapid-Prototyping System dSPA- 

CE implementiert und am Motorenprüfstand sowie im Versuchsfahrzeug getestet. 

Rapid-Prototyping Systeme stellen ein Entwicklungstool zur schnellen Entwicklung 

regelungstechnischer Algorithmen auf grafischer Ebene und Erprobung in Echtzeit dar. 

Im Bypass zur Motorsteuerung, welche zur Ausführung der Basisfunktionen dient, 

können in dieser Echtzeitumgebung Regelalgorithmen implementiert und optimiert 

werden. 

Zur Generierung von geeigneten Regelgrößen und zur Beurteilung der Verbrennungsabläufe 

in den einzelnen Zylindern kommen neuartige Brennraumdrucksensoren zum 

Einsatz. Diese Sensoren erfüllen die hohen Anforderungen für einen künftigen Serieneinsatz 

bezüglich Langzeitstabilität und Genauigkeit bei geringen Kosten. Die in den 

Drucksignalen enthaltene Information wird in einer Drucksignalaufbereitung auf geeignete 

Kenn- und Regelgrößen verdichtet. Die Drucksignal-Kenngrößen sowie das 

Kurbelwinkelsignal werden vomRapid-Prototyping Systemausgewertet, zylinderindividuelle 

Korrekturfaktoren für Einspritzmenge und Zündzeitpunkt werden dann an das 

Motorsteuergerät (ECU) übertragen. Verbindungsglied zwischen Drucksignalaufbereitung, 

Rapid-Prototyping System und Motorsteuerung ist der CAN-Bus als schnelle 

Kommunikationsschnittstelle. 

Aufgrund der stark nichtlinearen und totzeitbehafteten Prozeßeigenschaften, sowie 

aufgrund starker stochastischer Schwankungen bei den aufeinanderfolgenden Verbrennungen, 

können Regelkreise nicht beliebig schnell arbeiten. Um dennoch ein über 

dem gesamten Betriebsbereich optimales Ergebnis zu erreichen, werden genaue Vorsteuerungen 

notwendig. Diese, in Form von Kennfeldern realisierten Vorsteuerungen 

können im Fahrbetrieb angepaßt und optimiert werden. Es werden selbstlernende 

Ansätze, wie künstliche neuronale Netze, untersucht und implementiert, um sie on-line 

am Prozeß zu trainieren. 

Neben der genannten Kompensation von Fertigungstoleranzen und Verschleißeffekten 

können dadurch Schwankungen des Brennbeginns infolge unterschiedlicher Kraftstoffqualitäten 

korrigiert werden. Darüber hinaus führen selbstlernende Systeme zu weniger 

Einstellarbeiten bei der Produktion des Fahrzeugs und im Kundendienst.

48 


Hardware-in-the-Loop Simulation von Nutzfahrzeugen zur Entwicklung moderner 

Motormanagamentsysteme 

Hardware-in-the-loop simulation for the development of engine control systems 

Dipl.-Ing. Jochen Schaffnit 

Dipl.-Ing. Stefan Sinsel 

Förderung: Kooperation mit Daimler-Benz AG 

Steigende Anforderungen an das Betriebsverhalten, den Verbrauch und die Emissionen 

von Verbrennungsmotoren können nur noch mit Hilfe von elektronischen Steuer- und 

Regelsystemen erfüllt werden. Hierbei muß nicht nur das stationäre, sondern zunehmend 

auch das instationäre Motorverhalten mitberücksichtigt werden. Da die am Antrieb 

beteiligten Fahrzeug-Teilsysteme, bestehend aus Verbrennungsmotor, Antriebsstrang 

und Fahrzeuglängsdynamik, dynamisch miteinander gekoppelt sind, können zahlreiche 

Steuergeräte-Funktionen nur noch im geschlossenen Wirkungskreis mit dem Gesamtsystem 

getestet bzw. optimiert werden. 

Bisher wurden die hierfür notwendigen Experimente hauptsächlich in Fahrversuchen 

oder an dynamischen Motorenprüfständen mit einer Antriebsstrang- und Fahrzeugsimulation 

als Last vorgenommen. Beide Möglichkeiten sind zum einen sehr kostspielig, 

besonders bei großen Leistungen im Nutzfahrzeugbereich, und zum anderen in der 

Regel erst in einem späten Entwicklungsstadium durchführbar. Sowohl der Kosten- 

Windows-Benutzeroberfläche


aspekt als auch der Trend zu immer kürzeren Entwicklungszeiten im Automobilbau mit 

paralleler Entwicklung von Motor, Fahrzeug und deren elektronischen Steuerungssysteme 

erfordern neue angepaßte Entwicklungsmethoden. Schon seit geraumer Zeit 

wird daher verstärkt die Simulation in allen Phasen des Entwicklungsprozesses eingesetzt. 

Aufgrund der großen Fortschritte bei Rechnersystemen können jetzt Simulationen 

von komplexen Systemen auch in Echtzeit realisiert werden. Auf diese Weise sind die 

Voraussetzungen geschaffen, reale Steuergeräte in einer Hardware-in-the-Loop- Umgebung 

zu untersuchen. 

Vor diesem Hintergrund entwickelt das 

Institut für Regelungstechnik im Rahmen 

mehrerer Forschungsvorhaben zusammen 

mit der Daimler-Benz AG EchtzeitBenutzervorgabenDatenaufzeichnungsimulatoren 

für Nutzfahrzeug-Dieselmotoren 

inklusive Antriebsstrang. Mit 

diesen können Motorsteuergeräte am Labor-Arbeitsplatz 

unter realistischen dyna- 

Aktorik 

Sensorik 

mischen Bedingungen im geschlossenen 

Software 

Wirkungskreis mit dem simuliertem 

CAN- 

BUS 

Hardware 

Fahrzeug in Betrieb genommen und getestet 

werden. Diese Vorgehensweise hat 

gegenüber Prüfstands- und Fahrversu- 

Motor- 

Management 

chen u.a. folgende Vorteile: 

Hardware-in-the-Loop-Simulation 

- Reduzierung von Entwicklungskosten 

und Entwicklungszeiten 

- reproduzierbare Versuchsergebnisse 

- hohe Flexibilität bei der Konfiguration von Komponenten 

- gefahrloses Betreiben des Steuergeräts in Motorgrenzbereichen 

Eine erste Simulator-Ausführung wird in der Steuergeräte-Entwicklung bei Daimler-Benz 

bereits erfolgreich eingesetzt. 

Bei den Echtzeit-Simulationen wird jeder einzelne Zylinder-Arbeitstakt simuliert, um 

einen dynamischen Drehmoment- und Drehzahlverlauf zu erreichen, einschließlich 

Abgas-Turbolader. Die Steuerelektronik und die Einspritzpumpen sind als Echtteile 

realisiert. Die ersten Hil-Sumulatoren wurden mit Transputer-Netzen aufgebaut. Eine 

zweite Generation verwendet digitale Signalprozessoren mit dSpace-Systemen. 

Veröffentlichungen: 27/96, 4/97, 5/97, 23/97 

Simulation

50 

Fahrer 

nmot 

QEB 

mB 


Strategien zum umweltfreundlichen Betrieb von Dieselmotoren 

Strategies for Diesel engines control with low emission 

Dipl.-Ing. Michael Hafner 

Förderung: Fritz und Margot Faudi Stiftung 

Eine zunehmende Reduktion verschiedener Abgaskomponenten wird nicht nur vom 

Gesetzgeber vorgeschrieben, sondern liegt auch im allgemeinen Interesse. Die Komponenten 

Kohlenmonoxid (CO), Kohlenwasserstoffe (HC), Stickoxide (NOx) und Partikel 

(PM) können durch diverse inner- und nachmotorische Maßnahmen reduziert werden. 

Zum Teil sind die Wirkungszusammenhänge gegenläufig, d.h. die Reduktion einer 

Komponente geht mit der Erhöhung einer anderen einher. 

Um in einer übergeordneten Betriebsstrategie das Verbrauchs- und Abgasverhalten 

optimieren zu können, müssen zunächst die Einflußgrößen auf die Schadstoffbildung 

quantitativ ermittelt werden. 

TAGR AGR 

Motor 

VTG 

Verbrennungsmotor mit Turbolader und Abgasmeßtechnik 

AGR: Abgas-Rückführung 

VTG: Verstellbarer Turbolader 

Abgase: 

-NOx 

-HC 

-CO 

-PM


Eine Vorausberechnung der Abgase gestaltet sich jedoch sehr komplex und ist mit einer 

ausreichenden Genauigkeit bisher kaum möglich. Die experimentelle Identifikation mit 

neuronalen Netzen stellt eine Möglichkeit dar, aus gemessenen Ein- und Ausgangsgrößen 

nichtlineare Modelle zu erstellen. Sie eignen sich zur Identifikation des Abgasverhaltens 

und ermöglichen eine Approximation des Abgasverhaltens durch Kennfelder 

mit einer beschränkten Parameterzahl. 

Variiert man hierbei beispielsweise die Eingangsgrößen Motordrehzahl (nmot), Einspritzmenge 

(mB), Einspritzbeginnwinkel (QEB), Leitschaufelstellung bei Abgasturbolader 

mit variabler Turbinengeometrie (VTG), Abgasrückführrate (AGR) und -kühlung 

(TAGR), so kann man die Entstehung der Abgaskomponenten trainieren und für verschiedene 

Betriebszustände die Abgase berechnen. Voraussetzung hierfür bildet hier die 

meßtechnische Erfassung geeigneter Datensätze. 

Auf der Basis der Abgasmodelle kann dann mit geeigneten Optimierungsverfahren das 

Verbrauchs-Abgas-Verhalten nach verschiedenen Zielfunktionen minimiert werden. 

Hierbei können je nach Ausstattung des Motoraggregats (z.B. Abgasrückführung, 

Oxidations- oder Reduktionskatalysatoren, Wasser- oder Harnstoffeinspritzung) unterschiedliche 

Stelleingriffe gewählt werden. 

Nach einer Optimierung des Gesamtverhaltens im stationären Betrieb läßt sich das 

Optimierungs-Verfahren auf den dynamischen Fall erweitern, insofern dynamische 

Meßwerte zur Verfügung stehen. 

Ausgehend von der Motordrehzahl und der vom Fahrer über das Sollmoment geforderten 

Einspritzmenge werden mit Hilfe neuronaler Netzmodelle für das Abgasverhalten 

die zu erwartenden Abgaskomponenten berechnet und gemäß eines Gewichtungsvektors 

zu einer Zielfunktion verknüpft. In diese Gewichtung gehen Grenzwerte, Fahrerwunsch, 

Ausstattung des Motoraggregates und Optimierungsgewichte ein. Die Zielfunktion wird 

im nächsten Schritt minimiert und der optimale Einspritzbeginnwinkel wird an die 

Einspritzpumpe weitergeleitet. 

Eine Regelung des Einspritzbeginnwinkels unter verschiedenen Zielvorgaben konnte in 

der Simulation bereits realisiert werden.

52 


Optimierter dynamischer Betrieb von Dieselmotoren mit Turbolader 

Optimized dynamic operation of Diesel engines with turbocharger 

Dipl.-Ing. Matthias Schüler 


Ein wichtiger Schwerpunkt der heutigen Motorenentwicklung ist außer der konstruktiven 

Verbesserung eine Optimierung der Motorsteuerung und -regelung. 

Schwerpunkt des Forschungsprojektes ist der Entwurf eines Motormanagement-Systems 

für Dieselmotoren mit Turbolader, das auf einer übergeordneten Ebene Optimierungsvorgaben 

für die unterlagerte Motorsteuerung festlegt. Diese bestehen aus einem Gütekriterium, 

in dem die zum Teil gegensätzlich gerichteten Größen Verbrauch und verschiedene 

Emissionen abhängig vom momentanen Fahrbetrieb zeitvariant gewichtet 

werden können. Bei heutigen Motorsteuerungen wird bei der Motorabstimmung ein 

Kompromiß zwischen verschiedenen Zielanforderungen gesucht und fest in Motorsteuerungskennfelder 

realisiert. Demgegenüber ermöglicht ein variables Optimierungskriterium 

die gezielte Anpassung an veränderliche Fahrbedingungen, wie die variable 

Gewichtung von Verbrauch und Emissionen um z.B. in Stadtbereichen bestimmte 

Abgaskomponenten niedrig zu halten oder bei ökonomischen Fahrern auf Überlandstrecken 

den Verbrauch zu reduzieren. 

Für die Festlegung des Gütekriteriums müssen dem Motormanagement Informationen 

Gütekriterium zum optimierten dynamischen Betrieb


über den Fahrertyp und die Fahrsituation bereitgestellt werden. Die Bewertung des 

Fahrertyps geschieht mittels eines Fuzzy-Klassifikators zur Auswertung der Fahrsignale. 

Dieser besteht aus zwei Regelbasen, die zusammen eine Einstufung des momentanen 

Fahrverhaltens zwischen ökonomisch und sportlich liefern. Als besonders aussagekräftige 

Merkmale haben sich neben der Längsbeschleunigung besonders die Gaspedalstellung 

und Gaspedaländerungsgeschwindigkeit erwiesen. (Ähnliche Systeme auf 

Fuzzy-Logik-Basis werden im Fahrzeug erfolgreich zur Anpassung der Schaltkennlinien 

eines Automatikgetriebes an das Fahrverhalten eingesetzt). Zur Ermittlung der Fahrsituation 

können moderne Satelliten-Navigationssysteme eingesetzt werden, die zumindest 

in der automobilen Ober- und Mittelklasse immer weitere Verbreitung finden. 

Die zugrundeliegenden Datenbanken enthalten neben detaillieren Informationen über 

den Straßentyp auch die Ausdehnung der Stadt- und Ortsgebiete. 

Da für die meisten Abgase keine Sensoren für den Betrieb im Fahrzeug zur Verfügung 

stehen, ist die Erstellung einer Wissensbasis für den Entwurf des Motormanagementsystems 

ein weiterer wichtiger Punkt. Diese muß die Einflüsse möglicher Stellgrößenänderungen, 

wie Einspritzmenge und Einspritzbeginn, auf die Emissionen und den 

Verbrauch bei den unterschiedlichen Betriebsbedingungen enthalten. Hierbei haben sich 

neuronale Netze als gut geeignet für die Darstellung mehrdimensionaler nichtlinearer 

Zusammenhänge mit einer im Vergleich zu Rasterkennfeldern kleineren Anzahl von 

Parametern gezeigt. Für die Abbildung des Emissions- und Verbrauchsverhaltens wird 

ein am IRT entwickeltes neuronales Netz (LOLIMOT - LOcal LInear MOdel Tree) 

eingesetzt, das in der Lage ist, neben dem stationären auch das dynamische Verhalten 

des Motors nachzubilden. Als Eingangsgrößen der neuronalen Netze werden Motordrehzahl, 

Einspritzmenge, Einspritzwinkel und der Ladeluftdruck untersucht. Vor allem 

der Einspritzwinkel ist für die Abgasoptimierung interessant, da er beim bisher untersuchten 

Wirbelkammer-Turbodieselmotor einen sehr hohen Einfluß auf die Entstehung 

von Schadstoffen, jedoch nur einen geringen auf das Motormoment ausübt. Weitere 

Untersuchungen zur Abbildung der Schadstoffemissionen mit neuronalen Netzen 

werden an einem neu angeschafften 1.9 L TDI Motor durchgeführt. 

Daneben wird auch der Einsatz eines NOx -Prototyp-Sensors für das Serienfahrzeug 

untersucht und erprobt, inwieweit sich dieser Sensor für eine Online-Überwachung und 

Begrenzung der NOx - Emissionen eignet. 

Bei der Modellbildung des dynamische Verhalten wird ferner untersucht, wie Emissionsspitzen 

bei Schalt- und Beschleunigungsvorgängen verringert werden können. 

Veröffentlichungen: 6/96, 44/96, 8/97, 10/97

54 

3.1.6 Medizintechnik 

Medical engineering 


Entwicklung neuartiger Mikroventil-Konzepte für Liquor-Shuntsysteme 

Development of new micro valve concepts for Liquor-Shuntsystems 

Dipl.-Ing. Marian Walter 

Förderung: Deutsche Forschungsgemeinschaft IS 14/49-2 

Das Gehirn des Menschen ist von einer wässrigen Flüssigkeit (liquor cerebrospinalis) 

umgeben, die in erster Linie der Dämpfung von Stößen und der Gewichtsminderung 

durch Auftrieb dient. Im Normalfall stehen die Produktion und die Resorption dieser 

Flüssigkeit in einem Fließgleichgewicht. 

Fällt die biologische Druckregelung 

durch Überproduktion, 

Verstopfung der 

Abflußwege oder Mangelresorption 

aus, so entsteht im 

Kopf ein Überdruck, durch 

den das Gehirn komprimiert 

wird. 

Beim Kind kann es infolge der 

noch nicht abgeschlossenen Säugling mit Hydrozephalus. Der unförmig 

Verknöcherung des Schädels erweiterte Schädel ist deutlich erkennbar. 

kompensatorisch zur einer 

Aufweitung des Kopfes kom 

men - daher der Name Wasserkopf 

(griech. Hydrozephalus). 

Das Bild zeigt einen Patienten 

mit dieser Erkrankung. 

Beim Erwachsenen steigt der 

Druck relativ rasch auf hohe 

Werte an, begleitet von Kopfweh, 

Bewußtlosigkeit und Koma. 

Unbehandelt führt diese 

Skizze zur Shunt-Implantation und elektrisches 

Ersatzschaltbild des Implantats


Erkrankung in der Regel zum Tode. Die heutige Therapie besteht in der Implantation 

eines Druckregelventils (shunt), dessen Funktion ähnlich der eines Sicherheitsventils bei 

Dampfkochtöpfen ist. Sobald ein bestimmter kritischer Druck überschritten ist, öffnet 

das Ventil und leitet über-schüssige Flüssigkeit ab, heute meistens in den Bauchraum. 

Typischerweise wird das eigentliche Ventil hinter dem Ohr implantiert. 

Die vielfältigen Probleme, die auch heute noch mit diesen Ventilen bestehen (Verstopfung, 

Überdrainage, Siphon-Effekt beim Aufstehen, mangelnde Verstellbarkeit und 

fehlende Kontrollmöglichkeit durch den Arzt) erfordern eine Weiterentwicklung dieser 

Ventile in Richtung eines integrierten mikromechanischen Systems. 

Im Rahmen dieses Projektes sollen hierzu die Grundlagen erarbeitet werden. Gleichzeitig 

werden gemeinsam mit neurochirugischen Kliniken Verfahren für die Prüfung 

heute bereits erhältlicher Implantate erarbeitet und entsprechende Prüfstände zur Ermittlung 

der hydrodynamischen Eigenschaften der Implantate entwickelt. Ein Prüfstand 

diesen Typs wird mittlerweile bei einer Herstellerfirma eingesetzt. 

Am IRT entwickelter Prüfstand für implantierbare Mikroventile 

Projektpartner : ÿ Universität des Saarlandes, Neurochirurgische Klinik 

ÿ Universität Heidelberg, Neurochirurgische Klinik 

Veröffentlichungen: 20/96, 44/96, 54/96, 28/97, 48/97, 49/97

56 


Identifikation und adaptive Regelung der Lunge bei beatmeten Patienten 

Identification and adaptive control of artificially ventilated patients 



Bei Patienten mit akutem Lungenversagen (ARDS), aber auch bei vielen anderen 

Langzeit-Beatmeten kollabiert ein Teil der Lunge (sog. Atelektase) und steht nicht mehr 

für den Gasaustausch zur Verfügung. Hierdurch wird die Sauerstoff-Versorgung des 

Patienten reduziert und das Lungengewebe geschädigt. 

Vom medizinischen Pro- 

Beatmungsgerät 

jektpartner wurde ein Kon- 

Beatmungsdrücke 

Servo Ventilator 300 

zept entwickelt, mit dem 

man die Lunge durch geeignete 

Steuerung der Beat- 

PIP, PEEP, 

I/E, RR, VT 

mungsdrücke aufblähen 

und anschließend offen 

Fuzzy-Expertensystem Blutgase, pH 

Patient 

halten kann. Über die Mes- 

Blutgasmeßgerät 

sung der Blutgaskonzen- 

Paratrend 7 

trationen und des pH-Wertes 

kann der Status der 

Blutdruck 

Lunge (offen W geschlossen) 

eindeutig beurteilt 

Überwachungsmonitor 

Sirecust 960 

werden. 

Im Rahmen dieses Projektes 

wird eine Identifikation 

Konzept für Beatmung im geschlossenen Regelkreis 

und -Regelung mit Fuzzy Modellen entwickelt, die das ärztliche Expertenwissen 

beinhaltet und mit der das Beatmungsgerät automatisch und ohne menschliches Zutun 

adaptiert werden kann. Das Bild verdeutlicht das Konzept. 

Projektpartner : ÿ Universität Rotterdam, Department of Anesthesiology 

ÿ Siemens Elema, Schweden 


32/97, 35/97, 37/97, 48/97, 49/97, 50/97, 72/97


Lungenfunktionsdiagnostik bei Kleinkindern 

Lungfunction diagnostics in infants 



Die Zahl der Neu-Erkrankungen der Luft- und Atemwege bei Kindern und Säuglingen 

nimmt in Deutschland seit vielen Jahren zu. Dies gilt insbesondere für das frühkindliche 

Asthma, das oft allergisch bedingt ist. Da ein frühzeitiges Erkennen der Krankheit die 

Prognose erheblich verbessert und andererseits von Säuglingen nur schwerlich Informationen 

über etwaige Beschwerden zu erhalten sind, kommt der Bereitstellung geeigneter 

technischer Diagnosesysteme eine große Bedeutung zu. 

Eine der üblichen Untersuchungsmethoden ist die Ruheatmungsspirometrie. Bei diesem 

Verfahren wird der Säugling sediert und der Atemfluß im Schlaf über einen Pneumotachographen 

erfaßt. Trägt man Fluß über bewegtes Atemvolumen im Phasenraum auf, so 

ergeben sich geschlossene Kurvenverläufe (FV Loops), die sich im Krankheitsfall charakteristisch 

verändern. Die Interpretation dieser Kurven ist ein typisches Mustererkennungsproblem. 

Eines der Projektziele ist es, ein für diese Anwendung geeignetes Verfahren 

der Merkmal-Extraktion zu entwickeln. 

Ein wissenschaftlich besonders interessanter Teilaspekt des Projektes ist die Übertragung 

von Methoden der technischen Fehlerdiagnose auf medizinische Problemstellungen. 

Hierbei werden sowohl Methoden der künstlichen Intelligenz als auch 

klassische Verfahren der Statistik eingesetzt. Ziel ist es, insbesondere dem weniger 

erfahrenen Arzt eine Diagnose-Unterstützung anzubieten. 

In Kooperation mit der Kinderklinik der 

Universität Frankfurt wird außerdem an 

der Entwicklung eines einfachen, tragbaren, 

leicht bedienbaren und kostengünstigen 

Lungenfunktionsmeßgerät gearbeitet. 

Neben der spirometrischen Messung der 

Ruheatmung sollen auch der Atem-Strömungswiderstand 

und die funktionelle 

Residualkapazität erfaßt werden. Beide Am IRT entwickeltes Ruhespirometriegerät 

Größen verändern sich bei den meisten 

Lungenerkrankungen ebenfalls in typischer Weise.

58 

3.1.7 Mechatronische Systeme 

Mechatronic systems 


Bordintegrierte Überwachung und Fehlerdiagnose von Kraftfahrzeugen mit 

adaptiven Modellen der Fahrzeugdynamik 

Fault diagnosis of vehicles using adaptive models of vehicle dynamics 

Dipl.-Ing. Thomas Weispfenning 

Dipl.-Ing. Harald Straky 


In heutigen Fahrzeugen mit aktiv oder semiaktiv beeinflußten Komponenten, ist eine 

Überwachung und Fehlererkennung besonders wichtig, da ein Ausfall oder eine Fehlfunktion 

dieser Systeme zu gefährlichen Situationen führen kann. Daher wird in diesem 

Forschungsprojekt untersucht, wie Fehler in Komponenten oder Sensoren durch Überwachung 

des statischen und dynamischen Verhaltens des Kraftfahrzeugs erkannt werden 

können. 

Mögliche Fehler 

in Radaufhängungen 

zeigen sich in 

Veränderungen 

der Vertikaldynamik 

wie z.B. defekte 

Dämpfer, 

nachlassender 

Reifendruck oder 

auch Reifenunwuchten. 

Über 

Modelle der Fahrzeugquerdynamik 

sind insbesondere 

die Detektion von 

Sensorfehlern sowie 

das Erkennen 

Blockschaltbild des Bremssystems 

kritischer Fahr-


zustände möglich. Ein weiteres Ziel ist es, Methoden zu entwickeln, die es ermöglichen, 

Fehler im Bremssystem aus der Überwachung des eigentlichen Bremsvorgangs zu 

erkennen. Orte an denen Fehler im Bremssystem auftreten können, die zu einer signifikanten 

Veränderung des Fahrverhaltens führen (z.B. ABS-Sensorik, Radbremszylinder 

oder Hydroaggregat), sind im Bild dunkel hinterlegt. 

Zur Fehlererkennung wird ein zweistufiges Verfahren eingesetzt. In einem ersten Schritt 

werden mittels Parameterschätzmethoden, Paritätsraumverfahren oder Methoden der 

Signalanalyse Symptome generiert, die eine Abweichung zwischen Modell und fehlerbehaftetem 

Prozeß anzeigen. In einem zweiten Schritt müssen dann in einem Inferenzverfahren 

die Symptome entsprechenden Fehlern zugeordnet werden. Hierzu können 

z.B. Neuronale Netze zur Klassifikation eingesetzt werden. 

Die Verfahren zur Fehlererkennung werden an einem Versuchsfahrzeug erprobt. Zur 

Meßwerterfassung ist das Fahrzeug mit umfangreicher Sensorik ausgerüstet. Mit dieser 

Sensorik sollen unter anderem die Modelle verifiziert werden, um später bei einem 

Einsatz im Fahrzeug modellgestützte Methoden mit möglichst wenigen Sensoren einzusetzen. 

Versuchsfahrzeug mit Sensorik und Aktorik 

Das beschriebene Forschungsprojekt ist ein Teilprojekt des SFB 241 "Integrierte 

mechanisch-elektronische Systeme für den Maschinenbau (IMES)", der von der Deutschen 

Forschungsgemeinschaft gefördert wird. 


60 


Fehlerfrüherkennung an elektromechanischen Komponenten mit Mikrocontrollern 

Early fault detection on electro-mechanical components with microcontrollers 

Dipl.-Ing. Olaf Moseler 

Finanzierung: DFAM (Deutsche Forschungsgesellschaft für die Anwendung der 

Mikroelektronik e.V.) 

Beteiligte Firmen: Hahn-Schickard-Gesellschaft Institut für Mikround 

Informationstechnik, IAM F&E GmbH, KSB AG, Nord Mikro 

Elektronik Feinmechanik AG, Pabst-Motoren GmbH & Co KG, ZF 

Friedrichshafen AG 

Die immer weiter voranschreitende Entwicklung der Mikroelektronik läßt den dezentralen 

Einsatz von Mikrocontrollern zur Ansteuerung selbst kleiner Stellglieder interessant 

werden. 

Mikrocontroller sind frei programmierbare Ein-Chip-Mikrorechner, die CPU, RAM, 

ROM und Ein-/Ausgabebausteine (z.B. Schnittstellen, AD-Wandler, PWM) in einem 

Baustein enthalten. Die hohe Rechenleistung moderner 16- und 32-bit Mikrocontroller 

ermöglicht neben der Programmierung komplexer Regelungsstrategien auch die Integration 

neuer Verfahren zur Überwachung der Stellglieder. 

Mehrfach redundanter Aktor zur Kabinendruckregelung in Großflugzeugen 

Um eine robuste und sensorarme Fehler(früh)erkennung mit hoher Diagnosetiefe zu 

erreichen, sollen modellgestützte Verfahren eingesetzt werden. Ausgehend von gemesse-


nen Ein- und Ausgangssignalen und unter Verwendung eines Prozeßmodells generieren 

Paritätsraum- und/oder Parameterschätzverfahren on-line fortwährend Symptome, aus 

denen dann auf sich anbahnende Fehler geschlossen werden kann. 

Zur Untersuchung verschiedener Fehlererkennungsverfahren steht eine elektromechanische 

Stellklappe zur Regelung des Kabineninnendrucks von Passagierflugzeugen zur 

Verfügung. Zwei bürstenlose Gleichstrommotoren treiben über ein Getriebe einen 

Hebelmechanismus zum Öffnen und Schließen des Ventils an. Die Ansteuerung erfolgt 

durch einen Mikrocontroller. 

Zur Fehlererkennung der Stellsysteme werden die drei Phasenströme, der Brückenstrom 

des Stromrichters, die Motordrehzahl und die Position der Welle am Getriebeausgang 

meßtechnisch erfaßt. Dazu können die bereits integrierten Sensoren des bürstenlosen 

Gleichstrommotors mit elektronischer Kommutierung verwendet werden. Nur zur 

Strommessung werden zusätzliche Sensoren benötigt. 

Die Erprobung der Algorithmen zur Fehlererkennung erfolgt im Versuchsstadium auf 

einem digitalen Signalprozessor, der mit einem Host-PC verbunden ist und somit eine 

einfache Datenerfassung und Weiterverarbeitung ermöglicht. Anschließend werden die 

erfolgreich getesteten Verfahren auf einen 16-bit Mikrocontroller (C167) implementiert. 

Veröffentlichungen: 11/97

62 


3.1.8 Der DFG-Sonderforschungsbereich 241: Neue integrierte mechanisch-elektronische 

Systeme für den Maschinenbau 

Special research program "Innovative mechatronic systems" 

An der Technischen Hochschule Darmstadt wurde am 1. Juli 1988 der durch die Deutsche 

Forschungsgemeinschaft finanzierte Sonderforschungsbereich 241 "Neue integrierte 

mechanisch elektronische Systeme für den Maschinenbau" eingerichtet. Die darin 

zusammenarbeitenden Wissenschaftler aus mehreren Instituten haben sich zum Ziel 

gesetzt, neue Problemlösungen für mechanisch-elektronische Systeme zu erarbeiten, die 

neben der rein mechanischen Funktion eine elektronische Informationsverarbeitung 

beinhalten. Deshalb arbeiten verschiedene Institute aus den Gebieten Mikroelektronik, 

Meßtechnik, Regelungstechnik und Maschinenbau zusammen. Es wird versucht, die 

heutigen elektro-mechanischen Systeme, die durch eine örtliche Trennung der elektronischen 

und mechanischen Komponenten gekennzeichnet sind, zu autarken Systemen mit 

integrierter Informationsverarbeitung (mechatronische Systeme) weiterzuentwickeln. 

Das Bild zeigt schematisch den Übergang vom System aus Einzelkom-ponenten zum 

integrierten Gesamtsystem, in dem Prozeß, Sensoren, Aktoren und Informationsverarbeitung 

zusammengefaßt sind. 

Übergang von Einzelkomponenten zum integrierten 

Gesamtsystem 

Der beschriebene Übergang erfordert die Lösung einer Reihe von Teilaufgaben, die 

anhand des Schemas für integrierte mechanisch-elektronische Systeme im nächsten Bild 

erläutert werden. Zunächst müssen die relevanten physikalischen Größen des Prozesses 

gemessen werden. Ein Teil dieser Größen ist nicht direkt meßbar, beispielsweise Temperaturen 

an Reibflächen oder Verbrennungsabläufe in Motoren. Deshalb werden für diese 

Fälle neue Sensoren oder aber Verfahren entwickelt, die es erlauben, nicht meßbare 

Größen aus meßbaren zu berechnen. Die Sensorik mit integrierter Datenverarbeitung ist 

möglichst in unmittelbarer Nähe der Maschinenkomponente anzubringen. Dadurch 

steigen die Anforderungen an die Mikroelektronik hinsichtlich ihrer Belastbarkeit durch


Allgemeines Schema für integrierte mechanisch-elektronische Systeme 

thermische und mechanische Einflüsse. Eine wesentliche Bedeutung kommt somit auch 

der Entwicklung problemspezifischer Mikroprozessoren zu, sowohl in Silizium - als 

auch in Gallium-Arsenid-Technologie. Die Rückwirkungen der Prozeßsignale über die 

Sensorik auf den mechanischen Prozeß erfolgt über Mikrorechner und nachfolgende 

Aktoren. Darüber hinaus soll eine zusätzliche Einflußnahme durch Nutzung des 

"Prozeßwissens" über eine entsprechende Informationsverarbeitung erfolgen, wofür 

geeignete Hardware- und Softwarelösungen zu erarbeiten sind. Höhere Anforderungen 

ergeben sich auch für prozeßangepaßte Aktoren, die ebenfalls integriert werden sollen. 

Insgesamt behandelt der Sonderforschungsbereich eine Thematik, die für viele Bereiche 

des Maschinenbaus und der Elektrotechnik von zunehmender Bedeutung ist und wegen 

der angestrebten Integration eine Betrachtung der Gesamtsysteme von Anfang an 

notwendig macht. 

Der Sonderforschungsbereich ist in folgende Projektbereiche unterteilt: 

A Prozeßorientierter Projektbereich 

B Aktorenorientierter Projektbereich 

C Sensororientierter Projektbereich 

D Mikrorechnerorientierter Projektbereich. 

Sprecher des Sonderforschungsbereichs ist Prof. Isermann. Im Rahmen des SFB-Sekretariats 

übernimmt Frau I. Schilling die verwaltungstechnische Organisation und finanzielle 

Abwicklung von ca. 3 Mio. DM pro Jahr.

64 

3.1.10 Dissertationen 1996/97 

Dissertations 1996/97 


Ayoubi, Mihiar (1996). Nonlinear system identification based on neural networks with 

locally distributed dynamics and application to technical processes. Fortschritt- 

Bericht VDI Reihe 8 Nr. 591. Düsseldorf, VDI-Verlag 

Deibert, Rüdiger (1997). Methoden zur Fehlererkennung an Komponenten im geschlossenen 

Regelkreis. Fortschritt-Bericht VDI Reihe 8 Nr. 650. Düsseldorf, 

VDI-Verlag 

Germann, Stefan (1997). Modellbildung und modellgestützte Regelung der Fahrzeuglängsdynamik. 

Fortschritt-Bericht VDI Reihe 12 Nr. 309. Düsseldorf, VDI- 

Verlag 

Glotzbach, Jörn (1996). Adaptive Sekundär-Drehzahlregelung hydraulischer Rotationsantriebe. 

Fortschritt-Bericht VDI Reihe 8 Nr. 588. Düsseldorf, VDI-Verlag 

Höfling, Thomas (1996). Methoden zur Fehlererkennung mit Parameterschätzung und 

Paritätsgleichungen. Fortschritt-Bericht VDI Reihe 8 Nr. 546. Düsseldorf, VDI- 

Verlag 

Konrad, Heiko (1997). Modellbasierte Methoden zur sensorarmen Fehlerdiagnose beim 

Fräsen. Fortschritt-Bericht VDI Reihe 2 Nr. 449. Düsseldorf, VDI-Verlag 

Leonhardt, Steffen (1996). Modellgestützte Fehlererkennung mit neuronalen Netzen - 

Überwachung von Radaufhängungen und Diesel-Einspritzanlagen. Fortschritt- 


Nolzen, Harry (1997). Parameteradpative Regelung von Fräsprozessen. Fortschritt- 


Würtenberger, Michael (1997). Modellgestützte Verfahren zur Überwachung des 

Fahrzustandes eines Pkw. Fortschritt-Bericht VDI Reihe 12 Nr. 312. Düsseldorf, 

VDI-Verlag


3.1.10 Auszeichnungen 1996/97 

Awards 1996/97 

- VDE-Ehrenring für R. Isermann (VDE-Kongress, Braunschweig, Oktober 1996) 

- Dr. h.c. der Polytechnischen Universität Bukarest für R. Isermann (März 1996) 

- Best paper award für O. Nelles u.a. bei der IEE UKACC Control´96 in Exeter, 

Großbritannien (September 1996) 

- Best new results award für O. Nelles und M. Fischer bei der AIRTC´97 in Kuala 

Lumpur, Malaysia (September 1997) 

- Hauptpreis für den Wettbewerb Medizin-Software der MEDICA , Düsseldorf 

für St. Leonhardt u.a. (September 1997)

66 

3.1.11 Besondere Vorträge 1996/97 

R. Isermann: 


6.2.1997 “Mechatronic Systems” 

14th lecture, IEE-Computing and Control Division, Savoy Place, London, Großbritannien 

27.2.1997 “Zur Anwendung von Fuzzy-Logik und Neuronalen Neztzen in der Automatisierungstechnik” 

Anwendersymposium 

27.2.1997, Düsseldorf 

der Fuzzy-Neuro-Initiative Nordrhein-Westfalen, 

1.6.1997 “Supervision, Fault-Detection and Fault-Diagnosis Methods - Advanced Methods 

and Applications” 

Plenary lecture, IMEKO-World Congress, 1.-6. Juni 1997, Tampere, Finland 

4.6.1997 “Mechatronic Systems - A Challenge for Control Engineering” 

Plenary lecture, American Control Conference, (ACC), 4.-6. Juni 1997, Albuquerque, 

USA 

16.6.1997 “Mechatronic Systems for Machines and Automobilies” 

Plenary lecture, IEEE/ASME International Conference on Advanced Intelligent 

Mechatronics, 16.-20. Juni 1997, Wareda University, Tokyo, Japan 

10.7.1997 “Identifikation with Dynamic Neural Networks - Architectures, Comparisons, 

Applications - ” 

Plenary lecture, IFAC-Symposium on Identification, 8.-11. Juli 1997, Fukuoka, 

Japan 

24.10.1997 “Knowledge-Based Structure for Fault Diagnosis and Its Applications” 

Plenary lecture, IFAC Symposium on System Structure and Control, 23.-25. 

Oktober 1997, Bukarest, Rumänien


3.1.12 Industriekontakte 

Contacts with industry 

Es bestehen im Rahmen der Prozeßautomatisierung viele Kontakte zu Firmen der 

Branchen: 

Maschinenbau 

Verbrennungsmotorentechnik 

Kraftfahrzeugtechnik 

Grundstoffindustrie 

Verfahrenstechnik 

Energietechnik 

Heizungs- und Klimatechnik 

Medizintechnik 

8 Wissenschaftliche Mitarbeiter werden zur Zeit im Rahmen von Industrie/Hochschule 

Projekten direkt von Firmen gefördert (siehe unter 3.1.1 bis 3.1.7). 

3.1.13 Lehrgänge zum Transfer von Forschungsergebnissen 

Training courses to transfer research results 

1. IFAC World Congress, San Francisco, Juni 1996. Tutorial Workshop “Supervision, 

Fault Detection and Diagnosis of Technical Systems” 

(Leitung R. Isermann, unter Mitwirkung von M. Ayoubi, M. Blanke, P.M. 

Frank, J. Gertler, S. Leonhardt, R. Patton, T. Pfeufer). 

2. SPS/IPC/Drives´96. Messe Sindelfingen, November 1996. Workshop “Identifikation 

elektrischer Antriebssysteme für die digitale Regelung und 

3. 

Überwachung”. 

(Leitung R. Isermann, unter Mitwirkung von A. Abou-El-Ela, H. Nolzen, T. 

Pfeufer). 

ACC, Albuquerque, Juni 1997. Tutorial Workshop “Supervision, Fault Detection 

and Diagnosis of Technical Systems”. 

(Leitung R. Isermann, unter Mitwirkung von P. Ballé, M. Blanke, P.M. Frank, 

D. Füssel, J.J. Gertler, O. Moseler). 

4. SPS/IPC/Drives´97. Messe Nürnberg, November 1997. Workshop “Identifikation 

nichtlinearer dynamischer Systeme mit Fuzzy-Neuro-Methoden”. 

(Leitung R. Isermann, unter Mitwirkung von M. Fischer, O. Nelles).

68 

3.1.14 Technische Einrichtungen 

Technical equipment 

2 Novell Intranetware Server (50 Benutzer-Lizenz) 

62 Pentium PC 

8LaptopPC 

5 dSpace Echtzeitsimulationssysteme 

3 VME-Bus Rechner 

2 SUN-SPARC Workstations 


Verschiedene Pilotprozesse 

ÿ Dynamischer Motorenprüfstand (Dieselmotor) 

ÿ Radaufhängungs-Prüfstand 

ÿ Dynamischer Gleichstrommotor-Prüfstand 

ÿ Kühlkreislaufprüfstand 

ÿ Prüfstand für elektrische Bremsen 

ÿ Computergesteuerter Akkumulator-Prüfstand 

ÿ Wärmepumpen-Versuchsanlage 

ÿ Thermischer Prozeß, bestehend aus (45 kW) Dampferzeuger, Rohrbündelwärmeaustauscher 

zur Wärmeübertragung am Wasserkreislauf (max 10 m³/h) und 

Kreuzstromwärmeaustauscher zur Wärmeübertragung aus Außenluft (max 8000 

m³/h) 

ÿ Kreiselpumpen-Versuchsanlage 

ÿ Industrieroboter R 106, Jungheinrich 

ÿ Prüfstand für medizinische Mikroventile 

ÿ Versuchs-Kraftfahrzeuge 

BMW 750i, Opel-Corsa) 

(Opel-Omega, 

Kühlkreislaufprüfstand Radaufhängungsprüfstand


Thermischer Prozeß 

Dynamischer Motorenprüfstand

70 


Versuchsfahrzeug Opel-Omega 

Industrieroboter R 106, Jungheinrich


3.1.15 Veröffentlichungen 1996/97 

Publications 1996/97 

a) Modellbildung, Identifikation und intelligente Regelung 

Modeling, identification and intelligent control 

5/96 Fischer, M.; M. Tomizuka (1996). Application and Comparison of Alternative Position 

Sensors in High-Accuracy Control of an X-Y Table. 4th International Workshop on 

Advanced Motion Control AMC´96, Mie University, Tsu-City, Japan, March 18-21, 

1996. 

12/96 Ayoubi, M. (1996). Fuzzy Systems Design Based on a Hybrid Neural Structure and 

Application to the Fault Diagnosis of Technical Processes. Control Engineering Practice, 

Vol. 4, No. 1, p. 35-41, 1996. 

22/96 Nelles, O.; R. Isermann (1996). A New Technique for Determination of Hidden Layer 

Parameters in RBF Networks. 13th IFAC World Congress, San Francisco, USA, 30 

June - 5 July 1996. 

23/96 Nelles, O. (1996). Local Linear Model Trees for On-Line Identification of Time-Variant 

Nonlinear Dynamic Systems. International Conference on Artificial Neural Networks 

(ICANN). Bochum 16.-19. Juli, 1996. 

24/96 Ulieru, M. (1996). Fuzzy Logic in Diagnosis: Possibilistic Networks. Kapitel 7 in Fuzzy 

Logic, hrsg. v. J.F. Baldwin. John Wiley & Sons Ltd., Sussex, England, 1996 

25/96 Nelles, O. (1996). FUREGA - Fuzzy Rule Extraction by a Genetic Algorithm. EUFIT, 

Aachen, September 2-5, 1996. 

26/96 Nelles, O.; M. Fischer (1996). Local Linear Model Trees (LOLIMOT) for Nonlinear 

System Identification of a Cooling Blast.EUFIT, Aachen, September 2-5, 1996. 

27/96 Nelles, O.; S. Sinsel; R. Isermann (1996). Local Basis Function Networks for Identification 

of a Turbocharger. IEE UKACC Control´96 in Exeter, United Kingdom, Sept. 

2-5, 1996. 

28/96 Isermann, R.; M. Ayoubi (1996). Fault Detection and Diagnosis with Neuro-Fuzzy- 

Systems. EUFIT, Aachen, September 2-5, 1996. 

29/96 Fischer, M. ; O. Nelles; D. Füssel (1996). Tuning of PID-Controllers for Nonlinear 

Processes Based on Local Linear Fuzzy Models. EUFIT, Aachen, September 2-5, 1996. 

30/96 Fischer, M.; R. Isermann (1996). Robust Hybrid Control Based on Inverse Fuzzy 

Process Models. Fifth IEEE International Conference on Fuzzy Systems, New Orleans, 

LA, USA, 8-11.9.1996. 

31/96 Nelles, O.; S. Ernst; R. Isermann (1996). Neural Network Models for Identification of 

Nonlinear Dynamic Systems: An Overview. EUFIT, Aachen, September 2-5, 1996. 

38/96 Ayoubi, A.; R. Isermann (1996). Identification of Nonlinear Dynamic Processes Based 

on Dynamic Radial Basis Function Networks. AeroSense, 8-12 April, Orlando, Florida, 

USA, 1996.

72 


47/96 Nelles, O.; R. Isermann (1996). Basis Function Networks for Interpolation of Local 

Linear Models. IEEE Conference on Decision and Control. Cobe, Japan, December 

1996. 

48/96 Nelles, O.; M. Fischer; B. Müller (1996). Fuzzy rule extraction by a genetic algorithm 

and constrained nonlinear optimization of membership functions. FUZZIEEE Konferenz, 

New Orleans, Sept. 1996. 

49/96 Fischer, M. (1996). Fuzzy-modellbasierte Regelung nichtlinearer Prozesse. 6. Workshop 

des GMA-Unterausschusses 1.4.2 "Fuzzy Control" , Dortmund 9.-10.10.1996 

52/96 Ernst, S.; O. Nelles; R. Isermann (1996). Neuronale Netze zur Identifikation nichtlinearer, 

dynamischer Systeme: Ein Überblick. VDI/VDE GMA-Kongreß, Baden-Baden 

10.-11. September 1996 

56/96 Kavšek-Biasizzo, K.; I. Škrjanc; S. Milani ; O. Hecker (1996). Applied fuzzy and 

neural modeling in real-time predicitive control. Symposium on Control, Optimization 

and Supervision. CESA´96 IMACS Multiconference. Computational Engineering in 

Systeme Applications, Lille - France, July 9-12, 1996. 

57/96 Milani , S.; O. Hecker: R. Karba (1996). A comparatove study of neural network 

models for model based predictive control of a thermal plant. Symposium on Modelling, 

Anaylsis and Simulation. CESA´96 IMACS Multiconference. Computational Engineering 

in Systeme Applications, Lille - France, July 9-12, 1996. 

58/96 Kavšek-Biasizzo, K.; I. Škrjanc; O. Hecker (1996). Applied fuzzy modeling in real-time 

predicitive control. IASTED International Conference on Modelling, Identification and 

Control, February 19-21, 1996, Innsbruck, Austria. 

60/96 Isermann, R. (1996). Zur Anwendung der Fuzzy-Logik in der Regelungstechnik. atp - 

Automatisierungstechnische Praxis 38 (1996) 11, S. 24-36. 

61/96 Škrjanc, I.; K. Kavšek-Biasizzo; D. Matko; O. Hecker (1996). Fuzzy predictive control 

based on relational matrix models. Computer chem Engineering, Vol 20, Suppl, pp. 

S931-S936, 1996. 

65/96 Nelles, O. (1996). Nonlinear dynamic system identification - from classical methods to 

neural networks. Technischer Bericht. Technische Hochschule Darmstadt. Institut für 

Regelungstechnik, Fachgebiet Regelsystemtechnik und Prozeßautomatisierung. Juni 

1996. (Intern). 

1/97 Fischer, M; O. Nelles (1997). Fuzzy Model-Based Predictive Control of Nonlinear 

Processes with Fast Dynamics. 2nd International ICSC Symposium on Fuzzy Logic and 

Application - ISFL´97, Zürich, Switzerland, February 12-14, 1997. 

3/97 Nelles, O.; O. Hecker; R. Isermann (1997). Identifikation nichtlinearer, dynamischer 

Prozesse mit Takagi-Sugeno Fuzzy-Modellen variabler Struktur. Fuzzy-Neuro-Systeme 

4. Workshop Paderborn 12.3-14.3.1997. 

6/97 Nelles, O.; M. Fischer (1997). Fuzzy Model Identification of a PH Process. 2nd International 

ICSC Symposium on Fuzzy Logic and Application - ISFL´97, Zürich, Switzer-


8/97 

land, February 12-14, 1997. 

Schüler, S.; C. Onnen; C. Bialeczek (1997). A Fuzzy-System for a Classification of the 

Drive Behaviour and the Driving Situation. 8th IFAC Symposium on Transportation 

Systems. Chania, Greece, 16.-18.6.1997 

10/97 Schüler, M.; C. Onnen; R. Isermann (1997). Fahrertyperkennung mit Hilfe von Fuzzy- 

Logik. Fuzzy-Neuro-Systeme 97. 4. Int. Workshop 12.-14.3.1997, Paderborn. 

11/97 Hecker, O.; O. Nelles; O. Moseler (1997). Nonlinear system identification and predictive 

control of a heat exchanger based on local linear fuzzy models. American Control 

Conference (ACC), Albuquerque, USA, Juni 1997. 

12/97 Nelles, O. (1997). GA-based generation of fuzzy rules. Chapter in “Fuzzy Evolutionary 

Computation” ed. W. Pedrycz, Kluwer Academic Press, 1997. 

13/97 Isermann, R. (1997). Zur Anwendung von Fuzzy-Logik und Neuronalen Netzen in der 

Prozessautomatisierung. Anwendung von Fuzzy Technologien und Neuronalen Netzen, 

27.2.1997, Düsseldorf. Fuzzy Neuro Initiative NRW. 

19/97 Isermann, R. (1997). Editorial Themenheft: Anwendungen von Fuzzy-Logik und 

neuronalen Netzen. Informatik Forschung und Entwicklung 12 (1997), S. 1. 

20/97 Ayoubi, M. (1997). Das dynamische Perzeptronmodell zur experimentellen Modellbildung 

nichtlinearer Prozesse. Informatik Forschung und Entwicklung 12 (1997), S. 

14-22. 

25/97 Fischer, M.; O. Nelles; R. Isermann (1997). Adaptive predictive control based on local 

linear fuzzy models. 11th IFAC Symposium on System Identification (SYSID´97), 8.-9. 

July 1997, Kitakyushu, Fukuoka, Japan. 

26/97 Füssel, D.; P. Ballé (1997). Combining neuro-fuzzy and machine learning for fault 

diagnosis of a d.c. motor. American Control Conference (ACC), Albuquerque, USA, 

Juni 1997. 

27/97 Isermann, R.; S. Ernst; O. Nelles (1997). Identification with dynamic neural networks - 

architectures, comparisons, applications - Plenary, IFAC Symposium on System Identification 

8-11 July, Fukuoka, Japan, 1997. 

30/97 Nelles, O.; O. Hecker; R. Isermann (1997). Automatic model selection in local linear 

model trees (LOLIMOT) for nonlinear system identification odf a transport delay 

process. 11th IFAC Symposium on System Identification (SYSID´97), 8.-9. July 1997, 

Kitakyushu, Fukuoka, Japan. 

31/97 Nelles, O. (1997). Orthonormal basis functions for nonlinear system identification with 

local linear model trees (LOLIMOT). 11th IFAC Symposium on System Identification 

(SYSID´97), 8.-9. July 1997, Kitakyushu, Fukuoka, Japan. 

33/97 Nelles, O. (1997). LOLIMOT - Lokale, lineare Modelle zur Identifikation nichtlinearer, 

dynamischer Systeme. at (Automatisierungstechnik) Jg. 45, Nr. 4, S. 163 - 174. 

44/97 Juri i , .; A. nidarši ; D. Füssel (1997). Generation of diagnostic trees by means 

of simplified process models and machine learning. Engineering Applications Artificial

74 


Intelligence. Vol. 10, pp. 15-29, 1997. 

45/97 Fischer, M.; R. Isermann (1997). Inverse fuzzy process models for robust hybrid control. 

Edited Volume on “Advances in Fuzzy Control”, Physica-Verlag, Series: Studies in 

Fuzziness and Soft Computing. 

46/97 Nelles, O.; S. Ernst; R. Isermann (1997). Neuronale Netze zur Identifikation nichtlinearer, 

dynamischer Systeme: Ein Überblick. at - Automatisierungstechnik 45 (1997) 

6, S. 251-262. 

47/97 Holzmann, H.; C. Halfmann; R. Isermann (1997). Representation of 3-d mappings for 

automotive control applications using neural networks and fuzzy logic. 6th IEEE 

Conference on Control Applications, Hartford, Connecticut, USA, October 5-7, 1997. 

51/97 Nelles, O. (1997). Strukturoptimierung von Takagi-Sugeno Fuzzy-Modellen. Workshop 

des GMA-UA 1.4.2. "Fuzzy-Control", 6.-7.11.97, Dortmund. 

52/97 Isermann, R. (1997). Preface. Fuzzy Sets and Systems 89 (1997) 275. 

53/97 Ayoubi, M.; R. Isermann (1997). Neuro-fuzzy systems for diagnosis. Fuzzy Sets and 

Systems 89 (1997) 289-307. 

59/97 Nelles, O. (1997). Nonlinear System Identification with Neuro-Fuzzy Methods. Chapter 

in: Da Ruan (ed.): Intelligent Hybrid Systems. Kluwer Academic Publishers, Dordrecht, 

1997. 

60/97 Fischer, M. (1997). Fuzzy-Modellbildung eines Kreuzstrom-Wärmetauschers. Workshop 

des GMA-UA 1.4.2. "Fuzzy-Control", 6.-7.11.97, Dortmund. 

61/97 Ballé, P.; D. Juricic; A. Rakar; S. Ernst (1997). Identification of Nonlinear Processes 

and Model Based Fault Isolation Using Local Linear Models. American Control Conference 

(ACC), Albuquerque, USA, Juni 1997. 

62/97 Ballé, P.; O. Nelles (1997). Detection and Isolation of Sensor Faults for a Heat Exchanger 

Based on Local Linear Fuzzy Models. Artificial Intelligence in Real-Time Control, 

AIRTC´97, September 23-25, Kuala Lumpur, Malaysia. 

63/97 Ballé, P.; O. Nelles; D. Füssel (1997). Fault Detection for Nonlinear Processes Based on 

Local Linear Fuzzy Models in Parallel and Series-Parallel Mode. SAFEPROCESS´97, 

Hull, UK, August 1997. 

66/97 Onnen, C.; R. Babuška; U. Kaymak; J.N. Sousa; H.B. Verbruggen; R. Isermann (1997). 

Genetic algorithms for optimization in predictive control. Control Engineering Practice, 

Vol. 5, No. 10, pp. 1363-1372. 

70/97 Füssel, D. (1997). Self-Learning Classification Tree (Select) - A Human-Like Approach 

to Fault Diagnosis - EUFIT 97, Fifth European Congress on Intelligent Techniques and 

Soft Computing, Sept. 8-11, Aachen, Germany. 

71/97 Füssel, D.; P. Ballé; R. Isermann (1997). Closed loop fault diagnosis based on a nonlinear 

process model and automatic fuzzy rule generation. IFAC Symposium on Fault 

Detection, Supervision and Safety of Technical Processes. SAFEPROCESS 97, Hull, 

Great Britain, August 26-28, 1997.


b) Überwachung und Fehlerdiagnose 

Supervision and fault diagnosis 

3/96 Höfling, T.; R. Isermann (1996). Adaptive Parity Equations and Advanced Parameter 

Estimation for Fault Detection and Diagnosis. 13th IFAC World Congress, San Francisco, 

USA. 30 June - 5 July 1996. 

10/96 Isermann, R.; P. Ballé (1996). Trends in the Application of Model Based Fault Detection 

and Diagnosis of Technical Processes. 13th IFAC World Congress, San Francisco, 

USA, 30 June - 5 July, 1996. 

13/96 Isermann, R. (1996). Supervision and Fault Diagnosis with Process Models. IASTED 

International Conference on Modelling, Identification and Control, February 19-21, 

1996, Innsbruck, Austria. 

40/96 Isermann, R. (1996). Modellgestützte Fehlerdiagnose technischer Prozesse - Prinzipielles 

Vorgehen und Beispiele. Zeitschrift Flugwissenschaft Weltraumforschung, 20 

(1996), S. 1-17. 

41/96 Isermann, R. (1996). Modellgestützte Überwachung und Fehlerdiagnose Technischer 

Systeme (Teile 1 u. 2). atp - Automatisierungstechnische Praxis 38 (1996) 5 u. 6. 

53/96 Höfling, T.; R. Isermann (1996). Fault detection based on adaptive parity equations and 

single-parameter tracking. CEP, Vol. 4, No. 10, pp. 1361-1369. 

59/96 Höfling, T.; R. Deibert (1996). Fault detection in nonlinear systems using estimated 

parity equations. Engineering Simulation, 1996, Vol. 13, pp. 1033-1048. 

63/96 Isermann, R. (1996). Moderne Methoden zur Überwachung und Fehlerdiagnose Technischer 

Systeme. thema Forschung. THD, 2/96, S. 24-38. 

21/97 Isermann, R. (1997). Supervision, Fault-Detection and Fault-Diagnosis Methods - 

Advanced Methods and Applications. IMEKO World Congress, New Measurements - 

Challenge and Visions, Tampere, Finland, 1-6 June 1997. 

34/97 Isermann, R. (1997). Knowledge-based structures for fault diagnosis and its applications. 

IFAC Symposium on System Structure and Control (SCC), Bucharest, 23 - 25 

October 1997. 

36/97 Isermann, R. (1997). Supervision, fault-detection and fault-diagnosis methods - an 

introduction. CEP, Vol. 5, No. 5, pp. 639-652. 

37/97 Leonhardt, S.; M. Ayoubi (1997). Methods of fault diagnosis. Control Engineering 

Practice, Vol. 5, No. 5, p. 683-692. 

39/97 Isermann, R.; P. Ballé (1997). Trends in the application of model-based fault detection 

and diagnosis of technical processes.CEP, Vol. 5, No. 5, pp. 709-719. 

55/97 Isermann, R. (1997). Modellgestützte Überwachung und Diagnose am Beispiel des 

Turboladers eines Dieselmotors. Festschrift zur Jubiläumsveranstaltung “100 Jahre 

Turbomaschinen und 50 Jahre Fluidantriebstechnik an der TU Darmstadt”, 17. Oktober 

1997. 

67/97 nidarši , A., . Juri i ; D. Füssel, J. Ohl (1997). Some criteria towards diagnostic

76 


methodology selection. 15th IMACS World-Congress 1997 on Scientific Computation, 

Modelling and Applied Mathematics, Berlin, Germany. 

68/97 Ballé, P.; D. Füssel; O. Hecker (1997). Detection and isolation of sensor faults on 

nonlinear processes based on local linear models. American Control Conference (ACC), 

Albuquerque, USA, Juni 1997. 

69/97 Rakar, A.; P. Ballé; . Juri i ; D. Füssel (1997). Residual evaluation in fault diagnosis 

by means of transferable belief model. 8th International Workshop on Principles of 

Diagnosis DX´97, Le Mont-Saint-Michel, France. 

c) Energie- und Produktionstechnik 

Industrial process control 

4/96 Nolzen, H.; R. Isermann (1996). Model Based Force Control for Milling Operations 

Using Position Sensors. 13th IFAC World Congress, San Francisco, USA. 30 June - 5 

July 1996. 

7/96 Konrad, H.; R. Isermann (1996). Diagnosis of different faults in milling using drive 

signals and process models. 13th IFAC World Congress, San Francisco, USA, 30 June - 

5 July, 1996. 

14/96 Abou-El-Ela, A.; R. Isermann (1996). Fine Motion Control of Robot Manipulators in 

Deburring Applications Utilizing Cutting Tool Signals. 4th International Workshop on 

Advanced Motion Control AMC´96, Mie University, Tsu-City, Japan, March 18-21, 

1996. 

32/96 Ohl, J.; M. Ayoubi; M. Kurth (1996). Identification of a High Efficiency Boiler Based 

on Neural Networks With LocallyDistributed Dynamics. IEEE International Conference 

on Control Application (CCA), September 15-18, 1996, Dearborn, Michigan, USA. 

42/96 Ernst, E-J.; O. Hecker (1996). Predictive Control of a Heat Exchanger. Theory and 

Applications of Model Based Predictive Control (MBPC). Brüssel, Belgien, 24-25 Sept. 

1996. 

55/96 Konrad, H. (1996). Fault detection in milling, using parameter estimation and classification 

methods. Control Engineering Practice, Vol. 4, No. 11, pp. 1573-1578, 1996. 

29/97 Ballé, P. ; M. Fischer; D. Füssel; R. Isermann (1997). Integrated control, diagnosis and 

reconfiguration of a heat exchanger. American Control Conference (ACC), Albuquerque, 

USA, Juni 1997. 

40/97 Fischer, M.; O. Nelles; R. Isermann (1997). Exploiting prior knowledge in fuzzy model 

identification of a heat exchanger. Artificial Intelligence in Real-Time Control, 


41/97 Fischer, M.; O. Nelles; R. Isermann (1997). Fuzzy model-based predictive control of a 

heat exchanger. Artificial Intelligence in Real-Time Control, AIRTC´97, September 23- 

25, Kuala Lumpur, Malaysia. 

42/97 Nelles, O.; M. Fischer; R. Isermann (1997). Exploiting prior knowledge in fuzzy model


identification of a heat exchanger. Artificial Intelligence in Real-Time Control, 


56/97 Ohl, J. (1997). Entwicklungsstand in der Regelungstechnik. Heizung Lüftung / Klima 

Haustechnik. Teil 1: HLH 48 (1997) 7, S. 54 - 57 und Teil 2: HLH 48 (1997) 8, S. 34 - 

38. 

d) Kraftfahrzeuge 

Vehicles 

1/96 Weispfenning, T.; S. Leonhardt (1996). Model-based identification of a vehicle suspension 

using parameter estimation and neural networks. 13th IFAC World Congress, San 

Francisco, USA. 30 June - 5 July 1996. 

9/96 Isermann, R.; T. Pfeufer (1996). Integrated Model Based Fault Detection and Diagnosis 

with Application to Electromechanical Drives. 13th IFAC World Congress, San Francisco, 

USA, 30 June - 5 July, 1996. 

11/96 Würtenberger, M.; M. Ayoubi (1996). Identification and Supervision of the Lateral 

Vehicle Motion Based on Neural Networks with Distributed Dynamics. 13th IFAC 

World Congress, San Francisco, USA, 30 June - 5 July, 1996. 

15/96 Holzmann, H.; C. Halfmann; S. Germann; M. Würtenberger; R. Isermann (1996). 

Longitudinal and Lateral Control and Supervision of Autonomous Intelligent Vehicles. 

13th IFAC World Congress, San Francisco, USA, 30 June - 5 July, 1996. 

16/96 Halfmann, C.; H. Holzmann, M. Ayoubi; R. Isermann (1996). Supervision of Vehicles´ 

Tire Pressure by Measurement of Body Accelerations. 13th IFAC World Congress, San 

Francisco, USA, 30 June - 5 July, 1996. 

17/96 Ballé, P.; H. Holzmann; R. Isermann (1996). Bestimmung der Übergrundgeschwindigkeit 

eines Kraftfahrzeuges durch Auswertung von Sensorsignalen mit Fuzzy-Methoden. 

8.GMA/ITG Fachtagung "Sensoren und Messysteme", Bad Naumheim, 11.bis 13. 

März 1996. 

33/96 Pfeufer, T. (1996). Intelligent electromechanical actuators. AeroSense, 8-12 April 1996, 

Orlando Florida, USA. 

37/96 Pfeufer, T., R. Isermann, L. Rehm (1996). Qualitätssicherung von mechanisch-elektronischen 

Kfz-Stellsystemen durch modellgestützte Diagnose. VDI-Gesellschaft 

39/96 

Fahrzeug- und Verkehrstechnik. Elektronik im Kraftfahrzeug. Tagung Baden-Baden, 12. 

und 13. September 1996. 

Isermann, R.; S. Germann; M. Würtenberger; C. Halfmann; H. Holzmann (1996). 

Model-Based Control And Supervision of Vehicle Dynamics. FISITA Congress 1996, 

Prague, Czech Republic, June 17-21, 1996. 

45/96 Pfeufer, T.; R. Isermann (1996). Intelligent Electromechanical Servosystem. 13th IFAC 

World Congress, 1-5 July 1996, San Francisco, California, USA. 

46/96 Pfeufer, T.; R. Isermann (1996). Intelligent Electromechanical Servosystems. 5th

78 


International Conference on New Actuators - ACTUATOR 96, 26-28 June, Bremen. 

62/96 Weispfenning, T. (1996). Fault detection and diagnosis of components of the vehicle 

vertical dynamics. 1st Int. Conference on Control and Diagnostics in Automotive 

Applications, Genova, Italy, 3-4 October 1996. 

15/97 Germann, S.; M. Würtenberger; R. Isermann (1997). Modellgestützte Verfahren zur 

parameteradaptiven Regelung der Fahrzeuglängsdynamik. at Automatisierungstechnik 

45 (1997) 2, S. 84-92. 

16/97 Schwarz, R.; M. Willimowski; R. Isermann; P. Willimowski (1997). Improved wheel 

speed and slip determination considering influences of wheel-suspension dynamics and 

tire dynamics. 1997 SAE International Congress & Exposition. February 24-27, 1997, 

Cobo Center, Detroit, Michigan, USA. 

17/97 Schwarz, R.; O. Nelles; P. Scheerer; R. Isermann (1997). Increasing signal accuracy of 

automotive wheel-speed sensors by on-line learning. American Control Conference 

(ACC), Albuquerque, USA, Juni 1997. 

38/97 Pfeufer, T. (1997). Application of model-based fault detection and diagnosis to the 

quality assurance of an automotive actuator. Control Engineering Practice, Vol. 5, No. 

5, 703-708. 

54/97 Pfeufer, T.; M. Ayoubi (1997). Application of a hybrid neuro-fuzzy system to the fault 

diagnosis of an automotive electromechanical actuator. Fuzzy Sets and Systems 89 

(1997) 351-360. 

58/97 Schwarz, R.; M. Willimowski; P. Willimowski; R. Isermann (1997). Modellbasierte 

Rekonstruktion der Einflußgrößen von Radaufhängungs- und Reifendynamik auf den 

Schlupf. VDI-Gesellschaft Fahrzeug- und Verkehrstechnik. Reifen Fahrwerk Fahrbahn. 

6. Fachtagung Hannover, 23. und 24. Oktober 1997. 

64/97 Holzmann, H.; C. Halfmann; S. Germann; W. Würtenberger; R. Isermann (1997). 

Longitudinal and Lateral Control and Supervision of Autonomous Intelligent Vehicles. 

CEP Vol. 5, No. 11, pp. 1599-1605. 

65/97 Halfmann, C.; M. Ayoubi; H. Holzmann (1997). Supervision of vehicles´ tyre pressures 

by measurement of body accelerations. Control Engineering Practice, Vol. 5, No. 8, pp. 

1151-1159. 

e) Verbrennungsmotoren 

Combustion engines 

6/96 Schüler, M.; S. Leonhardt; C. Ludwig; M. Ayoubi; R. Isermann (1996). Model-based 

and signal-based fault detection of diesel engines with turbocharger. 13th IFAC World 

Congress, San Francisco, USA, 30 June - 5 July, 1996. 

18/96 Leonhardt, S.; R. Isermann (1996). Echtzeit-Überwachung von Diesel-Einspritzanlagen. 

MTZ Motortechnische Zeitschrift 57 (1996), 2, S. 116-123. 

19/96 Schmidt, M.; J.-A. Kessel (1996). Winkeldiskrete Signalverarbeitung zur Rundlauf-


verbesserung von Dieselmotoren. MessTec 1/96, S. 8-10. 

44/96 Leonhardt, S.; W. Walter; C. Ludwig; M. Schüler (1996). Using the Cylinder Pressure 

for driving Diesel Engines at low Exhaust Emissions. 1st Int. Conf. on Control and 

Diagnostics in Automotive Appl. Genova, Italy, Oct. 3-4, 1996. 

2/97 Leonhardt, S.; R. Schwarz; R. Isermann (1997). Real-Time Supervision of the Diesel 

Engine Injection Process. 1997 SAE International Congress & Exposition. February 24- 

27, 1997, Cobo Center, Detroit, Michigan, USA. 

4/97 Sinsel, S.; J. Schaffnit; R. Isermann (1997). Echtzeitsimulation von Dieselmotoren zur 

Entwicklung von Diagnosemethoden. 2. Stuttgarter Symposium. Kraftfahrwesen und 

Verbrennungsmotoren. 18.-20. Februar 1997. 

5/97 Sinsel, S.; J. Schaffnit; R. Isermann (1997). Hardware-in-the-Loop Simulation von 

Dieselmotoren für die Entwicklung moderner Motormanagementsysteme. VDI-Tagung 

Mechatronik im Maschinen- und Fahrzeugbau, Moers, März 1997. 

23/97 Isermann, R.; S. Sinsel; J. Schaffnit (1997). Hardware-In-The-Loop Simulation of 

Diesel Engines for the Development of Engine Control Systems. 4th IFAC Workshop 

on Algorithms and Architectures for Real-Time Control AARTC´97, Vilamoura, 

Algarve Portugal, 9-11 April 1997 

57/97 Isermann, R.; G. Hohenberg; M. Schmidt; B. Lenzen (1997). Nebenaggregate-Management 

zur Reduktion von Verbrauch und Emissionen. 6. Aachener Kolloquium 

Fahrzeug- und Motorentechnik. 20. - 22. Oktober 1997, Eurogress Aachen. 

f) Medizintechnik 

Medical engineering 

2/96 Leonhardt, S.; P. Ahrens, O. Schmitt; D. Hofmann (1996). A neural network approach 

to automated lung function diagnosis in infants. 13th IFAC World Congress, San 

Francisco, USA. 30 June - 5 July 1996. 

20/96 Walter, M.; S. Leonhardt (1996). Ein Prüfstand zur automatisierten Qualitätskontrolle 

von implantierbaren Mikroventilen. Jatros Neurologie 12 (1996) 3, S.50-54. 

36/96 Leonhardt, S.; K. Neumann (1996). Messung und Analyse des intrakraniellen Druckes. 

Forschungsbericht LEO I/96. 

54/96 Walter, M.; S. Leonhardt; H. Schubert; A. Aschoff (1996). A computer aided test stand 

for medical microvalves. IEEE Conference Engineering in Medicine & Biology Society. 

Annual meeting. Amsterdam 31.10-3.11.1996. 

7/97 Ghanaat, M.; S. Leonhardt (1997). A Simulink Model for the Human Circulatory 

System. 3rd IFCA Symposium “Modelling and Control in Biomedical Systems”. 

University of Warwick, UK, 23-26 March, 1997. 

28/97 Kuklok, O.; M. Walter; A. Aschoff; S. Leonhardt (1997). Untersuchung der statischen 

und dynamischen Eigenschaften von Hirndrucksensoren. Forschungsbericht LEO I/97 

32/97 Leonhardt, S.; P. Ahrens; D. Hofmann; R. Isermann (1997). Signal analysis and di-

80 


agnostic support based on infant tidal breathing patterns. IEEE/EMBS 19th Annual Int. 

Conference, Chicago, USA, 30.10.-2.11.1997. 

35/97 Leonhardt, S., P. Ahrens, D. Hofmann, R. Isermann (1997). A decision support system 

for lung function diagnosis in infants. CEP, Vol. 5, No. 10, pp. 1355-1361. 

48/97 Walter, M.; P. Wabel; A. Aschoff; W.L. Steudel; S. Leonhardt (1997). Qualitätskontrolle 

von Shuntsystemen - Ein Prüfstand zur automatisierten Testung von Liqiordrainagesystemen. 

31. Jahrestagung der Deutschen Gesellschaft für Biomedizinische 

Technik e.V. (BMT´97), München, 22.10. - 24.10.1997. 

49/97 Neumann, K.; S. Leonhardt; M. Walter, M. Kiefer; W.I. Steudel; R. Isermann (1997), 

Verfahren zur Analyse des Hirndrucksignales. 31. Jahrestagung der Deutschen Gesellschaft 

für Biomedizinische Technik e.V. (BMT´97), München, 22.10. - 24.10.1997. 

50/97 Leonhardt, S.; P. Kloke; A. Vukotich; P. Ahrens (1997). Konzepte für die Diagnoseunterstützung 

bei der Ruheatmungsspirometrie von Säuglingen. 31. Jahrestagung der 

Deutschen Gesellschaft für Biomedizinische Technik e.V. (BMT´97), München, 22.10. 

- 24.10.1997. 

72/97 Wickel, J.; S. Leonhardt (1997). Ein Modell des menschlichen Blutglucosestoffwechsels. 

Forschungsbericht Leo II/97. 

g) Mechatronische Systeme 

Mechatronic systems 

8/96 Isermann, R. (1996). Mechatronic Systems - With Applications for Cars - 13th IFAC 

World Congress, San Francisco, USA, 30 June - 5 July, 1996. 

21/96 Isermann, R. (1996). On the Design and Control of Mechatronic Systems - A Survey. 

IEEE Transactions on Industrial Electronics. Vol 43, No. 1, pp. 4-15. 

34/96 Isermann, R. (1996). Modeling and Design Methodology for Mechatronic Systems. 

IEEE/ASME Transactions on Mechatronic Systems. Vol.1, No. 1, pp.16 -28. 

35/96 Isermann, R. (1996). Mechatronische Systeme - Eine Einführung - GMA-Kongreß 

"Meß- und Automatisierungstechnik ´96", Baden-Baden, 9.-11. Sept. 1996 

50/96 Isermann, R.; J. Bußhardt (1996). Selbsteinstellende Radaufhängung. at - Automatisierungstechnik 

44 (1996) 7, S. 351 - 358. 

51/96 Isermann, R. (1996). Towards intelligent mechatronic systems. Research in Engineering 

Design (1996) 8, S. 139 - 150. 

64/96 Isermann, R. (1996). Information processing for mechatronic systems. Robotics and 

Autonomous Systems 19 (1996), pp. 117-134. 

9/97 Bußhardt, J. (1997). Neue Feder-Dämpfer-Systeme für Kraftfahrzeuge. THD-intern 1/97 

14/97 Isermann, R. (1997). Mechatronik - Symbiose dreier Disziplinen. VDMA Maschinenbau 

Nachrichten 02-97, S. 15-18. 

22/97 Isermann, R, (1997). Mechatronic Systems - A challenge for control engineering - 

(Plenary-Lecture). American Control Conference (ACC), Albuquerque, USA, Juni


1997. 

24/97 Isermann, R. (1997). Mechatronic systems for machines and automobiles. 1997 

IEEE/ASME International Conference on Advanced Intelligent Mechatronics, June 16- 

20, 1997, Waseda University, Tokyo, Japan. 

43/97 Isermann, R. (1997). Mechatronische Systeme. VDI/VDE GMA Jahrbuch 1997, S. 65- 

89.

82 

3.2 Fachgebiet Regelsystemtheorie und Robotik 

Laboratory of Control Systems Theory and Robotics 

Grobe Zielvorgaben 

linguistisch/graphisch 

Zerlegung in Teilziele/ 

Umplanung im Fehlerfall 

wissensbasiert 

Heuristiken/Erlernte Fähigkeiten 

wissensbasiert/datengetrieben 

konventionelle 

Ein- bzw Mehrgrößenregelungen 

externe/interne 

Multisensorik 

Benutzer 

redundante 

Aktorik 

Informationsverarbeitungshierarchie für 

flexible, weitgehend autonome Systeme 

FG Regelsystemtheorie und Robotik 

Die Zielsetzung des Fachgebiets Regelsystemtheorie und Robotik kann zusammenfassend 

mit Autonomie- und Flexibilitätserhöhung beschrieben werden. Dabei soll einerseits 

die Beherrschung komplexer Anlagen für den regelungstechnisch wenig vorgebildeten 

Benutzer besser erschlossen werden, indem eine Kommunikation über 

linguistische bzw. graphische Schnittstellen auf der Basis globaler Zielvorgaben möglich 

ist. Andererseits soll die Prozeßsteuerung/-regelung Fehlersituationen selbsttätig erkennen 

und behandeln können. Ansätze in dieser Richtung erfordern eine ausreichende 

Sensorik zur Situationserkennung, eine an der menschlichen Informationsverarbeitung 

zumindest in den oberen Ebenen orientierte Steuerungs- und Regelungshierarchie und 

eine jeweils geeignet konfigurierbare redundante Aktorik. 

Eine erfolgreiche Inangriffnahme der skizzierten Zielsetzung verlangt sowohl vertiefen-

FG Regelsystemtheorie und Robotik 83 

de Untersuchungen bezüglich der Infomationsverarbeitung als auch die experimentelle 

Verifikation an Beispielaufgaben. Dafür wurden einerseits die Robotik mit den Zielsetzungen 

bildverarbeitungsgestützter Handhabung durch Industrieroboter mit multisensoriellen 

Zwei- bzw. Mehrfingergreifern aber auch der seine Umwelt teilweise selbst 

erkundende, lernende Roboter ausgewählt und andererseits der Bereich der biotechnologischen 

Prozeßführung. Als unmittelbare Anwendungen können die Demontage im 

Automobil- und Elektronikbereich, die autonome Müllverdichtung, die Behandlung von 

Sonderbetriebszuständen in Fertigungszellen, die optimale Führung von Fermentationen 

und die selbstkonfigurierende Texturanalyse in der Qualitätsicherung genannt werden. 

Modellgewinnung 

durch Genetisches Künstliche 

Programmieren Intelligenz 

lernende Verbesserung 

von Kfz Fahrverhalten 

lernende Methoden 

zur Bioprozeßführung 

Robotik 

Mehrfingergreifer 

Hand-Arm-Auge 

Koordination 

Zweiarmkoordination 

Servicerobotik 

autonome Demontage 

Bildverarbeitung 

Schwerpunkte der Arbeiten 1996/97 und ihre Vernetzung 

Qualitätssicherung 

Robot-Vision 

bildgestützte, 

autonome 

Navigation

84 

3.2.1 Lernende Systeme und künstliche Intelligenz 

Learning systems and artificial intelligence 

Modellbaukasten 

Modellblöcke 

u01 

u02 

Superblöcke 

− 

PT_1 

PT_1 P 

P P 

Vorwissen 

* 

Monod 

P 

Monod I 

Feste Teilmodelle 

y01 

y02 

* y01 

Variation 

Anfangspopulation 

Selektion 

Fitneßberechnung 

transparentes Prozeßmodell 


Transparente datengetriebene Modellbildung biotechnologischer Prozesse 

Transparent data driven modeling of biotechnical processes 

Dipl.-Ing. Peter Marenbach 

Förderung: TU Darmstadt, Kooperation mit BASF AG, Daimler Benz AG, B.R.A.I.N. 

GmbH 

Biotechnologische Verfahren kommen heute in vielen Bereichen wie Pharmazie, Ernährung, 

Feinchemie und Entsorgung zum Einsatz. Sie dienen zur Produktion von 

ÿ Medikamenten wie dem Insulin, 

ÿ Enzymen beispielsweise für die Käseproduktion 

ÿ Nahrungssupplementen wie Vitaminen 

oder auch zur Klärung unserer Abwässer. 

Biotechnische Reaktionen können zwischen einigen Stunden und Wochen dauern. Bei 

der Verfahrensentwicklung und -optimierung ist daher die Anzahl der Experimente 

aufgrund der Kosten und der angestrebten kurzen Entwicklungszeiten eingeschränkt. 

Vorteilhaft ist eine rechnergestützte Verfahrensbearbeitung, für die allerdings ein 

Modell, d.h. eine mathematische Beschreibung des Systems benötigt wird, die das reale 

Reaktionssystem nachvollziehbar beschreibt. 

Trainingsdaten 

Testdaten 

Nutzung von Vorwissen und Prozeßdaten für die 

datengetriebene Modellbildung mit SMOG 

Prozeßdaten


Wenn der Aufwand für eine analytische Erstellung mathematischer Modelle solcher 

komplexen nichtlinearen Prozesse nicht vertretbar ist, bieten sich datengetriebene 

Modellierungsmethoden an, die ein automatisiertes und damit zeit- bzw. kostensparendes 

Vorgehen ermöglichen. Der Begriff der datengetriebenen Modellbildung galt lange 

Zeit schon fast als Synonym für die Nachbildung von Prozeßverhalten mittels künstlicher 

neuronaler Netze. Neben den vielen positiven Aspekten dieser Methode, stellt der 

Mangel an Transparenz einen wesentlichen Nachteil dar, der dem praktischen Einsatz 

neuronaler Netze nicht selten im Wege steht. 

Das in diesem Projekt entwickelte evolutionäre Verfahren geht einen anderen Weg der 

datengetriebenen Modellbildung. Anstatt - wie beim neuronalen Netz - das Prozeßverhalten 

durch geeignete Einstellung numerischer Parameter innerhalb einer sehr 

allgemeinen Struktur nachzubilden, wird gezielt nach einer möglichst kompakten, sich 

auf die dominanten Effekte beschränkenden und dadurch nachvollziehbaren Modellstruktur 

gesucht. Dieses Prinzip ermöglicht eine interaktive Vorgehensweise, bei der der 

Modellierer auch bekannte bzw. nur vermutete Zusammenhänge direkt in die Modellbildung 

einbringen kann. 

Basierend auf dem Verfahren der Genetischen Programmierung wurde an der TU 

Darmstadt gemeinsam mit der BASF AG das Modellbildungswerkzeug SMOG (Structured 

MOdel Generator) zur datengetriebenen Erzeugung von Modellstrukturen entwickelt. 

Ein wesentliches Merkmal des dabei verfolgten Ansatzes ist, daß das Problem der 

Modellbildung in zwei Teilprobleme 

ÿ die Suche nach einer geeigneten Modellstruktur und 

ÿ die Suche nach den optimalen Parametern für eine generierte Modellstruktur 

zerlegt wird. Dabei wird für die Struktursuche ein evolutionärer Algorithmus verwendet, 

während für die Parameteroptimierung bewährte Standardverfahren zum Einsatz kommen. 

Lernende Kennfelder für Applikationen in der Automobilelektronik 

(Learning non-linear maps for applications in automotive electronics) 

Dipl.-Ing. Thorsten Ullrich 

Förderung: Deutsche Forschungsgemeinschaft, Robert Bosch GmbH 

Steigende Anforderungen an Sicherheit und Umweltverträglichkeit des Automobils

86 

Mss 

1000 

1000 

750 

500 

250 

0 

750 

500 

x1 

250 

0 

0 

250 

500 

x2 

750 

1000 

x2 

1000 

800 

600 

400 

200 


erfordern den Einsatz moderner Steuer- und Regelungskonzepte. Insbesondere im 

Bereich des Motormanagements begegnet man stark nichtlinearen und infolge von 

Verschleißeffekten zeitvarianten Prozessen. Die Realisierung nichtlinearer Regelungen 

ist allerdings mit hohem Kostenaufwand verbunden. Entwurf und Implementierung sind 

nur von Spezialisten, die detaillierte Kenntnisse über den konkreten Prozeß besitzen, 

durchführbar. Lernende Ansätze, etwa künstliche neuronale Netze, die anhand von 

Meßdaten und ggf. on-line am Prozeß trainiert werden, versprechen hier Vorteile. 

Abgesehen von der Verkürzung der Applikationsphase können durch on-line Training 

Verschleißeffekte sowie Fertigungstoleranzen kompensiert werden. Allerdings sind die 

Verfahren der künstlichen neuronalen Netze mit hohem Speicher- und Rechenaufwand 

verbunden und somit auf kostengünstiger Hardware (Mikrocontroller), die in Kraftfahrzeugen 

ausschließlich zur Verfügung steht, nicht realisierbar. 

In Steuergeräten nach dem Stand der Technik werden daher nichtlineare Zusammenhänge 

durch Rasterkennfelder, d.h. auf Gitterpunkten angeordnete Stützstellen, repräsentiert. 

Diese Verfahren sind effizient implementierbar, weisen jedoch einige Nachteile 

auf, die der Realisierung verbesserter Regelungen im Weg stehen: 

0 

0 200 400 600 800 1000 

Beispiel für ein automatisch generiertes Kennfeld mit optimierter 

Stützstellenverteilung 

• Aufgrund des exponentiellen Anstiegs des Speicherbedarfs mit der Eingangsdimension 

können nur zwei Einflußgrößen berücksichtigt werden. 

• Die Kennfelder stellen rein statische Nichtlinearitäten dar. Sie lassen sich somit 

für den stationären Betrieb optimieren, während in Übergangsphasen deutliche 

Regelabweichungen (bspw. Schadstoffausstoß) toleriert werden müssen. 

• Die Rasterstruktur ist für das on-line Training nur bedingt geeignet. Die Modifikation 

der Stützstellenverteilung ist grundsätzlich ausgeschlossen. Bei der An- 

x1


passung der freien Parameter (Stützstellenfunktionswerte) besteht die Gefahr der 

Instabilität infolge starker Kopplungen zwischen den einzelnen Parametern. 

Die Grundidee der im Rahmen des Forschungsprojektes entwickelten neuartigen Kennfeldstruktur 

ist die unregelmäßige - an den lokalen Informationsgehalt der nachzubildenden 

Nichtlinearität angepaßte - Verteilung der Stützstellen. Hierdurch wird eine Reduktion 

der zum Erreichen einer bestimmten Nachbildungsgenauigkeit erforderlichen Stützstellenzahl 

ermöglicht. Insbesondere können mehrdimensionale Abbildungen -und damit 

auch dynamische Nichtlinearitäten- bei vertretbarem Speicherbedarf realisiert werden. 

Das Training solcher Kennfelder kann sowohl durch Variation der Stützstellenverteilung 

als auch durch Anpassung der Funktionswerte erfolgen. Aufgrund der kleineren Zahl 

lokal anzupassender Parameter ist die Gefahr von Oszillationen weitaus geringer. Die 

entwickelten Verfahren werden zunächst in Rechnersimulationen erprobt. Zu einem 

späteren Zeitpunkt ist der Nachweis der Realisierbarkeit dieser Konzepte an einem 

realen Prozeß vorgesehen. 



Wissensbasierte und lernende Regelung biotechnologischer Prozesse 

Knowledge based and learning control of biotechnological processes 

Dr.-Ing. Kurt Dirk Bettenhausen 

Assoziativer VLSI-Prozessor zur schnellen Informations-/Stellsignalgenerierung 

Associative VLSI-Processor for fast generation of information or actuator signals 

Dr.-Ing. Walter Mischo 

Umsetzung abstrakter Bedieneranweisungen in komplexe Steuerprogramme für 

Fertigungssysteme 

Transformation of abstract user commands to complex control programs for manufacturing 

systems 

Dr.-Ing. Bernd Strege

88 

3.2.2 Robotik 

Robotic 


Integration von Farbbildverarbeitung und taktiler Geschicklichkeit für die Servicerobotik 

am Beispiel der robotergestützten Demontage elektronischer Geräte 

Integration of color image processing and tactile dexterity for service robotics with an 

application to robot assisted disassembly of electronic devices 

Dipl.-Ing. Karl-Heinz Hohm 

Förderung: TU Darmstadt, Sony Deutschland GmbH 

In den letzten Jahren verlagerte sich das Forschungsinteresse in der Robotik zunehmend 

von der Produktionsautomatisierung hin zur Servicerobotik. Die Hauptunterschiede 

liegen darin, daß im ersteren Fall das resultierende Produkt und im zweiten die eigentliche 

Tätigkeit im Mittelpunkt des Interesses steht. Darüber hinaus hat man es in der 

Produktion mit immer wiederkehrenden gleichförmigen Arbeitsabläufen in einer vornehmlich 

auf das technische System abgestimmten Umgebung zu tun, während in der 

Servicerobotik das System in der Lage sein muß, sich flexibel an ein für den Menschen 

bestimmtes Umfeld anzupassen oder auch mit Menschen in einem gemeinsamen Szenario 

zu agieren. Die im Rahmen dieses Projekts betrachtete Demontage elektronischer 

Geräte ist eine solche Aufgabe, bei der das Robotersystem mit Objekten arbeiten muß, 

die auf den Menschen abgestimmt und während des Gebrauchs möglicherweise beschädigt 

oder von ihm, z.B. bei Reparaturen, modifiziert worden sind. Daher können - 

soweit überhaupt vorhanden - Modelle (z.B. Konstruktionspläne) nur sehr bedingt 

verwendet werden, weshalb die Demontage nicht einfach als die Umkehrung der Montage 

angesehen werden kann. Daraus resultiert das Hauptproblem der Zustandsunsicherheiten, 

da a priori nur ein sehr eingeschränktes Umweltwissen vorhanden ist und das 

Szenario sich auch durch ausgeführte Aktionen während des Prozeßablaufs - teilweise 

auch unvorhersehbar - verändert. 

In einer großen Anzahl elektronischer Geräte befinden sich Module, die am Ende des 

Lebenszyklus des Gerätes noch völlig intakt sind und, z.B. ähnlich wie im KFZ-Bereich 

als Austauschteile oder auch für einfachere andere Produkte, weiterverwendet werden 

können. Im Hinblick auf die Bewahrung der Wertschöpfung ist daher eine möglichst 

zerstörungsfreie Demontage anzustreben. Aber auch im Falle einer "reinen Entsorgung" 

muß bei notwendigen Schadstoffentfrachtungen die Demontage zumindest bis zum


Erreichen eines ungefährlichen Produktzustands ebenfalls möglichst zerstörungsfrei 

erfolgen. Somit ist insgesamt eine hohe Flexibilität des Systems erforderlich. Das System 

muß in der Lage sein, mittels geeigneter Sensorik die notwendigen Informationen selbst 

aus der Umgebung zu beziehen, um zielgerichtete Aktionen planen und ausführen zu 

können. Diese Umwelterfassung geschieht, um möglichst flexibel agieren zu können, 

auf der Basis möglichst weniger, für den Problemkreis allgemein gültiger, a priori 

bekannter Informationen. Die in diesem Projekt eingesetzten Sensoren sind ein Farbbildverarbeitungssystem, 

unterstützt durch Distanzsensorik, zur globalen Szenenerfassung 

für die Aktionsplanung, sowie direkte und indirekte taktile Sensorik in einem entsprechend 

ausgestatteten Greifersystem zur Handhabung der Objekte. Zum Lösen von 

Verbindungen sind darüber hinaus weitere problemangepaßte Werkzeuge erforderlich. 

Basierend auf dem sensorgestützten Aufbau einer Umweltrepräsentation, die sich an den 

schematischen a priori Informationen orientiert, wird in der Aktionsplanungsphase 

versucht, interessierende Module eines Gerätes oder aber Verbindungselemente, die ihre 

unmittelbare Demontage verhindern, in der Szene zu lokalisieren. Entsprechend werden 

dann Maßnahmen zum Trennen von Verbindungen bzw. zum Herausnehmen interessierender 

Module eingeleitet. 

Automatische Demontage einer PC-Platine 

Um bei der Ausführung von Aktionen eine hohe Flexibilität zu erreichen, besitzt das

90 


System lediglich einfache Verhaltensregeln für charakteristische, grundlegende Situtationstypen. 

Durch deren Überlagerung in Fuzzy-Reglern entstehen auch komplexe 

Bewegungen sensorbasiert durch lokale Online-Planung. Die Überführung dieser 

Verhaltensmuster in Neuronale Netze soll ferner die Optimierung des lokalen Bewegungsverhaltens 

erlauben. Um es dem System darüber hinaus zu ermöglichen, aus 

"seinen Erfahrungen heraus" bei der Lösung wiederkehrender, ähnlicher Problemstellungen 

angepaßter und auch schneller handeln zu können, wurde eine Architektur 

entwickelt, die Trajektorien erfolgreicher Bewegungsabläufe in generische Bewegungssequenzen 

überführt, die dann als eine Art Vorsteuerinformation eingesetzt werden 

können. 

Die entwickelten Ansätze werden im Labor unter Verwendung eines Industrieroboters 

sowie der erwähnten Sensorik und Aktorik experimentell erprobt, um daraus Rückschlüsse 

für weitere Untersuchungen ableiten zu können. 



Lernende Zweiarmkoordination bei Robotern 

Learning control for two robots with cooperating arms 

Dr.-Ing. Christian von Albrichsfeld 

Lernende Regelung eines mehrfingrigen Robotergreifers 

Learning control of a multifingered robot gripper 

Dr.-Ing. Karl Kleinmann 

Robotergestützte flexible Demontage elektronischer Geräte 

Robot assisted flexible disassembly of electronic products 

Dr.-Ing. Alexandra Weigl


3.2.3 Bildverarbeitung 

Computer vision 

Echtzeit-Bildverarbeitung zur Qualitätssicherung gemischt texturierter Oberflächen 

Realtime vision systems for quality control of textured surfaces 

Dipl.-Ing. Georg Lambert 

Förderung: BMBF Projekt TEXAUGE in Kooperation mit der Firma ISRA Systemtechnik 

GmbH 

Der Einsatz von Bildverarbeitungssystemen für die Automatisierung der Sichtinspektion 

texturierter Oberflächen (z.B. mehrfarbig gewebter Stoff, Teppichboden, Dekorfolien 

usw.) gewinnt zunehmend an Bedeutung. Durch die Produkthaftungsgesetzgebung 

(DIN/ISO 9000), die eine vollständige Qualitätskontrolle und -dokumentation nach sich 

zieht, und aus wirtschaftlichen Gesichtspunkten sind Systeme zur computerunterstützten 

Qualitätssicherung (CAQ) in vielen Unternehmen nicht mehr wegzudenken. 

Da bei der Sichtinspektion von Bahnwaren meist mit hohen Produktionsgeschwindigkeiten 

schrittzuhalten ist, müssen neue Systemarchitekturen und schnelle Algorithmen 

entwickelt werden. Das Bild zeigt die Architektur eines Echtzeit-Bildverarbeitungssystems 

basierend auf der Konturextraktion und Vektorisierung (Polygon Approximati- 

Architektur eines Echtzeit-Bildverarbeitungssystems basierend auf der Analyse 

vektorisierter Konturen

92 


on) digitalisierter Grautonbilder. 

Da durch die in Echtzeit realisierte Konturvektorisierung eine extrem hohe Datenreduzierung 

erreicht wird, können nachgeschaltete, schnelle Algorithmen Konturbilder 

schritthaltend analysieren. 

Im Bereich bildpunktbasierter Texturanalyseverfahren können Echtzeitbedingungen 

durch abgestimmte Kombination schneller Prozessoren und geeigneter Algorithmen 

erreicht werden. Hier werden Ansätze verfolgt, die durch adaptive Verfahren zur Klassifikation 

(neuronale Ansätze) den Verfahrensblock der Merkmalsextraktion in der 

Standardbildverarbeitungskette minimieren bzw. eliminieren. 



Bildverarbeitung für Anwendungen in der Robotik 

Image Processing for Applications in the Field of Robotics 

Dr.-Ing. Matthias Seitz 

Selbstorganisierende, bildbasierte Umweltrepräsentationen für mobile Dienstleistungsroboter 

Selforganizing image-based environment representation for mobile servive robots 

Dr.-Ing. Georg von Wichert


3.2.4 Dissertationen 1996/1997 

Dissertations 1996/1997 

Amelung, Jörg (1996), Automatische Bildverarbeitung für die Qualitätssicherung. 

Darmstädter Dissertationen D17 

Bettenhausen, Kurt Dirk (1996). Automatische Struktursuche für Regler und Strecke 

- Beiträge zur datengetriebenen Analyse und optimierenden Führung komplexer 

Prozesse mit Hilfe evolutionärer Methoden und lernfähiger Fuzzy-Systeme. VDI 

Fortschritt-Bericht VDI Reihe 8 Nr. 574. Düsseldorf, VDI-Verlag 

Kleinmann, Karl (1996). Lernende Regelung eines mehrfingrigen Robotergreifers - 

Entwicklung echtzeitfähiger Methoden und Integration mit Industrieroboter und 

Bildverarbeitungssystem. Darmstädter Dissertationen D17 

Matthiesen, Jan (1996). Informationsverarbeitungsstrukturen zur Erhöhung der Roboterautonomie. 

VDI-Verlag 

Fortschritt-Berichte VDI Reihe 20 Nr. 200. Düsseldorf, 

Mischo, Walter S. (1997). Ein neuronaler Interpolationsspeicher für die lernende 

Regelung: Konzeptwahl und mikroelektronischer Entwurf. Fortschritt-Berichte 

VDI Reihe 9 Nr. 249. Düssedorf, VDI-Verlag 

Seitz, Matthias (1996). Untersuchungen zur Nutzung von Bildverarbeitung für Manipulationsaufgaben 

in der Robotik. Berichte aus der Automatisierungstechnik. 

Aachen, Shaker Verlag 

Strege, Bernd (1996). Automatische Generierung übersichtlicher Petrinetze und optimaler 

Abläufe durch Aufspaltung in eine vom Systemeingenieur zu implementierende 

Anlagenbeschreibung und eine vom Facharbeiter vorgebbare Anlagennutzung. 

Darmstädter Dissertationen D17 

Weigl, Alexandra (1997). Exemplarische Untersuchungen zur flexiblen automatisierten 

Demontage elektronischer Geräte mit Industrierobotern. Berichte aus der Automatisierungstechnik. 

Aachen, Shaker Verlag.

94 

3.2.5 Industriekontakte 

Contacts with industry 

Kontakte mit Firmen der: 

Anlagentechnik 

Raumfahrtindustrie 

Automobilindustrie 

Chemischen Industrie 

Roboterindustrie 

FG Regelsystemtheorie und Robotik


3.2.6 Technische Einrichtungen 

Technical equipment 

Robotersysteme 

1 Mobiler Roboter mit Bordrechner, CCD-Kamera und Ultraschall-Sensorsystem 

3 6-Achsen Industrie-Roboter mit Steuerung (Multiprozessor mit Dual-Port- 

RAM-Kopplung) 

2 mehrgelenkige, flexible Dreifingergreifer (9 Gelenke mit Sensorik, Eigenentwicklung) 

1 multisensorieller Parallelbackengreifer mit elektr. Antrieb (Eigenentwicklung) 

2 Parallelbackengreifer mit Pneumatikantrieb 

1 Datenhandschuh 

1 Space Mouse zum Verfahren der Roboter im Handbetrieb 

2 6-Achsen Kraft-Momentensensoren 

1 automatisches Fräswerkzeug 

1 Förderbandsystem 

Rechner 

8 PC Pentium 

21 SUN-SPARC Workstations 

Bildverarbeitungssysteme: 

VME-Bus Bildverarbeitungsrechner 68020 CPU und Slave-Prozessor 

VME-Bus Echtzeitrechner 68040 CPU 

Spezialhardware VECTEXzur Echtzeit-Kantenextraktion 

PC486 mit VD5- Bildverarbeitungskarte 

3 CCD-Flächenkameras 

1 CCD-RGB Farbkamera 

1 CCD-Zeilenkamera 

1 PC-Framegrabber Schwarz-Weiß 

1 PC-Framegrabber Farbe, PCI-Bus 

1 Videosignal-Funkübertragung (Sender und Empfänger)

96 

3.2.7 Veröffentlichungen 1996/97 

Publications 1996/97 


a) Lernende Systeme und künstliche Intelligenz 

Learning systems and artificial intelligence 

1/96 W. S. Mischo. How to Adapt in Neurocontrol: A Decision for CMAC. In R. Zbikowski 

and K. J. Hunt, editors, Neural Adaptive Control Technology, pages 285-314. World 

Scientific, 1996. 

3/96 W. S. Mischo. A CMAC-type Neural Memory for Control Applications. In E. Vittoz and 

J.-D. Nicoud, editors, Proc. of the 5th Int. Conf. on Microelectronic for Neural Networks 

and Fuzzy Systems -- MicroNeuro '96, pages 161-167. IEEE Computer Society Press, 

Los Alamitos, Ca., Washington, Brussels, TokyoLausanne, Schweitz, 1996. 

5/96 T. Ullrich and H. Tolle. Delaunay Networks for Modelling of Non-Linear Processes. In 

IASTED/ISMM International Conference Modelling and Simulation, pages 319-322, 

Pittsburgh, USA, April 1996. 

10/96 P. Marenbach, K. D. Bettenhausen and H. Tolle. Methods for a Transparent Development 

and Optimization of Biotechnological Processes. In J.J. Gertler, J.B. Cruz and M. 

Peshkin, editors, 13th IFAC World Congress, volume N, pages 449-454, San Francisco, 

CA, 1996. IFAC. 

11/96 P. Marenbach, K. D. Bettenhausen and S. Freyer. Signal Path Oriented Approach to 

Generation of Dynamic Process Models. In John R. Koza, David E. Goldberg, David B. 

Fogel and Rick L. Riolo, editors, Proc. 1st Conf. on Genetic Programming, pages 

327-332, Cambridge, MA, 1996. The MIT Press. 

12/96 T. Ullrich. Learning Nonlinear Maps in Automotive Applications. In IMACS/IEEE-SMC 

Multiconference on Computational Engineering in Systems Applications (CESA) -- 

Symposium on Control, Optimization and Supervision, volume 1, pages 428-433, Lille, 

France, July 1996. 

14/96 H. Tolle. On Open Problems in Neurocontrol. Mathematics Today, 32(7/8):110--115, 

August 1996. 

26/96 H. Pohlheim and P. Marenbach. Generation of structured process models using genetic 

algorithms. In T. Fogarty, editor, Proc. AISB'96 Workshop on Evolutionary Computing, 

volume 1143 of Lecture Notes in Computer Science, pages 102-109. Springer-Verlag, 

1996. 

27/96 S. Freyer, P. Marenbach and K. D. Bettenhausen. Generierung von Prozeßmodellen 

durch Genetic Programming. In Fachtreffen Computeranwendungen in der Chemischen 

Industrie, Wiesbaden, May 1996. DECHEMA Jahrestagung. 

1/97 T. Ullrich and H. Tolle. Modelling Nonlinear Characteristics using Hierarchical Delaunay 

Networks. In Proceedings of IMACS 2nd Mathmod, pages 769--774, Vienna, 

Austria, 1997.


2/97 M. Brown and T. Ullrich. Comparison of Node Insertion Algorithms for Delaunay 

Networks. In Proceedings of IMACS 2nd Mathmod, pages 775--780, Vienna, Austria, 

1997. 

4/97 K. D. Bettenhausen, S. Gehlen and P. Marenbach. Intelligente leittechnische Konzepte 

für die Bioverfahrenstechnik: Einsatz und Perspektiven an der TH Darmstadt. Automatisierungstechnik 

(at), 45(5):199-208, 1997. 

7/97 T. Ullrich. Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay-Netzen. 

Automatisierungstechnik (at), 45(5):236-244, 1997. 

9/97 T. Ullrich and H. Tolle. Delaunay-based Local Model Networks for Nonlinear System 

Identification. In M.H. Hamza, editor, IASTED International Conference on Applied 

Modelling and Simulation, pages 399-403, Banff, Canada, August 1997. 

11/97 P. Marenbach and M. Brown. Evolutionary versus Inductive Construction of Neurofuzzy 

Systems for Bioprocess Modelling. In 2nd Int. Conf. Genetics Algorithms in Engineering 

Systems: Innovations and Applications, number 446 in IEE Conference Publications, 

pages 320--325, Glasgow, UK, 1997. 

12/97 M. Willis, H. Hiden, P. Marenbach, B. McKay and G. Montague. Genetic Programming: 

An Introduction and Survey of Applications. In 2nd Int. Conf. Genetics Algorithms in 

Engineering Systems: Innovations and Applications, number 446 in IEE Conference 

Publications, pages 314--319, Glasgow, UK, 1997. 

13/97 K. D. Bettenhausen and P. Marenbach. SMOG: Evolutionäre Struktursuche für Prozeßmodelle. 

In 42. Int. Ilmenauer Wissenschaftliches Kolloquium, volume 3, pages 75--80, 

1997. 

16/97 H. Tolle, K. D. Bettenhausen and B. Strege. Vorgehensweisen zur Entwurfsautomatisierung 

des Übergangs Displayzugriff - Steuerungseingriff. In K.-P. Gärtner, editor, 

DGLR-Bericht 97-02: Menschliche Zuverlässigkeit, Beanspruchung und benutzerzentrierte 

Automatisierung, pages 127-140, 1997. 

18/97 T. Ullrich and M. Brown. Delaunay-based Nonlinear Internal Model Control. In J. 

Soldek, editor, International Conference on Applications of Computer Systems, pages 

387--394, Szczecin, Poland, November 1997. 

22/97 P. Marenbach, K. D. Bettenhausen, S. Freyer, U. Nieken and H. Rettenmaier. 

Data-driven Structured Modelling of a Biotechnological Fed-batch Fermentation by 

Means of Genetic Programming. Proc. of the Institution of Mechanical Engineers Part I, 

211:325-332, 1997.

98 


b) Robotik 

Robotic 

2/96 A. Weigl u. H. Tolle. Flexible robotergestützte Demontage von Elektronikgeräten. 

Thema Forschung, (1): 50-58, January 1996. 

4/96 A. Kurz. Constructing Maps for Mobile Robot Navigation Based on Ultrasonic Range 

Data. IEEE Transactions on System, Man and Cybernetics -- Part B: Cybernetics, 26(2): 

233-242, April 1996. 

6/96 K. Kleinmann, J.-O. Hennig, C. Ruhm and H. Tolle. Object Manipulation by a Multifingered 

Gripper: On the Transition from Precision to Power Grasp. In Proceedings of the 

13th IEEE International Conference on Robotics and Automation (ICRA'96), pages 

2761-2766, Minneapolis, USA, April 1996. 

7/96 M. Buss and K. Kleinmann. Multi-Fingered Grasping Experiments Using Real-Time 

Grasping Force Optimization. In Proceedings of the 13th IEEE International Conference 

on Robotics and Automation (ICRA'96), pages 1807-1812, Minneapolis, USA, April 

1996. 

8/96 K. Hohm, T. Felzer and P. Marenbach. Parameterized Temporal Sequences for Motor 

Control of a Robot System. In Proceedings of the 4th IEEE Mediterranean Symposium 

on New Directions in Control Automation (MSCA'96), pages 276-280, Maleme, Chania, 

Crete, Greece, 1996. 

9/96 M. Seitz and K. Kleinmann. Using Vision for Autonomous Object Manipulation: Towards 

Robotic Hand-Arm-Eye Coordination. In Proceedings of the IMACS Multiconference 

on Computational Engineering in Systems Applications (CESA'96), Symposium 

on Robotics and Cybernetics, pages 48-53, Lille, France, 1996. 

13/97 A. Weigl, M. Schwartz and K. D. Bettenhausen. A Flexible Motion Control Structure for 

Autonomous Robotic Disassembly. In R. Gill and C. S. Syan, editors, Proceedings of the 

12th International Conference on CAD/CAM Robotics and Factories of the Future, pages 

145-151, London, UK, August 1996. Middlesex University Press. 

16/96 C. Bonivento, C. Melchiorri and H. Tolle, editors. Advances in Robotics -- The ERNET 

Perspective (Proceedings of the ERNET Workshop). World Scientific, Darmstadt, 

Germany, 1996. 

17/96 A. Weigl, H. Tolle and A. Micheli. An Approach to Detect and Overcome Blocking 

Situations in Robotic Disassembly. In C. Bonivento, C. Melchiorri and H. Tolle, editors, 

Advances in Robotics -- The ERNET Perspective, pages 231-240, Darmstadt, Germany, 

1996. World Scientific. 

21/96 A. Weigl, K. Hohm and H. Tolle. A Flexible Tactile Grasping Strategy for Autonomous 

Robotic Disassembly. In Robotics towards 2000 - Proceedings of the 27th International 

Symposium on Industrial Robots (ISIR), pages 375-380, Milan, Italy, 1996. 

25/96 C. v. Albrichsfeld. Self-adjusting Active Compliance Controller for Two Cooperating 

Robots Handling a Flexible Object. In Proceedings of the World Automation Congress


(WAC '96), Robotic and Manufacturing Systems, volume 3, pages 765-770, Montpellier, 

Frankreich, 1996. 

28/96 V. Smejkal and A. Weigl. On New Kinematic Structures in Dexterous Robot Hand 

Design Considering Requirements for Flexible Automated Disassembly. In Proceedings 

of the International Congress on Machine Tools, Automation and Robotics in Mechanical 

Engineering (MATAR PRAHA'96), pages 77-83, Prag, Tschechische Republik, 

June 1996. 

30/96 H. Tolle. Learning Aspects for Mobile Service Robots. 1996. 

31/96 B. Strege, A. Weigl and A. Gros. Scheduling of Disassembly Cells Based on Timed 

Extended Controlled Petri Nets. International Journal of Flexible Automation and 

Integrated Manufacturing, 4(2), 1996 

8/97 T. Felzer, P. Hartmann, K. Hohm and P. Marenbach. Motor Sequence Processing with 

Artificial Learning System. In J. Mira, R. Moreno-Diaz and J. Cabestany, editors, Proc. 

Int. Work-Conf. on Artificial and Natural Neural Networks (IWANN '97), number 1240 

in Lecture Notes in Computer Science, Lanzarote, Spain, 1997. Springer. 

21/97 K. Hohm, A. Weigl, B. Krüger, M. Schwartz and H. Tolle. Using A Multisensory 

Gripper System For Robot Assisted Disassembly Of Electronic Devices. In Proceedings 

of the 2nd International IARP Workshop on Service and Personal Robots: Technologies 

and Applications, Genova, Italy, 1997. 

c) Bildverarbeitung 

Computer vision 

15/96 G. Lambert and J. Noll. Discrimination properties of invariants using the line moments 

of vectorized contours. In 13th International Conference on Pattern Recognition, volume 

2(Track B) of Pattern Recognition and Signal Analysis, pages 735-739, Vienna, Austria, 

August 1996. IEEE Computer Society Press. 

22/96 G. v. Wichert. Selforganizing Visual Perception for Mobile Robot Navigation. In 1st 

Euromicro Workshop on Advanced Mobile Robots (EUROBOT'96), pages 194-200, 

Kaiserslautern, Germany, 1996. IEEE Computer Society Press. 

5/97 G. Lambert, J. Amelung and E. Ersü. Konzepte zur Auslegung von 

6/97 

Echtzeit-Bildverarbeitungssystemen für die Qualitätssicherung am Beispiel der Inspektion 

von Texturen. Automatisierungstechnik (at), 45(5):209-217, 1997. 

A. Kurz and G. v. Wichert. Über die Autonome Kartierung der Umwelt durch Serviceroboter. 

Automatisierungstechnik (at), 45(5):218-225, 1997. 

14/97 G. v. Wichert. VISMOB: Aufbau und Nutzung selbstorganisierender, bildbasierter 

Umweltrepräsentationen für mobile Roboter. In P. Levi, Th. Bräunl and N. Oswald, 

editors, Autonome Mobile Systeme (AMS'97), Informatik aktuell, pages 84--94, Stuttgart, 

1997. Springer Verlag, Heidelberg. 

15/97 G. Lambert. Die Methode der Linienmomente zur konturbasierten

100 


Echtzeit-Bildverarbeitung und industrielle Anwendungen. at - Automatisierungstechnik, 

45(10):461-472, 1997. 

17/97 G. v. Wichert. Mobile Robot Localization Using a Selforganized Visual Environment 

Representation. In 2nd Euromicro Workshop on Advanced Mobile Robots (EURO- 

BOT'97), pages 29--36, Brescia, Italy, 1997. IEEE Computer Society Press. 

19/97 G. Lambert and F. Bock. Wavelet Methods for Texture Defect Detection. In Proc. of 

ICIP (Int. Conf. on Image Processing), volume 3, pages 201--204, Santa Barbara, Californien, 

October 1997. IEEE Signal Processing Society.

0LWDUEHLW EHL 9HUElQGHQ *HVHOOVFKDIWHQ =HLWVFKULIWHQ XQG EHVRQGHUH bPWHU 

0LWDUEHLW EHL 9HUElQGHQ *HVHOOVFKDIWHQ =HLW 

VFKULIWHQ XQG EHVRQGHUH bPWHU LQQHUKDOE GHU 78 

'DUPVWDGW 

0HPEHUVKLS LQ DVVRFLDWLRQV 

3URI 'U ,QJ 'U K F 5 ,VHUPDQQ 

78 'DUPVWDGW 

0LWJOLHG LP 6WlQGLJHQ $XVVFKX‰ I U )RUVFKXQJ XQG /HKUH 78 

0LWJOLHG GHV .RQYHQWV 

0LWJOLHG LP /HKU XQG 6WXGLHQDXVVFKX‰ (OHNWURWHFKQLN 

6SUHFKHU GHU 6WXGLHQULFKWXQJ 5HJHOXQJVWHFKQLN 

0LWJOLHG LP $UEHLWVNUHLV /XIWYHUNHKU 

'(&+(0$ 

0LWJOLHG GHV .XUDWRULXPV GHV .DUO :LQQDFNHU ,QVWLWXWHV )UDQNIXUW 

+HVVLFKHU 5XQGIXQN 

0LWJOLHG GHV 9HUZDOWXQJVUDWHV DOV WHFKQLVFKHU 6DFKYHUVWlQGLJHU 

,)$& ,QWHUQDWLRQDO )HGHUDWLRQ RI $XWRPDWLF &RQWURO 

9LFH 3UHVLGHQW VHLW -XOL 

&KDLUPDQ ([HFXWLYH %RDUG 

,QWHUQDWLRQDO 3URJUDP &RPLWWHHV ,)$& 6\PSRVLD 

.DUO XQG 0DULD %LHVLQJHU 6WLIWXQJ 

0LWJOLHG GHV .XUDWRULXPV 

9', 9'( *HVHOOVFKDIW I U 0H‰ XQG $XWRPDWLVLHUXQJVWHFKQLN 

0LWJOLHG GHV %HLUDWV 

9RUVLW]HQGHU GHV $XVVFKXVVHV ³gIIHQWOLFKNHLWVDUEHLW´ 

=HLWVFKULIWHQ 

$XVVFK VVH 

,QWHUQDWLRQDO -RXUQDO RI &RQWURO $VVRFLDWH (GLWRU 

,((( $60( 7UDQVDFWLRQV RQ 0HFKDWURQLF 6\VWHPV (GLWRU VHLW 

9', *0$ 8QWHUDXVVFKX‰ )X]]\ &RQWURO 0 )LVFKHU 2 1HOOHV 

9', *0$ $XVVFKX‰ 'LDJQRVHYHUIDKUHQ LQ GHU $XWRPDWLVLHUXQJVWHFKQLN 3 

%DOOp ' ) VVHO 

9', *0$ $XVVFKX‰ hEHUZDFKXQJ XQG 'LDJQRVH YRQ *HUlWHQ XQG $Q 

ODJHQ 3 %DOOp 

9', *0$ $XVVFKX‰ 1HXURQDOH 1HW]H 2 1HOOHV

0LWDUEHLW EHL 9HUElQGHQ *HVHOOVFKDIWHQ =HLWVFKULIWHQ XQG EHVRQGHUH bPWHU 

9', *0$ $XVVFKX‰ $GDSWLYH *HUlWH XQG 6\VWHPH $ )LQN 

9', *0$ $XVVFKX‰ 065 5HFKQHUZHUN]HXJH $ )LQN 

3URI 'U UHU QDW 'LSO ,QJ + 7ROOH 

(XURSHDQ &RPPLVVLRQ *XWDFKWHU 

(635,7 ,, 3URMHNW 1HXUDO $GDSWLYH &RQWURO 7HFKQRORJ\ 1$&7 

')* 6FKZHUSXQNWSURJUDPPH *XWDFKWHU 

$QDO\VH XQG 6\QWKHVH NRQWLQXLHUOLFK GLVNUHWHU WHFKQLVFKHU 6\VWHPH 

.21',6. 

$XWRQRPHV /DXIHQ 

(FKW]HLW 2SWLPLHUXQJ JUR‰HU 6\VWHPH 

78 'DUPVWDGW 

0LWJOLHG GHU 'LSORPSU IXQJVNRPLVVLRQ GHU )DFKEHUHLFKH GHU (OHNWUR 

WHFKQLN 

0LWJOLHG GHV .RQYHQWV 

=HLWVFKULIW DW $XWRPDWLVLHUXQJVWHFKQLN 

0LWJOLHG GHV %HLUDWHV 

=HLWVFKULIW $HURVSDFH 6FLHQFH DQG 7HFKQRORJ\ 

0LWJOLHG GHV %HLUDWV 

'HXWVFKH *HVHOOVFKDIW I U /XIW XQG 5DXPIDKUW 

6HQDWVPLWJOLHG 

9', 9'( *HVHOOVFKDIW I U 0H‰ XQG $XWRPDWLVLHUXQJVWHFKQLN 

6WHOOYHUWUHWHQGHU /HLWHU *0$ )DFKDXVVFKX‰ (QWZXUIVPHWKRGHQ I U 

ZLVVHQVEDVLHUWH OHUQHQGH XQG VHOEVWRUJDQLVLHUHQGH 6\VWHPH GHU 

,)$& 

$XWRPDWLVLHUXQJVWHFKQLN 

,QWHUQDWLRQDO )HGHUDWLRQ RI $XWRPDWLF &RQWURO 

0HPEHU RI WKH 7KHRU\ &RPPLWWHH 

0HPEHU RI WKH $HURVSDFH &RPPLWWHH 

,QWHUQDWLRQDO 1HXUDO 1HWZRUN 6RFLHW\ ,116 ,QWHUQDWLRQDO $VVRFLDWLRQ RI 6FLHQFH 

DQG 7HFKQRORJ\ IRU 'HYHORSPHQW ,$67(' 

$XVVFK VVH 

0LWJOLHG 

9', *0$ $XVVFKX‰ (QWZXUIVPHWKRGHQ I U ZLVVHQVEDVLHUWH OHUQHQGH XQG 

VHOEVWRUJDQLVLHUWH 6\VWHPH GHU $XWRPDWLVLHUXJVWHFKQLN 3 0DUHQEDFK 

9', *0$ $XVVFKX‰ 1HXURQDOH 1HW]H XQG (YROXWLRQlUHU $OJRULWKPHQ 3 

0DUHQEDFK

HKUYHUDQVWDOWXQJHQ 

/HKUYHUDQVWDOWXQJHQ 

/HFWXUHV :6 :LQWHUVHPHVWHU 66 6RPPHUVHPHVWHU 

/HKUYHUDQVWDOWXQJHQ GHV )DFKJHELHWHV 5HJHOV\VWHPWHFKQLN XQG 3UR]H‰DXWRPD 

WLVLHUXQJ 

/HFWXUHV /DERUDWRU\ RI &RQWURO 6\VWHPV (QJLQHHULQJ DQG 3URFHVV $XWRPDWLRQ 

5HJHOXQJVWHFKQLN ,D :6 ,VHUPDQQ 'URJLHV .HVVHO 

< *UXQGEHJULIIH ]XP 0HVVHQ 6WHXHUQ 5HJHOQ 

< 0RGHOOELOGXQJ G\QDPLVFKHU 6\VWHPH 

< 0DWKHPDWLVFKH %HKDQGOXQJ OLQHDUHU hEHUWUDJXQJVJOLHGHU $QWZRUW XQG hEHU 

WUDJXQJVIXQNWLRQHQ 3ROH XQG 1XOOVWHOOHQ %RGH 'LDJUDPP YHUVFKLHGHQH hEHU 

WUDJXQJVJOLHGHU 6WDELOLWlWVEHWUDFKWXQJHQ 

< /LQHDUH 5HJHONUHLVH *UXQGJOHLFKXQJHQ 6WDELOLWlW 

< 6\QWKHVH OLQHDUHU 5HJHOXQJHQ 5HJOHUVWUXNWXUHQ 5HJHOJ WHNULWHULHQ SDUDPHWHU 

RSWLPLHUWH 5HJOHU 

< *HUlWHWHFKQLVFKHU $XIEDX 5HJOHU 6WHOOHLQULFKWXQJHQ /HLWJHUlWH 

5HJHOXQJVWHFKQLN ,E :6 ,VHUPDQQ 1HOOHV 

< /|VHQ YRQ 'LIIHUHQWLDOJOHLFKXQJHQ PLW +LOIH GHU /DSODFH 7UDQVIRUPDWLRQ 

< $QDORJUHFKQHUJUXQGVFKDOWXQJHQ 

< )UHTXHQ]NHQQOLQLHQ 9HUIDKUHQ 

< 6WDELOLWlW JHVFKORVVHQHU 5HJHONUHLVH (UJlQ]XQJHQ 

< *UXQGODJHQ ]XU %HKDQGOXQJ OLQHDUHU $EWDVWV\VWHPH 'LIIHUHQ]HQJOHLFKXQJ 

< 

6KDQQRQVFKHV 7KHRUHP ] 7UDQVIRUPDWLRQ 6WDELOLWlWEHWUDFKWXQJHQ 

6\QWKHVH YHUPDVFKWHU 5HJHOXQJHQ +LOIVJU|‰HQ XQG 6W|UJU|‰HQDXIVFKDOWXQJHQ 

.DVNDGHQUHJHOXQJ 

'LJLWDOH 5HJHOV\VWHPH 66 ,VHUPDQQ 6FKPLGW :LOOLPRZVNL 

< 7KHRUHWLVFKH *UXQGODJHQ YRQ $EWDVW 5HJHOV\VWHPHQ =HLWGLVNUHWH )XQNWLRQHQ 

+DOWHJOLHG ] 7UDQVIRUPDWLRQ )DOWXQJVVXPPH ] hEHUWUDJXQJVIXQNWLRQ 6WDELOL 

WlWVEHWUDFKWXQJHQ (UJlQ]XQJHQ ]X 5HJHOXQJVWHFKQLN ,E 

< (QWZXUI YRQ 5HJHOXQJHQ I U GHWHUPLQLVWLVFKH 6W|UXQJHQ 3DUDPHWHURSWLPLHUWH 

.RPSHQVDWLRQV XQG 'HDGEHDW 5HJOHU =XVWDQGVUHJOHU PLW %HREDFKWHU 5HJOHU I U 

7RW]HLWSUR]HVVH 9HUJOHLFK YHUVFKLHGHQHU 5HJHOXQJHQ 

< )X]]\ 5HJHOXQJ


< 5HJHOXQJHQ I U VWRFKDVWLVFKH 6W|UXQJHQ 3DUDPHWHURSWLPLHUWH XQG 0LQLPDO 

9DULDQ] 5HJOHU 

< 9HUPDVFKWH 5HJHOXQJHQ 

,GHQWLILNDWLRQ G\QDPLVFKHU 3UR]HVVH 66 ,VHUPDQQ +DOIPDQQ +RO]PDQQ 

< 7KHRUHWLVFKH XQG H[SHULPHQWHOOH 0RGHOOELOGXQJ 

< ,GHQWLILNDWLRQ I U NRQWLQXLHUOLFKH 6LJQDOH 1LFKWSHULRGLVFKH 7HVWVLJQDOH )RXULHU 

DQDO\VH 

YHUIDKUHQ 

.HQQZHUWHUPLWWOXQJ 3HULRGLVFKH 7HVWVLJQDOH )UHTXHQ]JDQJPH‰ 

< ,GHQWLILNDWLRQ I U ]HLWGLVNUHWH 6LJQDOH 'HWHUPLQLVWLVFKH XQG VWRFKDVWLVFKH 6LJQD 

OH *UXQGEHJULIIH GHU 6FKlW]WKHRULH .RUUHODWLRQVDQDO\VH 

< 3DUDPHWHUVFKlW]YHUIDKUHQ 0HWKRGH GHU NOHLQVWHQ 4XDGUDWH +LOIVYDULDEOHQ 

< 

9HUJOHLFKH 6WUXNWXUHUPLWWOXQJ 

,GHQWLILNDWLRQ PLW N QVWOLFKHQ QHXURQDOHQ 1HW]HQ 

< ,GHQWLILNDWLRQ PLW 3UR]H‰UHFKQHUQ 

3UR]H‰DXWRPDWLVLHUXQJ MHGHV 66 ,VHUPDQQ ) VVHO 

< $XIJDEHQ GHU 3UR]H‰DXWRPDWLVLHUXQJ 7HLODXIJDEHQ *UXQGVWUXNWXUHQ KLVWRULVFKH 

(QWZLFNOXQJ 

< 6WHXHUXQJHQ .ODVVLILNDWLRQ NRPELQDWRULVFKH XQG VHTXHQWLHOOH 6WHXHUXQJHQ 

VSHLFKHUSURJUDPPLHUEDUH 6WHXHUXQJHQ 

< 5HJHOXQJHQ 

5HJHOXQJHQ 

.ODVVLILNDWLRQ 6WUXNWXUHQ =XVDW]IXQNWLRQHQ PRGHOOJHVW W]WH 

< hEHUZDFKXQJ .RQYHQWLRQHOOH 9HUIDKUHQ 0HWKRGHQ GHU )HKOHUHUNHQQXQJ 

< 

ZLVVHQVEDVLHUWH )HKOHUGLDJQRVH 

2SWLPLHUXQJ 6WDWLVFKHV 9HUKDOWHQ 2SWLPLHUXQJVYHUIDKUHQ 2Q OLQH 2SWLPLHUXQJ 

< 'LJLWDOH $XWRPDWLVLHUXQJVV\VWHPH 3UR]H‰OHLWWHFKQLN 

QHU %XV 6\VWHPH %HGLHQV\VWHPH 

6WUXNWXUHQ 3UR]H‰UHFK 

< =XYHUOlVVLJH XQG VLFKHUH $XWRPDWLVLHUXQJVV\VWHPH 9HUEHVVHUXQJ GHU =XYHUOlV 

VLJNHLW XQG 6LFKHUKHLW )HKOHUWROHUDQ] 5HGXQGDQ] 

'\QDPLN PHFKDWURQLVFKHU 6\VWHPH 

MHGHV 66 ,VHUPDQQ 6WUDN\ :HLVSIHQQLQJ 

< *UXQGODJHQ GHU 0RGHOOELOGXQJ G\QDPLVFKHU 6\VWHPH I U 3UR]HVVH PLW NRQ]HQ 

WULHUWHQ 3DUDPHWHUQ 

< 0RGHOOELOGXQJ PHFKDQLVFKHU 6\VWHPH XQG HOHNWULVFKHU $QWULHEH


< 0RGHOOELOGXQJ I U GDV hEHUWUDJXQJVYHUKDOWHQ YRQ 0DVFKLQHQ 

< ,GHQWLILNDWLRQ YRQ 6FKZLQJXQJVVLJQDOHQ 

< 0H‰WHFKQLN I U PHFKDQLVFKH *U|‰HQ 

< 0HFKDWURQLVFKH 6WHOOV\VWHPH $NWRUHQ 0LNURUHFKQHU I U PHFKDWURQLVFKH 6\VWH 

PH 

< *UXQGVWUXNWXUHQ $UFKLWHNWXUHQ PHFKDWURQLVFKHU 6\VWHPH 

< %HLVSLHOH PHFKDWURQLVFKHU 6\VWHPH +\GUDXOLVFKH XQG SQHXPDWLVFKH $QWULHEH 

HOHNWURQLVFK JHVWHXHUWH 'lPSIXQJ PHFKDQLVFKHU 6\VWHPH K\GUDXOLVFKHV 

$QWLEORFNLHU %UHPVV\VWHP 

$GDSWLYH 5HJHOV\VWHPH :6 /DFKPDQQ 

< *UXQGVWUXNWXU GHU 3UR]H‰OHQNXQJ 

< .ODVVLILNDWLRQ VHOEVWHLQVWHOOHQGHU DGDSWLYHU 5HJOHU GXDOHU 5HJOHU DGDSWLYHU 

< 

5HJOHU PLW %H]XJVPRGHOO DGDSWLYHU 5HJOHU QDFK GHP 6HSDUDWLRQVSULQ]LS 

=HLWGLVNUHWH OLQHDUH 3UR]H‰PRGHOOH $EWDVWUHJHONUHLV ] hEHUWUDJXQJVIXQNWLRQ 

OLQHDUH 'LIIHUHQ]HQJOHLFKXQJ =XVWDQGVUDXPPRGHOO 6W|UVLJQDOPRGHOO 

< $GDSWLYH 5HJOHU QDFK GHP 6HSDUDWLRQVSULQ]LS 

‡ 3UR]H‰LGHQWLILNDWLRQ UHNXUVLYH 3DUDPHWHUVFKlW]YHUIDKUHQ *OHLFKZHUWVFKlW 

]XQJ 

‡ *HHLJQHWH GLJLWDOH 5HJHODOJRULWKPHQ .RPSHQVDWLRQV 'HDGEHDW 0LQLPDO 

9DULDQ] 3,' =XVWDQGV 5HJOHU 

‡ $GDSWLYHU 5HJOHUNUHLV H[SOL]LWH LPSOL]LWH .RPELQDWLRQ 8QWHUVXFKXQJ GHV 

*HVDPWYHUKDOWHQV 

< $GDSWLYHU 5HJOHU PLW %H]XJVPRGHOO 

‡ /LDSXQRY (QWZXUI ]ZHLWH GLVNUHWH 0HWKRGH YRQ /LDSXQRY (QWZXUIVEHL 

VSLHO 

'LJLWDOH 6LPXODWLRQ G\QDPLVFKHU 6\VWHPH 66 6FKXPDQQ 

< *UXQGEHJULIIH GHU 6LPXODWLRQVWHFKQLN 5HDOLVLHUXQJ YRQ 0RGHOOHQ *UXQG 

< 

EHJULIIH GHU 0RGHOOELOGXQJ 'DUVWHOOXQJ G\QDPLVFKHU 3UR]H‰PRGHOOH VLPXOD 

WLRQVJHUHFKWH 0RGHOOGDUVWHOOXQJ 

0RGHOOH G\QDPLVFKHU 6\VWHPH 6LPXODWLRQVWHFKQLNHQ 7UDQVLWLRQVPDWUL[YHUIDK 

UHQ (LQVFKULWWYHUIDKUHQ 0HKUVFKULWWYHUIDKUHQ /|VXQJVYHUIDKUHQ I U VSH]LHOOH 

0RGHOOW\SHQ )HKOHUTXHOOHQ EHL GHU QXPHULVFKHQ ,QWHJUDWLRQ :DKO GHU 6FKULWW 

ZHLWH 

< 1XPHULVFKH ,QWHJUDWLRQVYHUIDKUHQ


< 5HFKQHUZHUN]HXJH I U GLH 6LPXODWLRQ 6LPXODWLRQVVSUDFKHQ UHFKQHUJHVW W]WH 

6LPXODWLRQVVSUDFKHQ /HLVWXQJVPHUNPDOH YRQ 6LPXODWLRQVV\VWHPHQ 

< $QZHQGXQJVEHLVSLHOH 

PRWRUV 

=XVWDQGVYDULDEOHQILOWHUXQJ 6LPXODWLRQ HLQHV 'LHVHO 

,GHQWLILNDWLRQ QLFKWOLQHDUHU 6\VWHPH PLW N QVWOLFKHQ QHXURQDOHQ 1HW]HQ 

< (LQI KUXQJ LQ GLH :HOW GHU QHXURQDOHQ 1HW]H 66 1HOOHV 

< hEHUVLFKW EHU QHXURQDOH $UFKLWHNWXUHQ 

< 6WDWLVFKH QHXURQDOH 1HW]H 

< ,GHQWLILNDWLRQ G\QDPLVFKHU 6\VWHPH PLW QHXURQDOHQ 1HW]HQ 

< 1HXURQDOH 1HW]H PLW H[WHUQHU '\QDPLN 

< 1HXURQDOH 1HW]H PLW LQWHUQHU '\QDPLN 

< $QZHQGXQJHQ XQG SUDNWLVFKH 7LSV 

< $XVEOLFN QHXURQDOH 5HJHOXQJ 

5HJHOXQJVWHFKQLVFKH 0HWKRGHQ I U GLH 0HGL]LQWHFKQLN 66 /HRQKDUGW 

< 9RUEHPHUNXQJHQ 

'HU 0HQVFK DOV ELRORJLVFKHV 5HJHOV\VWHP 

9HUJOHLFK GHU 'HQN XQG $UEHLWVZHLVH YRQ bU]WHQ XQG ,QJHQLHXUHQ 

< (LQI KUXQJ LQ GLH 3K\VLRORJLH XQG $QDWRPLH 

< 0RGHOOELOGXQJ SK\VLRORJLVFKHU 6\VWHPH XQG 5HJHONUHLVH 

< 0HGL]LQLVFKH 0H‰WHFKQLN 

< 7HFKQLVFKH 6\VWHPH I U GLH PHGL]LQLVFKH 7KHUDSLH 

< $QZHQGXQJ YRQ WHFKQLVFKHQ 0HWKRGHQ LQ GHU PHGL]LQLVFKHQ 'LDJQRVWLN 

5HJHOXQJVWHFKQLVFKHV 3UDNWLNXP , 66 ,VHUPDQQ 6FKDIIQLW 

0HVVXQJ YRQ )UHTXHQ]JlQJHQ XQG hEHUJDQJVIXQNWLRQHQ 

0HVVXQJ XQG 5HJHOXQJ YRQ 'XUFKIO VVHQ 

5HJHOXQJ SQHXPDWLVFKHU XQG K\GUDXOLVFKHU 6HUYRDQWULHEH 

5HJHOXQJ HLQHV 0DVVHQVFKZLQJHUV 

/DJHUHJHOXQJ HLQHV 0DJQHWVFKZHEHN|USHUV 

(OHNWURSQHXPDWLN 

6SHLFKHUSURJUDPPLHUEDUH 6WHXHUXQJ $PSHOVWHXHUXQJ 

3URJUDPPLHUXQJ GHV 0LNURSUR]HVVRUV 

'DWHQWHFKQLNHU 9HUVXFKH 

5HJHOXQJVWHFKQLNHU XQG DQGHUH DOOH 9HUVXFKH


0HVVXQJ YRQ )UHTXHQ]JlQJHQ XQG hEHUJDQJVIXQNWLRQHQ 

3UR]H‰ YHUVFKLHGHQH HOHNWURQLVFKH $QDORJVFKDOWXQJHQ 3 37 3, 3' 3,' 

� 

HWF 

HOHNWURPHFKDQLVFKHV 6WHOOJOLHG *OHLFKVWURPPRWRU PLW 5LHPHQDQWULHE 

)UHTXHQ]JDQJDQDO\VDWRU 3& 7UDQVSXWHU 6\VWHP SURJUDPPLHUW XQWHU 0DWODE 

,QKDOWH 

3ULQ]LS GHU )UHTXHQ]JDQJPHV 

VXQJ 

0H‰YHUIDKUHQ GHU RUWKRJRQDOHQ 

.RUUHODWLRQ 

)UHTXHQ]JDQJPHVVXQJ DQ HLQHP 

LQVWDELOHQ 6\VWHP 

2UWVNXUYHQ 

%RGH 'LDJUDPPH 

6WDELOLWlWVSU IXQJ LP %RGH 'LD 

JUDPP 

0HVVXQJ XQG 5HJHOXQJ YRQ 'XUFKIO VVHQ 

3UR]H‰ 'XUFKIOX‰PH‰DQODJH PLW .UHLVHOSXPSH 

6HQVRULN YHUVFKLHGHQH 9ROXPHQ]DKOHQ XQG 'XUFKIOX‰PHVVHU 

$NWRULN HOHNWUR SQHXPDWLVFKHU :DQGOHU 

SQHXPDWLVFKH 6WHOOYHQWLOH 

5HJOHU 

,QKDOWH 

3,' 5HJOHU 'LJLWDOH 5HJHOXQJ PLW &$'5(* 5HJHOXQJVSURJUDPP 

'XUFKIOX‰ XQG 0HQJHQPH‰YHU 

IDKUHQ 

0HVVXQJ YRQ 'XUFKIO VVHQ PLW 

YHUVFKLHGHQHQ 3ULQ]LSLHQ 9R 

OXPHQVWURP 0DVVHQVWURP 

9HUJOHLFK GHU 'XUFKIOX‰PH‰YHU 

IDKUHQ 

'UXFNUHJHOXQJ 5HJOHUHLQVWHO 

OXQJ QDFK =LHJOHU 1LFKROV 

,GHQWLILNDWLRQ 

VWUHFNH 

GHU 'UXFNUHJHO


5HJHOXQJ SQHXPDWLVFKHU XQG K\GUDXOLVFKHU 6HUYRDQWULHEH 

3UR]H‰ SQHXPDWLVFKHU XQG K\GUDXOLVFKHU /LQHDUDQWULHE )HVWR 

6HQVRULN /LQHDUSRWHQWLRPHWHU 

LQNUHPHQWDOH :HJDXIQHKPHU 

$NWRULN SQHXPDWLVFKH XQG K\GUDXOLVFKH 6HUYRYHQWLOH 

5HJOHU &RQWUROOHU 8&& GLJLWDOHV 5HJHOPRGXO ZLUG EHU VHULHOOH 6FKQLWW 

,QKDOWH 

VWHOOH YRP 3& DXV SURJUDPPLHUW 5HJOHUW\SHQ 3,' =XVWDQGVUHJOHU 

(LQI KUXQJ (LJHQVFKDIWHQ 

XQG 9HUJOHLFK HOHNWULVFKHU SQHXPD 

WLVFKHU XQG K\GUDXOLVFKHU $QWULHEH 

$XIEDX HLQHV IOXLGLVFKHQ 6HUYR 

DQWULHEV =\OLQGHU 9HQWLOH 

0RGHOOELOGXQJ GHV SQHXPDWL 

VFKHQ XQG K\GUDXOLVFKHQ /LQHDU 

DQWULHEV 

(LQI KUXQJ LQ 1& 3URJUDPPLH 

UXQJ I U &RQWUROOHU 3URJU 

5HJHOXQJ YRQ IOXLGLVFKHQ 6HUYR 

DQWULHEHQ 

5HJHOXQJ HLQHV 0DVVHQVFKZLQJHUV 

3UR]H‰ 0RWRU )HGHU 0DVVH 6\VWHP VFKZDFK JHGlPSIW 

6HQVRULN ,QNUHPHQWDOSRWHQWLRPHWHU 

$NWRULN 6\QFKURQPRWRU PLW /HLVWXQJVHOHNWURQLN 

5HJOHU 3& PLW 0DWODE 6LPXOLQN (FKW]HLWHUZHLWHUXQJ 3,' 5HJOHU 

,QKDOWH (LQI KUXQJ LQ 0DWODE 6LPXOLQN 

0RGHOOELOGXQJ XQG 6LPXODWLRQ 

HLQHV )HGHU 0DVVH 'lPSHU 6\V 

WHPV XQWHU 0DWODE 6LPXOLQN 

$XIQDKPH YRQ )UHTXHQ]JDQJ 

NHQQOLQLHQ GHV 0RWRU )HGHU 

0DVVH 6\VWHPV 

'lPSIXQJ 

5 FNI KUXQJ 

GXUFK HOHNWULVFKH 

5HJOHUV\QWKHVH )UHTXHQ]EHUHLFK


/DJHUHJHOXQJ HLQHV 0DJQHWVFKZHEHN|USHUV 

3UR]H‰ PDJQHWLVFKHU 6FKZHEHN|USHU 7 8 0 QFKHQ 

6HQVRULN HOHNWUR RSWLVFKH $EVWDQGVVHQVRULN 

$NWRULN VWURPJHUHJHOWHV 0DJQHWVSXOV\VWHP 

5HJOHU 

,QKDOWH 

3' 5HJOHU )X]]\ 5HJOHU EHU 3& 

0RGHOOELOGXQJ 

VFKZHEHV\VWHPV 

GHV 0DJQHW 

5HJHOXQJ HLQHV QLFKWOLQHDUHQ 

LQVWDELOHQ 3UR]HVVHV 

(LQI KUXQJ LQ GLH )X]]\ /RJLN 

)X]]\ 5HJHOXQJ 

9HUJOHLFK YRQ OLQHDUHQ 5HJOHUQ 

PLW )X]]\ 5HJOHUQ 

6WHXHUXQJ HLQHV GLVNUHWHQ 7UDQVSRUW 3UR]HVVHV PLW HOHNWURSQHXPDWLVFKHQ 

.RPSRQHQWHQ 

3UR]H‰ HOHNWURSQHXPDWLVFKH 9HUWHLOHUVWDWLRQ ]XP 6RUWLHUHQ YRQ :HUNVW FNHQ 

)HVWR 

6HQVRULN RSWLVFKHU 6HQVRU ]XU (UNHQQXQJ GHU :HUNVW FNH 

$NWRULN HOHNWURSQHXPDWLVFK JHVWHXHUWHU 6FKZHQNDQWULHE 

636 

,QKDOWH 

)3& )HVWR SURJUDPPLHUEDU EHU 3& 

*UXQGODJHQ .ODVVLILNDWLRQ YRQ 

6WHXHUXQJVV\VWHPHQ 

(QWZXUI YRQ $EODXIVWHXHUXQJHQ 

)XQNWLRQVGLDJUDPP )XQNWLRQV 

SODQ 

3QHXPDWLVFKH .RPSRQHQWHQ 

9HQWLOH 'UXFNOXIW $QWULHEH =\ 

OLQGHU 

(LQI KUXQJ LQ GLH 636 

3URJUDPPLHUXQJ HLQHU 636 LQ $QZHLVXQJVOLVWH $:/


6SHLFKHUSURJUDPPLHUEDUH 6WHXHUXQJ HLQHU 9HUNHKUVDPSHO 

3UR]H‰ $PSHODQODJH 

636 $XWRPDWLVLHUXQJVJHUlW 6LHPHQV $* 3URJUDPPLHUJHUlW 3* 

,QKDOWH 

*UXQG] JH GHU 6WHXHUXQJVWHFK 

QLN 

.ODVVLILNDWLRQ YRQ 6WHXHUXQJHQ 

(LQI KUXQJ LQ GLH 3URJUDPPLHU 

VSUDFKH 67(3 

(QWZXUI YRQ 9HUNQ SIXQJVVWHXH 

UXQJHQ =XVWDQGVWDEHOOHQ XQG 

GLDJUDPPH 

3URJUDPPLHUXQJ GHV 0LNURSUR]HVVRUV 

3UR]H‰ 6FKULWWPRWRU 

*O KELUQH 

DQDORJH 37 6WUHFNH DOV HOHNWURQLVFKH 6FKDOWXQJ 

� 

5HJOHU 3 5HJOHU I U 37 6WUHFNH 

� 

,QKDOWH 

$XIEDX HLQHV 0LNURUHFKQHUV 

0LNURSUR]HVVRUV 

3URJUDPPLHUXQJ GHV 0LNURSUR 

]HVVRUV hEXQJHQ 

'DUVWHOOXQJ YRQ =DKOHQ =ZHLHU 

.RPSOHPHQW 

(UVWHOOXQJ YRQ )OX‰GLDJUDPPHQ 

0HVVHQ 6WHXHUQ 5HJHOQ PLW HL 

QHP 0LNURSUR]HVVRU 

D 6WHXHUXQJ HLQHV 6FKULWWPRWRUV 

E 0HVVHQ GHV ]HLWOLFKHQ :LGHUVWDQGVYHUODXIV HLQHU *O KELUQH 

F 5HJHOXQJ HLQHU 37 6WUHFNH 

�


/HKUYHUDQVWDOWXQJHQ GHV )DFKJHELHWHV 5HJHOV\VWHPWKHRULH XQG 5RERWLN 

/HFWXUHV 'HSDUWPHQW RI &RQWURO 6\VWHPV 7KHRU\ DQG 5RERWLFV 

5HJHOXQJVWHFKQLN ,, 66 7ROOH 

< :XU]HORUWVNXUYHQYHUIDKUHQ $QZHQGXQJ EHL NRQWLQXLHUOLFKHQ XQG EHL JHWDVWHWHQ 

6\VWHPHQ 

< 1LFKWOLQHDUH 5HJHONUHLVH 5HODLVVFKDOWXQJ =HLWYHUKDOWHQ 

< 1LFKWOLQHDUH 6WDELOLWlWVDQDO\VH 

%HVFKUHLEXQJVIXQNWLRQ $QDO\VH NRQWLQXLHUOLFKHU QLFKWOLQHDUHU .UHLVH $EWDVW 

IUHTXHQ] I U OLQHDUH JHWDVWHWH .UHLVH 

< $EVROXWH 6WDELOLWlW 3RSRY .ULWHULXP .UHLVNULWHULXP 

< 3KDVHQHEHQH I U 6\VWHPH 2UGQXQJ (LQI KUXQJ LQ GHQ =XVWDQGVUDXP 

< 

(LJHQYHNWRUHQ XQG 7UDMHNWRULHQ QLFKWOLQHDUH 6\VWHPH 

=XVWDQGVEHVFKUHLEXQJ OLQHDUHU 6\VWHPH 

1RUPDOIRUP =HLWO|VXQJ /DSODFH 7UDQVIRUPDWLRQ 6SHNWUDO]HUOHJXQJ 6WHXHUEDU 

NHLW %HREDFKWEDUNHLW 6WDQGDUGIRUPHQ (QWZXUI DXI HQGOLFKH (LQVWHOO]HLW 

< 5HJHOXQJ PLW =XVWDQGVUDXPPHWKRGHQ 

$QZHQGXQJVEHUHLFK %HREDFKWHU 3ROYRUJDEH (QWZXUI EHU TXDGUDWLVFKH * WH 

NULWHULHQ 

< =XVWDQGVUDXPDQVDW] I U QLFKWOLQHDUH 6\VWHPH 

XQG 0HWKRGH YRQ /MDSXQRY 6WDELOLWlWVDQDO\VH QDFK $L]HUPDQ 

< *UXQGODJHQ GHU )X]]\ 5HJHOXQJ XQG GHU OHUQHQGHQ 6\VWHPH 

< (LQI KUXQJ LQ 3HWUL 1HW]H HUHLJQLVGLVNUHWH 6\VWHPH 

2SWLPLHUXQJVYHUIDKUHQ :6 7ROOH 

< $XIJDEHQVWHOOXQJ 

< 6WDWLRQlUH 3UREOHPH 

/LQHDUH 3URJUDPPLHUXQJ G\QDPLVFKH 3URJUDPPLHUXQJ DQDO\WLVFKH %HKDQGOXQJ 

YRQ $XIJDEHQ RKQH 1HEHQEHGLQJXQJHQ DQDO\WLVFKH %HKDQGOXQJ YRQ $XIJDEHQ 

PLW 1HEHQEHGLQJXQJHQ *UDGLHQWHQYHUIDKUHQ ]XU QXPHULVFKHQ /|VXQJ YRQ 

< 

$XIJDEHQ PLW XQG RKQH 1HEHQEHGLQJXQJHQ HYROXWLRQlUH 9HUIDKUHQ 

'\QDPLVFKH 9RUJlQJH 

5HGXNWLRQ DXI HLQ VWDWLRQlUHV 3UREOHP RSWLPDOH 5HJHOXQJ 

3URJUDPPLHUXQJ RSWLPDOH 6WHXHUXQJ 

EHU G\QDPLVFKH 

< 9RUDXIJDEH DQDO\WLVFKH %HKDQGOXQJ GHU 2SWLPLHUXQJ YRQ ,QWHJUDONULWHULHQ


< 2SWLPDOH 6WHXHUXQJ $QDO\WLVFKH %HKDQGOXQJ DOOJHPHLQHU G\QDPLVFKHU 9RUJlQ 

JH 

< 6\QWKHVH 2SWLPDOH 6WHXHUXQJ 2SWLPDOH 5HJHOXQJ 

1XPHULVFKH /|VXQJ GHU DQDO\WLVFKHQ %HGLQJXQJVJOHLFKXQJHQ I U GLH RSWLPDOH 

6WHXHUXQJ *UDGLHQWHQYHUIDKUHQ ]XU GLUHNWHQ QXPHULVFKHQ %HUHFKQXQJ GHU 

RSWLPDOHQ 6WHXHUXQJ 

5HJHOXQJ YRQ 6\VWHPHQ PLW YHUWHLOWHQ 3DUDPHWHUQ 66 7ROOH 

< %HLVSLHOH I U $XIJDEHQVWHOOXQJHQ 

< $XIVWHOOXQJ GHU 6WUHFNHQJOHLFKXQJHQ XQG .ODVVLIL]LHUXQJ 

< 3ULQ]LSLHOOH (U|UWHUXQJ 

bKQOLFKNHLWHQ ]XU 5HJHOXQJ YRQ 6\VWHPHQ PLW NRQ]HQWULHUWHQ 3DUDPHWHUQ 

< 5HJHOXQJ YRQ 6WUHFNHQ PLW YHUWHLOWHQ 3DUDPHWHUQ 

5HJHOXQJ HLQHV GLVNUHWHQ :HUWHV 5HJHOXQJ LQ PHKUHUHQ GLVNUHWHQ 3XQNWHQ 

PRGDOH 5HJHOXQJ 

0HKUJU|‰HQUHJHONUHLVV\WHPH 66 7ROOH 

< *UXQGODJHQ 

3 XQG 9 NDQRQLVFKH 6WUXNWXU .RSSHOHLQIO VVH 

< 'LUHNWH 6\QWKHVH 

$OOJHPHLQHU $QVDW] YROOVWlQGLJH (QWNRSSOXQJ QlKHUXQJVZHLVH (QWNRSSOXQJ 

< 9HUDOOJHPHLQHUXQJ GHU 1\TXLVWRUWVNXUYHQ 

,QYHUVHV 1\TXLVWGLDJUDPP GLDJRQDOH 'RPLQDQ] (QWZXUI QDFK 5RVHQEURFN 

< 1LFKWOLQHDULWlWHQ EHL GLDJRQDOHU 'RPLQDQ] 9HUDOOJHPHLQHUXQJ GHU %HVFKUHL 

EXQJVIXQNWLRQ GHV 3RSRY .ULWHULXPV GHV .UHLVNULWHULXPV 

< 5HJHONUHLVHQWZXUI QDFK 0D\QH +RURZLW] 'R\OH 6WHLQ + � (QWZXUI 

< 6WUXNWXUXQWHUVXFKXQJHQ LP =XVWDQGVUDXP 

6LJQDOIOX‰ELOG JHRPHWULVFKHU $QVDW] DOJHEUDLVFKHU $QVDW] 

< 9ROOVWlQGLJH =XVWDQGVU FNI KUXQJ 

3ROYRUJDEH (QWNRSSOXQJ QLFKWGLDJRQDOH hEHUWUDJXQJVPDWUL]HQ 

< 7HLOZHLVH =XVWDQGVU FNI KUXQJ 

$XVJDQJVYHNWRUU FNI KUXQJ UHGX]LHUWH %HREDFKWHU 

< 5REXVWH 5HJHOXQJ 

6W|UJU|‰HQDXIVFKDOWXQJ LQQHUH 0RGHOOH (QWZXUI EHU * WHNULWHULHQ


9HUWLHIXQJ ]XU (LQJU|‰HQUHJHONUHLVV\QWKHVH 66 7ROOH 

< =XVDPPHQKDQJ %HWUDJ 3KDVH EHL SKDVHQPLQLPDOHQ 6\VWHPHQ 

< (QWZXUIVSUREOHPDWLN I U QLFKWSKDVHQPLQLPDOH 6\VWHPH 

< 5HJHOXQJ YRQ 7RW]HLWVWUHFNHQ 

< %HU FNVLFKWLJXQJ YRQ 6WHOOJOLHGEHJUHQ]XQJHQ LP %RGH 'LDJUDPP 

< 9HUDOOJHPHLQHUWHV %RGH 'LDJUDPP 

< 'HXWXQJ GHV =XVWDQGVUDXPHQWZXUIV LP )UHTXHQ]EHUHLFK 

< 5REXVWHU (QWZXUI QDFK +RURZLW] 6LGL 

< (QWZXUI EHU * WHYHNWRUHQ 

< (QWZXUI EHU 6WDQGDUGSRO\QRPH 

< (QWZXUI EH] JOLFK VFK|QHU 6WDELOLWlW 

< /HUQHQGH 5HJHOXQJHQ 

< 5HJHOXQJ PLW )X]]\ /RJLN $QVlW]HQ 

. QVWOLFKH ,QWHOOLJHQ] NRQQHNWLRQLVWLVFKH XQG DXWRQRPH 6\VWHPH .RQ]HSWH XQG 

$QZHQGXQJHQ LQ GHU $XWRPDWLVLHUXQJVWHFKQLN :6 7ROOH XQG 0LWDUEHLWHU 

< ([WHUQH 6HQVRULN %LOGYHUDUEHLWXQJ 

< ,QWHUQH 6HQVRULN 5HGXQGDQWH $NWRULN 

< /HUQNUHLVVWUXNWXUHQ 

< 1HXURQDOH $QVlW]H ,QWHUSRODWLRQ 

< 1HXURQDOH $QVlW]H .ODVVLILNDWLRQ 

< %HGLHQHUVFKQLWWVWHOOH 1HXUR )X]]\ 5HJOHU 

< 3UR]H‰DQDO\VH *HQHWLVFKH 3URJUDPPLHUXQJ 

< :LVVHQVEDVLHUWH ,QIRUPDWLRQVYHUDUEHLWXQJ $EODXISODQXQJ 

< 3HWULQHW]YHUWLHIXQJ 6FKHGXOLQJ 

< $XWRQRPH 6\VWHPH 

7HFKQLVFKH %LOGYHUDUEHLWXQJ 66 /DPEHUW 

< ,QWHJUDWLRQ YRQ *UXQGODJHQZLVVHQ DXV GLYHUVHQ *HELHWHQ 

< +DUGZDUH .DPHUDV )UDPHJUDEEHU 5HFKQHU %HOHXFKWXQJ 2SWLN 

< 6RIWZDUH 5HFKHQNRPSOH[LWlW *HVFKZLQGLJNHLW 6SHLFKHUDXIZDQG 

< :HUN]HXJH GHU %LOGYHUDUEHLWXQJ %9 

SKRORJLVFKH 2SHUDWRUHQ 

)LOWHU ))7 3\UDPLGHQ :DYHOHWV 0RU 

< .RPSOH[H 2SHUDWLRQHQ GHU %9 

HUNHQQXQJ 

%LOGYHUEHVVHUXQJ 6HJPHQWLHUXQJ 2EMHNW

9RQ GHU %9 ]XP LQWHOOLJHQWHQ %9 6\VWHP 

< (QWVFKHLGXQJVILQGXQJ .ODVVLILNDWLRQ SDUDPHWULVFK QHXURQDO IX]]\ 

< )DUEELOGYHUDUEHLWXQJ 

< ([NXUVLRQ 

/HKUYHUDQVWDOWXQJHQ 

6HPLQDU 5RERWLN XQG N QVWOLFKH ,QWHOOLJHQ] :6 7ROOH XQG 0LWDUE 

< (LQI KUXQJ LQ .LQHPDWLN XQG '\QDPLN YRQ ,QGXVWULHURERWHUQ 

< (LQI KUXQJ LQ GLH 0HWKRGHQ GHU %LOGYHUDUEHLWXQJ 

< 3URMHNWH XQG MlKUOLFK ZHFKVHOQGH (LQ]HOWKHPHQ 

3URMHNWVHPLQDU . QVWOLFKH ,QWHOOLJHQ] 5RERWLN XQG %LOGYHUDUEHLWXQJ 

< . QVWOLFKH ,QWHOOLJHQ] *UXQGODJHQYRUOHVXQJ 7ROOH XQG 0LWDUE 

< 5RERWLN *UXQGODJHQYRUOHVXQJ 

< %LOGYHUDUEHLWXQJ *UXQGODJHQYRUOHVXQJ 

< 3URMHNWH LQ .OHLQJUXSSHQ 

%ORFNVHPLQDU 3URJUDPPLHUHQ LQ & I U GLH $XWRPDWLVLHUXQJVWHFKQLN 

< *UXQGODJHQ GHU 6RIWZDUHHQWZLFNOXQJ 

(LQI KUXQJ LQ GLH 3URJUDPPLHUVSUDFKH & 

2EMHNWRULHQWLHUWHV 3URJUDPPLHUHQ PLW & 

1HW]ZHUNH 

7ROOH XQG 0LWDUE 

< $QZHQGXQJHQ 

6WHXHUXQJ YRQ ,QGXVWULHURERWHUQ 

,QGXVWULHOOH %LOGYHUDUEHLWXQJ 

5HJHOXQJVWHFKQLVFKHV 3UDNWLNXP ,, :6 7ROOH +lQVOHU 

3HWUL 1HW]H 

3HWUL 1HW]H XQWHUVW W]HQ HLQH GXUFKJlQJLJH (QWZXUIVPHWKRGLN I U GLH 6SH]LILNDWLRQ XQG 

6LPXODWLRQ VRZLH ]XU 6\QWKHVH YRQ 6WHXHUXQJHQ ]XU $XWRPDWLVLHUXQJ NRPSOH[HU 

HUHLJQLVGLVNUHWHU 6\VWHPH ,P 5DKPHQ GHV 3UDNWLNXPVYHUVXFKV ZLUG GLH LQ GHU 9RUOH 

VXQJ 5HJHOXQJVWHFKQLN ,, HLQJHI KUWH 7KHRULH GHU 3HWUL 1HW]H YHUWLHIW 'LH I U GLH 

SUDNWLVFKH $QZHQGEDUNHLW GLHVHU 0HWKRGH ZLFKWLJHQ $VSHNWH GHU +LHUDUFKLVLHUXQJ XQG 

6WUXNWXULHUXQJ ZHUGHQ HEHQVR EHKDQGHOW ZLH GLH (UZHLWHUXQJ DXI ]HLWEHZHUWHWH 1HW]H 

GLH LQVEHVRQGHUH EHL GHU $XWRPDWLVLHUXQJ YHUIDKUHQVWHFKQLVFKHU 3UR]HVVH HLQH ZLFKWLJH 

5ROOH VSLHOHQ =XU JUDSKLVFKHQ .RQVWUXNWLRQ XQG 6LPXODWLRQ GHU LP 9HUVXFK EHKDQGHO


WHQ 3HWUL 1HW]H ZHUGHQ GLH 7HLOQHKPHU PLW GHP 6RIWZDUH :HUN]HXJ 6\VWHP6SHFV 

YHUWUDXW JHPDFKW 

5HJHOXQJ HLQHU 9HUODGHEU FNH 

$QKDQG GHV %HLVSLHOSUR]HVVHV 9HUODGHEU FNH ZHUGHQ GLH LQ GHU 9RUOHVXQJ 5HJH 

OXQJVWHFKQLN ,, YHUPLWWHOWHQ *UXQGODJHQ ]XP (QWZXUI YRQ =XVWDQGVUHJHOXQJHQ DQJH 

ZDQGW XQG YHUWLHIW 'HU (QWZXUI XQG GLH (LJHQVFKDIWHQ YRQ YROOVWlQGLJHQ XQG UHGX]LHU 

WHQ %HREDFKWHUQ ZHUGHQ GHWDLOOLHUW EHKDQGHOW VRZLH GLH (LQIO VVH GHU /LQHDULVLHUXQJ XQG 

YRQ 3DUDPHWHUXQVLFKHUKHLWHQ YDULLHUHQGH /DVWPDVVH GLVNXWLHUW 'DU EHUKLQDXV EH 

KDQGHOW GHU 9HUVXFK GHQ (QWZXUI YRQ )X]]\ 5HJOHUQ 'LHVH ZHUGHQ KLQVLFKOLFK GHV 

(QWZXUIVDXIZDQGHV XQG GHU DQ GHP QLFKWOLQHDUHQ 3UR]H‰ HUUHLFKWHQ 5HJHOJ WH PLW 

NRQYHQWLRQHOOHQ OLQHDUHQ (QWZXUIVPHWKRGHQ YHUJOLFKHQ ,P HUVWHQ 7HLO GHV 9HUVXFKV 

ZLUG HLQH 5HFKQHUVLPXODWLRQ PLW NRPIRUWDEOHU %HGLHQREHUIOlFKH YHUZHQGHW PLW GHUHQ 

+LOIH GLH JUXQGOHJHQGHQ ,QKDOWH HUDUEHLWHW ZHUGHQ $Q HLQHP UHDOHQ $XIEDX HLQHU 

9HUODGHEU FNH LP /DERUPD‰VWDE ZHUGHQ GLH HQWZRUIHQHQ 5HJOHU LP ]ZHLWHQ 9HUVXFKV 

WHLO SUDNWLVFK HUSUREW 

6HUYRQDFKODXIV\VWHPH 

1DFKODXIUHJHOXQJHQ ZHUGHQ LQ YLHOHQ WHFKQLVFKHQ $XVI KUXQJVIRUPHQ ]XU 5HJHOXQJ 

YRQ 0DVFKLQHQ DOOHU $UW LQ GHU ,QGXVWULH YHUZHQGHW ,P 3UDNWLNXPVYHUVXFK ZLUG HLQH 

1DFKODXIUHJHOXQJ I U HLQHQ HOHNWULVFKHQ $QWULHE LP /DERUPD‰VWDE XQWHUVXFKW +LHUEHL 

ZHUGHQ GLH LQ GHU 9RUOHVXQJ 5HJHOXQJVWHFKQLN ,, YHUPLWWHOWHQ ,QKDOWH ]XU %HKDQGOXQJ 

QLFKWOLQHDUHU 6\VWHPH LQ GHU 3KDVHQHEHQH DQJHZDQGW XQG ]XP (QWZXUI VWUXNWXUYDULDEOHU 

5HJHOXQJHQ VOLGLQJ PRGH FRQWURO JHQXW]W 'DU EHUKLQDXV ZLUG GLH 0HWKRGH GHU 

%HVFKUHLEXQJVIXQNWLRQ ]XU $QDO\VH GHV 6WDELOLWlWVYHUKDOWHQV QLFKWOLQHDUHU 6\VWHPH 

EHWUDFKWHW 'LH ,PSOHPHQWLHUXQJ GHU HQWZRUIHQHQ 5HJOHU HUIROJW GXUFK .RPELQDWLRQ 

DQDORJ UHDOLVLHUWHU )XQNWLRQVEO|FNH GLH GLH 9HUVXFKVWHLOQHKPHU ]X ZHLWHUI KUHQGHQ 

([SHULPHQWHQ LP 5DKPHQ GHV 9HUVXFKV QXW]HQ N|QQHQ 

< 6\VWHPLGHQWLIL]LHUXQJ 

< 0HVVXQJ VWDWLVWLVFKHU *U|‰HQ 

< 6LJQDODQJHSD‰WHV )LOWHU 0D[LPXP /LNHOLKRRG 7HVW 

9HUVXFKH ]XU 6LJQDOWKHRULH YHUDQWZRUWHW YRP )DFKJHELHW 7KHRULH GHU 6LJQDOH 3URI 'U ,QJ ( +lQVOHU


,QIRUPDWLRQVYHUDUEHLWXQJ LQ 1HUYHQV\VWHPHQ :6 *O QGHU 

< %LRORJLVFKH /|VXQJHQ YRQ ,QIRUPDWLRQVYHUDUEHLWXQJV $XIJDEHQ JUXQGOHJHQGH 

ELRORJLVFKH 3ULQ]LSLHQ 0HWKRGHQ GHU 1HXURZLVVHQVFKDIWHQ 

< 6\VWHP XQG VLJQDOWKHRUHWLVFKHU $QVDW] GHU ELRN\EHUQHWLVFKHQ 0HWKRGH 

6LJQDODXVWDXVFK ]ZLVFKHQ HLQ]HOQHQ 1HUYHQ]HOOHQ 6\VWHPDXVVDJHQ EHU 

< 

9HUDUEHLWXQJVSULQ]LSLHQ LQ =HOOYHUElQGHQ 

*HJHQ EHUVWHOOXQJ WHFKQLVFKHU XQG QHXURQDOHU 1HW]VWUXNWXUHQ 

< 'LVNXVVLRQ GHU 7KHPDWLN /HUQHQ DXI VWUXNWXUHOOHU (EHQH DOV XQ EHUZDFKWHV 

/HUQHQ 

< .RQ]HSWH ]XU (UNOlUXQJ VSH]LHOOHU VHQVRULVFKHU 6LJQDOYHUDUEHLWXQJVDXIJDEHQ 

< .RPPXQLNDWLRQ YRQ =HOOYHUElQGHQ 

< 6HQVRPRWRULVFKH 6FKQLWWVWHOOHQSUREOHPDWLN


([NXUVLRQHQ 

6WXG\ WULSV 

)DFKJHELHW 5HJHOV\VWHPWHFKQLN XQG 3UR]H‰DXWRPDWLVLHUXQJ 

0HUFHGHV %HQ] $* 6WXWWJDUW 8QWHUW UNKHLP 

)LUPD % UNHUW ,QJHOILQJHQ 

,77 $XWRPRWLYH (XURSH *PE+ )UDQNIXUW 

)DFKJHELHW 5HJHOV\VWHPWKHRULH XQG 5RERWLN 

$XGL ,QJROVWDGW 

'LHKO 1 UQEHUJ 

'$6$ 0 QFKHQ 

'DLPOHU %HQ] 8OP 

0HVVH $XVVWHOOXQJ 

([KLELWLRQ RQ )DLUV 

*U QGHUWDJH 'DUPVWDGW

6WDWLVWLN 

6WDWLVWLFV 

6WXGHQWHQ]DKOHQ 

6WXGLHQULFKWXQJ 57 

9RUOHVXQJ 57 ,D 

9RUOHVXQJ 57 ,E 

9RUOHVXQJ 57 ,, 

3UDNWLNXP 573 , 

3UDNWLNXP 573 ,, 

$EJHVFKORVVHQH 6WXGLHQ XQG 'LSORPDUEHLWHQ 

5HJHOV\VWHP 

WHFKQLN XQG 

3UR]H‰DXWRPDW 

5HJHOV\VWHP 

WKHRULH XQG 

5RERWLN 

'LVVHUWDWLRQHQ 

5HJHOV\VWHP 

WHFKQLN XQG 

3UR]H‰DXWRPDW 

5HJHOV\VWHP 

WKHRULH XQG 5R 

ERWLN 

6WDWLVWLN

INSTITUTSBERICHT 1998 - Regelungstechnik und Mechatronik ...

Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.

Template löschen?

Als Template speichern?