TU Darmstadt / ULB / TUprints

Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay-Netzen

Ullrich, Thorsten (2021)
Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay-Netzen.
In: at - Automatisierungstechnik, 1997, 45 (5)
doi: 10.26083/tuprints-00019499
Article, Secondary publication, Publisher's Version

[img]
Preview
Text
U-19499-10.1524_auto.1997.45.5.236.pdf
Copyright Information: In Copyright.

Download (3MB) | Preview
Item Type: Article
Type of entry: Secondary publication
Title: Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay-Netzen
Language: German
Date: 2021
Place of Publication: Darmstadt
Year of primary publication: 1997
Publisher: De Gruyter
Journal or Publication Title: at - Automatisierungstechnik
Volume of the journal: 45
Issue Number: 5
DOI: 10.26083/tuprints-00019499
Corresponding Links:
Origin: Secondary publication service
Abstract:

Nichtlineare Regelungen erfordern den Einsatz interpolierender Elemente zur Repräsentation von Streckenundloder Reglerverhalten. Künstliche Neuronale Netze haben sich als prinzipiell geeigneter Ansatz hierzu erwiesen, sind aber aufgrund ihres großen Ressourcenbedarfs ungeeignet für Applikationen, in denen nur einfache Rechnersysteme eingesetzt werden können. Dies ist bei Systemen in der Kraftfahrzeugtechnik der Fall. Delaunay-Netze, die in diesem Beitrag vorgestellt werden, stellen für niedrigdimensionale Problemstellungen eine Alternative dar. Es wird ein Algorithmus zur datengetriebenen Erstellung solcher Netze angegeben und in die aktuellen Arbeiten zur Generierungproblemangepaßter Modellstrukturen eingeordnet. Die mit dem vorgeschlagenen Verfahren erzielten Ergebnisse werden anhand eines vereinfachten Motormomentmodells erläutert.

Alternative Abstract:
Alternative AbstractLanguage

Νonlinear control systems require internal representations of plant and ¡or controller characteristics. Basically, artificial neural networks are a promising approach for the approximation of these characteristics. However, due to their relatively high computational complexity or the required amount of storage capacity, neural networks are hardly applicable in low-cost real-time systems such as automotive control units. Delaunay networks are a computationally efficient alternative for function approximation on low-dimensional domains. The article at hand discusses this novel approach in detail and introduces an algorithm for automatic construction of these networks on the basis of measurement data. A model of steady-state engine torque characteristics is used to illustrate the proposed methods.

English
Status: Publisher's Version
URN: urn:nbn:de:tuda-tuprints-194994
Classification DDC: 600 Technology, medicine, applied sciences > 620 Engineering and machine engineering
Divisions: 18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Methods and Robotics (from 01.08.2022 renamed Control Methods and Intelligent Systems)
Date Deposited: 22 Sep 2021 08:18
Last Modified: 14 Aug 2023 07:11
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/19499
PPN: 510581072
Export:
Actions (login required)
View Item View Item