TU Darmstadt / ULB / TUprints

Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay- Netzen

Ullrich, Thorsten (2021):
Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay- Netzen. (Publisher's Version)
In: at - Automatisierungstechnik, 45 (5), pp. 236-244. De Gruyter, ISSN 0178-2312, e-ISSN 2196-677X,
DOI: 10.26083/tuprints-00019499,
[Article]

[img]
Preview
Text
U-19499-10.1524_auto.1997.45.5.236.pdf
Available under only the rights of use according to UrhG.

Download (3MB) | Preview
Item Type: Article
Origin: Secondary publication service
Status: Publisher's Version
Title: Datengetriebene Modellierung nichtlinearer Strecken mit Delaunay- Netzen
Language: German
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
Journal or Publication Title: at - Automatisierungstechnik
Journal volume: 45
Number: 5
Publisher: De Gruyter
Classification DDC: 600 Technik, Medizin, angewandte Wissenschaften > 620 Ingenieurwissenschaften
Divisions: 18 Department of Electrical Engineering and Information Technology > Institut für Automatisierungstechnik und Mechatronik > Control Methods and Robotics
Date Deposited: 22 Sep 2021 08:18
Last Modified: 22 Sep 2021 08:18
DOI: 10.26083/tuprints-00019499
Corresponding Links:
URN: urn:nbn:de:tuda-tuprints-194994
URI: https://tuprints.ulb.tu-darmstadt.de/id/eprint/19499
Export:
Actions (login required)
View Item View Item