 |
The research project
ACON is funded by
the german BMBF
»Bundesministerium für Bildung, Wissenschaft, Forschung und
Technologie« under grant 01IN510C8. |
BMBF-Verbundprojekt ACON
Adaptive Modellbildung zur Optimierung, Planung und Regelung
Gemeinsames Ziel des Verbundvorhabens war die Entwicklung und
Anwendung von Methoden und Verfahren der Neuro-Informatik und der
verteilten künstlichen Intelligenz für Aufgabenstellungen aus dem
Bereich der adaptive Prozeßregelung. Der Schwerpunkt der Arbeiten von
der Forschungsgruppe am Institut für Informatik lag in der
Modellbildung mit neuronalen Netzen. Die erzielten Ergebnisse
lassen sich inhaltlich auf vier Themengebiete aufteilen. Zwei davon,
nämlich Totzeitmodellierung und Hystereselernen, beschäftigen sich mit
der Modellierung von speziellen dynamischen Teilmodellen, welche in
technischen Systemen häufig auftreten. Die anderen beiden behandeln
die Integration von Teilmodellen zu Gesamtmodellen: einmal ausgehend
von lokalen Modellen für verschiedene Prozeßraumbereiche und einmal
ausgehend von der Integration von Teilmodellen entsprechend dem
physikalischen Aufbau des Systems.
Das ACON-Projekt lief zum 31.12.1999 aus.
Der Abschlußbericht zu diesem Projekt wurde als
Forschungsbericht FKI-239-00
veröffentlicht.
Veröffentlichungen:
- Ungerer, C. (2000): Identifying time delays using neural networks.
In Dimitris Tsaptsinos, editor, Engineering Problems - Neural Network Solutions,
Proceedings of the International Conference on Engineering Applications of
Neural Networks (EANN2000).
- Ungerer, C., Stübener, D., Kirchmair, and Sturm, M. (1999):
Supporting Traditional Controllers of Combustion Engines by
means of Neural Networks.
In Bernd Reusch, editor, Computational Intelligence -
Theory and Applications, International conference
6th Fuzzy Days 1999. Springer.
- Ungerer, C. (1999):
Identifying Time-Delays in
Nonlinear Control Systems: An Application of the Adaptive Time-Delay Neural Network.
In Masoud Mohammadian, editor, Computational Intelligence for Modelling, Control, and Automation
(CIMCA '99).
IOS Press.
- Kirchmair, C. (1999): Ein Gradientenabstiegsverfahren zum Schätzen der
Parameter des Preisach Modells für Hysterese.
Forschungsberichte Künstliche Intelligenz FKI-231-99, Institut für Informatik,
Technische Universität München.
- Eder et al (1998): Adaptive Modellbildung für Anwendungen in der
Fahrzeugentwicklung.
In Statustagung des BMBF: Intelligente Systeme.
DLR Informationsverarbeitung.
- Brychcy, T. (1998): Prestructured recurrent neural networks.
In Brauer, W.(Hrsg.), Fuzzy-Neuro Systems `98 – Computational Intelligence.
Proceedings in Artificial Intelligence, S. 210-217. Infix Verlag, St. Augustin.
- Ungerer, C. (1998):Neuronale Modellierung von Totzeiten in nichtlinearen dynamischen Systemen.
Diplomarbeit, Institut für Informatik,
Technische Universität München.
- Sturm, M., Brychcy, T., and Kirchmair, C. (1997):
AMoC - The ACON Model
Classes.
Forschungsberichte Künstliche Intelligenz
FKI-224-97. Institut für Informatik, Technische
Universität München
- Sturm, M., Eder, K., Brauer, W. and Gonzáles, J. C. (1997):
Hybridization of Neural
and Fuzzy Systems by a Multi Agent Architecture for
Motor Gearbox Control.
Fuzzy Sets and Systems
89(3), pp. 309-319
- Sturm, M., and Brychcy, T. (1997):
On-Line
Prozeßraumkartierung mit ellipsoider Vektorquantisierung
zur lokalen Modellbildung.
In Fuzzy-Neuro-Systeme ´97 -
Computational Intelligence, Proceedings in Artificial
Intelligence,
pp. 463-470. A. Grauel, W.Becker and F.Belli
(Edt.). Infix Verlag, St. Augustin.
- Sturm, M., and Eder, K. (1996):
Self-organizing Process
State Detection for On-line Adaptation Tasks.
In
Solving Engineering Problems with Neural Networks,
Proceedings of the International Conference
EANN´96,
pp. 33-36. A. B. Bulsari, S. Kallio
and D. Tsaptsinos (Edt.). Systeemitekniikan seura ry,
London.
Last modified: Thu Jan 17 12:59:16 2002
