Identifikation von nichtlinearen Zustandsraummodellen mit lokalen Modellnetzen

• Antragsteller: Professor Dr.-Ing. Oliver Nelles
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung seit 2023
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 518237966

In diesem Projekt soll ein neuartiger Ansatz zur nichtlinearen Systemidentifikation untersucht werden. Dieser wird Ideen aus den Bereichen des Maschinellen Lernens und der Systemidentifikation fusionieren. Das Ziel dieses Projekts ist die Entwicklung einer neuen Klasse von Modellstrukturen und Trainingsverfahren, die nichtlineare Zustandsraummodelle datengetrieben aufbauen können. Diese basieren auf lokal linearen Modellnetzen, wodurch einige Vorteile im Vergleich zu existierenden Alternativen realisiert werden können. Sie helfen, den Bedarf an vertrauenswürdigen und zuverlässigen Verfahren der künstlichen Intelligenz für die Industrie zu decken. Ein Algorithmus zur Konstruktion von Zustandsraummodellen mit lokalen Modellnetzen (LMSSN) aus Daten wird entwickelt. Hierbei liegt der Fokus auf dem Transfer von inkrementellen Baumkonstruktionsstrategien in den Zustandsraum. Zahlreiche Herausforderungen, die durch die Rückkopplung des Zustandsvektors entstehen, werden adressiert. Um LMSSNs effektiv und effizient zu trainieren, werden neue Strategien zur Optimierung entwickelt, die von typischen Methoden des Maschinellen Lernens inspiriert sind. Eine geeignete Parametrierung der lokalen Modelle muss gefunden werden. Dies kann durch kanonische Formen, Blockstrukturen und/oder mittels Regularisierungsverfahren geschehen. Die Robustheit und das Extrapolationsverhaltens der Modelle werden hierbei besonders beachtet. Schließlich werden die entwickelten Methoden anhand verschiedener Benchmarkprobleme mit etablierten Alternativen verglichen. Desweiteren wird die praktische Anwendbarkeit mit Hilfe industrieller Prozesse und Laborexperimenten untersucht.

• DFG-Verfahren: Sachbeihilfen