kramann.info
© Guido Kramann

Home | ImpressumDatenschutz | WS2023 24 | SoSe2024 | WS2024 25 | esp32AV | Ing | 007 | Archiv | KF | Informatik1 | Informatik2Material | Technologie | Einachser | jahre | Informatik3 | html5 js | Linux | Java | Scilab | Mikrocontroller | AOGscript | Mikro17 | Simulationstechnik | Kinetik | NFT | Regelungssysteme | Echtzeitsysteme | nexys | FPGA | Echtzeitsysteme2 | COACH2 | COACH3 | EmbSyst | Echtzeit3 | Mikroprozessoranwendungen | Android | Processing | Deep Learning | Robuste Systemintegration | FTSD | AV | Jetson | ECADE | clb | kiba | Beispielseiten | AOGdogma | Artistic Research | Soundinstallation | Android Proc | VSI | ETEST | Arduino | Klanginstallation | AOG | Musik

Regelungssysteme
1 day_by_day
2 Heizregelkreis
3 Verzoegerungsglieder
4 Laplace
..4.1 Eigenwerte
..4.2 PT1
..4.3 PRegler
..4.4 Scilab
5 Regleroptimierung
..5.1 Guetefunktion
..5.2 Heuristiken
..5.3 Scilab
..5.4 Gradientenverfahren
..5.5 ModifizierteG
..5.6 Gleichstrommotor
..5.7 Stoerverhalten
6 Javaanwendung
..6.1 PIDgeregelterAntrieb
..6.2 RungeKuttaIntegrator
..6.3 Gradientenverfahren
7 Einstellregeln
..7.1 Totzeit
..7.2 Methode1
..7.3 Methode2
..7.4 Scilab
..7.5 Daempfungsgrad
..7.6 Uebung
8 Polvorgabe
9 Beobachter
10 AutonomerHackenprosche
..10.1 Herleitung
..10.2 Scilab
..10.3 Modellerweiterung
..10.4 Scilab
..10.5 Modellgueltigkeit
..10.6 java
11 Stabilitaet
..11.1 Beispiele
..11.2 Nyqusitkriterium
..11.3 Windup
..11.4 Bode
12 Adaptiv
..12.1 Definition
..12.2 Einachser
..12.3 Auswertung
..12.4 Identifikation
..12.5 Regleroptimierung
..12.6 Zustandsregler
..12.7 Beobachter
13 Analyse
..13.1 Linear
..13.2 Nichtlinear
14 Kalmanfilter
15 Ue_04_2014
..15.1 Geschwindigkeit
..15.2 Richtung
..15.3 Gesamtsystem
..15.4 RiccatiUSW
..15.5 TdOT
16 Inverses_Pendel
17 Einachser
..17.1 Mechanik
..17.2 Uebung8
18 Fuzzy
..18.1 Fuzzylogik
..18.2 FuzzyRegler
..18.3 Uebung9
..18.5 Softwareentwicklung
....18.5.1 AgileSoftwareentwicklung
....18.5.2 FuzzyRegler
....18.5.3 Uebung
..18.6 Umsetzung
....18.6.1 FuzzyRegler
....18.6.2 Simulation
....18.6.3 Optimierung
....18.6.4 Uebung
..18.7 Haengependel
....18.7.1 Haengependel
....18.7.2 Simulation
....18.7.3 FuzzyRegler
....18.7.4 Optimierer
....18.7.5 Genetisch
..18.8 Information
..18.9 Energie
21 Beispiel1
98 day_by_day_WS2021_SoSe21
99 day_by_day_SoSe2018

kramann.info
© Guido Kramann

Home | ImpressumDatenschutz | WS2023 24 | SoSe2024 | WS2024 25 | esp32AV | Ing | 007 | Archiv | KF | Informatik1 | Informatik2Material | Technologie | Einachser | jahre | Informatik3 | html5 js | Linux | Java | Scilab | Mikrocontroller | AOGscript | Mikro17 | Simulationstechnik | Kinetik | NFT | Regelungssysteme | Echtzeitsysteme | nexys | FPGA | Echtzeitsysteme2 | COACH2 | COACH3 | EmbSyst | Echtzeit3 | Mikroprozessoranwendungen | Android | Processing | Deep Learning | Robuste Systemintegration | FTSD | AV | Jetson | ECADE | clb | kiba | Beispielseiten | AOGdogma | Artistic Research | Soundinstallation | Android Proc | VSI | ETEST | Arduino | Klanginstallation | AOG | Musik

Autonomer Hackenporsche

(EN google-translate)

(PL google-translate)

Ein Gefährt, dass stets hinter seinem Besitzer herfahren soll, soll zunächst modelliert und dann geregelt werden.

Das Gefährt wird als auf dem Untergrund mit linearer Dämpfung gleitender Quader realisiert.
An den Kanten in P und Q gibt es Antriebskräfte "Raketen" F1 und F2.
Die Dämpfungskräfte in P und Q, FR1 und FR2, wirken stets entgegen der jeweiligen Momentangeschwindigkeit in P und Q, vP und vQ.

Schema zum

Bild 0-1: Schema zum "Autonomen Hackenporsche"