kramann.info
© Guido Kramann

Login: Passwort:










Robuste Systemintegration
1 Grundlagen
..1.1 Newton
....1.1.1 LinearSchwinger
....1.1.2 Daempfung
....1.1.4 ODE
....1.1.5 Saaluebung
..1.2 NewtonEuler
....1.2.1 Traegheitsmomente
....1.2.2 Modellgleichungen
....1.2.3 Einfachpendel
..1.3 Scilab
....1.3.1 Erste_Schritte
....1.3.2 Skripte
....1.3.3 Funktionen
..1.4 Laplace
....1.4.1 Eigenwerte
....1.4.2 PT1
..1.5 Regleroptimierung
....1.5.1 Guetefunktion
....1.5.2 Heuristiken
....1.5.3 Scilab
..1.6 Einstellregeln
....1.6.1 Totzeit
....1.6.2 Methode1
....1.6.3 Methode2
....1.6.4 Scilab
..1.7 Zustandsregler
..1.8 Polvorgabe
..1.8 Polvorgabe_alt
..1.9 Beobachter
....1.9.1 Haengependel
..1.10 Daempfungsgrad
..1.11 Processing
....1.11.1 Installation
....1.11.2 Erste_Schritte
....1.11.3 Mechatronik
....1.11.4 Bibliotheken
....1.11.5 Uebung
....1.11.6 Snippets
......1.11.6.1 Dateioperationen
......1.11.6.2 Bilder
......1.11.6.3 GUI
......1.11.6.4 Text
......1.11.6.5 PDF
......1.11.6.8 Maus
......1.11.6.10 Zeit
......1.11.6.13 Animation
......1.11.6.15 Simulation
....1.11.7 Referenzen
..1.12 Breakout
2 Beispiel
3 Beispielloesung
4 Praxis
5 javasci
6 Fehlertoleranz1
7 Reglerentwurf
..7.1 Sprungantwort
..7.2 Messdaten
..7.3 Systemidentifikation
..7.4 Polvorgabe
..7.5 Beobachter
..7.6 Robuster_Entwurf
..7.7 SIL
8 Systementwicklung
9 Arduino
..9.1 Lauflicht
..9.2 Taster
..9.3 Sensor
..9.12 Motor_PWM1
..9.13 Motor_PWM2_seriell
..9.14 Motor_PWM3_analogWrite
..9.15 Scheduler
..9.20 AV
..9.21 Mikrofon
..9.22 Universal
....9.22.1 Laborplatine
....9.22.2 LED_Leiste
....9.22.3 Motortreiber
....9.22.4 Sensoreingaenge
....9.22.5 Taster
....9.22.6 Tests
....9.22.7 Mikrofon
....9.22.8 Lautsprecher
....9.22.9 Fahrgestell
..9.23 Zauberkiste
..9.24 OOP
....9.24.1 Uebungen
..9.25 AVneu
....9.25.1 Tests
..9.26 DA_Wandler
..9.27 CompBoard
....9.27.1 Tastenmatrix
....9.27.2 ASCIIDisplay
..9.28 CTC
..9.29 Tonerzeugung
10 EvoFuzzy
..10.1 Fuzzy
....10.1.1 Fuzzylogik
....10.1.2 FuzzyRegler
....10.1.3 Uebung9
....10.1.5 Softwareentwicklung
......10.1.5.1 AgileSoftwareentwicklung
......10.1.5.2 FuzzyRegler
......10.1.5.3 Uebung
....10.1.6 Umsetzung
......10.1.6.1 FuzzyRegler
......10.1.6.2 Simulation
......10.1.6.3 Optimierung
......10.1.6.4 Uebung
....10.1.7 Haengependel
......10.1.7.1 Haengependel
......10.1.7.2 Simulation
......10.1.7.3 FuzzyRegler
......10.1.7.4 Optimierer
......10.1.7.5 Genetisch
....10.1.8 Information
....10.1.9 Energie
..10.2 Optimierung
....10.2.1 Gradientenverfahren
....10.2.2 Heuristiken
....10.2.3 ModifizierteG
....10.2.4 optim
..10.3 Genalgorithmus
..10.4 NeuronaleNetze
....10.4.1 Neuron
....10.4.2 Backpropagation
....10.4.3 Umsetzung
....10.4.4 Winkelerkennung
..10.5 RiccatiRegler
11 Agentensysteme
12 Simulation
20 Massnahmen
21 Kalmanfilter
..21.1 Vorarbeit
..21.2 Minimalversion
..21.3 Beispiel
30 Dreirad
31 Gleiter
..31.1 Fehlertoleranz

Robuste Systemintegration (CARE-Master, Pflichtmodul 2, 2. Semester)

Lehrveranstaltung Robuste Systemintegration

Bild 0-1: Lehrveranstaltung Robuste Systemintegration




Lehrveranstaltung Robuste Systemintegration - Themen

Bild 0-2: Lehrveranstaltung Robuste Systemintegration - Themen




Themenschwerpunkte

  1. Entwurf robuster Regelkreise
  2. Fehlertoleranter Softwareentwurf
  3. Integration von Software, Elektronik und Mechanik bei mechatronischen Systemen
  4. Die Robustheit natürlicher Systeme aus technischer Sicht
1. Entwurf robuster Regelkreise

In der Regelungstechnik hat der Begriff "Robustheit" eine sehr klar gefaßte Bedeutung. Es hat sich angeboten, die regelungstechnische Sicht als Ausgangspunkt zu nehmen und den Begriff von dort her im Verlauf der Vorlesung auszudehnen.

Vorbereitend für den Entwurf robuster Regler, müssen die Darstellung dynamischer System im Zustandsraum und die Regleroptimierung behandelt werden.

Es werden dann Entwürfe robuster Regler im Fall Modell-parametrischer Unsicherheiten, als auch für den Fall dynamischer Unsicherheiten behandelt. Hierzu werden zunächst einführend theoretisch weniger anspruchsvolle Auslegungsmethoden verwendet, die auf die Zurückführung auf ein Multi-Modell-Problem basieren [Föllinger]. Im weiteren Verlauf ist geplant auch theoretisch anspruchsvolle Methoden zu nutzen, die auf der Minimierung der Auswirkung parametrischer oder dynamischer Veränderungen auf das Systemverhalten basieren [Müller].


Autonomes Vehikel (AV) an seine spezielle Umwelt angepaßt (..oder war es umgekehrt?).

Modell-parametrischer Unsicherheit kann hier sein:

  • Ladezustand der Antriebsakkus.
  • Funktioniert eine Lenkregelung auch noch zufriedenstellend, wenn der Ladezustand vom nominellen Wert stark abweicht?
  • Dynamische Unsicherheit: Funktioniert eine Lenkregelung auch noch zufriedenstellend, wenn der Fahruntergrund uneben, statt glatt ist?

Einachsiges Autonomes Vehikel (AV) - schlecht an seine Umgebung angepaßt - Katastrophe vorprogrammiert.

Modell-parametrischer Unsicherheit kann sein: Variierendes Fahrzeuggewicht bei einem autonomen Vehikel, beispielsweise einem Kipplaster.

Bild 0-3: Modell-parametrischer Unsicherheit kann sein: Variierendes Fahrzeuggewicht bei einem autonomen Vehikel, beispielsweise einem Kipplaster.

Adaptive Regelungssysteme

Neben der Toleranz kann auch Adaption eine Lösung sein, einen Regler an sich verändernde Bedingungen anzupassen. Diese Methode setzt jedoch i.d.R. ein sehr viel höheres Maß an verfügbarer Rechenleistung und oft auch mehr Wissen über das zu regelnde System (Regelstrecke) voraus.

Adaptives Regelungssystem: Neben dem Regelkreis (blau) gibt es eine Vorrichtung, die im laufenden Betrieb die Regelparameter an sich verändernde Bedingungen anpaßt.

Bild 0-4: Adaptives Regelungssystem: Neben dem Regelkreis (blau) gibt es eine Vorrichtung, die im laufenden Betrieb die Regelparameter an sich verändernde Bedingungen anpaßt.

Zur Verbesserung der Verständlichkeit, als Weg einer unmittelbaren praktischen Umsetzung, sowie als exemplarisches Beispiel für Punkt 3 (Integration von ...) kommt Scilab, ein freies Software-Paket für Anwendungen aus der numerischen Mathematik, zur Anwendung. Tatsächlich sind die Methoden zur Entwicklung robuster Regelungen ohne Software-Werkzeuge gar nicht umsetzbar und deshalb der Umgang mit ihnen fester Bestandteil der Vorlesung.

Autor Titel erschienen
Aström, K.J., Wittenmark, B. Adaptive Control Doverpublications, New York, 2. Aufl., 2008.
Föllinger, O. Regelungstechnik Hüthig, Heidelberg, 8. Aufl., 1994.
Müller, K. Entwurf robuster Regelungen Teubner, Stuttgart, 1996.
Adamy, J. Nichtlineare Regelungen Springer, Berlin, 2009.

Tabelle 0-1: Literatur zu "Entwurf robuster und/oder adaptive Regelkreise".

2. Fehlertoleranter Softwareentwurf

Mehrere Softwarefehler (fault) können ein fehlerhaftes Softwareverhalten (error) bewirken und dies schließlich zu einem Teilversagen oder Komplettausfall (failure) eines Systems führen.

Nun sind Softwarefehler aus verschiedenen Gründen nicht zu vermeiden und so gilt es, einen sinnvollen Umgang mit diesen Fehlern von vorne herein als Bestandteil der Software selbst vorzusehen.

Auf dem Gebiet der Softwareentwicklung erfährt der Begriff des Fehlers eine sehr differenzierte Bedeutung und es bietet sich an, Robustheit gegenüber fehlerhaftem Design aus der Perspektive der Softwareentwicklung zu behandeln.

Besonders kritisch können sich Softwarefehler bei eingebetteten Systemen auswirken, weil

  • die hierauf laufende Software nicht terminiert, also dauerhaft versagensfrei laufen muß,
  • kein Mensch das Verhalten der Software beaufsichtigt,
  • und nicht selten die angeschlossene Hardware Manipulatoren besitzt, die ernsthaften Schaden an der Umwelt anrichten können.
Ein Satellit entfaltet sein Solarpanel. - Wurde die Software so intelligent entwickelt, dass wenigstens ein Teil des Panels entfaltet wird, wenn es an einer Stelle klemmt?

Bild 0-5: Ein Satellit entfaltet sein Solarpanel. - Wurde die Software so intelligent entwickelt, dass wenigstens ein Teil des Panels entfaltet wird, wenn es an einer Stelle klemmt?

Autor Titel erschienen
Hanmer, R.S. Patterns for Fault Tolerant Software John Wiley & Sons, Chichester, 2007.

Tabelle 0-2: Literatur zu "Fehlertoleranter Softwareentwurf"

3. Integration von Software, Elektronik und Mechanik bei mechatronischen Systemen

Ein sehr anschauliches Beispiel eines komplexen technischen Systems, das nur mit Hilfe eines eingebetteten Computersystem und der darauf laufenden Snesorverarbeitungs, Telemetrie-, Navigations- , Simulations-, Entscheidungs-, Regelungs- und Steuerungssoftware vorstellbar ist, ist ein Autonomes Vehikel (AV / autonomous vehicle). Es hat sich angeboten, das AV als zentrales Beispiel sowohl in Form einer numerische Simulation, als auch praktisch umgesetzt zu verwenden, um die in dieser Vorlesung behandelten Konzepte zur robusten Systemintegration exemplarisch zur Anwendung zu bringen.

Als Basis kommen ausschließlich freie Tools zur Anwendung. Dies sorgt für eine niedrige Schwelle bei der Adaptierbarkeit auf spätere eigene Projekte der Teilnehmerinnen und Teilnehmer an diesem Kurs und ggf. auch bei der Einführung in Firmen, in denen diese später beschäftigt sein werden:

  • Linux als Betriebssystem für einen PC, der auch als eingebettetes System genutzt werden kann,
  • Scilab als Berechnungssoftware, u.a. zur Reglerauslegung und zur Simulation dynamischer Systeme,
  • C und Java als Hardwarenahe Programmiersprachen, Java u.a. als Zwischenschicht zwischen externer Sensorik und Aktorik und Scilab,
  • Arduino-Plattform und/oder AVR-Mikrocontroller-Plattform - als embedded system für AVs, oder Zwischenschicht zwischen PC und AV.
Autor Titel erschienen
Bräunl, T. Embedded Robotics Springer, Berlin, 2006.
Campbell, S.L. Modeling and Simulation in Scilab/Scicos Springer, New York, 2006.
Beater, P. Regelungstechnik und Simulationstechnik mit Scilab und Modelica Books on Demand, Norderstedt, 2010.

Tabelle 0-3: Literatur zu "Integration von Software, Elektronik und Mechanik bei mechatronischen Systemen"

4. Die Robustheit natürlicher Systeme aus technischer Sicht

Es existieren bereits ein Vielzahl an Ansätzen, die oftmals optimale Gestaltung natürlicher Systeme für technische Anwendungen zu adaptieren.

So untersucht die Bionik, wie bestimmte Funktionen, die auch von technischer Bedeutung sind in der Natur realisiert werden. Hieraus resultieren dann Rumpfformen von U-Booten, die der Körperform des Pottwals entlehnt sind, was in einem besonders niedrigen Wasserwiderstand resultiert, oder Autolacke, die eine ähnliche Mikrostruktur auf der Fahrzeugoberfläche erzeugen, wie sie bei Chitinpanzern von Käfern aufzufinden sind, wodurch die Oberfläche dann besonders schmutzabweisend wird.

Im Bereich der KI-Forschung hat sich gezeigt, dass bestimmte Aspekte intellektueller Fertigkeiten besser über einen konnektionistischen Ansatz zu realisieren sind, als über die Methoden der symbolischen KI. Und so kommen für Aufgaben, wie das automatisierte Erkennen von Postleitzahlen oder Autokennzeichen bereits seit Jahrzehnten s.g. Neuronale Netze zum Einsatz, deren Aufbau an die Grundstruktur natürlicher Gehirne angelehnt ist.

Es liegt nun nahe, vor dem Hintergrund und zur Erweiterung der zuvor erarbeiteten Begrifflichkeit, natürliche Systeme auch unter dem Aspekt der Robustheit zu betrachten.

Tiere scheinen im Bereich ihres Wirk- unter Interaktionsbereiches sehr robust "zu funktionieren", wobei dies nicht selten gerade durch die Einfachheit der hierbei zugrunde liegenden Mechanismen garantiert ist. Sie sind aber in sehr unterschiedlicher Weise und in sehr unterschiedlichem Maße an Veränderungen in ihrer Umwelt anpassungsfähig.

Zecke, auf ein Opfer wartend auf einem Blatt.

Bild 0-6: Zecke, auf ein Opfer wartend auf einem Blatt.

Robustheit zeigt sich in einer gewissen Toleranz gegenüber sich ändernden Umwelteinflüssen. Eine tiefgreifenderer Wechsel des Verhaltens bei sich ändernden Umwelteinflüssen zeugt dabei schon von einem höhren Maß an Intelligenz und kann technisch als Adaptivität bezeichnet werden.

Insbesondere die Begriffe Robustheit und Adaptivität in ihrer technischen Bedeutung sollen ausgehend von der Betrachtung natürlicher Systeme am Ende der Vorlesung eingehender theoretisch behandelt und in exemplarischen technischen Anwendungsbeispielen vertieft werden.

Autor Titel erschienen
Uexküll, J.v. Streifzüge durch die Umwelten von Tieren und Menschen Rowohlt, Hamburg, 1956.
Braitenberg, V. Verhalten kybernetischer Vehikel Vieweg, Braunschweig, 1986.
Maeda, J. Simplicity Springer Spektrum, Heidelberg, 2007.
Trianni, V. Evolutionary Swarm Robotics Springer, Berlin, 2008.
Lämmel, U. Künstliche Intelligenz Carl Hanser, München, 2004.

Tabelle 0-4: Literatur zu "Die Robustheit natürlicher Systeme aus technischer Sicht"

Literatur zur Einführung in die im Rahmen der Vorlesung verwendeten trechnischen Komponenten und CAE-Software
Autor Titel erschienen
Affouf, M. Scilab by Example John Wiley & Kean University, Lexington, 2012.
Bartmann, E. Processing O'Reilly, Köln, 2010.
Beater, P. Eine Einführung in Scilab 5.5 Books on Demand, Norderstedt, 2014.
Campbell, S.L. Modeling and Simulation in Scilab/Scicos with Scicoslab 4.4 Springer , New York, 2010.
Das, V.V. Programming in Scilab 4.1 New Age International, Dheli, 2009.
Gräfe, M. C und Linux Carl Hanser, München, 2010.
Karvinen, T. Sensors Maker Media, Sebastopol, 2014.
Margolis, M. Arduino Kochbuch O'Reilly, Köln, 2012.
Oechsle, R. Parallele und verteilte Anwendungen in Java Hanser, München, 2014.
Reas, C. Getting Started with Processing O'Reilly, Sebastopol, 2010.
Schmitt, G. Mikrocontrollertechnik mit Controllern der Atmel AVR-RISC-Familie Oldenbourg, München, 2007.
Schmitt, M. Arduino dpunkt, Heidelberg, 2012.
Schröder, J. Embedded Linux Springer, Berlin, 2009.
Wietzke, J. Embedded Technologies Springer, Heidelberg, 2012.

Tabelle 0-5: Literatur zur Einführung in die im Rahmen der Vorlesung verwendeten trechnischen Komponenten und CAE-Software.