Neuronale Netze in mechatronischen Systemen - ein Ansatz...

1

FraunhoferInstitut

Integrierte Schaltungen

IIS

13. Symposium Simulationstechnik - ASIM ’99vom 21.-14. September 1999 an der Bauhaus-Universität Weimar

Neuronale Netze in mechatronischen Systemen - ein Ansatz für die Modellierung und Simulation

Peter Schneider, Marcus Müller, Peter Schwarz

Fraunhofer-Institut für Integrierte SchaltungenAußenstelle EAS DresdenZeunerstraße 38, D-01069 Dresdene-mail: pet@eas.iis.fhg.de

2

FraunhoferInstitut

Integrierte Schaltungen

IIS

Einleitung

Einbeziehung Neuronaler Netze in die Systemsimulation

Entwurfsumgebung für intelligente Systeme• Datenaufbereitung• Simulatorkopplung• Modellgenerierung

Erprobung der Entwurfsumgebung an mechatronischen Systemen

Ausblick

Übersicht

3

FraunhoferInstitut

Integrierte Schaltungen

IIS

Prozeß

UMWELT

Systeme mit Neuronalen Netzen

4

FraunhoferInstitut

Integrierte Schaltungen

IIS

Prozeß

UMWELT

Systeme mit Neuronalen Netzen

5

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

Prozeß

UMWELT

Vorver-arbeitung

Systeme mit Neuronalen Netzen

6

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Prozeß

UMWELT

Neuronale Netze

Vorver-arbeitung

Systeme mit Neuronalen Netzen

7

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Systeme mit Neuronalen Netzen

8

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Robotik• Regelung und Steuerung• Bahnplanung und Greif-

raumexploration

Systeme mit Neuronalen Netzen

9

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Robotik• Regelung und Steuerung• Bahnplanung und Greif-

raumexploration

Bildverarbeitung• Mustererkennung• Musterreproduktion

Systeme mit Neuronalen Netzen

10

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Robotik• Regelung und Steuerung• Bahnplanung und Greif-

raumexploration

Bildverarbeitung• Mustererkennung• Musterreproduktion

Mikrosystemtechnik• Meßwertverarbeitung• Adaption, Selbst-

kalibrierung

Systeme mit Neuronalen Netzen

11

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Robotik• Regelung und Steuerung• Bahnplanung und Greif-

raumexploration

Bildverarbeitung• Mustererkennung• Musterreproduktion

Mikrosystemtechnik• Meßwertverarbeitung• Adaption, Selbst-

kalibrierung

mobile autonome Systeme

Systeme mit Neuronalen Netzen

12

FraunhoferInstitut

Integrierte Schaltungen

IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Robotik• Regelung und Steuerung• Bahnplanung und Greif-

raumexploration

Bildverarbeitung• Mustererkennung• Musterreproduktion

Mikrosystemtechnik• Meßwertverarbeitung• Adaption, Selbst-

kalibrierung

mobile autonome Systeme

Sensorsignalverarbeitung

Systeme mit Neuronalen Netzen

13

FraunhoferInstitut

Integrierte Schaltungen

IIS

Gesamtsystemsimulation intelligenter Systeme- Einbeziehung der Komponente Neuronales Netz -

14

FraunhoferInstitut

Integrierte Schaltungen

IIS

Erstellung von Modellen für Neuronale Netze für den Systemsimulator

• Vielzahl von Modellen für NN -> hoher Aufwand• relativ unflexibel• verschiedene Netztrainingsverfahren müssen

programmiert werden

Modellierung für einen Simulator

Gesamtsystemsimulation intelligenter Systeme- Einbeziehung der Komponente Neuronales Netz -

15

FraunhoferInstitut

Integrierte Schaltungen

IIS

Erstellung von Modellen für Neuronale Netze für den Systemsimulator

• Vielzahl von Modellen für NN -> hoher Aufwand• relativ unflexibel• verschiedene Netztrainingsverfahren müssen

programmiert werden

Kopplung von Systemsimulator und Spezialsimulatorfür Neuronale Netze

• einmaliger Aufwand für die Kopplung• Flexibilität des NN-Simulators steht zur Verfügung

(Visualisierung, Training, ...)

Modellierung für einen Simulator

Simulatorkopplung

Gesamtsystemsimulation intelligenter Systeme- Einbeziehung der Komponente Neuronales Netz -

16

FraunhoferInstitut

Integrierte Schaltungen

IIS

Ablaufsteuerung(Petrinetze)

mechanischeSysteme

elektromagnetische,hydraulische,pneumatische,...Systeme

allgemeine kontinuierlicheSysteme

Transistorschaltung(elektrisches Netzwerk)

Gatterschaltung

Blockschaltbild(digitale Systeme)

Beschreibung(digitale Systeme)

DG

- Sc

hnitt

stel

le

hardware description languageDDL

<SY> REG (D1,BUSA[16:1]::X[16:1]<RE> REGISTER[16:1]<BO> X = REGISTER|D1| REGISTER ¨BUSA ...FORTRAN, PASCAL, C (Subroutinen)

Simulatorkopplung

Fremdsimulator (ANSYS, Saber, ...)

u

f,v

B B

i

F(p)

S1

S2

1

RS

&

1

1

CLOCK

CTRLOFL

BU

S B

REG1

REG2BU

S A

KOSIM

17

FraunhoferInstitut

Integrierte Schaltungen

IIS

Zell, A.; Mache, N.; Sommer, T.; Korb, T.: The SNNS Neural Network Simulator. 13. DAGM SymposiumMustererkennung, Okt. 1991 München, Informatik-Fachberichte 290, Springer-Verlag, S. 454-461

Stuttgart Neural Network Simulator (SNNS)

18

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

*.cir*.vhdl...

Bibliotheken*.csdf*.dat

PostprocessingTool

System-simulator

Systemsimulation

Entwurfsumgebung für intelligente Systeme

19

FraunhoferInstitut

Integrierte Schaltungen

IIS

NN-SimulatorGUI

*.net*.cfg...

*.err*.net*.res

*.net

C-CodeErzeugung

NN-SimulatorGUI

NN-Simulator

*.pat

Lernmuster

Simulation Neuronaler Netze

Entwurfsumgebung für intelligente Systeme

20

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...

Bibliotheken*.csdf*.dat

*.err*.net*.res

NN-SimulatorGUI

System-simulator

NN-Simulator

Erzeugung von Lerndatenfür das Neuronale Netz durch Systemsimulationen

Entwurfsumgebung für intelligente Systeme

21

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...

Bibliotheken*.csdf*.dat

*.err*.net*.res

NN-SimulatorGUI

Skalierung,Konvertierung

System-simulator

NN-Simulator

Erzeugung von Lerndatenfür das Neuronale Netz durch Systemsimulationen

Off-line-Lernen

Entwurfsumgebung für intelligente Systeme

22

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...

Bibliotheken*.csdf*.dat

*.err*.net*.res

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Simulatorkopplung

Entwurfsumgebung für intelligente Systeme

23

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...

Bibliotheken*.csdf*.dat

*.err*.net*.res

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Simulator-kopplung

Simulatorkopplung

On-line Lernen

SKIP

Entwurfsumgebung für intelligente Systeme

24

FraunhoferInstitut

Integrierte Schaltungen

IIS

SchaltungssimulatorNN-Simulator

Simulatorkopplung

• mehrere NN-Simulatorenankoppelbar

Entwurfsumgebung für intelligente Systeme

25

FraunhoferInstitut

Integrierte Schaltungen

IIS

SchaltungssimulatorNN-Simulator NN-Simulator

LAN

Simulatorkopplung

• mehrere NN-Simulatorenankoppelbar

• lokale und verteilteSimulation

Entwurfsumgebung für intelligente Systeme

26

FraunhoferInstitut

Integrierte Schaltungen

IIS

SchaltungssimulatorNN-Simulator NN-Simulator

NN-Simulator

LAN

Internet

Simulatorkopplung

• mehrere NN-Simulatorenankoppelbar

• lokale und verteilte Simulation

Entwurfsumgebung für intelligente Systeme

27

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...

Bibliotheken*.csdf*.dat

*.err*.net*.res

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Modellgenerierung

Entwurfsumgebung für intelligente Systeme

28

FraunhoferInstitut

Integrierte Schaltungen

IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...

Bibliotheken*.csdf*.dat

*.err*.net*.res

*.net

C-CodeErzeugung

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Modellgenerierung

Modellgenerierung

Recall

Entwurfsumgebung für intelligente Systeme

29

FraunhoferInstitut

Integrierte Schaltungen

IIS

• statistische Auswertung• Skalierung• Konvertierung in SNNS-Format

• Datenaustausch über Sockets oder Shared Memory• Übertragung von Steuer- und Statusinformationen• Instanziierung von mehreren NN-Simulatoren möglich• Kopplungen SNNS-KOSIM und SNNS-SABER verfügbar

• Nutzung des C-Code-Generators SNNS2C• Automatische Erzeugung von Modellen für die Systemsimu-

lation (KOSIM, SABER)

Datenaufbereitung

Simulatorkopplung

Modellgenerierung

SKIP

Entwurfsumgebung für intelligente Systeme

30

FraunhoferInstitut

Integrierte Schaltungen

IIS

SNNS KOSIM

IPC

send()

run()

wait()

wait()

recv()

send()

dispatch

recv()dispatch

Zusammenspiel KOSIM - SNNS

31

FraunhoferInstitut

Integrierte Schaltungen

IIS

Nutzermodelle für ereignisorientierte Simulation

123

nenable

123

m

Kommunikationskanal KOSIM-SNNS

kosim2snns

snns2kosim

IPC-Routinen

kosim2snns

snns2kosim

Einbindung der Kopplung in KOSIM

32

FraunhoferInstitut

Integrierte Schaltungen

IIS

Eingriffe in den Quelltext des Simulators (Batchversion)

Kommunikationskanal KOSIM-SNNS

IPC-Routinen

initialize netinitialize IPCwaitread inputs

calculate net

update net

write outputsreleaseclose IPCclose snns

SNNS

Einbindung der Kopplung in SNNS

33

FraunhoferInstitut

Integrierte Schaltungen

IIS

F

θm

m

m sin2θ+( ) θ·· 12---θ·

2sin(2θ ) m 1+( )sinθ–+⋅ f cosθ⋅–=

F θ θ·,( ) 5sinθ θ·+=

x

Prinzipdarstellung

Systemgleichung

Kraftvorgabe

Stabbalancierer

34

FraunhoferInstitut

Integrierte Schaltungen

IIS

F

NeuronalesNetz

System-modell

Kraft-vorgabe

F θ θ·,( ) 5sinθ θ·+=

θ

θ.

FNN

FTeach

θ (t=0)θ (t=0).

Gesamtsystemmodell

Stabbalancierer

35

FraunhoferInstitut

Integrierte Schaltungen

IIS

F

NeuronalesNetz

System-modell

Kraft-vorgabe

F θ θ·,( ) 5sinθ θ·+=

θ

θ.

FNN

FTeach

θ (t=0)θ (t=0).

Systemsimulation

NN-Simulation

Gesamtsystemmodell

Stabbalancierer

36

FraunhoferInstitut

Integrierte Schaltungen

IIS

• Multi-Layer-Perzeptron (MLP) • zwei Eingabeneuronen• zwei verdeckten Schichten mit 12 und 6 Neuronen• ein Ausgabeneuron• Standardbackpropagation

F

NeuronalesNetz

System-modell

Kraft-vorgabe

F θ θ·,( ) 5sinθ θ·+=

θ

θ.

FNN

FTeach

θ (t=0)θ (t=0).

Systemsimulation

NN-Simulation

Gesamtsystemmodell

Neuronales Netz

Stabbalancierer

37

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

38

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

39

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2Lernzyklus 3

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

40

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2Lernzyklus 3Lernzyklus 4

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

41

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2Lernzyklus 3Lernzyklus 4Lernzyklus 5

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

42

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2Lernzyklus 3Lernzyklus 4Lernzyklus 5Lernzyklus 6

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

43

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2Lernzyklus 3Lernzyklus 4Lernzyklus 5Lernzyklus 6Lernzyklus 7

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

44

FraunhoferInstitut

Integrierte Schaltungen

IIS

12

34

5

67

8

Simulationsergebnisse

Lernzyklus 1Lernzyklus 2Lernzyklus 3Lernzyklus 4Lernzyklus 5Lernzyklus 6Lernzyklus 7Lernzyklus 8

SKIP

Stabbalancierer

θ [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

-0.4

-0.6

-0.8

-1.0

t [s]

45

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

θ für vom NN berechnete Kraft

θ für nach Lern-Vorgabe berechnete Kraft

Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

46

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

θ für vom NN berechnete Kraft

θ für nach Lern-Vorgabe berechnete Kraft

Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

1.2

47

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

θ für vom NN berechnete Kraft

θ für nach Lern-Vorgabe berechnete Kraft

Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

1.2

48

FraunhoferInstitut

Integrierte Schaltungen

IIS

Simulationsergebnisse

θ für vom NN berechnete Kraft

θ für nach Lern-Vorgabe berechnete Kraft

Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

1.2

49

FraunhoferInstitut

Integrierte Schaltungen

IIS

Endkontrolle im Produktionsprozeß

Einsatz der Relais in sicherheitsrelevanten Bereichen (z.B. ABS-Steuerungen bei Kraftfahrzeugen)

Messung durch mechanischen Eingriff ins Relais (Kräfte und Wege oder durch optisches Verfahren (Wege)

• kurze Taktzeiten• fortschreitende Miniaturisierung• unzugängliche Kontakte

Entwicklung eines berührungslosen Kraft-Weg-Meßverfahrens

Anwendung

Notwendigkeit

bisheriges Verfahren

Probleme

Ziel

Kraft-Weg-Messung an Mikrorelais

50

FraunhoferInstitut

Integrierte Schaltungen

IIS

Kraft-Weg-Messung an Mikrorelais

RelaisVorver-

arbeitung

Ansteuer-elektronik

Sensoren

Umgebungs-einflüsse

Qualitäts-aussage

NN

extrahierteKennwerte

51

FraunhoferInstitut

Integrierte Schaltungen

IIS

Kraft-Weg-Messung an Mikrorelais

RelaisVorver-

arbeitung

Ansteuer-elektronik

Sensoren

Umgebungs-einflüsse

Systemsimulation

Qualitäts-aussage

NN

NN-Simulation

extrahierteKennwerte

52

FraunhoferInstitut

Integrierte Schaltungen

IIS

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,40,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4 Spannung [10V] Strom [100mA] magnetisches Steufeldeld

[T/30] ¸ber dem Relais

Zeit [s]

Meßkurven für• Spannung• Strom• Flußdichte

Kraft-Weg-Messung an Mikrorelais

53

FraunhoferInstitut

Integrierte Schaltungen

IIS

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,40,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4 Spannung [10V] Strom [100mA] magnetisches Steufeldeld

[T/30] ¸ber dem Relais

Zeit [s]

Meßkurven für• Spannung• Strom• Flußdichte

Kennwertextraktion

Kraft-Weg-Messung an Mikrorelais

54

FraunhoferInstitut

Integrierte Schaltungen

IIS

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,40,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4 Spannung [10V] Strom [100mA] magnetisches Steufeldeld

[T/30] ¸ber dem Relais

Zeit [s]

tbta

tc

Meßkurven für• Spannung• Strom• Flußdichte

Kennwertextraktion• Zeiten

Kraft-Weg-Messung an Mikrorelais

55

FraunhoferInstitut

Integrierte Schaltungen

IIS

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,40,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4 Spannung [10V] Strom [100mA] magnetisches Steufeldeld

[T/30] ¸ber dem Relais

Zeit [s]

Bf

BgId

Ie

Meßkurven für• Spannung• Strom• Flußdichte

Kennwertextraktion• Zeiten• Absolutwerte

Kraft-Weg-Messung an Mikrorelais

56

FraunhoferInstitut

Integrierte Schaltungen

IIS

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,40,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4 Spannung [10V] Strom [100mA] magnetisches Steufeldeld

[T/30] ¸ber dem Relais

Zeit [s]

∆Ih ∆Ii

Meßkurven für• Spannung• Strom• Flußdichte

Kennwertextraktion• Zeiten• Absolutwerte• Differenzen

Kraft-Weg-Messung an Mikrorelais

57

FraunhoferInstitut

Integrierte Schaltungen

IIS

0,0 0,2 0,4 0,6 0,8 1,0 1,2 1,40,0

0,2

0,4

0,6

0,8

1,0

1,2

1,4 Spannung [10V] Strom [100mA] magnetisches Steufeldeld

[T/30] ¸ber dem Relais

Zeit [s]

dBdt

dBdt

tjtk

Meßkurven für• Spannung• Strom• Flußdichte

Kennwertextraktion• Zeiten• Absolutwerte• Differenzen• Anstiege

Kraft-Weg-Messung an Mikrorelais

58

FraunhoferInstitut

Integrierte Schaltungen

IIS

Zielgröße Topologie (MLP)

Erkennungsrate [%] Genauigkeit

Kontaktkraft (Öffner) 17 - 50 - 25 - 1 85.3 20 cN

Kontaktkraft (Schließer) 17 - 60 - 30 - 1 69.3 32 cN

Kontaktabstand 17 - 20 - 10 - 1 82.6 20 um

Abbrandreserve 17 - 10 - 1 76.0 20 um

Ergebnisse

SKIP

Kraft-Weg-Messung an Mikrorelais

Kontaktkraft (Schließer)Kontaktkraft (Öffner)

Vorgabe an das Netz Vorgabe an das Netzvo

m N

etz

erm

ittel

t

vom

Net

z er

mitt

elt

IIS

Fraunhofer

Institu

t

Inte

grie

rte S

cha

ltun

ge

n

Aufzugsystem

60

FraunhoferInstitut

Integrierte Schaltungen

IIS

STEUERUNG

Sensorik

MOTOR AUFZUG

Fahrkurven-generator

Regelung

µProzessor und Software

Leistungsteil

Frequenz-umrichter

REGELSYSTEM

Netzteil

Umgebung

Aufzugsystem - Struktur

61

FraunhoferInstitut

Integrierte Schaltungen

IIS

t

ωFahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle

Steuerung des Fahrverhaltens

62

FraunhoferInstitut

Integrierte Schaltungen

IIS

t

ω

ωpos.

FahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle• Beschleunigung

Steuerung des Fahrverhaltens

63

FraunhoferInstitut

Integrierte Schaltungen

IIS

t

ω

ωpos ωneg. .

FahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle• Beschleunigung• Verzögerung

Steuerung des Fahrverhaltens

64

FraunhoferInstitut

Integrierte Schaltungen

IIS

t

ω

ωpos

ωFahr

ωneg. .

FahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle• Beschleunigung• Verzögerung• Fahrgeschwindigkeit

Steuerung des Fahrverhaltens

65

FraunhoferInstitut

Integrierte Schaltungen

IIS

t

ω

ωpos

ωFahr

r1r4

r2 r3

ωneg. .

FahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle• Beschleunigung• Verzögerung• Fahrgeschwindigkeit• Verrundungen

Steuerung des Fahrverhaltens

66

FraunhoferInstitut

Integrierte Schaltungen

IIS

• Positioniergenauigkeit• Fahrzeit• maximale Beschleunigung• maximale Bremsbeschleunigung• ...

t

ω

ωpos

ωFahr

r1r4

r2 r3

ωneg. .

FahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle• Beschleunigung• Verzögerung• Fahrgeschwindigkeit• Verrundungen

GütekriterienFahrverhalten der Kabine

Steuerung des Fahrverhaltens

67

FraunhoferInstitut

Integrierte Schaltungen

IIS

Fahrkorb

Gegengewicht

Antrieb

Steuerung

Monteur

Inbetriebnahme

• Probefahrt des Monteurs

• subjektive Beurteilung des Fahrverhaltens

• Nachstellen der Parameter der Fahrkurve

• Kontrolle der Fahreigen-schaften

• ggfs. weiteres Nachstellen

Ausgangszustand

68

FraunhoferInstitut

Integrierte Schaltungen

IIS

Fahrkorb

Gegengewicht

Antrieb

Steuerung

automatischeInbetriebnahme und laufende Korrektur

Steuerung des Fahrverhaltens durch Neuronales Netz

69

FraunhoferInstitut

Integrierte Schaltungen

IIS

Fahrkorb

Gegengewicht

Antrieb

Sensorik

Steuerung

automatischeInbetriebnahme und laufende Korrektur

• sensorische Erfassung der Ist-Fahrkurve

Steuerung des Fahrverhaltens durch Neuronales Netz

70

FraunhoferInstitut

Integrierte Schaltungen

IIS

Fahrkorb

Gegengewicht

Antrieb

Vorverarbeitung(Merkmals-extraktion)

Sensorik

Steuerung

automatischeInbetriebnahme und laufende Korrektur

• sensorische Erfassung der Ist-Fahrkurve

• Extraktion von Merkmalen aus der Ist-Fahrkurve

Steuerung des Fahrverhaltens durch Neuronales Netz

71

FraunhoferInstitut

Integrierte Schaltungen

IIS

Fahrkorb

Gegengewicht

Antrieb

Vorverarbeitung(Merkmals-extraktion)

Sensorik

NeuronalesNetz

Steuerung

automatischeInbetriebnahme und laufende Korrektur

• sensorische Erfassung der Ist-Fahrkurve

• Extraktion von Merkmalen aus der Ist-Fahrkurve

• Nachstellen der Parameter der Fahrkurve durch Neuro-nales Netz

Steuerung des Fahrverhaltens durch Neuronales Netz

72

FraunhoferInstitut

Integrierte Schaltungen

IIS

Fahrkorb

Gegengewicht

Antrieb

Vorverarbeitung(Merkmals-extraktion)

Sensorik

NeuronalesNetz

Steuerung

automatischeInbetriebnahme und laufende Korrektur

• sensorische Erfassung der Ist-Fahrkurve

• Extraktion von Merkmalen aus der Ist-Fahrkurve

• Nachstellen der Parameter der Fahrkurve durch Neuro-nales Netz

• laufende Korrektur der Parameter

Steuerung des Fahrverhaltens durch Neuronales Netz

73

FraunhoferInstitut

Integrierte Schaltungen

IIS

Kennwerte für die Fahrweise

Fahrkurven-parameter

Fahrkurven-generator

Aufzug-modell

Kennwert-extraktiont

v

t

v

Neuronales Netz

Soll-Fahrkurve Ist-Fahrkurve

gewünschte Fahrweise- Positioniergenauigkeit- Fahrzeit- Beschleunigung- ...

Modell für die Gesamtsystemsimulation

74

FraunhoferInstitut

Integrierte Schaltungen

IIS

gewünschte Fahrweise- Positioniergenauigkeit- Fahrzeit- Beschleunigung- ...

Fahrkurven-parameter

Kennwerte für die Fahrweise

Fahrkurven-generator

Aufzug-modell

Kennwert-extraktion

Soll-Fahrkurve Ist-Fahrkurve

Neuronales Netz

t

v

t

v

Systemsimulation

NN-Simulation

Modell für die Gesamtsystemsimulation

75

FraunhoferInstitut

Integrierte Schaltungen

IIS SKIP

Einzelaufzug - Modell des Gesamtsystems

FREQUENZ- SENSORIK

FAHR-KURVEN-

GENERATOR STEUERUNG

ASM GETRIEBE

TREIB-SCHEIBE

SEIL

SEIL

SEIL-AUF-

HÄNGUNG

SEIL-AUF-

HÄNGUNG

KABINEN-SYSTEM

GEGEN-GEWICHT

Aufzug 1

Aufzug j

Aufzug n

Etage m

Etage i

Etage 1

uωsoll

uωist uxref

u1...3 i1...3

mMo

UMRICHTER

ωMo

ωG mG

F1

F2

x2 .

x1 .

xs2 .

xG .

xK .

xs1 .

Fs1 FK

Fs2 FG

feldorientierteREGELUNG u.

Drehzahl-REGELUNG

xsoll (Aj,t)

FÜHRUNG_K

FÜHRUNG_G

xFK .

FFK

FGK

xGK .

xK .ωMo

iist umess

umess

iA

iA

Zustand des Aufzugsystems

Fahrkurvenparameter

Rufsignale

76

FraunhoferInstitut

Integrierte Schaltungen

IIS

• Blockschaltbilder (Regelungstechnik)• verallgemeinerte Netzwerke

mathematische Beschreibung durch Algebro-Differential-Gleichungssysteme (DAE)unter Zugrundelegung einer einheitlichen Form

• Zerlegung in Teilsysteme• Festlegung der Koppelgrößen• Modellierung der Teilsysteme• Kombination von Struktur- und Verhaltensmodellen

Strukturmodelle

Verhaltensmodelle

Modellierung des Systems

Modellierungsansätze

77

FraunhoferInstitut

Integrierte Schaltungen

IIS

Seilkraft an der Kabine

Weg an der Kabine

Geschwindigkeit der Kabine

Simulationsergebnisse

78

FraunhoferInstitut

Integrierte Schaltungen

IIS

Einbeziehung Neuronaler Netze in die Simulation komplexer Systeme

Simulatorkopplung von System- und NN-Simulator

On-Line- und Off-Line-Training

Modellgenerierung für Systemsimulatoren

Beispielsysteme• Stabbalance• Mikrorelais• Aufzugsystem

Zusammenfassung