Neuronale Netze in mechatronischen Systemen - ein Ansatz ...publications.eas.iis.fraunhofer.de/papers/1999/024/slides.pdf · 2 Fraunhofer Institut Integrierte Schaltungen IIS Einleitung

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: [email protected]

2

FraunhoferInstitut


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


IIS

Prozeß

UMWELT

Systeme mit Neuronalen Netzen

4

FraunhoferInstitut


IIS

Prozeß

UMWELT


5

FraunhoferInstitut


IIS

Sensoren

Prozeß

UMWELT

Vorver-arbeitung


6

FraunhoferInstitut


IIS

Sensoren

„klassische“ Signalverarbeitungs-

und Steuerungs-algorithmen

Prozeß

UMWELT

Neuronale Netze

Vorver-arbeitung


7

FraunhoferInstitut


IIS

Sensoren



Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung


8

FraunhoferInstitut


IIS

Sensoren



Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung

Robotik• Regelung und Steuerung• Bahnplanung und Greif-

raumexploration


9

FraunhoferInstitut


IIS

Sensoren



Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung


raumexploration

Bildverarbeitung• Mustererkennung• Musterreproduktion


10

FraunhoferInstitut


IIS

Sensoren



Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung


raumexploration


Mikrosystemtechnik• Meßwertverarbeitung• Adaption, Selbst-

kalibrierung


11

FraunhoferInstitut


IIS

Sensoren



Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung


raumexploration



kalibrierung

mobile autonome Systeme


12

FraunhoferInstitut


IIS

Sensoren



Aktoren

Prozeß

UMWELT

Neuronale Netze

An-steuerung

Vorver-arbeitung


raumexploration



kalibrierung

mobile autonome Systeme

Sensorsignalverarbeitung


13

FraunhoferInstitut


IIS

Gesamtsystemsimulation intelligenter Systeme- Einbeziehung der Komponente Neuronales Netz -

14

FraunhoferInstitut


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


15

FraunhoferInstitut


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


16

FraunhoferInstitut


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


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


IIS

Schematic Entry

*.cir*.vhdl...

Bibliotheken*.csdf*.dat

PostprocessingTool

System-simulator

Systemsimulation

Entwurfsumgebung für intelligente Systeme

19

FraunhoferInstitut


IIS

NN-SimulatorGUI

*.net*.cfg...

*.err*.net*.res

*.net

C-CodeErzeugung

NN-SimulatorGUI

NN-Simulator

*.pat

Lernmuster

Simulation Neuronaler Netze


20

FraunhoferInstitut


IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...


*.err*.net*.res

NN-SimulatorGUI

System-simulator

NN-Simulator

Erzeugung von Lerndatenfür das Neuronale Netz durch Systemsimulationen


21

FraunhoferInstitut


IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...


*.err*.net*.res

NN-SimulatorGUI

Skalierung,Konvertierung

System-simulator

NN-Simulator

Erzeugung von Lerndatenfür das Neuronale Netz durch Systemsimulationen

Off-line-Lernen


22

FraunhoferInstitut


IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...


*.err*.net*.res

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Simulatorkopplung


23

FraunhoferInstitut


IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...


*.err*.net*.res

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Simulator-kopplung

Simulatorkopplung

On-line Lernen

SKIP


24

FraunhoferInstitut


IIS

SchaltungssimulatorNN-Simulator

Simulatorkopplung

• mehrere NN-Simulatorenankoppelbar


25

FraunhoferInstitut


IIS

SchaltungssimulatorNN-Simulator NN-Simulator

LAN

Simulatorkopplung


• lokale und verteilteSimulation


26

FraunhoferInstitut


IIS

SchaltungssimulatorNN-Simulator NN-Simulator

NN-Simulator

LAN

Internet

Simulatorkopplung


• lokale und verteilte Simulation


27

FraunhoferInstitut


IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...


*.err*.net*.res

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Modellgenerierung


28

FraunhoferInstitut


IIS

Schematic Entry

NN-SimulatorGUI

*.cir*.vhdl...

*.net*.cfg...


*.err*.net*.res

*.net

C-CodeErzeugung

NN-SimulatorGUI

PostprocessingTool

System-simulator

NN-Simulator

Modellgenerierung

Modellgenerierung

Recall


29

FraunhoferInstitut


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


30

FraunhoferInstitut


IIS

SNNS KOSIM

IPC

send()

run()

wait()

wait()

recv()

send()

dispatch

recv()dispatch

Zusammenspiel KOSIM - SNNS

31

FraunhoferInstitut


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


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


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


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


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


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


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


IIS


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


IIS


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


IIS


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


IIS


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


IIS


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


IIS


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


IIS

12

34

5

67

8


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


IIS


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


IIS




Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

1.2

47

FraunhoferInstitut


IIS




Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

1.2

48

FraunhoferInstitut


IIS




Stabbalancierer

q [rad]

1.0

0.8

0.6

0.4

0.2

0.0

-0.2

t [s]

1.2

49

FraunhoferInstitut


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


IIS


RelaisVorver-

arbeitung

Ansteuer-elektronik

Sensoren

Umgebungs-einflüsse

Qualitäts-aussage

NN

extrahierteKennwerte

51

FraunhoferInstitut


IIS


RelaisVorver-

arbeitung

Ansteuer-elektronik

Sensoren

Umgebungs-einflüsse

Systemsimulation

Qualitäts-aussage

NN

NN-Simulation

extrahierteKennwerte

52

FraunhoferInstitut


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


53

FraunhoferInstitut


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



Zeit [s]


Kennwertextraktion


54

FraunhoferInstitut


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



Zeit [s]

tbta

tc


Kennwertextraktion• Zeiten


55

FraunhoferInstitut


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



Zeit [s]

Bf

BgId

Ie


Kennwertextraktion• Zeiten• Absolutwerte


56

FraunhoferInstitut


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



Zeit [s]

∆Ih ∆Ii


Kennwertextraktion• Zeiten• Absolutwerte• Differenzen


57

FraunhoferInstitut


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



Zeit [s]

dBdt

dBdt

tjtk


Kennwertextraktion• Zeiten• Absolutwerte• Differenzen• Anstiege


58

FraunhoferInstitut


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


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


IIS

STEUERUNG

Sensorik

MOTOR AUFZUG

Fahrkurven-generator

Regelung

µProzessor und Software

Leistungsteil

Frequenz-umrichter

REGELSYSTEM

Netzteil

Umgebung

Aufzugsystem - Struktur

61

FraunhoferInstitut


IIS

t

ωFahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle

Steuerung des Fahrverhaltens

62

FraunhoferInstitut


IIS

t

ω

ωpos.

FahrkurveVorgabe der Winkelgeschwin-digkeit an der Motorwelle• Beschleunigung


63

FraunhoferInstitut


IIS

t

ω

ωpos ωneg. .

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


64

FraunhoferInstitut


IIS

t

ω

ωpos

ωFahr

ωneg. .

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


65

FraunhoferInstitut


IIS

t

ω

ωpos

ωFahr

r1r4

r2 r3

ωneg. .

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


66

FraunhoferInstitut


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


67

FraunhoferInstitut


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


IIS

Fahrkorb

Gegengewicht

Antrieb

Steuerung

automatischeInbetriebnahme und laufende Korrektur

Steuerung des Fahrverhaltens durch Neuronales Netz

69

FraunhoferInstitut


IIS

Fahrkorb

Gegengewicht

Antrieb

Sensorik

Steuerung


• sensorische Erfassung der Ist-Fahrkurve


70

FraunhoferInstitut


IIS

Fahrkorb

Gegengewicht

Antrieb

Vorverarbeitung(Merkmals-extraktion)

Sensorik

Steuerung



• Extraktion von Merkmalen aus der Ist-Fahrkurve


71

FraunhoferInstitut


IIS

Fahrkorb

Gegengewicht

Antrieb


Sensorik

NeuronalesNetz

Steuerung




• Nachstellen der Parameter der Fahrkurve durch Neuro-nales Netz


72

FraunhoferInstitut


IIS

Fahrkorb

Gegengewicht

Antrieb


Sensorik

NeuronalesNetz

Steuerung




• Nachstellen der Parameter der Fahrkurve durch Neuro-nales Netz

• laufende Korrektur der Parameter


73

FraunhoferInstitut


IIS

Kennwerte für die Fahrweise

Fahrkurven-parameter


Aufzug-modell

Kennwert-extraktiont

v

t

v

Neuronales Netz

Soll-Fahrkurve Ist-Fahrkurve

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

Modell für die Gesamtsystemsimulation

74

FraunhoferInstitut


IIS

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

Fahrkurven-parameter

Kennwerte für die Fahrweise


Aufzug-modell

Kennwert-extraktion

Soll-Fahrkurve Ist-Fahrkurve

Neuronales Netz

t

v

t

v

Systemsimulation

NN-Simulation

Modell für die Gesamtsystemsimulation

75

FraunhoferInstitut


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


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


IIS

Seilkraft an der Kabine

Weg an der Kabine

Geschwindigkeit der Kabine


78

FraunhoferInstitut


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

Documents

Neuronale Netze in mechatronischen Systemen - ein Ansatz ...publications.eas.iis.fraunhofer.de/papers/1999/024/slides.pdf · 2 Fraunhofer Institut Integrierte Schaltungen IIS Einleitung