neuronale netze in mechatronischen systemen - ein ansatz...
TRANSCRIPT
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
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