Inhalt

•  
   Abbildungsverzeichnis
•  
   Abkürzungsverzeichnis
•  
   Wichtige Formelzeichen
•  
  1 Einführung
•  
   1.1 Herausforderung Selbstoptimierung
•  
   1.2 Umfeld dieser Arbeit
•  
   1.2.1 Sonderforschungsbereich 614
•  
   1.2.2 Neue Bahntechnik Paderborn
•  
   1.3 Zielsetzung
•  
   1.4 Gliederung der Arbeit
•  
  2 Grundlagen für die Entwicklung selbstoptimierender Systeme
•  
  2.1 Bestimmung des Begriffs Selbstoptimierung
•  
   2.1.1 Adaptive Regler und Selbstoptimierung
•  
   2.1.2 Definition der Selbstoptimierung
•  
   2.2 Optimierungs- und Lernverfahren
•  
   2.2.1 Modellbasierte Verfahren
•  
   2.2.2 Modellbasierte Optimierung
•  
   2.2.3 Verhaltensbasierte Verfahren
•  
   2.2.4 Lernverfahren – Grundlagen
•  
   2.2.5 Selbstverstärkendes Lernen (Reinforcement Learning)
•  
   2.2.6 Neuronale Netze
•  
   2.2.7 Planungsorientierte Verfahren
•  
  2.3 Methodik zum Entwurf mechatronischer Systeme
•  
   2.3.1 V-Modell für die Entwicklung mechatronischer Systeme
•  
   2.3.2 Anwendung auf Selbstoptimierung
•  
   2.3.3 Vorgehen beim modellbasierten Systementwurf
•  
   2.3.4 Modellbildung mechatronischer Systeme
•  
   2.3.5 Abstraktionsebenen in der Modellbildung
•  
   2.3.6 Objektorientiertes Mechatronikmodell (OMM)
•  
   2.3.7 Rechnergestützte Simulation
•  
  2.4 Struktur mechatronischer Systeme
•  
   2.4.1 Systembegriff
•  
   2.4.2 Funktionsorientierte Modellierung und Strukturierung
•  
   2.4.3 Modular-hierarchische Bauteilstruktur
•  
  2.5 Agententechnik als Entwurfsparadigma für proaktive Informationsverarbeitung
•  
   2.5.1 Einführung
•  
   2.5.2 Klassifizierung von Agenten
•  
   2.5.3 Multiagentensysteme
•  
  3 Konzept für Entwurf und Struktur selbstoptimierender Systeme
•  
   3.1 Einführung
•  
   3.2 Rekonfigurierbare Systeme als Grundlage für Selbstoptimierung in mechatronischen Systemen
•  
  3.3 Modellierung von hybriden Systemen
•  
   3.3.1 Beschreibung hybrider Systeme
•  
   3.3.2 Hybride Hierarchieelemente
•  
  3.4 Operator-Controller-Modul (OCM)
•  
   3.4.1 Grundlagen zum OCM
•  
   3.4.2 Aufbau des erweiterten OCM
•  
   3.4.3 Rekonfiguration mit Hilfe des OCM
•  
  4 Numerische Simulation und Ausführung von modularen Systemen
•  
   4.1 Mathematische Modelle
•  
   4.2 Numerische Simulation mechatronischer Systeme
•  
   4.2.1 Genauigkeit und Stabilität numerischer Berechnungsverfahren
•  
   4.2.2 Voraussetzungen für unterschiedliche Schrittweiten
•  
   4.3 Verkopplung von Teilsystemen
•  
   4.3.1 Numerische Fehler durch Aliasing
•  
   4.3.2 Erzeugung von Störfrequenzen durch Kopplung von Teilsystemen
•  
   4.3.3 Multirate-Systeme und Multirate-Integration
•  
   4.3.4 Grenzen des Modellierungsansatzes
•  
   4.4 Ansätze zur Vermeidung von Störeffekten in Multirate-Systemen
•  
   4.4.1 Kompensation der Aliasing-Effekte durch Glättung der Koppeldaten
•  
   4.4.2 Extrapolation der Koppeldaten
•  
   4.4.3 Gleichzeitiger Einsatz von Glättung und Extrapolation
•  
   4.4.4 Aufwand und Fehler
•  
   4.4.5 Reihenfolge der Auswertung der Teilsysteme
•  
   4.4.6 Erweiterung von Runge-Kutta-Verfahren zu Multirate-Verfahren
•  
   4.4.7 Fazit
•  
  5 Informationsverarbeitung – Entwurf und Implementierung
•  
  5.1 Modularisierung von Modellen
•  
   5.1.1 Zerlegung in Teilkomponenten
•  
   5.1.2 Modularisierung der Systemgleichungen
•  
   5.1.3 Modularisierung nach Ausgangsblöcken
•  
  5.2 Modulare Codegenerierung und Steuerung
•  
   5.2.1 Partitionierung
•  
   5.2.2 Steuerung der Auswertung
•  
  5.3 Laufzeitumgebung IPANEMA
•  
   5.3.1 Grundkonzept
•  
   5.4 Informationstechnische Realisierung hybrider Komponenten
•  
   5.4.1 Diskussionsgrundlagen
•  
   5.4.2 Hybride Modellierung
•  
   5.4.3 Hybride Statecharts
•  
   5.4.4 Schnittstellen-Statecharts
•  
  6 Anwendungsbeispiele für Selbstoptimierung
•  
   6.1 Ein Beispiel für Hierarchisierung und Multirate: Magnetbahn
•  
   6.1.1 Modellierung
•  
   6.1.2 Multirate-Integration
•  
   6.1.3 Modellerweiterungen für Multirate
•  
   6.1.4 Simulationsergebnisse
•  
  6.2 Ein Beispiel für Verhaltensbasierung: Aktives Fahrwerk
•  
   6.2.1 Aufgabenstellung
•  
   6.2.2 Verhaltensbasierter Ansatz
•  
   6.2.3 Aufbau des Operator-Controller-Moduls (OCM)
•  
   6.2.4 Kognitiver Operator: Zustandsmaschine und Verhalten
•  
   6.2.5 Simulationsergebnisse
•  
  6.3 Ein Beispiel für verteilte Optimierung: Trajektorienoptimierung bei schienengebundenen Fahrzeugen
•  
   6.3.1 Technischer Aufbau des Modellsystems
•  
   6.3.2 Sollbahnoptimierung
•  
   6.3.3 Regelung des Aufbaus mit Führungsvorgabe
•  
   6.3.4 Optimierungsverfahren
•  
   6.3.5 Struktur der Informationsverarbeitung
•  
   6.3.6 Simulationsszenario und -ergebnisse
•  
   7 Zusammenfassende Diskussion und Ausblick
•  
   A Literaturverzeichnis
•  
   B Stichwortverzeichnis