OCOM: Unterschied zwischen den Versionen

Version vom 18. September 2009, 07:09 Uhr

	Lernfähiges selbstadaptierendes Gesamtmaschinenmanagement in mobilen Arbeitsmaschinen
	Kontaktperson: Sanaz Mostaghim Projektstatus: aktiv

Beschreibung

In diesem Kooperationsprojekt zwischen dem Lehrstuhl für Mobile Arbeitsmaschinen (MOBIMA) und dem Institut für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) soll eine Methodik zur Übertragung der Konzepte des Organic Computing (OC) auf eine mobile Arbeitsmaschine erarbeitet werden. Das Ziel ist die Kraftstoffverbrauchsminimierung durch die modulare Entwicklung und Implementierung einer Observer-Controller-Architektur zur Realisierung eines sich selbstorganisierenden, zuverlässigen, adaptiven und robusten Gesamtmaschinenmanagements. Der Entwurf und die anschließende Umsetzung erfordern sowohl die Quantifizierung als auch die Steuerung der Effekte emergenten globalen Verhaltens in Netzwerken aus intelligenten autonomen Einheiten, wie sie in Form von Komponenten oder Baugruppen in mobilen Arbeitsmaschinen anzutreffen sind. Es soll eine Methode erarbeitet werden, die die systematische Einordnung und Analyse einer beliebigen mobilen Arbeitsmaschine im Hinblick auf die Übertragung des OC-Regelungsansatzes erlaubt. Nach der entsprechenden Analyse einer konkreten Demonstratormaschine soll beispielhaft zunächst theoretisch die Übertragung der abstrakten Observer-Controller-Architektur erfolgen und die Anwendbarkeit der Methode belegt werden. Ein anschließend erstelltes und schrittweise über die gesamte Projektlaufzeit verfeinertes Simulationsmodell dieser Maschine wird als Entwicklungsumgebung für die konkrete Implementierung der Architekturmodule dienen. Nach einer vollständigen Implementierung und dem simulativen Test der OC-Regelung werden intensive Messungen an dem durch zusätzliche Sensorik aufgerüsteten realen Fahrzeug vorgenommen. Diese werden helfen, die zukünftigen Potentiale der entwickelten adaptiven und lernfähigen Regelung für andere Maschinen und Anwendungsbereiche besser einzuschätzen, und möglicherweise eine Grundlage für ein Anschlussprojekt zur Optimierung und Generalisierung der neuartigen Regelung bieten.

Involvierte Personen

Sanaz Mostaghim, Hartmut Schmeck, Micaela Wünsche

Informationen

von: 1 Februar 2009
bis: 31 Januar 2011
Finanzierung: DFG

Partner

MOBIMA

Forschungsgruppe

Effiziente Algorithmen

Forschungsgebiet

OCOM (Evolutionäre Algorithmen, Organic Computing, Maschinelles Lernen, Agentensysteme, Mensch-Maschine-Systeme)

Publikationen zum Projekt

article

- inproceedings

- book

- incollection

- booklet

- proceedings

- phdthesis

- techreport

- deliverable

- manual

- misc

- unpublished

article

Timo Kautzmann, Marcus Geimer, Micaela Wünsche, Sanaz Mostaghim, Hartmut Schmeck
Organic Computing lernt nie aus - Flexibles Gesamtmaschinenmanagement in Traktoren
Mobile Maschinen, 4, Seiten 36 – 38, 2012
(Details)

Jan Hettenhausen, Andrew Lewis, Sanaz Mostaghim
Interactive Multi-Objective Particle Swarm Optimisation with Heatmap Visualisation based User Interface.
Journal of Engineering Optimization, 42, (2), Seiten 119-139, Februar, 2010
(Details)

Timo Kautzmann, Micaela Wünsche, Sanaz Mostaghim, Marcus Geimer, Hartmut Schmeck
Selbstadaptierendes und lernfähiges Management für mobile Arbeitsmaschinen
Landtechnik – Agricultural Engineering (Schwerpunkt Informationstechnologie), 4/2010, Seiten 110 - 113, Juli, 2010
(Details)

↑ top

inproceedings

Timo Kautzmann, Marcus Geimer, Micaela Wünsche, Sanaz Mostaghim, Hartmut Schmeck
Flexibles Management für Traktoren
70. Internationale Tagung "Land.Technik": Mit Erfahrung und Innovationskraft zu mehr Effizienz, Seiten: 69-74, Land.Technik, November, 2012
(Details)

Timo Kautzmann, Micaela Wünsche, Sanaz Mostaghim, Marcus Geimer, Hartmut Schmeck
Self-Optimizing Architecture in Mobile Machines
Proceedings of the 6th FPNI-PhD Symposium, Seiten: 479 - 488, FPNI, Juni, 2010
(Details)

Timo Kautzmann, Micaela Wünsche, Sanaz Mostaghim, Marcus Geimer, Hartmut Schmeck
Simulationsmodell zur Unterstützung von selbstoptimierenden Fähigkeiten eines Traktors
LAND.TECHNIK, Seiten: 187 - 195, VDI-MEG, Oktober, 2010
(Details)

Timo Kautzmann, Micaela Wünsche, Sanaz Mostaghim, Marcus Geimer, Hartmut Schmeck
Self-optimizing Machine Management
Proceedings of the 2nd International Conference on Machine Control & Guidance, Seiten: 107 - 115, VDI, Bonn, März, 2010
(Details)

Sanaz Mostaghim, Heike Trautmann, Olaf Mersmann
Preference-Based Multi-Objective Particle Swarm Optimization Using Desirabilities
Parallel Problem Solving from Nature (PPSN), Seiten: 101-110, Springer, Berlin Heidelberg, September, 2010
(Details)

Micaela Wünsche, Sanaz Mostaghim, Hartmut Schmeck, Timo Kautzmann, Marcus Geimer
Organic Computing in Off-highway Machines
In Proceedings of the 2nd International Workshop on Self-Organizing Architectures (SOAR '10), Seiten: 51-58, ACM, Juni, 2010
(Details)

↑ top

book

Christian Müller-Schloer, Hartmut Schmeck, Theo Ungerer
Organic Computing - A Paradigm Shift for Complex Systems
Birkhäuser, Juni, 2011
(Details)

↑ top

@@ Zeile 1: / Zeile 1: @@
 {{Projekt
 |Kurzname=OCOM
-|Name=Lernfähiges selbstadaptierendes Gesamtmaschinen-management in mobilen Arbeitsmaschinen
+|Name=Lernfähiges selbstadaptierendes Gesamtmaschinenmanagement in mobilen Arbeitsmaschinen
 |Name EN=Organic Computing in Off-highway Machines
-|Beschreibung DE=In diesem Kooperationsprojekt zwischen dem Lehrstuhl für Mobile Arbeitsmaschinen (Mobima) und dem Institut  für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) soll eine Methodik zur Übertragung der Konzepte des Organic Computing (OC) auf eine mobile Arbeitsmaschine erarbeitet werden. Das Ziel ist die Kraftstoffverbrauchsminimierung durch die modulare Entwicklung und Implementierung einer Observer-Controller-Architektur zur Realisierung eines sich selbstorganisierenden, zuverlässigen, adaptiven und robusten Gesamtmaschinenmanagements. Der Entwurf und die anschließende Umsetzung erfordern sowohl die Quantifizierung als auch die Steuerung der Effekte emergenten globalen Verhaltens in Netzwerken aus intelligenten autonomen Einheiten, wie sie in Form von Komponenten oder Baugruppen in mobilen Arbeitsmaschinen anzutreffen sind. Es soll eine Methode erarbeitet werden, die die systematische Einordnung und Analyse einer beliebigen mobilen Arbeitsmaschine im Hinblick auf die Übertragung des OC-Regelungsansatzes erlaubt. Nach der entsprechenden Analyse einer konkreten Demonstratormaschine soll beispielhaft zunächst theoretisch die Übertragung der abstrakten Observer-Controller-Architektur erfolgen und die Anwendbarkeit der Methode belegt werden. Ein  anschließend erstelltes und schrittweise über die gesamte Projektlaufzeit verfeinertes Simulationsmodell dieser Maschine wird als Entwicklungsumgebung für die konkrete Implementierung der Architekturmodule dienen. Nach einer vollständigen Implementierung und dem simulativen Test der OC-Regelung werden intensive Messungen an dem durch zusätzliche Sensorik aufgerüsteten realen Fahrzeug vorgenommen. Diese werden helfen, die zukünftigen Potentiale der entwickelten adaptiven und lernfähigen Regelung für andere Maschinen und Anwendungsbereiche besser einzuschätzen, und möglicherweise eine Grundlage für ein Anschlussprojekt zur Optimierung und Generalisierung der neuartigen Regelung bieten.
+|Beschreibung DE=In diesem Kooperationsprojekt zwischen dem Lehrstuhl für Mobile Arbeitsmaschinen (MOBIMA) und dem Institut  für Angewandte Informatik und Formale Beschreibungsverfahren (AIFB) soll eine Methodik zur Übertragung der Konzepte des Organic Computing (OC) auf eine mobile Arbeitsmaschine erarbeitet werden. Das Ziel ist die Kraftstoffverbrauchsminimierung durch die modulare Entwicklung und Implementierung einer Observer-Controller-Architektur zur Realisierung eines sich selbstorganisierenden, zuverlässigen, adaptiven und robusten Gesamtmaschinenmanagements. Der Entwurf und die anschließende Umsetzung erfordern sowohl die Quantifizierung als auch die Steuerung der Effekte emergenten globalen Verhaltens in Netzwerken aus intelligenten autonomen Einheiten, wie sie in Form von Komponenten oder Baugruppen in mobilen Arbeitsmaschinen anzutreffen sind. Es soll eine Methode erarbeitet werden, die die systematische Einordnung und Analyse einer beliebigen mobilen Arbeitsmaschine im Hinblick auf die Übertragung des OC-Regelungsansatzes erlaubt. Nach der entsprechenden Analyse einer konkreten Demonstratormaschine soll beispielhaft zunächst theoretisch die Übertragung der abstrakten Observer-Controller-Architektur erfolgen und die Anwendbarkeit der Methode belegt werden. Ein  anschließend erstelltes und schrittweise über die gesamte Projektlaufzeit verfeinertes Simulationsmodell dieser Maschine wird als Entwicklungsumgebung für die konkrete Implementierung der Architekturmodule dienen. Nach einer vollständigen Implementierung und dem simulativen Test der OC-Regelung werden intensive Messungen an dem durch zusätzliche Sensorik aufgerüsteten realen Fahrzeug vorgenommen. Diese werden helfen, die zukünftigen Potentiale der entwickelten adaptiven und lernfähigen Regelung für andere Maschinen und Anwendungsbereiche besser einzuschätzen, und möglicherweise eine Grundlage für ein Anschlussprojekt zur Optimierung und Generalisierung der neuartigen Regelung bieten.
-|Beschreibung EN=In this interdisciplinary project between the Institute for Vehicle Technology and Mobile Machines (Mobima) and the Institute of Applied Informatics and Formal Description Methods (AIFB) the concepts of Organic Computing (OC) will be integrated into  Off-highway Machines. The main objective is to minimize fuel consumption by modular development and implementation of an Observer-Controller architecture in order to realize a self-organizing, reliable, adaptive and robust machine management. The design and subsequent implementation require both quantification and control of the effects caused by emergent global behavior in networks of intelligent autonomous agents as represented by the components of an Off-highway Machine. In this project, a simulation model of the Off-highway machine will be developed as an environment for testing the Observer-Controller architecture. After complete implementation and simulative testing of the concepts from OC , comprehensive measurements will be conducted on a real machine rigged with additional sensor technology. These measurements will help to better evaluate the future potential control strategy provided for other machines and fields of application, and could constitute a foundation for a follow-up project to optimize and generalize this novel technology.
+|Beschreibung EN=In this interdisciplinary project between the Institute for Vehicle Technology and Mobile Machines (MOBIMA) and the Institute of Applied Informatics and Formal Description Methods (AIFB) the concepts of Organic Computing (OC) will be integrated into  Off-highway Machines. The main objective is to minimize fuel consumption by modular development and implementation of an Observer-Controller architecture in order to realize a self-organizing, reliable, adaptive and robust machine management. The design and subsequent implementation require both quantification and control of the effects caused by emergent global behavior in networks of intelligent autonomous agents as represented by the components of an Off-highway Machine. In this project, a simulation model of the Off-highway machine will be developed as an environment for testing the Observer-Controller architecture. After complete implementation and simulative testing of the concepts from OC , comprehensive measurements will be conducted on a real machine rigged with additional sensor technology. These measurements will help to better evaluate the future potential control strategy provided for other machines and fields of application, and could constitute a foundation for a follow-up project to optimize and generalize this novel technology.
-|Start=2009
+|Kontaktperson=Sanaz Mostaghim
-|Ende=2011
+|Start=2009/02/01
-|Finanziert von=
+|Ende=2011/01/31
+|Finanziert von=DFG
 |Projektstatus=aktiv
-|Vorg&auml;ngerprojekt=QE,
+|Person=Sanaz Mostaghim, Hartmut Schmeck, Micaela Wünsche
-|Person=Micaela Wünsche, Sanaz Mostaghim, Hartmut Schmeck,
+|Forschungsgruppe=Effiziente Algorithmen
-|Forschungsgruppe=Effiziente Algorithmen,
+|Partner=MOBIMA
-|Forschungsgebiet=Effiziente Algorithmen, Künstliche Intelligenz, Organic Computing, Maschinelles Lernen, Agenten Systeme, Evolutionäre Algorithmen,
-|Partner=DFG,
 }}