Home |  ENGLISH |  Kontakt |  Impressum |  Anmelden |  KIT

OCOM

Aus Aifbportal

Wechseln zu: Navigation, Suche

Lernfähiges selbstadaptierendes Gesamtmaschinenmanagement in mobilen Arbeitsmaschinen


Kontaktperson: Sanaz Mostaghim





Projektstatus: abgeschlossen


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 MostaghimHartmut SchmeckMicaela Wünsche


Informationen

von: 1 Februar 2009
bis: 31 Januar 2011
Finanzierung: DFG
Vorgängerprojekt(e): QE


Partner

MOBIMA


Forschungsgruppe

Effiziente Algorithmen


Forschungsgebiet

Agenten Systeme, Evolutionäre Algorithmen, Maschinelles Lernen, Mensch-Maschine-Systeme, Organic Computing





Publikationen zum Projekt
 - 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)

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)

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)

↑ top

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

↑ top


-->