Modellbildung und Systemidentifikation

Mathematische Modelle physikalischer und technischer Systeme sind im Ingenieurwesen eine wesentliche Grundlage für die virtuelle Produktentwicklung, die Vorhersage von Zeitreihen von Prozessparametern und leistungsfähige Algorithmen von der aktiven Echounterdrückung im Audiobereich bis zur zustandsbasierten Regelung von Energiesystemen. In dieser Vorlesung sollen die grundlegenden Methoden der Modellbildung, insbesondere aus experimentell ermittelten Daten, vermittelt werden, um in praktischen Anwendungsproblemen zielgerichtet vorgehen zu können.

• Einordnung: Physikalische Modellbildung und experimentelle Systemanalyse
• Grundlegender Identifikationsablauf, Klassifikation von Identifikationsmethoden
• Nichtparametrische Schätzung: Spektralschätzung, Frequenzgangmessung, Korrelationsanalyse
• Methode der kleinsten Quadrate für statische und dynamische Systeme
• Adaptive Parameteridentifikation
• Zustandsschätzung mit dem Kalman-Filter
• Von nichtlinearen Systemen zum Maschinellen Lernen
• Praktische Aspekte der experimentellen Modellbildung

Während in der Vorlesung die methodischen Grundlagen vermittelt werden, werden in der Übung praktische Beispiele zur Umsetzung der Methoden in gängigen Programmierumgebungen behandelt.

2. Teil des Moduls Schaltungssimulation und Systemidentifikation (bzw. Grundlagen und Anwendungen der Systemidentifikation) (ET-12 08 08). 

Vorlesung: Dienstags, 16.40-18.10 am Fraunhofer IIS, Münchner Straße 16 

Übung: Donnerstags (14 tägig), gemäß Kurskalender am Fraunhofer IIS, Münchner Straße 16

In der Übung werden Python Jupyter Notebooks bearbeitet. Für einen Einstieg in die Programmiersprache Python sind folgende Ressourcen empfehlenswert:

• Python für Beginner: https://www.python.org/about/gettingstarted/
• Offizielles Python Tutorial: https://docs.python.org/3/tutorial/
• Weiterführende Python Tutorials: https://wiki.python.org/moin/BeginnersGuide/Programmers
• Quickstart Anleitungen für die Bibliothek NumPy: https://numpy.org/devdocs/user/quickstart.html
• im aktuellen WiSe findet zudem ein Pythonkurs für Ingenieur:innen statt: https://tud.link/tn0p