Website
Modulhandbuch (ab WS 2019/20)

Modul RO4500-KP08

Advanced Control and Estimation (ACE)

Dauer:


2 Semester
Angebotsturnus:


Jedes Semester
Leistungspunkte:


8
Studiengang, Fachgebiet und Fachsemester:
  • Master Robotics and Autonomous Systems 2019 (Wahlpflicht), Wahlpflicht, 1. und 2. Fachsemester
Lehrveranstaltungen:
  • RO5501-Ü: Graphische Modelle in der System- und Regelungstheorie (Übung, 1 SWS)
  • RO5501-V: Graphische Modelle in der System- und Regelungstheorie (Vorlesung, 2 SWS)
  • RO4500-V: Linear Systems Theory (Vorlesung, 2 SWS)
  • RO4500-Ü: Linear Systems Theory (Übung, 2 SWS)
Workload:
  • 20 Stunden Prüfungsvorbereitung
  • 120 Stunden Präsenzstudium
  • 70 Stunden Selbststudium
  • 30 Stunden Präsenzübung
Lehrinhalte:
  • Lehrinhalte der Veranstaltung Linear Systems Theory:
  • Vektorraum, Norm, lineare Operatoren
  • Eigenwerte, Eigenvektoren, Jordan'sche Normalform
  • Singulärwertzerlegung und Operatornorms
  • Kontinuierliche und diskrete lineare Systeme
  • Modellierung linearer Systeme und Linearisierung
  • Fundamentallösung der Zustandsgleichungen linearer Systeme
  • Laplacetransformation und z-Transformation
  • Lehrinhalte der Veranstaltung Graphical Models in Systems and Control:
  • Einführung in die Wahrscheinlichkeitstheorie, sowie diskrete und kontinuierlich verteilte Zufallsvariablen
  • Grundlegende Kenntnisse zu probabilistischen graphischen Modellen
  • Erweiterte Kenntnisse zu (Forney-)Faktorgraphen als probabilistisches graphisches Modell
  • Message Passing mittels Sum- und Max-Produkt Algorithmus
  • Gauß'sches Message Passing
  • Zustandschätzung im probabilistischen Framework (Kalman Filter und Smoother inklusive Erweiterungen)
  • Parameterschätzung mittels Expectation Maximization
  • Expectation Propagation
  • Regelung auf Faktorgraphen
Qualifikationsziele/Kompetenzen:
  • Lernziele der Veranstaltung Linear Systems Theory:
  • Die Studierenden beherrschen die wichtigsten Konzepte der linearen Algebra.
  • Die Studierenden verstehen die Grundlagen kontinuierlicher und diskrete linearer Systeme.
  • Die Studierenden können mechanische und elektrische Systeme mathematisch modellieren.
  • Die Studierenden können die Systemgleichungen im Zeitbereich und Frequenzbereich lösen und analysieren.
  • Die Studierenden entwickeln ihre mathematischen Fähigkeiten und Problemlösungskompetenz.
  • Die Studierenden verbessern ihre Fähigkeiten in der logischen Argumentation und mathematischen Beweisführung.
  • Die Studierenden können Forschung in der Regelungs- und Systemtheorie verfolgen und betreiben.
  • Lernziele der Veranstaltung Graphical Models in Systems and Control:
  • Die Studierenden erwerben und vertiefen grundlegende Kenntnisse der Wahrscheinlichkeitstheorie und der Transformation diskret und kontinuierlich verteilter Zufallsvariablen.
  • Die Studierenden können einfache lineare Algorithmen wie das Kalman Filter mit Hilfe graphischer probabilistischer Modelle verstehen
  • Die Studierenden können Elemente von probabilistischen Algorithmen mit Hilfe graphischer probabilistischer Modelle zu neuen Algorithmen kombinieren.
  • Die Studierenden können fortgeschrittene Signalverarbeitung, Parameter- und Zustandsschätzprobleme, sowie Regelalgorithmen mit Hilfe grapischer probabilistischer verstehen, erweitern und auf relevante Probleme anpassen.
Vergabe von Leistungspunkten und Benotung durch:
  • Klausur oder mündliche Prüfung nach Maßgabe des Dozenten
Modulverantwortliche:
Lehrende:
Literatur:
Sprache:
  • Wird nur auf Englisch angeboten
Bemerkungen:

Zulassungsvoraussetzungen zum Modul:
- Keine

Letzte Änderung:
22.11.2019