Modul RO4500-KP08

Advanced Control and Estimation (ACE)

Dauer:

2 Semester

Angebotsturnus:

Jedes Semester

Leistungspunkte:

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-Ü: Linear Systems Theory (Übung, 2 SWS)
RO4500-V: Linear Systems Theory (Vorlesung, 2 SWS)

Workload:

30 Stunden Präsenzübung
70 Stunden Selbststudium
120 Stunden Präsenzstudium
20 Stunden Prüfungsvorbereitung

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

Sprache:

Wird nur auf Englisch angeboten

Bemerkungen:

Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine

Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungen gemäß Vorgabe am Semesteranfang

Modulprüfung(en):
- RO4500-L1: Advanced Control and Estimation, Eine mündliche Prüfung über die Inhalte beider Teilmodule, 40min, 100% der Modulnote

Letzte Änderung:

7.10.2021

Modulhandbuch (ab WS 2019/20)