Das Buch „Intelligente Verfahren" führt anschaulich und verständlich in das Gebiet der intelligenten Verfahren ein. In geschlossenen Darstellungen zeigt das Buch zuerst die theoretischen Grundlagen und anschließend praktische Beispiele, wobei bei den Beispielen auch fehlerhafte Ansätze gezeigt werden. Nach einer kurzen Übersicht werden im zweiten, einführenden Kapitel die Einschränkungen behandelt, die bereits bei relativ einfachen Systemen zu beachten sind, wenn ein lineares System vorausgesetzt wird. Es wird weiterhin gezeigt, dass praktisch alle Systeme nicht- linear sind und damit die Basis für die kommenden Kapitel gelegt.

In vielen Anwendungsfällen, in denen die Nichtlinearitäten separiert werden können. Die Abbildung solcher Nichtlinearitäten durch Funktionsapproximatoren wird mit Beispielen im dritten Kapitel abgehandelt.

Das vierte Kapitel stellt die grundlegenden Lernverfahren wie der Gradientenabstieg vor, und im fünften Kapitel wird das erste intelligente Verfahren, der lernfähige, nichtlineare Beobachter entwickelt, wobei angenommen wird, dass nur die Nichtlinearitäten wie Reibung und Lose unbekannt sind und deshalb gelernt werden müssen. Im sechsten Kapitel werden die Voraussetzungen der Vorkenntnisse verringert, denn nun ist nur noch die regelungs- technische Struktur des nichtlinearen Systems bekannt. Kapitel sieben und acht stellt allgemein die Identifikationsstrukturen sowie die Vor- und Nachteile bei linearen und nicht- linearen Systemen dar. In Kapitel neun werden Identifikationsverfahren für dynamische Nichtlinearitäten vorgestellt. Im zehnten Kapitel erfolgt eine umfassende und kritische Darstellung der höherwertigen Lernverfahren. Es wird außerdem ein intelligentes Verfahren vorgestellt bei dem Vorwissen eingebracht werden kann.

In einem weiteren Kapitel werden die globalen Optimierungsverfahren vorgestellt.

Nachdem in den bisherigen Kapiteln die Identifikation nichtlinearer Systeme der Schwerpunkt war, folgen nun, beginnend mit Kapitel elf, die Regelungsverfahren bei nichtlinearen Systemen, wobei auch Randgebiete wie die Bedeutung der Nulldynamik ausführlich vorgestellt werden.

Kapitel dreizehn behandelt u.a. Regelungsverfahren bei denen das nichtlineare System gestört ist bzw. sich in der Struktur oder/ und den Parametern sprungförmig ändert.

Kapitel vierzehn erweitert den Aspekt des vorherigen Kapitels auf stochastische Prozesse.

In Kapitel fünfzehn werden Regelungsverfahren für nichtlineare, unbekannte Systeme erarbeitet, die außerdem unbekannt gestört sind. Diese Verfahren nützen einen entscheidend veränderten High-Gain-Ansatz.

Kapitel sechszehn stellt die Fuzzy-Logik vor.

Die Verfahren können bei allen nichtlinearen Systemen angewendet werden und wurden bereits äußerst erfolgreich in der Medizin, in der Robotik, in der Getriebesteuerung von Hybridfahrzeugen etc. eingesetzt.

Das Buch „Intelligente Verfahren" führt anschaulich und verständlich in das Gebiet der intelligenten Verfahren ein. In geschlossenen Darstellungen zeigt das Buch zuerst die theoretischen Grundlagen und anschließend praktische Beispiele, wobei bei den Beispielen auch fehlerhafte Ansätze gezeigt werden. Nach einer kurzen Übersicht werden im zweiten, einführenden Kapitel die Einschränkungen behandelt, die bereits bei relativ einfachen Systemen zu beachten sind, wenn ein lineares System vorausgesetzt wird. Es wird weiterhin gezeigt, dass praktisch alle Systeme nicht- linear sind und damit die Basis für die kommenden Kapitel gelegt.

In vielen Anwendungsfällen, in denen die Nichtlinearitäten separiert werden können. Die Abbildung solcher Nichtlinearitäten durch Funktionsapproximatoren wird mit Beispielen im dritten Kapitel abgehandelt.

Das vierte Kapitel stellt die grundlegenden Lernverfahren wie der Gradientenabstieg vor, und im fünften Kapitel wird das erste intelligente Verfahren, der lernfähige, nichtlineare Beobachter entwickelt, wobei angenommen wird, dass nur die Nichtlinearitäten wie Reibung und Lose unbekannt sind und deshalb gelernt werden müssen. Im sechsten Kapitel werden die Voraussetzungen der Vorkenntnisse verringert, denn nun ist nur noch die regelungs- technische Struktur des nichtlinearen Systems bekannt. Kapitel sieben und acht stellt allgemein die Identifikationsstrukturen sowie die Vor- und Nachteile bei linearen und nicht- linearen Systemen dar. In Kapitel neun werden Identifikationsverfahren für dynamische Nichtlinearitäten vorgestellt. Im zehnten Kapitel erfolgt eine umfassende und kritische Darstellung der höherwertigen Lernverfahren. Es wird außerdem ein intelligentes Verfahren vorgestellt bei dem Vorwissen eingebracht werden kann.

In einem weiteren Kapitel werden die globalen Optimierungsverfahren vorgestellt.

Nachdem in den bisherigen Kapiteln die Identifikation nichtlinearer Systeme der Schwerpunkt war, folgen nun, beginnend mit Kapitel elf, die Regelungsverfahren bei nichtlinearen Systemen, wobei auch Randgebiete wie die Bedeutung der Nulldynamik ausführlich vorgestellt werden.

Kapitel dreizehn behandelt u.a. Regelungsverfahren bei denen das nichtlineare System gestört ist bzw. sich in der Struktur oder/ und den Parametern sprungförmig ändert.

Kapitel vierzehn erweitert den Aspekt des vorherigen Kapitels auf stochastische Prozesse.

In Kapitel fünfzehn werden Regelungsverfahren für nichtlineare, unbekannte Systeme erarbeitet, die außerdem unbekannt gestört sind. Diese Verfahren nützen einen entscheidend veränderten High-Gain-Ansatz.

Kapitel sechszehn stellt die Fuzzy-Logik vor.

Die Verfahren können bei allen nichtlinearen Systemen angewendet werden und wurden bereits äußerst erfolgreich in der Medizin, in der Robotik, in der Getriebesteuerung von Hybridfahrzeugen etc. eingesetzt.

Das Buch „Intelligente Verfahren" führt anschaulich und verständlich in das Gebiet der intelligenten Verfahren ein. In geschlossenen Darstellungen zeigt das Buch zuerst die theoretischen Grundlagen und anschließend praktische Beispiele, wobei bei den Beispielen auch fehlerhafte Ansätze gezeigt werden. Nach einer kurzen Übersicht werden im zweiten, einführenden Kapitel die Einschränkungen behandelt, die bereits bei relativ einfachen Systemen zu beachten sind, wenn ein lineares System vorausgesetzt wird. Es wird weiterhin gezeigt, dass praktisch alle Systeme nicht- linear sind und damit die Basis für die kommenden Kapitel gelegt.

In vielen Anwendungsfällen, in denen die Nichtlinearitäten separiert werden können. Die Abbildung solcher Nichtlinearitäten durch Funktionsapproximatoren wird mit Beispielen im dritten Kapitel abgehandelt.

Das vierte Kapitel stellt die grundlegenden Lernverfahren wie der Gradientenabstieg vor, und im fünften Kapitel wird das erste intelligente Verfahren, der lernfähige, nichtlineare Beobachter entwickelt, wobei angenommen wird, dass nur die Nichtlinearitäten wie Reibung und Lose unbekannt sind und deshalb gelernt werden müssen. Im sechsten Kapitel werden die Voraussetzungen der Vorkenntnisse verringert, denn nun ist nur noch die regelungs- technische Struktur des nichtlinearen Systems bekannt. Kapitel sieben und acht stellt allgemein die Identifikationsstrukturen sowie die Vor- und Nachteile bei linearen und nicht- linearen Systemen dar. In Kapitel neun werden Identifikationsverfahren für dynamische Nichtlinearitäten vorgestellt. Im zehnten Kapitel erfolgt eine umfassende und kritische Darstellung der höherwertigen Lernverfahren. Es wird außerdem ein intelligentes Verfahren vorgestellt bei dem Vorwissen eingebracht werden kann.

In einem weiteren Kapitel werden die globalen Optimierungsverfahren vorgestellt.

Nachdem in den bisherigen Kapiteln die Identifikation nichtlinearer Systeme der Schwerpunkt war, folgen nun, beginnend mit Kapitel elf, die Regelungsverfahren bei nichtlinearen Systemen, wobei auch Randgebiete wie die Bedeutung der Nulldynamik ausführlich vorgestellt werden.

Kapitel dreizehn behandelt u.a. Regelungsverfahren bei denen das nichtlineare System gestört ist bzw. sich in der Struktur oder/ und den Parametern sprungförmig ändert.

Kapitel vierzehn erweitert den Aspekt des vorherigen Kapitels auf stochastische Prozesse.

In Kapitel fünfzehn werden Regelungsverfahren für nichtlineare, unbekannte Systeme erarbeitet, die außerdem unbekannt gestört sind. Diese Verfahren nützen einen entscheidend veränderten High-Gain-Ansatz.

Kapitel sechszehn stellt die Fuzzy-Logik vor.

Die Verfahren können bei allen nichtlinearen Systemen angewendet werden und wurden bereits äußerst erfolgreich in der Medizin, in der Robotik, in der Getriebesteuerung von Hybridfahrzeugen etc. eingesetzt.