Forschungsbericht 2002

Für die Automatisierung ”zyklischer” Prozesse können sogenannte iterativ lernende Regelungen (ILR) mit großem Vorteil eingesetzt werden, mit deren Hilfe der Prozessablauf von Zyklus zu Zyklus verbessert werden kann. Um den Verlauf der Regelgröße an einen vorgegebenen Sollverlauf anzugleichen, werden die Ein- und Ausgangsverläufe des vorangegangenen k-ten Zyklus verwendet, um den Stellgrößenverlauf u_k+1(t) für den nächsten, den (k+1)-ten Zyklus so zu berechnen, dass der Fehler zwischen Soll- und Istverlauf immer kleiner wird.

Iterativ lernende Regelungsverfahren können unter anderem bei der Führung von Batchprozessen, bei der Regelung von periodischen Systemen, bei der Automatisierung von Roboterarmbewegungen, für die Regelung der Profiltemperatur beim Strangpressen von Aluminium oder aber auch bei der Automatisierung des Hochfahrens eines verfahrenstechnischen Prozesses zu einem Betriebszustand eingesetzt werden. Diesen Prozessen ist gemeinsam, dass die Regelgröße ausgehend vom selben Anfangszustand immer wieder einer zeitlich begrenzten Solltrajektorie folgen soll, wobei diese Wiederholungen nicht zwingend in festen Abständen erfolgen müssen. Iterativ lernende Regelungen können auch dann eingesetzt werden, wenn die Strecke nichtlinear ist, und/oder nur ein mangelhaftes Prozessmodell bekannt ist.

Da die iterativ lernenden Regelungen die vollständigen Ein- und Ausgangsverläufe des vorangegangenen Zyklus für die Berechnung des neuen Stellverlaufes verwenden, können auch nichtkausale Algorithmen zur Verarbeitung der am Prozess gemessenen Signale verwendet werden. Damit ist zum Beispiel eine Tiefpassfilterung ohne Phasenverschiebung oder eine Kompensation der Totzeit der Strecke möglich. Damit wird die Voraussetzung für eine schnelle Regelung geschaffen - ein entscheidender Vorteil iterativ lernender Regelungen.

Am Lehrstuhl entstand 2002 bereits die sechste Dissertation über dieses Themengebiet; da das praktische Potential der ILR besonders bedeutend ist, wird auch in Zukunft sowohl an der theoretischen Weiterentwicklung als auch an der praktischen Anwendung dieser Regelungsverfahren gearbeitet.

Im Jahr 2002 wurden dazu u.a. die Arbeiten zum System- und signalorientierten Regelungsentwurf abgeschlossen und begonnen, ILR-Verfahren für Semi-Batch-Prozesse zu entwickeln:

a) System- und signalorientierter Entwurf iterativ lernender Regelungen

Die iterativ lernende Regelung kann aus mathematischer Sicht als Lösungsansatz einer inversen Problemstellung interpretiert werden. Dieses inverse Problem ist in vielen Fällen nicht gut konditioniert, Messrauschen stört die ermittelten Signale und eine direkte Inversion des Systemübertragungsoperators führt, angewandt an realen Strecken, zur Divergenz der Regelung. Die Lösung besteht zunächst in der Einführung einer nur angenäherten Inversen zur Regularisierung des Problems. Jedoch stellt man fest, dass, je weiter man sich von der vollständigen Inversen entfernt, die Lernrate des ILR immer geringer wird, dafür jedoch die Robustheit gegenüber Störungen und Modellungenauigkeiten zunimmt.

Aus dieser Beobachtung resultieren zwei Forderungen: erstens die Forderung, einen ausreichend großen Regularisierungsfaktor zur Sicherung der Konvergenz des ILR zu wählen und gleichzeitig die Forderung, im Sinne einer hohen Lernrate des ILR den Regularisierungsfaktor so klein wie möglich zu halten. Dies impliziert, dass der Regularisierungsfaktor nach Möglichkeit nur die schlechte Kondition des Problems verbessert, jedoch nicht zur Beseitigung von Störeinflüssen und Modellfehlern herangezogen werden darf. Beim systemorientierten Entwurf iterativ lernender Regelungen werden lineare Zustandsraummodelle durch nichtlineare Erweiterungen ergänzt. Mit Hilfe von einem nichtlinearen Modell und zeitvarianter, entlang einer Trajektorien linearisiertem Systemoperator wird dann ein zyklenvarianter ILR entworfen. Als Mittel des signalorientierten Entwurfes wurde die Wavelettransformation in Kombination mit einem Optimalfilterantwurf angewandt und ein Schema erarbeitet, das die Integration von Waveletdekomposition, Filterung im Waveletbereich und Rücktransformation in Form eines Matrixoperators darstellbar macht und damit die Führung eines Konvergenznachweises für den ILR möglich macht.

b) Konvergenz und Robustheit iterativ lernender Regelungen

Eine der Hauptschwierigkeiten beim Entwurf iterativ lernender Regelungen besteht darin, Regelgesetze zu finden, die die Konvergenz des Systemausgangs in einer gegebenen Norm sichern. Neben der reinen Konvergenz sind jedoch weitere Kriterien durch eine iterativ lernende Regelung zu erfüllen, wie hinreichend kleiner Restfehler, Robustheit bezüglich Modellungenauigkeiten und Initialisierungsfehlern, sowie ausreichend schnelles und gedämpftes Übergangsverhalten.

Am Lehrstuhl wurde die Konvergenz einer iterativ lernenden P-Regelung für Systeme untersucht, die sich durch stetige lineare Abbildungen zwischen Hilberträumen beschreiben lassen. Dabei wurde die Systemklasse identifiziert, für die die Hilbertraumnorm der Abweichung des Systemausgangs vom gewünschten Verlauf über die Zyklen monoton fällt. Da iterativ lernende P-Regelungen keine Beschränkungen der Steuerungen berücksichtigen können, müssen Steuerungen, die außerhalb des Zulässigkeitsbereiches liege,n in diesen projiziert werden, bevor sie auf das System aufgeschaltet werden. Es konnte gezeigt werden, dass die Konvergenz der iterativ lernenden P-Regelung erhalten bleibt, wenn die verwendete Projektion nicht expandierend ist, d.h. wenn sie den Abstand zweier Steuerungen bei der Projektion nicht vergrößert. Des Weiteren wurde gezeigt, dass die Regelung robust gegenüber beschränkten Störungen der Ausgangsgröße ist, wenn der Systemoperator auf einem endlichdimensionalen Hilbertraum definiert ist. Diese Situation liegt z.B. vor, wenn die Steuerungen aus endlich vielen Basisfunktionen aufgebaut werden.

c) MoMAS (Mobiles Mess- und Automatisierungssystem für Strangpressen)

Das Strangpressen ist ein zur Herstellung von Metallprofilen eingesetzter Produktionsprozess, der Gegenstand ständiger Verbesserungsbestrebungen ist. Eine der Hauptbestrebungen, die seit drei Jahrzehnten an Aktualität nicht verloren hat, betrifft die Entwicklung eines isothermen Regelungsverfahrens für die Regelung der Austrittstemperatur auf einen vorgegebenen Wert.

Die optimierende iterativ lernende Regelung bietet in Verbindung mit den mittlerweile verfügbaren, ausreichend genauen Mehrfarbenpyrometern ein für den industriellen Einsatz geeignetes System für das isotherme Strangpressen. Grundlegend für das Verfahren ist die Betrachtung des Strangpressprozesses als zyklischer Prozess. Zu Beginn des k-ten Presszyklus wird ausgehend von der Kenntnis der Verläufe der Profilaustrittstemperatur, der Pressgeschwindigkeit und der Blocktemperatur in den vorhergehenden Zyklen der optimale Pressgeschwindigkeitsverlauf für diesen Zyklus berechnet und vorgegeben. Die Güte der Regelung wird zusätzlich erhöht, indem das Pyrometersignal durch Verwendung nichtkausaler Filterung verzögerungsfrei gefiltert wird. Impulsartige Störungen werden entdeckt und unterdrückt.

MoMAS wurde im Jahre 2001 erstmals bei Fa. SAPA/Offenburg im industriellen vollautomatischen Strangpressbetrieb eingesetzt; nach ausgiebigen Tests an der Produktionsanlage im Frühjahr 2001, die sehr erfolgreich verliefen, bewährt sich das System seither im Dauereinsatz (Presseitverkürzungen um 8-10%). MoMAS steht mittlerweile als voll ausgereiftes Produkt zur Verfügung: im Jahre 2002 wurde das MoMAS modularisiert, d.h. die Software wurde neu strukturiert und in DLLs verpackt, so daß nun ein flexiblerer Einsatz erfolgen kann. Die wichtigste Erweiterung bestand darin, auch die Online-Messdatenaufnahme über die SPS abzuwickeln; damit kann die bisher verwendete selbstentwickelte Interface-Einheit entfallen und auf Standardhardware zurückgegriffen werden.

Von Oktober 2002 bis Februar 2003 wurde dieses System bei SAPA in Finspång/Schweden erprobt und 2003 fix installiert.

Um den Einstieg des MoMAS an einer bestehenden Anlage zu erleichtern ist die Implementierung in drei Schritten vorgesehen:

1). Anbindung des MoMAS an die Anlage und Online-Anzeige der Prozessgrößen. Handoptimierung durch den Operateur möglich.

2). Berechnung der neuen Stellgrößen in der Prozessnebenzeit und Nachfahren der neuen Stellverläufe durch den Operateur.

3). Einbinden der iterativ lernenden Regelung und automatisches Übertragen der neuen Stellverläufe.

Das MoMAS greift nicht aktiv in den Prozess ein, sondern unterstützt den Operateur bei der Verbesserung seines Prozesses. Die Berechnungen werden in der Prozessnebenzeit durchgeführt.

Im Jahre 2002 wurde ein neuer frei parametrierbarer regularisierender ILR-Algorithmus entwickelt, der ein erweitertes Feintuning des Reglers ermöglicht.

Desweiteren wird die Blocktemperatur ebenfalls simulationsbasiert optimiert und der gewünschte Barren-Solltemperaturverlauf dem Operateur angezeigt.

d) Entwicklung eines ILR für Semibatchprozesse

Viele Produkte werden in Semibatchprozessen hergestellt. Dabei wird derselbe Reaktor häufig für die Herstellung verschiedener Produkte verwendet.

Um auf einen derartigen Prozeß iterativ lernende Regelungen anzuwenden, muss die iterativ lernende Regelung

- mit der Verschmutzung des Reaktors im Prozessverlauf

- mit unterschiedlichen Stoffeigenschaften der hergestellten Produkte

umgehen können.

Hierzu werden neben dem regularisierenden ILR auf Basis eines zeitvarianten Systemmodells spezielle Lerntechniken erprobt, die auf die Semibatch-Fahrweise zugeschnitten sind.

[Anfang]

3.2 Entwicklung und Erprobung von Verfahren zur gütefunktionalen Optimierung einer Getriebesteuerung mit vorausliegenden Fahrzeugumfelddaten

Durch die zunehmende Vielfalt und Verfügbarkeit von Informationen im unmittelbaren Fahrzeugumfeld steigt die Aussicht, dass durch eine gezielte Ausnutzung dieser Daten für die Funktionen im Antriebsstrang Potentiale zur Kraftstoffverbrauchsenkung, Emissionsreduktion und Fahrkomfortsteigerung genutzt werden können. Quellen dieser Daten sind Telematik-, Navigations-, Verkehrsleitsysteme etc. Die Verarbeitung dieser zusätzlichen Daten ermöglicht und erfordert für das Motor- und Getriebemanagement im Kraftfahrzeugbereich neue regelungstechnische und informationelle Methoden. Es liegt sowohl im Interesse des Fahrers als auch des Fahrzeugherstellers, Kraftstoffverbrauch und Emissionen zu senken und den Komfort zu steigern.

Dies führt zu der Notwendigkeit, eingehende Untersuchungen bezüglich der Verwendbarkeit, Entwicklung, Optimierung und Implementierung prädiktiver Regelungsverfahren für den Kraftfahrzeugsektor durchzuführen. Das Projekt wird in Zusammenarbeit mit der Industrie durchgeführt.

Das Hauptaugenmerk liegt dabei auf dem Antriebsstrang des Pkw mit automatisiertem Schaltgetriebe oder Automatikgetriebe. Im Vergleich zu heute in Deutschland üblichen manuell oder mit Automatikprogramm geschalteten Fahrzeugen soll die Einbindung von Umgebungsdaten, die vor dem Fahrzeug liegen, in das Getriebesteuerungssystem einen wesentlichen Beitrag zur Entlastung des Fahrers in seinem Bemühen um vorausschauendes verbrauchsgünstiges Fahren bieten, ohne dabei den Komfort zu verringern.

Zur Entwicklung eines prädiktiven Schaltalgorithmus (in der Folge PGS – Predictive Gear Scheduling genannt) wurde sowohl eine Simulations- und Entwicklungsumgebung als auch ein Versuchsfahrzeug aufgebaut.

In der Simulations- und Entwicklungsumgebung liegen alle Instanzen als Softwarekomponenten vor. Die wichtigsten sind a) ein Fahrzeugmodell, b) ein Fahrer-Strecken-Modell, c) ein Verkehrsdichtemodell, d) die Geschwindigkeitsprädiktion und e) der Algorithmus zur prädiktive Gangwahl.

a) Das Fahrzeugmodell ist nur für die Dynamik in Fahrzeuglängsrichtung modelliert, es ist insbesondere der Antriebsstrang bestehend aus Motor, Wandler, Automatgetriebe, Antriebswellen und Rädern nachgebildet. Zwischen den Teilen besteht jeweils eine Momenten- und Drehzahlenschnittstelle. Es wurde als Matlab/Simulink Modell an das Versuchsfahrzeug angepasst.

b) Für den Fahrer wurde ein Fahrer-Strecken-Modell erzeugt. Es hat die Eigenschaft, dass es Streckendaten aus Dateien ausliest und durch Betätigen der modellierten Pedale vorausschauend die Geschwindigkeit des Fahrzeugmodells regelt. Die Sollgeschwindigkeit wird aus den Verkehrsregeln, den physikalischen Begrenzungen durch Kurvenkrümmungen und weiteren Streckenmerkmalen wie z.B. Haltepunkten vorausschauend ermittelt.

Vorausschauend heißt hier, dass immer ein so langer Streckenabschnitt vor dem Fahrzeug in die Berechnungen eingeht, dass das Fahrzeug beim Einsatzpunkt einer neuen niedrigeren Geschwindigkeitsvorgabe (durch Schild, Kurve etc.) bereits auf diese Geschwindigkeit geregelt wurde. Bei Geschwindigkeitserhöhungen wird erst ab dem Punkt der höheren Sollgeschwindigkeit die Fahrzeuggeschwindigkeit erhöht. Dieses Verhalten entspricht dem eines realen Fahrers, der sich an Verkehrsregeln und die Streckenverhältnisse hält. Auch er verringert z.B. vor einer Ortschaft die Geschwindigkeit derart, dass am Ortsschild die geforderte Geschwindigkeit erreicht ist.

c) Zu dem Fahrer-Strecken-Modell kommt eine Erweiterung hinzu, ein Verkehrsdichtemodell, durch welches zufällige Verkehrsereignisse bzw. die Verkehrsdichte nachgebildet werden kann. Mit Hilfe von Markovketten wurde das Auftauchen und Verschwinden von störenden Fahrzeugen wie LKW, Moped und Traktor modelliert und in die Simulation eingebunden.

d) Ein grundlegender Bestandteil sowohl der Simulationsumgebung als auch des Versuchsfahrzeugs ist die Geschwindigkeitsprädiktion. Diese Funktion dient dazu, den Geschwindigkeitsverlauf, den der Fahrer voraussichtlich wünschen wird, für den Streckenabschnitt vor dem Fahrzeug zu berechnen. Diese Berechnung geschieht auf der Grundlage der Streckendaten (Geschwindigkeitsbegrenzungen, Kurvenkrümmung, Haltepunkte, Kreuzungen etc.) und dem aktuellen Zustand des Fahrzeugs. Auch das Fahrerverhalten selbst, d.h. wie stark Beschleunigungen und Verzögerungen sind oder wie weit die gesetzliche erlaubte Geschwindigkeit überschritten wird, geht in die Berechnung dieser Geschwindigkeitsprädiktion mit ein. Die Parameter, welche die Berechnung der vorausgeschauten Geschwindigkeit bestimmen, werden an das Fahrerverhalten adaptiert. Mit dieser Geschwindigkeitsprädiktion wird versucht, die Entscheidungen des Fahrers bezüglich der Geschwindigkeitsregelung des Fahrzeugs vorherzusehen, um dadurch wiederum vorausschauend die Gangwahl treffen zu können.

e) Der Algorithmus zur prädiktiven Gangwahl läuft im Prinzip wie folgt ab: Es werden die Daten im Bereich des Prädiktionshorizontes berücksichtigt, der bei der aktuellen Position beginnt. Ist innerhalb dieses Bereiches der Verlauf der prädizierten Geschwindigkeit derart, dass sie im Mittel dem Wert der aktuellen Geschwindigkeit entspricht, so ist eine Teilbedingung erfüllt. Ist auch die Steigung auf dem kommenden Streckenabschnitt (also im Bereich des Prädiktionshorizontes) nahezu konstant, so hat man eine konstante Leistungsanforderung detektiert (für die Länge des Prädiktionshorizontes). Gibt es auch einen Gang, in dem der Verbrauch geringer ist als im aktuellen, so wird auf der Grundlage des vorausschauenden Wissens im Bereich des Prädiktionshorizontes geschaltet. Damit ist PGS aktiv und das herkömmliche Grundschaltprogramm GSP wird für die Länge des Stellhorizonts, der kürzer als der Prädiktionshorizont ist, deaktiviert. Sind die Bedingungen für die prädiktive Schaltung weiterhin erfüllt, so werden die Horizonte entsprechend einem gleitenden Horizont weitergeschoben, auch erneute Schaltungen sind möglich. Sind die Bedingungen bezüglich Leistung und Verbrauch nicht mehr erfüllt oder ist das Ende des Stellhorizonts erreicht, so wird das PGS verlassen und die Gangentscheidung erfolgt wieder aufgrund des GSP.

Im Versuchsfahrzeug sind die Instanzen anders realisiert. Sowohl das Fahrzeug als auch der Fahrer liegen als „Hardware“ vor, d.h. der Regelkreis mit den Stellgrößen Gaspedal und Bremspedal muss und kann nicht mehr direkt betätigt und beachtet werden. Es werden a) die Geschwindigkeitsprädiktion, b) ein Navigationssystem und c) der prädiktive Schaltalgorithmus eingebaut.

a) Weiterhin vorhanden ist die Geschwindigkeitsprädiktion in der im vorhergehenden Abschnitt beschriebenen Form. Sie erhält nun u.a. über den Fahrzeugbus die notwendigen Daten bezüglich des Fahrzeugzustands. Auch die Streckendaten werden ihr weiterhin zugeführt. Ebenso wie in der Simulationsumgebung wird die Fahrzeuggeschwindigkeit prädiziert und dem Schaltalgorithmus übermittelt.

b) Allerdings werden hier die Streckendaten nicht mehr nur aus Dateien eingelesen. Um die richtigen Daten bereit zu stellen, wird ein GPS basiertes Ortungsverfahren verwendet (GPS steht für Globales Positionsbestimmungssystem), ein „kleines Navigationssystem“. Dieses System wurde ebenfalls neu entworfen und implementiert. Es besteht sowohl aus Softwarekomponenten zur Streckendatenaufbereitung als auch aus Hardwarekomponenten. Es hat die Aufgabe, die aktuelle Fahrzeugposition zu bestimmen und der Geschwindigkeitsprädiktion die relevanten Umgebungsdaten zu übermitteln.

c) Der prädiktive Schaltalgorithmus liegt im Versuchsträger immer noch als Software auf einem Getriebesteuergerät vor, welches mithilfe eines Autocodegenerators programmiert wurde.

Es stehen noch Fahrversuche auf einer vermessenen Route aus, um eine Kraftstoffersparnis mit der prädiktiven Schaltstrategie quantitativ bewerten zu können.

[Anfang]

3.3 Aktive Bildverarbeitung

Das Paradigma der aktiven Bildverarbeitung bedeutet die systematische Rückkopplung von Information innerhalb eines Bildverarbeitungssystems zur gezielten Beeinflussung von Teilstrukturen und deren Parametrisierung. Hierdurch werden derartige Systeme robust gegenüber Störungen einerseits und adaptiv in Bezug auf die Bildinhalte andererseits.

Ein Schwerpunkt liegt dabei auf der intensiven Nutzung der Möglichkeiten zur Beeinflussung der Beleuchtung. Hierzu wurde das Active Illumination Device III (AIDIII) entwickelt und in das Bildverarbeitungssystem Khoros2.2 eingebunden. Als Applikationen wird in Zusammenarbeit mit dem Lehrstuhl für Fertigungstechnik und Betriebsorganisation, die Lokalisierung von Körnern auf Schleifscheiben für hochharte Materialien betrachtet.

[Anfang]

3.4 Iterative Segmentierung unter Ausnutzung von Vorwissen (Verschleißbeurteilung von Schleifscheiben für hochharte Materialien)

Die Segmentierung ist das zentrale Thema in der digitalen Bildverarbeitung. Nach der Aufnahme und der Bildverbesserung steht sie als Schlüssel zur Weiterverarbeitung der aufgenommenen Szene. Unabhängig von der eigentlichen Anwendung sollte ein Segmentierungs-Algorithmus ganz allgemein eingesetzt werden können, sei es in der Medizin zur Erkennung und Darstellung von Blutzellen, Hirntumoren oder Gallensteinen, oder in der Industrie zur Zählung und Qualitätsprüfung von Werkstücken oder zur Steuerung von Robotern.

Ziel dieses Forschungsprojektes ist es, das in den meisten Fällen vorhandene Vorwissen über die gesuchten Objekte (z.B. deren Geometrie) zur Segmentierung heran zu ziehen. Schließlich braucht auch ein Mensch zumindest eine Beschreibung des Objektes, das er finden soll. Zusätzlich sollen durch einen iterativen Ablauf, basierend auf den schon aufgenommenen Bildern, verschiedene Parameter (z.B. die Beleuchtung) gezielt beeinflusst werden, um so das Bildergebnis für die Segmentierung schrittweise zu optimieren. Als Ziel steht dabei die Selbstkonfiguration des Systems über die einzelnen Iterationen hinweg.

Eine konkrete Anwendung, anhand der die gefundenen Algorithmen auf Praxistauglichkeit geprüft werden können, ist die Verschleißbeurteilung der Oberflächen von Schleifscheiben für hochharte Materialien. An die Oberflächenbeschaffenheit von Schleifscheiben für hochharte Materialien wird ein hoher Anspruch gestellt, da das Schleifergebnis unmittelbar vom Zustand der Schleifschicht der Schleifscheibe abhängt. Eine genaue Kenntnis über die Beschaffenheit der Schleifschicht hilft damit, Ausschuss durch rechtzeitiges Wechseln oder Neukonditionieren der Schleifscheibe zu vermeiden. Durch die hohen Belastungen der Schleifscheibe während des Schleifens, kommt es mit der Zeit zu Kornanflächungen, -splitterungen oder gar zu Kornausbrüchen. Ein Maß zur Verschleißbeurteilung von Schleifscheiben ist deshalb u.a. die Anzahl und Beschaffenheit der Schleifkörner. In diesem Projekt soll ein Verfahren entwickelt werden, das mittels digitaler Bildverarbeitung die Anzahl der Körner ermittelt. In diesem Projekt wird das Problem mit Hilfe der aktiven Bildverarbeitung angegangen. Es werden dazu mittels einer Kamera mit Makro-Objektiv Aufnahmen von der Schleifschicht gemacht. Hierbei kommt der Art der Bildaufnahme, speziell der Beleuchtung, eine zentrale Rolle zu, da eine gezielte Beeinflussung der Beleuchtungsparameter notwendig ist, um ein größtmögliches Maß an Informationen von der Szene (der Schleifschicht) zu erhalten. Die Beleuchtungsquelle ist in der Lage, die interessierende Stelle aus verschiedenen Winkelpositionen mit verschiedenen Beleuchtungsintensitäten zu beleuchten. Dies wird durch eine bereits entsprechend aufgebaute Vorrichtung, das sog. Active Illumination Device (AID) bewerkstelligt. Aus den so aufgenommenen Einzelbildern wird schließlich ein fusioniertes Bild berechnet. Anhand dieses fusionierten Bildes kann eine Segmentierung der einzelnen Körner vorgenommen werden.

Zur Segmentierung wurden verschiedene Ansätze verfolgt. Ein Schwellwertbasierter Ansatz, ein Ansatz der die Waveletanalyse (MSA) zur Lokalisation der Körner verwendet und anschließend die Körner rekonstruiert. Der aktuellste Ansatz ist eine gradientenbasierter Ansatz mit anschließendem Clustering-Algorithmus.

[Anfang]

3.5 Simulation Pneumatischer Stellantriebe (SIPS II)

In der Verfahrenstechnik werden zur Regelung von Durchflüssen sehr häufig Regelventile mit pneumatischem Membranantrieb verwendet. Mit Hilfe eines am Antrieb befestigten Stellungsreglers wird hierbei die vom überlagerten Durchflussregler vorgegebene Ventilposition eingestellt. Eine Untersuchung der Eigenschaften (Positioniergenauigkeit, dynamisches Verhalten) von derartigen Stellungsreglern wird insbesondere durch die Reibungscharakteristik der Stopfbuchse, die das durch das Ventil strömende Medium gegen die Umgebung abdichtet, erschwert. Die Reibung der Stopfbuchse ist unter anderem abhängig von der Art der Stopfbuchsenpackung, vom Drehmoment, mit dem die Stopfbuchse angezogen wird, und vom Verschleiß.

Mit dem Ziel, einen Normantrieb für vergleichende Untersuchungen an Stellungsreglern zu bauen, wurde eine Versuchsplattform zur Simulation pneumatischer Stellantriebe erstellt. An einem fast reibungsfreien Stellantrieb werden der Antriebsdruck und die Position der Ventilspindel gemessen. Auf einem Rechner wird mit Hilfe dieser Messwerte und verschiedener Reibmodelle (Coulombsche Reibung, Striebeck-Kurve) die Position eines mit Stopfbuchse versehenen Antriebs simuliert.

Durch Vergleich des Modells mit einem realen Antrieb können die Reibungsparameter der Stopfbuchse ermittelt werden. Die so ermittelte Reibungskennlinie ist dann beliebig oft reproduzierbar, sodass vergleichende Untersuchungen an pneumatischen Stellungsreglern möglich werden. Die Versuchsplattform wurde in Zusammenarbeit mit Herstellern und Anwendern ausgebaut und zum Testen neuentwickelter Geräte der Industrie zur Verfügung gestellt.

Die in der ursprünglichen Arbeit verwendete Sensorik und die Eigenschaften des verwendeten Elektroantriebes führten beim Test sehr schneller neuer Stellungsregler mit hohen Kreisverstärkungen zu abweichenden Ergebnissen zwischen Simulation mit SIPS und Reglerverhalten am realen Stellantrieb.

Um diese Diskrepanz zu eliminieren, wurde eine dynamische Kompensation des elektrischen Servos, der die simulierte Position des SIPS-Systems zum Stellungsregler rückkoppelt, durchgeführt. Da diese Dynamikkorrektur hohe Anforderungen an die Rauschfreiheit der Messsignale stellt, wurden diese Signale unter Anwendung eines Multiratenansatzes (durch mehrfaches Oversampling zwischen den Systemabtastschritten, online) gewonnen. Mittels dieser Veränderungen liefern nun auch sehr schnelle Stellungsregler der neuesten Generation dieselben Ergebnisse wie am realen Antrieb.

Neben einem neuen Hardwareaufbau, der die verzögerungsfreien Leitplastiksensoren in das Hardware-in the Loop-System integriert, wurde im Jahr 2002 noch eine spezielle Analogfilterschaltung entwickelt und das System auf eine neue Messkarte umgestellt.

Die verfügbaren Reibmodelle wurden nochmals validiert und getestet und das System sowohl statisch wie dynamisch vermessen.

Dabei bestätigte sich, daß mit dem nun vorliegenden SIPS II tatsächlich realitätsgetreu Reibungen simuliert werden können.

[Anfang]

3.6 Leukämiediagnose mittels Digitaler Bildverarbeitung

Entwicklung von Verfahren und eines Systems zur Unterstützung der Frühdiagnose von Leukämie mit Hilfe von Methoden der Bildverarbeitung

In der Hämatologie werden Krankheiten der Blutbildung, der Lymphopoese und des Knochenmarkes diagnostiziert und behandelt. Die mikroskopische Untersuchung von Zellen aus dem Blut und Knochenmark ist für die Diagnostik und Verlaufskontrolle der Therapie essentiell. Die Vielfalt und Komplexität der mikroskopischen Bilder setzt beim Untersucher eine große Erfahrung voraus, um exakte Diagnosen stellen zu können. Die mikroskopische Bildanalyse durch den Arzt resultiert in einer Deskription, die bisher nur teilweise standardisiert ist. Daher gibt es regelmäßig Differenzen in der Befunderhebung und Mitteilung zwischen verschiedenen Befundern. Auch die Reproduzierbarkeit der deskriptiven Befunde ist nur partiell gesichert.

Ausgehend von diesem Stand ist im Rahmen des Medizin- Naturwissenschaft- Technik (MNT)- Schwerpunktes der Universität Kaiserslautern und des Westpfalz- Klinikums Kaiserslautern ein interdisziplinäres Projekt zum Thema Analyse von mikroskopischen Blutzellenbildern begonnen worden. Langfristig soll das System auch an normalen und pathologischen Knochenmarkzellen eingesetzt werden. Ziel dabei ist es, Verfahren zur Früherkennung von Leukämie zu untersuchen und die Grundlage für den Aufbau eines Systems zu schaffen, wodurch die Verfahren einem großen Kreis von Ärzten zugänglich gemacht werden können.

Das gesamte Projekt gliedert sich wie folgt:

• Aufbau einer Datenbank von mikroskopischen Aufnahmen und Merkmalen anhand vorhandenen Materials (Objektträger, elektronische Bilder)

• Aufbau der Technik für die mikroskopische Bildaufnahme und -weiterverarbeitung, bestehend aus Mikroskop, motorisiertem Motortisch für das Mikroskop, Interface und Archivierungssoftware

• Entwicklung von Verfahren zur Merkmalsextraktion von Blutzellen in Mikroskopaufnahmen

• Verknüpfung von Merkmalen und Diagnosen mit Clusteringalgorithmen

Schon im Jahr 2001 konnten wichtige Ergebnisse für die Übertragung der Verfahren auf die Knochenmarksanalyse gewonnen werden. So wurden Segmentierungsalgorithmen für die Auflösung von Zellzusammenballungen, wie sie im Knochenmark auftreten, entwickelt. Die Verfahren wurden seither verbessert und weiterentwickelt.

Desweiteren wurden Form- und Texturmerkmale auf ihre Signifikanz bzgl. der Zellunterscheidung hin untersucht. Ein erster Satz dieser Merkmale wurde zusammengestellt. Neue Klassifikationsmethoden (Support Vector Maschine) werden z. Zt. getestet und implementiert.

[Anfang]

3.7 Rotationserkennung für die automatische Bearbeitung von Schuhlederstücken

Für die gleichnamige Aufgabenstellung wurden am Lehrstuhl Operatoren entwickelt, die eine Lageerkennung basierend auf Durchlichtaufnahmen des Werkstücks realisieren. Die Besonderheit der Lageerkennung besteht darin, daß Translation und Rotation auch beschädigter Werkstücke noch ordnungsgemäß erkannt werden. Hierzu werden die Konturen der Werkstücke mit CAD-Daten abgeglichen und über ein least squares-Verfahren nur die intakten Werkstückkanten für die Rotations- und Translationsbestimmung herangezogen.

[Anfang]

3.8 Entwicklung einer echtzeitfähigen objektorientierten Hardware-in-the-loop Simulationsumgebung auf Basis von RT-Linux

Die Hardware-in-the-loop (HWL) Simulation gewinnt in der Regelungstechnik immer weiter an Bedeutung. Mittel HWL-Techniken kann man effektiv große Systeme mit vergleichbar geringem Aufwand an Modellbildung regelungstechnisch behandeln. Lediglich diejenigen Teile, deren Verhalten simuliert werden soll bzw. die Regelung selbst, wird auf einem Rechner durchgeführt, während die Reststrecke erhalten bleibt.

Eine große Problematik besteht darin, daß ein solches System harte Echtzeit erfüllen muss. Früher konnten diese Systeme unter DOS realisiert werden; mit steigenden Ansprüchen an Speicherbedarf (z.B. Wavelettransformation, kontinuierlich approximiert) und Rechenleistung scheidet jedoch DOS aufgrund der 16-bit Technologie aus. Windows ist allenfalls für die Realisierung weicher Echtzeitbedingungen geeignet.

Als Alternative wurde RT-Linux verwendet, ein freies Softwarepaket, das harte Echtzeit unter Linux ermöglicht. Unter Verwendung der RT-Linux-Funktionen wurde ein objektorientiertes Entwicklungssystem für Regelung und Signalverarbeitung realisiert, das ein Frontend für die Simulation und den Entwurf bietet und gleichzeitig die Möglichkeit bietet, Simulationen der selben, graphisch aufgebauten Blockstrukturen, auf Echtzeitbasis an der realen Anlage zu testen.

Im Vergleich mit industriellen Tools, die bereits käuflich erwerbbar sind, ist hier der große Vorteil einer einfachen Erweiterbarkeit sowie der Möglichkeit der Integrierbarkeit komplexer Signalverarbeitungsoperatoren zu sehen.

[Anfang]

3.9 Fehlererkennung und -diagnose in technischen Systemen

Fehlerdetektion und –diagnose gewinnen zunehmend an Bedeutung für technische Systeme. Dabei ist die Aufgabenstellung in mehrere Teilprobleme aufgegliedert:

1. Fehlerdetektion: Entdeckung des Auftretens von Unregelmäßigkeiten in der Anlage, die zu einem unerwünschten Verhalten der Gesamtanlage führen.

2. Fehlerisolation: Lokalisierung des Fehlerortes

3. Fehleranalyse: Bestimmung der Fehlerart und Fehlerursachen zum Einleiten geeigneter Gegenmaßnahmen.

Im ersten Teilbereich werden aus gemessenen Signalen Merkmale generiert und mit Referenzwerten verglichen. Bekanntermaßen haben sich auf diesem Gebiet zwei Klassen von Verfahren zur Ermittlung von Merkmalen etabliert: signalbasierte und modellbasierte Verfahren.

Signalbasierte Verfahren werden vor allem dann eingesetzt, wenn in einem fehlerbehafteten Zustand Signale s_i(t) mit harmonischen Anteilen oder eine charakteristische Verteilung von Frequenzen im Spektrum S_i(jw) auftreten. Beispielhaft seien ein Kurzschluss in der Wicklung eines Motors oder eine Abflachung an einem Laufrad eines Eisenbahnwaggons genannt. Wurden einmal die kausalen Zusammenhänge zwischen Fehler und den Merkmalen des Signals, z.B. eine Spitze des Frequenzspektrums S(jw) ermittelt, kann das Verfahren mit relativ wenig Aufwand schaltungstechnisch implementiert werden.

Modellbasierte Verfahren auf Grundlage eines parametrischen Modells haben in der Anwendung noch nicht die weite Verbreitung der signalbasierten Verfahren gefunden, obwohl sie in der Literatur weit verbreitet sind. Der Vorteil einer genauen Systembeschreibung wird durch praktische Aspekte oftmals zunichte gemacht: es muss eine Modellierung des überwachten Systems vorgenommen, Parameter der Strecke müssen identifiziert, zeitvariantes Verhalten muss in den Modellen berücksichtigt werden u.v.m. Die mathematischen Hintergründe vieler modellgestützter Verfahren verlangen des weiteren, dass ausreichende Anregung am Streckeneingang vorliegt. Der Anwender steckt somit immer im Dilemma zwischen theoretischer Notwendigkeit und praktischer Anwendung.

Am Lehrstuhl für Regelungstechnik und Signaltheorie wurde eine Methode entworfen, die dieses Dilemma vermeiden kann lediglich durch Verwendung von Ein- und Ausgangssignalen aus dem laufenden Betrieb. Hauptunterschied zu den in der Literatur zumeist angewandten Methoden ist die Verwendung eines nichtparametrischen Modells in Form der zeitdiskreten Impulsantwort g(k).

Ausgehend von dieser Beschreibungsform wurde ein Algorithmus entwickelt, der auf Basis von regularisierenden iterativ lernenden Regelungen die Impulsantwort g(k) einer Strecke berechnet. Das Stellsignal u(t) und das Ausgangssignal y(t) werden über einen endlichen Beobachtungshorizont, in dem ein Stelleingriff stattfindet, abgetastet. Es ergibt sich daraus ein Eingangsvektor u(k) und ein Ausgangsvektor y(k).

Mithilfe eines Lernoperators Q=(U^TU+lE^TE)^-1U^T kann in einem Hintergrundprozess die Impulsantwort g(k) zur Ermittlung von Referenzmerkmalen für den fehlerfreien Fall berechnet werden. In der aufgeführten Gleichung stellt U eine Toeplitzmatrix - gebildet aus dem Vektor u(k) – dar, E ist der zeitdiskrete Diffentiationsoperator. Tritt im überwachten System ein ähnlicher Stellvorgang auf, so kann eine neue Impulsantwort g_neu(k) berechnet werden.

In der zweiten Stufe des Diagnosesystems müssen aus dem Verlauf der neu generierten Impulsantwort g_neu(k) Merkmale extrahiert werden und mit Referenzwerten aus dem fehlerfreien Fall verglichen werden.

Das anzustrebende Ziel einer Fehlerdiagnoseeinheit ist, alle Fehler an der überwachten Komponente zu erkennen. Dazu können an einem Testaufbau eine Vielzahl von Sensoren angebracht werden. Die einzelnen Signale werden zur Merkmalsermittlung ausgewertet. In verschiedenen Betriebs- und Fehlerzuständen ergibt sich ein großer Datensatz, der für die Implementierung zu aufwändig ist. Dazu werden am Lehrstuhl zur Zeit Methoden des Maschinellen Lernens getestet, um aus den Merkmalsvektoren der verschiedenen Zustände auf einen speziellen Fehler zu schliessen. Hierbei können gleichzeitig Algorithmen eingesetzt werden, die eine Reduzierung der notwendigen Sensoranzahl ermöglichen.

Diese Algorithmen werden an einer verfahrenstechnischen Versuchsanlage auf ihre Praxistauglichkeit hin untersucht.

[Anfang]

3.10 Analyse von Calciumwellen zwischen Gliazellen im Gehirn

Dieses Projekt wird in Zusammenarbeit mit dem Fachbereich Biologie, LS Prof. Deitmer durchgeführt. Es geht darum, herauszufinden, ob durch die zwischen Gliazellen übertragenen Calciumwellen Information ausgetauscht wird; dazu muß zunächst ermittelt werden, ob die Information gerichtet fließt. Man nimmt hierzu mittels Laserfloureszenzmikroskopie Tiefenschnittbilder der Zellen in Form einer Zeitreihe auf (4D-Analyse: Zeit, Tiefe, 2D-Bild).

Am Lehrstuhl für Regelungstechnik und Signaltheorie wird z.Zt. ein Verfahren zur Auswertung der 4D-Daten entwickelt, das die Analyse der Fortpflanzung der Calciumwellen ermöglicht. Dazu wird aus dem Bilderstapel ein 3D-Modell generiert und dem Benutzer darin die Intensitätsverläufe der einzelnen Zellen präsentiert, so dass schon visuell Signalausbreitung erkannt werden kann.

Mittels Verfahren der digitalen Bildverarbeitung und Signalanalyse wird das Erkennen der Vorzugsrichtungen der Wellenausbreitung automatisiert und über die Analyse der Intensitätsverläufe der einzelnen Zellen versucht, die übertragene Information (zunächst noch ohne Interpretation) zu isolieren.

[Anfang]

3.11 Analyse von Klassifikationsverfahren für die Anwendung in der digitalen Bildverarbeitung und der Fehlerdiagnose in technischen Systemen

Klassifikationsverfahren gewinnen zunehmend an Bedeutung, besonders wenn technische Systeme selbst Entscheidungen basierend auf ihnen vorliegenden Informationen treffen sollen.

Die Literatur bietet eine Fülle solcher Verfahren, zum einen werden neuronale Netze verwendet, zum anderen auch stochastische Verfahren; ein neues Verfahren ist die Support Vector Machine.

Häufig besteht zwischen der bloßen Betrachtung des Verfahrens und der praktischen Anwendbarkeit jedoch eine große Lücke.

Am Lehrstuhl für Regelungstechnik und Signaltheorie wurde daher begonnen, systematisch die verfügbaren Klassifikationsverfahren zu untersuchen und deren Tauglichkeit für praktische Problemstellungen festzustellen.

[Anfang]

3.12 Entwurf einer Regelung und eines Hardware-in-the-loop-Systems für Turbolader mit verstellbarer Turbinengeometrie

Moderne Fahrzeuge sind häufig mit Turboladern mit verstellbarer Turbinengeometrie ausgestattet, da sich hierüber der Ladedruck arbeitspunktspezifisch anpassen läßt.

Um diese Verstellgeometrie regeln zu können und neue Reglerentwürfe auf ihre Tauglichkeit hin zu untersuchen, wurde ein Hardware-in-the-Loop-Umfeld (incl. Leistungselektronik) aufgebaut, das zusammen mit einer MATLAB-XPC-Umgebung eingesetzt wird.

[Anfang]

3.13 Abgeschlossene Projekte

· Neuronale Adaptionsverfahren für RIP-Regler

· Steer-by-wire für Pkw

· Strukturierung von Aktiven Bildverarbeitungssystemen

· Aufbau eines Geräts zur Überwachung von Luftembolien

· Ermittlung der Klassifizierung von Gallensteinen aus Ultraschallsignalen

· Fehlerdetektion an pneumatischen Stellventilen mit Hilfe von Körperschall

· Entwurf und Implementierung eines Systems für die Ermittlung der Rotation -
und Translation von Leder Werkstücken mit Hilfe digitaler Bildverarbeitungsalgorithmen

· Verbesserung der Dynamik einer CCD-Kamera mit einem iterativen Verfahren

· Aufbau einer Anschaltbox für MoMAS

· SIPS II

[Anfang]

3.14 In Bearbeitung befindliche Projekte

· Entwicklung von MoMAS (Mobiles Mess- und Automatisierungssystem für Strangpressen) für den Einsatz ohne Interface Unit.

· Erweiterung des Anwendungsgebiets von MOMAS- (Mobiles Mess- und

Automatisierungssystems für Strangpressen) auf schwerpressbare Metalle

· Verarbeitung von mikroskopischen Blutzellenaufnahmen zur Diagnose
von Leukämie

· Überwachung von Abnutzung von Schleifscheiben mit Hilfe aktiver Bildver-
arbeitung

· Erkennung dreidimensionaler Strukturen mit aktiven Konturen

· Rekonstruktion einer Schleifscheibenoberfläche mit Beleuchtungsmodellen

· Vorausschauende Getriebe-Schaltstrategie mit vorausliegenden Umfeld-
daten für Pkw-Antriebsstränge

[Anfang]

4 Akademische Examensarbeiten

4.1 Dissertationen

Dr.-Ing. Heiko Hengen

"System- und signalorientierter Entwurf iterativ lernender Regelungen"

Mündliche Prüfung am 29.01.2002

Dr.-Ing. Stefan Feick

"Entwurfs- und Zuverlässigkeitsaspekte eines Steer-by-Wire Systems"

Mündliche Prüfung am 08.02.2002

[Anfang]

4.2 Studien- und Diplomarbeiten

4.2.1 Studienarbeiten:

1	Harald Martin Laub	Untersuchung des Einflusses zufälliger Ereignisse auf das Fahrverhalten von Kraftfahrzeugen
2	Markus Reif	Entwicklung und Implementierung einer Funktion zur Geschwindigkeitsprädiktion eines Kraftfahrzeuges

4.2.2 Diplomarbeiten:

1	Susanne Spoor	Normalisierung, Declustering und Merkmalsextraktion in der medizinischen Bildverarbeitung
2	Markus Blauth	Realisierung einer standardisierten Schnittstelle zur Anbindung des MoMAS an die Anlagensteuerung
3	Robert Meisner	Lokalisation von Objekten in inhomogenen Bildszenen mit Hilfe der kontinuierlichen Wavelettransformation am Beispiel einer Schleifschicht für hochharte Materialien

[Anfang]

4.2.3 In Bearbeitung befindliche Diplomarbeiten

1	Martin Vogt	Untersuchung der Detektierbarkeit der schwach kontrastigen Ränder einzelner Kornbereiche mittels einer „Gradientenvektor Verteilung“
2	Christian Ernst	Signaltheoretische Analyse von Calicumwellen zwischen Gliazellen

4.2.4 In Bearbeitung befindliche Studienarbeiten:

1	Annika Buchholz	Konstruktion und Inbetriebnahme eines Domes zur Beleuchtung aus 8 unterschiedlichen Winkeln mit jeweils 4-stufig veränderbarer Elevation
2	Andreas Hauser	Optimierte aktive (Farb-)Bildaufnahme zur Verbesserung der Bildfusion und der anschließenden Segmentierung
3	Torsten Breitel	Iterativ lernende Regelungen für Semibatchprozesse

[Anfang]

5 Aufsätze, Patente, Vorträge

[1] M. Pandit, H. Hengen, S. Spoor, Analysis of Blood and Bone Marrow Smears using Digital Image Processing Techniques, SPIE Medical Imaging, San Diego, Februar 2002

[2] D. Andres, H. Hengen, M. Pandit, Optimierend iterativ lernende Regelungen, Automatisierungstechnik (at), Oldenbourg Verlag, März 2002

[3] T. Heger, M. Pandit, Automatisierte Verschleißbeurteilung von Schleifscheiben mit Mitteln der digitalen Bildverarbeitung, atp -Automatisierungstechnische Praxis, Heft 4/2002, Seite 50-56

[4] M. Pandit, H. Hengen, T. Heger, Bildverarbeitung für Klassifikationsaufgaben in der Medizin und Qualitätssicherung, at - Automatisierungstechnik, Heft 10/2002, Seite 481-489

[5] T. Heger, M. Pandit, Optical Wear Assessment System for Grinding Tools, angenommen für die 6th International Conference on Quality Control by Artificial Vision, Gtinburg, USA

[6] M. Feid, H. Hengen, M. Pandit, Entwurf zeitvarianter Filter für iterativ lernende Regelungen auf Basis der Wavelettransformation, at - Automatisierungs-technik, Heft 4/2002

[7] H. Hengen, W. Deis, M. Pandit, Iterativ lernende Regelungen – Entwurf und Integration in industrielle Prozesse, atp – Automatisierungstechnische Praxis, Heft 3/2002

[8] W. Deis, H. Hengen, M. Pandit, Iterativ lernende Regelungen als adaptive Steuerung in der Umformtechnik, GMA Aussprachetag (Industrielle Anwendung komplexer Regelungen Prozessführungsstrategien), 16./17.5.2002

[9] H. Hengen, Entwurf zeitvarianter Filter für iterativ lernende Regelungen auf Basis der Wavelettransformation, Boppard – 36. Regelungstechnisches Kolloquium, Februar 2002

[10] M. Pandit, H. Hengen, Control of Intermittent Processes, in EOLSS The Unesco Encyclopedia of Life Science, akzeptiert zur Veröffentlichung

[Anfang]

6 Technische Mitteilungen

Nr.	Datum	6.1 Thema	Verfasser
1	Jan 02	Recombination and Declustering of Simply Pre-Segmented Images	Heger (1) & Hengen (1)
2	Jan 02	Image Processing for Wear Inspection of Grindling Wheels	Heger (2)
3	Jan 02	Einsatz eines Systems zur Fehlerdetektion in einem Prozessleitsystem	Feid (1)
4	Jan 02	Verfahren der Fehlererkennung und Diagnose - Eine Zusammenfassung verschiedener Verfahren und praktischer Implementierungen	Feid (2)
5	April 02	Aufbau eines Fehlersimulators: SIDESA Simulation defekter Stellantriebe	Feid (3)
6	Juni 02	Anforderungen an einen Durchflussmesser an der Verfahrenstechnischen Anlage	Feid (4)
7	Juli 02	MoMAS: Berichte über Versuche bei SAPA im Mai und Juni 2002	Pandit (1) & Deis (1)
8		Optimising billet heating and ram speed control in an aluminium extruder	Pandit( 2)
9	August 02	Abschlussbericht zur Umarbeitung und Erweiterung des SIPS 1.3-Systems auf SIPS 2.0	Hengen(2)
10	August 02	Bestandsaufnahme KMIAT	Spoor (1)
11	August 02	IISc-KL Diagnosis of Leukaemic Diseases Project	Sinha (1) & Babu (1) & Ramakrishnan (1)
12	August 02	K-nearest Neighbor Classification algorithms for Blood-Cell Recognition	Ambedkar (1)
13	Sept 02	Iterative Ermittlung der Impulsantwort zur Fehlererkennung	Feid (5)
14	Sept 02	Verwendung von Entscheidungsbäumen zur Fehlererkennung	Feid (6)
15	Nov 02	Vorgehen bei der Akquisition neuer Bilder für die Analyse mikroskopischer Blut- und Knochenmarkzellen	Siegrist (2)
16	Nov 02	Vergleich verschiedener Klassifikatoren unter gleichen Bedingungen und Untersuchung des Einflusses unterschiedlicher Merkmalsvektoren auf die Klassifikation	Siegrist (3)
17	Dez 02	Fehlererkennung in technischen Systemen ‑ Zwischenbericht -	Feid (7)
18	Dez 02	A short Introduction to the Image Processing Software KMIAT	Siegrist (4)

[Anfang]

7 Mitarbeit in Gremien

M. Pandit:

GMA FA 3.7 “Digitale Bildverarbeitung für die Automatisierungstechnik”

M. Pandit:

Mitglied im Vorstand der Stiftung “Familie Klee”

Mitgliedschaft im LSA - Zentrum für lernende Systeme und Anwendungen
der Universität Kaiserslautern

[Anfang]

8 Besondere Ereignisse

· 15.04.2002 – 17.04.2002, Hannovermesse international, Hannover:

Mitaussteller auf dem Messestand der Fa. Polytec, Waldbronn, mit OWAS

· 18.06.2002 – 21.06.2002, 6.OPTATEC (Internationale Fachmesse für Optik
und Optoelektronik), Frankfurt: Aussteller auf der Sonderschau „Wissenschaft, Forschung und Lehre“ mit OWAS

· Verleihung des Preises des Freundeskreises der Universität Kaiserslautern an Dr.‑Ing. Heiko Hengen am 14. November 2002 für seine Dissertation "System- und signalorientierter Entwurf iterativ lernender Regelungen".