SOPRANN

Synthese optimaler Regelungen und adaptiver Neuronaler Netze für Mobilitätsanwendungen

Die fortschreitende Digitalisierung sowie stetige Entwicklungen im Bereich des Datenmanagements, der Datenanalyse und technologische Fortschritte in der Messtechnik eröffnen neue Möglichkeiten für datengetriebene Methoden in diversen technischen Anwendungen. Die Erkenntnisfortschritte in der Künstlichen Intelligenz (KI) und dem Maschinellen Lernen (ML) haben zudem dazu geführt, dass vernetzte Maschinen und Systeme zunehmend autonom agieren, Entscheidungen treffen und selbstständig lernen. Prominente Beispiele dafür finden sich auch im Bereich der Mobilität: hoch-automatisierte Verkehrssysteme und autonome Fahrzeuge, vernetzte Verkehrsteilnehmer sowie die damit im Zusammenhang stehenden Fragen der erhöhten Verkehrssicherheit, Ressourceneffizienz, Umweltfreundlichkeit und besseren Auslastung existierender Verkehrsinfrastrukturen stehen für tiefgreifende und weitreichende Wandlungsprozesse im Bereich der Mobilität.

Das Gesamtziel dieses Projektes ist der Einsatz von datenbasierten Modellen und KI zur sicheren und optimalen Regelung im Bereich der Mobilität. Eine Herausforderung dabei ist der Umgang mit der Komplexität, der Multimodalität und der Menge der Messdaten. Für die Verarbeitung von großen Datenmengen sowie zur Komplexitätsreduktion kommen häufig neuronale Netze (NN) zum Einsatz. Die Auswahl geeigneter Netzarchitekturen und die Entwicklung von effizienten Trainingsverfahren sowie die Echtzeit-Adaptation der NN basierend auf neuen, während der Laufzeit gewonnenen Daten bei gleichzeitiger Gewährleistung von Stabilität, Optimalität und Sicherheit des Regelkreises bildet den mathematischen Forschungskern des Projekts.

Teilprojekte

 

Verbundkoordinator

Prof. Dr. Matthias Gerdts


Partner


Förderzeit

01.04.2020 - 31.03.2023