Simulation und Technische DiagnoseModulbeschreibung #40706 / Version 11
- 6 LP
- Schriftliche Prüfung
- Benotet
- Winter- und Sommersemester
- Deutsch
| Modul / Version | #40706 / #11 |
|---|---|
| Gültigkeit | Seit SoSe 2025 |
| Verfügbare Sprache(n) | Deutsch |
| Leistungspunkte | 6 |
| Modulverantwortliche*r | Gühmann, Clemens |
| Benotung | Benotet |
| Prüfungsform | Schriftliche Prüfung |
| Lehrsprache(n) | Deutsch |
Zugehörigkeit
| Fakultät | Fakultät IV |
|---|---|
| Institut | Institut für Energie und Automatisierungstechnik |
| Fachgebiet | 34311600 FG Elektronische Mess- und Diagnosetechnik |
Kontakt
| Sekretariat | EN 13 |
|---|---|
| Ansprechpartner*in | Heinze, Ewa |
| E-Mail-Adresse | ewa.heinze@tu-berlin.de |
| Webseite | http://www.mdt.tu-berlin.de |
Lernergebnisse
Die Studierenden besitzen einen Überblick auf dem Gebiet der Modellbildung und der Technischen Diagnose und können für die Kernaufgaben Steuerung, Regelung und Diagnose mechatronischer Komponenten nach wissenschaftlichen Methoden selbstständig Lösungen erarbeiten.
Lehrinhalte
In der IV Modellbildung und Simulation mechatronischer Systeme wird anfangs eine Einführung in die Anwendung der Simulation gegeben, um anschließend die Methoden und Werkzeuge zur Modellbildung zu lehren. Als Anwendung in der Simulation gelten die Gebiete der Diagnose, der Steuerung und der Regelung. Für die Simulation werden die Grundlagen von Simulink und Modelica gelehrt. Die Vorlesungsvorträge werden kombiniert mit projektorientierten Modellierungsaufgaben, die von den Studierenden selbständig gelöst werden.
In der Vorlesung Mustererkennung und Technische Diagnose werden die statistischen Grundlagen der Mustererkennung gelehrt. Anschließend werden Klassifikations- und Mustererkennungsverfahren (Machine Learning) sowie moderne modellgestützte Diagnoseverfahren für mechatronische Systeme behandelt.
In der Vorlesung Mustererkennung und Technische Diagnose werden die statistischen Grundlagen der Mustererkennung gelehrt. Anschließend werden Klassifikations- und Mustererkennungsverfahren (Machine Learning) sowie moderne modellgestützte Diagnoseverfahren für mechatronische Systeme behandelt.
Modulbestandteile
Pflichtbereich
Die folgenden Veranstaltungen sind für das Modul obligatorisch:
| Lehrveranstaltungen | Art | Nummer | Turnus | Sprache | SWS | VVZ |
|---|---|---|---|---|---|---|
| Modellbildung und Simulation mechatronischer Systeme | Integrierte Veranstaltung | 0430 L 318 | Wintersemester | [de] | 2 | WiSe 2026/27 (1) ISIS |
| Mustererkennung und Technische Diagnose | Vorlesung | 0430 L 343 | Sommersemester | – | 2 | ISIS |
Veranstaltungen im Vorlesungsverzeichnis
Veranstaltungen, die aus den Lehrveranstaltungen dieses Moduls angelegt wurden.
WiSe 2026/27 (1)
Modellbildung und Simulation mechatronischer Systeme (Integrierte Veranstaltung) 1
- Modellbildung und Simulation mechatronischer Systeme (Integrierte Veranstaltung) Mi. 14.10 - 16.12.26, wöchentlich, Mi. 06.01 - 10.02.27, wöchentlich, 12:00 - 14:00 Charlottenburg, MA 143 (Tafel defekt) 0430 L 318
Arbeitsaufwand und Leistungspunkte
Modellbildung und Simulation mechatronischer Systeme (Integrierte Veranstaltung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Vor-/Nachbereitung | 15 | 4 h | 60 h |
| 90 h | |||
Mustererkennung und Technische Diagnose (Vorlesung)
| Aufwandbeschreibung | Multiplikator | Stunden | Gesamt |
|---|---|---|---|
| Präsenzzeit | 15 | 2 h | 30 h |
| Selbständiges Lernen und Lesen | 1 | 60 h | 60 h |
| 90 h | |||
Der Aufwand des Moduls summiert sich zu 180 Stunden. Damit umfasst das Modul 6 Leistungspunkte.
Beschreibung der Lehr- und Lernformen
Mustererkennung und Technische Diagnose - Vorlesungen (VL): Frontalvorträge
Modellbildung und Simulation mechatronischer Systeme - Integrierte Veranstaltung (IV) - Frontalvorträge und projektorientierte Aufgabenbearbeitung
Modellbildung und Simulation mechatronischer Systeme - Integrierte Veranstaltung (IV) - Frontalvorträge und projektorientierte Aufgabenbearbeitung
Voraussetzungen für die Teilnahme / Prüfung
Wünschenswerte Voraussetzungen für die Teilnahme an den Lehrveranstaltungen:
Grundlagen der Messdatenverarbeitung, Regelungstechnik, Elektronikgrundkenntnisse, Kenntnisse in der Programmiersprache Python.
Verpflichtende Voraussetzungen für die Modulprüfungsanmeldung:
Die Prüfungsvoraussetzungen konnten nicht abgerufen werden.
Abschluss des Moduls
| Benotung | Benotet |
|---|---|
| Prüfungsform | Schriftliche Prüfung |
| Sprache | Deutsch |
| Dauer/Umfang | 180 min |
Prüfungsbeschreibung (Abschluss des Moduls)
Die Prüfung findet am Ende des Sommersemesters statt.
Dauer des Moduls
Für Belegung und Abschluss des Moduls ist folgende Semesteranzahl veranschlagt: 2 Semester.
Dieses Modul kann in folgenden Semestern begonnen werden: Winter- und Sommersemester.
Maximale teilnehmende Personen
Dieses Modul ist nicht auf eine Anzahl Studierender begrenzt.
Anmeldeformalitäten
keine
Literaturhinweise, Skripte
Skript in Papierform
nicht verfügbar
Skript in elektronischer Form
nicht verfügbar
Empfohlene Literatur
- Bishop, C. M.: Pattern Recognition and Machine Learning, Information Science and Statistics (2006)
- Bohn, C.; Unbehauen, H.: Identifikation dynamischer Systeme. Methoden zur experimentellen Modellbildung aus Messdaten. Springer Vieweg. 2016
- Cellier, F., E.: Continous System Simulation. Springer (2006)
- Duda, R. O.; Hart, P. E.: Pattern Classification. Wiley (2000)
- Fritzson, P.: Principles of Object-Oriented Modeling and Simulation with Modelica 3.3: A Cyber-Physical Approach (2015)
- Gipser, M.: Systemdynamik und Simulation. B. G. Teubner Stuttgart - Leipzig (1999)
- Goodfellow, I.; Bengio, Y.; Courville, A.: Deep Learning. The MIT Press, 2016
- Isermann, R.; Münchhoff, M.: Identification of Dynamic Systems: An Introduction with Applications. Springer (2011)
- Isermann, R.: Fault-Diagnosis Systems. An Introduction from Fault Detection to Fault Tolerance. Springer Verlag (2006)
- Janczak, A.: Identification of Nonlinear Systems Using Neural Networks and Polynomial Models. Springer Berlin (2005)
- Ljung, L.: System Identification: Theory for the User (1999)
- Müller, R.: Modellierrung, Analyse und Simulation elektrischer und mechanischer Systeme mit Maple und MapleSim. Springer Vieweg (2014)
- Niemann, H.:Klassifikation von Mustern. Springer-Verlag, Berlin. (1983)
- Raschka, S.: Machine Learning mit Python. Das Praxis-Handbuch für Data Science, Predictive Analytics und Deep Learning. Mittp. 2017
- Schölkopf, B.; Smola, Alexander J : Learning with kernels: Support vector machines, regularization, optimization, and beyond. MIT press (2002)
- Thomas Lienhard Schmitt, T. L., Andres, M.: Methoden zur Modellbildung und Simulation Mechatronischer Systeme - Bondgraphen, objektorientierte Modellierungstechniken und numerische Integrationsverfahren, Springer Vieweg, 2018
- Tiller, M: Introduction to Physical Modelling with Modelica. Kluwer Academic Publishers (2001)
- Tiller, M: Modelica by Examples. Internetbuch. http://book.xogeny.com/
- Zirn, O.: Modellbildung und Simulation mechatronischer Systeme. Expert Verlag (2002)
Zugeordnete Studiengänge
Diese Modulversion wird in folgenden Studiengängen verwendet:
| Studiengang / StuPO | Semester | Studiengangsbereich |
|---|---|---|
| Automotive Systems StuPO 2017 | SoSe 2025 | Wahlpflichtbereich |
| WiSe 2025/26 | Wahlpflichtbereich | |
| SoSe 2026 | Wahlpflichtbereich | |
| WiSe 2026/27 | Wahlpflichtbereich | |
| Computer Engineering StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control |
| WiSe 2025/26 | Wahlpflicht Studiengebiet A › Automatisierungstechnik / Automation and Control | |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet A › Automatisierungstechnik / Automation and Control | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Schwerpunktprojekt |
| WiSe 2025/26 | Wahlpflicht Schwerpunktprojekt | |
| SoSe 2026 | Wahlpflicht Schwerpunktprojekt | |
| WiSe 2026/27 | Wahlpflichtbereich › Schwerpunktprojekt | |
| Elektrotechnik StuPO 2015 | SoSe 2025 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control |
| WiSe 2025/26 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control | |
| SoSe 2026 | Wahlpflicht Studiengebiete Fak. IV › Automatisierungstechnik / Automation and Control | |
| WiSe 2026/27 | Wahlpflichtbereich › Studiengebiet › Automatisierungstechnik / Automation and Control › Wahlpflicht | |
| Elektrotechnik StuPO 2025 | WiSe 2026/27 | Wahlpflichtbereich › Systemtheorie › Katalog B › Schwerpunktprojekte |
| Technomathematik StuPO 2014 | SoSe 2025 | Studienrichtungen › Elektrotechnik › Elektrotechnik › Gesamtangebot Master ET |
| WiSe 2025/26 | Studienrichtungen › Elektrotechnik › Elektrotechnik › Gesamtangebot Master ET | |
| SoSe 2026 | Studienrichtungen › Elektrotechnik › Elektrotechnik › Gesamtangebot Master ET | |
| WiSe 2026/27 | Studienrichtungen › Elektrotechnik › Elektrotechnik › Gesamtangebot Master ET |
Sonstiges
Achtung! Das Modul kann nicht mit den Modulen "Technische Diagnose I" oder "Simulation I" kombiniert werden.