Förderprojekte

Förderbeginn 01.07.2020

Sicherheitsgarantien für Regelungen basierend auf Bayes'schen Netzen

Prof. Dr. Sandra Hirche
Technische Universität München
Lehrstuhl für Informationstechnische Regelung

Alexandre Capone
Technische Universität München
Lehrstuhl für Informationstechnische Regelung

Prof. Dr. Claire Tomlin
University of California, Berkeley
EECS - Electrical Engineering and Computer Science

Der Einsatz von maschinellem Lernen hat in der Regelungstechnik in den letzten Jahren zu beeindruckenden Ergebnissen geführt. Vor allem neuronale Netze habe sich als ein sehr flexibler und vielversprechender Ansatz für die Modellierung und Regelung von komplexen Systemen herausgestellt. Ein großer Nachteil dieses Verfahrens ist jedoch die Abwesenheit von Garantien bezüglich der Stabilität und Performanz des Regelkreises. Daher ist der momentane Einsatz von neuronal Netzen in der Regelungstechnik auf nicht sicherheitsrelevanten Systemen beschränkt.

Das Ziel dieses Projekts ist die Sicherheit bei der Anwendung von neuronalen Netzen in der Regelungstechnik zu garantieren. Für diesen Zweck werden Bayes’sches neuronale Netze verwendet, um die Stabilität und Performanz des Regelkreises sicherzustellen. Dabei wird auch die physikalische Struktur des zu lernenden Systems, unter Zuhilfenahme der Bayes’schen Methodik, berücksichtigt. Die Ergebnisse ermöglichen ein tieferes Verständnis der regelungstechnischen Eigenschaften dieser Netze und ermöglichen die Integration von systemrelevantem, strukturellen Vorwissen.