Zum optimalen Einsatz komplexer mechatronischer Systeme in der ?ffentlichkeit bedarf es robuster Regelungen und realisierbarer Referenztrajektorien. Diese Themenfelder erfordern ein ausgereiftes mathematisches Modell des echten Systems. Um bestehende analytische Modelle zu verbessern, k?nnen Methoden der hybriden Modellierung verwendet werden. Hier werden neuronale Netze in das Systemmodell eingebettet, um bestimmte Effekte aus Daten zu lernen.? Da Messdaten zur Identifikation der physikalischen und abstrakten Parameter nur aufw?ndig gewonnen werden k?nnen, bedarf es eines gut gew?hlten Designs der Experimente. Herr Wüstner besch?ftigt sich deshalb mit dem dateneffizienten Lernen mechatronischer Systeme mit Anwendungen in der optimalen Trajektorienplanung sowie der Fehlerrobustheit für Multicopter. Aktuell bearbeitet Herr Wüstner das Projekt SiXuM+.

?

Forschungsschwerpunkte

• Dateneffiziente Modellbildung und Parameteridentifikation
• Optimierung von Trajektorien
• Fault-Tolerant Control

?