Zusammenfassung
Fahrrad fahren ist für die meisten von uns ein einfacher Balanceakt, den wir unbewußt beherrschen. Wir können auch verbal beschreiben, wie zu lenken ist, um nicht umzufallen. Doch ist es nur wenigen vergönnt, die mathematischen Gleichungen des zugrundeliegenden dynamischen Systems und dessen Kontrolle für eine maschinelle Lösung, eine Robotersteuerung zum Beispiel, zu formulieren. Die Fähigkeit, auch ohne Differentialgleichungen Fahrrad fahren zu können, kann man sich technologisch durch Fuzzy Systeme, die linguistisch formuliertes Wissen verarbeiten können, zunutze machen. So ist es möglich, Fuzzy Systeme sowohl direkt zur Regelung und Steuerung als auch zur Modellierung zu benutzen. Fuzzy Modelle eignen sich besonders zur rechnergestützten Darstellung von technischen Prozessen, die dadurch kostengünstig simuliert werden können. Dies gilt besonders für Arbeitsbereiche, in denen der Prozeß nicht oder nur schwer physikalisch zu realisieren ist. Neben der Simulation werden Fuzzy Modelle häufig auch als Softsensoren oder Prädiktoren eingesetzt, die z. B. Qualitäten online berechnen können.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literaturverzeichnis
Appl, M.: Prozeßoptimierung am Beispiel der Hartfaserplatten-Produktion. Diplomarbeit an der Technischen Universität Braunschweig 1998.
Bertsekas, D. P.: Nonlinear Programming. Athena Scientific, Belmont, Massachusetts 1995.
Holland, J. H.: Adaption in natural and artifical systems. Ann Arbor, MI: University of Michigan-Press 1975.
Rechenberg, I.: Evolutionsstrategie - Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Problemata Frommann-Holzboog 1973.
Scale, L. E.: Introduction to Non-linear Optimization. Macmillan Publishers Ltd. 1985.
Schwefel, H. P.: Numerische Optimierung von Computer-Modellen mittels der Evolutionsstrategie. Birkhäuser Verlag, Basel, Stuttgart 1977.
Duda, R.; Hart, P.: Pattern Classification and Scene Analysis. Wiley, New York 1973.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1999 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Appl, M., Hollatz, J. (1999). Anwendung von Fuzzy Systemen zur Prozeßoptimierung. In: Seising, R. (eds) Fuzzy Theorie und Stochastik. Computational Intelligence. Vieweg+Teubner Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-10120-8_18
Download citation
DOI: https://doi.org/10.1007/978-3-663-10120-8_18
Publisher Name: Vieweg+Teubner Verlag, Wiesbaden
Print ISBN: 978-3-528-05682-7
Online ISBN: 978-3-663-10120-8
eBook Packages: Springer Book Archive