Künstliche Intelligenz (KI) gewinnt in der Entwicklung komplexer dynamischer Systeme zunehmend auch in frühen Entwurfsphasen an Bedeutung. 

In diesem Projektseminar erarbeitet ihr die zentralen Modellierungsansätze, von der physikalisch fundierten White-Box Modellierung über datengetriebene Black-Box Modelle bis hin zu hybriden Gray-Box Modellen. Anhand experimenteller Messungen am Gelenkviereck entwickelt und vergleicht ihr jeweils ein Modell dieser Kategorien.

Ihr lernt, wie physikalische Grundgesetze in Simulationsmodellen implementiert werden (White-Box), wie maschinelles Lernen zur Modellierung komplexer Systeme genutzt wird (Black-Box) und wie beides in hybriden Ansätzen kombiniert werden kann (Gray-Box). 

Vorausgesetzt werden Grundkenntnisse aus Maschinen- und Systemdynamik (MSD), sowie Programmiererfahrung (es wird MATLAB verwendet, aber Python-Kenntnisse reichen ebenfalls aus).

_Literatur

• _{White-Box Modellierung}
  • _{Dresig, H.; Holzweißig, F.: Maschinendynamik; Springer Berlin Heidelberg: Berlin, Heidelberg, 2009. https://doi.org/10.1007/978-3-540-87694-6.}
  • _{Neweul-M²: https://www.itm.uni-stuttgart.de/software/neweul-m2/.}
  • _{Kurz, T.; Eberhard, P. Symbolic Modeling and Analysis of Elastic Multibody Systems. In: Proceedings of international symposium on coupled methods in numerical dynamics; 2009. https://www.itm.uni-stuttgart.de/software/neweul-m2/files/kurz_cmnd_2009.pdf.}
• _{Black-Box Modellierung}
  • _{Alpaydin, E.: Maschinelles Lernen, 3., aktualisierte und erweiterte Auflage.; De Gruyter Studium; De Gruyter Oldenbourg: Berlin Boston, 2022. https://doi.org/10.1515/9783110740196.}
  • _{Theodoridis, S.: Machine Learning: A Bayesian and Optimization Perspective_, 2nd edition.; Academic press: London San Diego.}
  • _{Brunton, S. L.; Kutz, J. N.: Data-Driven Science and Engineering: Machine Learning, Dynamical Systems, and Control; Cambridge University Press, 2019. https://doi.org/10.1017/9781108380690.}
• _{Gray-Box Modellierung}
  • _{Wohlleben, M.; Röder, B.; Ebel, H.; Muth, L.; Sextro, W.; Eberhard, P.: Hybrid Modeling of Multibody Systems: Comparison of Two Discrepancy Models for Trajectory Prediction. Proceedings in Applied Mathematics and Mechanics 2024, 24. https://doi.org/10.1002/pamm.202400027.}