Modulbeschreibung

Mechatronik 2

Kürzel:
M_MeT2
Durchführungszeitraum:
FS/26
ECTS-Credits:
10
Arbeitsaufwand (h):
300
Lernziele:

Die Studierenden

  • kennen die grundsätzlichen Arten des Machine Learnings, insbesondere supervised learning, unsupervised learning und reinforcement learning (K1). 
  • kennen die Bedeutung der Datenvorverarbeitung und können Transformationen zur Vorverarbeitung der Merkmale auswählen und anwenden (K3).  
  • verstehen den Bias-Variance-Tradeoff und können diesen mittels Regularisierungstechniken optimieren (K3) 
    können Modelle effizient trainieren und die Hyperparameter der Modelle über kreuzvalidierte Gittersuchen optimieren (K3).
  • können Klassifikations- und Regressionsprobleme modellieren, geeignete Methoden auswählen und lösen. 
    Verstehen die Funktionsweise von Entscheidungsbäumen und das Konzept der Ensemble Learner (Random Forest, bagging).
  • kennen das Grundprinzip der künstlichen neuronalen Netze und können einfache Netzarchitekturen mittels Gradientenabstiegsverfahren trainieren (K3). 
  • verstehen das Konzept von Faltungskernen und können CNN-Architekturen für die Bildklassifizierung erstellen, trainieren oder fine-tunen. 
  • verstehen das Konzept von rekurrenten neuronale Netzwerken (RNN) und können diese  für die Regression oder Klassifizierung auf Zeitreihendaten trainieren und optimieren. 
  • kennen den Unterschied zwischen diskriminativen und generativen Modellen.
  • verstehen die Wichtigkeit von Erklärbarkeit und Interpretierbarkeit von black-box-Modellen wie DNNs und kennen modell-spezifische wie Modell-agnostische Methoden für XAI. 
  • können praktische Probleme mit geeigneten Software-Paketen lösen. 

 

  • können Anforderungen an Regelkreise beschreiben und spezifizieren. 
  • können das dynamische Verhalten von Systemen im Bildbereich analysieren. 
  • kennen den Standardregelkreis und seine wesentlichen Elemente (Regler, Strecke, Mess- und Stellglieder). 
  • können dynamische Systeme und Regelkreise mit geeigneten Werkzeugen modellieren und simulieren. 
  • können die Simulation im Rahmen des Reglerentwurfs sinnvoll einsetzen. 
  • können das Verhalten des geschlossenen Regelkreises mit Gütekriterien bewerten. 
  • kennen die Stabilitätskriterien von dynamischen Systemen. 
  • können für ein gegebenes System einen geeigneten Regler wählen und parametrieren. 
  • können digitale Regler (Abtastregler) implementieren und in Betrieb nehmen. 
  • können das Konzept der Vorsteuerung anwenden, um das Führungsverhalten von Kaskadenregelungen zu verbessen. 
  • können für einfache mechatronische Systeme (z.B. Antriebsstrang mit DC-Motor) eine Regelung entwerfen. 

 

  • verstehen die Eigenschaften der Abtastung im Zeitbereich und Frequenzbereich.
  • verstehen die DFT als Anwendung der Korrelation.
  • kennen die Eigenschaften der FFT-Analyse in der Praxis.
  • können die FFT zur Analyse von Signalen anwenden.
  • können lineare und diskretisierte Zustandsraummodelle von Systemen angeben.
  • verstehen die Struktur von Beobachter-Systemen.
  • verstehen die Wirkungsweise von Kálmán-Filtern und können diese für einfache Anwendungen entwerfen. 

 

  • kennen die physikalischen Grundlagen von Leistung und Energie sowie deren Relevanz für mechatronische Systeme. 
  • können eine geeignete Systemarchitektur entwerfen und verschiedene Konzepte der Spannungsversorgung analysieren. 
  • sind in der Lage, verschiedene Energiespeichertechnologien sowie deren Vor- und Nachteile für unterschiedliche Anwendungen zu beurteilen. 
  • verstehen die Prinzipien von Linear- und Schaltreglern sowie deren Einsatz in mechatronischen Systemen. 
  • können Sicherheitsanforderungen identifizieren und entsprechende Schutzelemente (z. B. Überspannungs- und Überstromschutz) in ihre Systeme integrieren. 
  • kennen die Grundlagen der EMV und können Entstörmaßnahmen sowie gezielte Leitungsführung zur Minimierung von Störungen anwenden. 
Verantwortliche Person:
Prof. Dr. Bach Carlo
Telefon/EMail:
+41 58 257 3398
/ carlo.bach@ost.ch
Standort (angeboten):
Buchs, Lerchenfeld St.Gallen
Empfohlene Module:
Vorausgesetzte Module:
Zusätzlich vorausgesetzte Kenntnisse:

Ebenfalls sollten die beiden Module ELA1  und ELA 2 besucht worden sein.

Modultyp:
Wahlpflicht-Modul für Mechatronik BB STD_24(Empfohlenes Semester: 6)
Wahlpflicht-Modul für Mechatronik VZ STD_24(Empfohlenes Semester: 4)
Wahlpflicht-Modul für Systemtechnik BB STD_05(Empfohlenes Semester: 6)
Wahlpflicht-Modul für Systemtechnik VZ STD_05(Empfohlenes Semester: 4)
Bemerkungen:

Das Modul findet im Frühlingssemester statt.

Kurse in diesem Modul