Autor: Stefan Bosse

Der Entwurf und die Simulation komplexer mechatronischer und verteilter intelligenter Systeme erfordern eine einheitliche Systemmodellierungs- und Programmiersprache. Dieser Beitrag stellt JavaScript als eine vereinheitlichte Modellierungs- und Programmiersprache vor, indem JavaScript mit einem semantischen Typsystem JST erweitert wird, um die Lücke zwischen Modellen und Implementierungen zu schließen. Daraus resultiert die JS+ Superset-Sprache, die Typisierung, Modellierung und Programmierung kombiniert. Es werden verschiedene Modelldomänen und ihre Beziehung zum JS+-Programmierungsmodell einschließlich einiger generischer Transformationsregeln am Beispiel eines sensorischen Materials gezeigt. Schließlich wird das Multidomain-Simulationswerkzeug SEJAM eingeführt, das physikalische und datenverarbeitende Simulation mit Agenten kombiniert.

Tragende Strukturen werden typischerweise in Bezug auf relevante Lastfälle entworfen, wobei statische Formen und vorgegebene Materialeigenschaften angenommen werden, die während des Entwurfs und der Materialauswahl ausgewählt werden. Neue Technologien, die das Design von Strukturen ermöglichen, die lokale Eigenschaften im Betrieb als Reaktion auf Lastwechsel verändern könnten, würden zusätzliche Gewichtsersparnispotenziale schaffen und somit Leichtbau und Nachhaltigkeit unterstützen. Materialien mit solchen Fähigkeiten bestehen aus Netzwerken mit zahlreichen aktiven Zellen, die eine Erfassungs-, Signal- und Datenverarbeitungs-, Kommunikations- und Aktuierungs-/Stimulationsfähigkeit bereitstellen, die adaptronische Strukturen bilden. Ein Beispiel für ein solches Material ist eine spezielle Klasse von Polymeren, die in der Lage sind, ihre Elastizität basierend auf dem Einfluss von optischen, thermischen oder elektrischen Feldern zu ändern. Ein zu lösendes Problem in Bezug ...

Datenverarbeitungsprozesse werden immer komplexer hinsichtlich der Datenmenge, Datendimension und dem Zusammenhang der abgeleiteten Informationen mit den Eingangsdaten. Dieses wird bei sensorischen Messprozessen besonders deutlich, wo Messunsicherheiten, Kalibrierungsfehler, und Unzuverlässigkeit von Sensoren signifikanten Einfluss auf die Informationsgewinnung haben. Gerade im technischen und industriellen Kontext stellt die zunehmende Komplexität und Verteilung der Datenverarbeitung ein zunehmendes Problem dar. Häufig stehen hinter der Informationsableitung mathematische Modelle und Funktionen, die aber nicht immer vollständig sind. Geht es um die Gewinnung von Zustandsaussagen eines Systems oder um Adaption, können Lernverfahren eine Alternative darstellen. Traditionell werden Messdaten zentral gesammelt und ausgewertet. Es soll aufgezeigt werden, wie verteiltes Maschinelles Lernen mit mobilen Agenten und selbst-organisierenden Systemen einen signifikanten Beitrag zur ...

Sensoren und Aktoren finden immer häufiger Anwendung in der industriellen Produktion. Traditionell werden zentralistische Ansätze für die Verarbeitung der Sensordaten und Ansteuerung der Aktoren verwendet. Zunehmende Dichte von Sensoren und Aktoren, mit gleichzeitig fortschreitender Miniaturisierung, erfordern dezentrale Datenverarbeitung in verteilten Netzwerken aus Sensoren und Aktoren. Die Künstliche Intelligenz, ein Teilgebiet der Informatik, kann wichtige Beiträge für Robustheit und Autonomie bei der Verarbeitung und Verteilung von Daten in solchen Netzwerken liefern.