Automatisierungstechnik
Die Automatisierungstechnik ist ein fachübergreifendes Querschnittsgebiet, das sich mit der Automatisierung technischer Prozesse der Elektrotechnik, des Maschinenbaus, der Fahrzeugtechnik, der Luft- und Raumfahrttechnik, der Robotik, der Biologie und Medizin und insbesondere den Teilaufgaben Messung, Steuerung, Regelung, Überwachung, Fehlerdiagnose und Optimierung befasst.
Der Entwurf, die Implementierung und die Inbetriebnahme dieser Automatisierungsfunktionen ist stark methodenorientiert. Diese Methoden der Automatisierungstechnik sind zum Teil auf bestimmte Prozesse zugeschnitten. Deshalb können die Forschungsarbeiten in "Allgemeine Methoden" und "Prozessorientierte Methoden" unterteilt werden.
Die meisten der entwickelten allgemeinen Methoden der modernen Prozessautomatisierung verwenden theoretisch oder experimentell ermittelte Prozessmodelle in analytischer oder heuristischer Form. Auf der Grundlage dieser Modelle können dann wissensbasierte Methoden zum Entwurf und zur Inbetriebnahme der verschiedenen Automatisierungsfunktionen entwickelt werden. Hierzu gehören Methoden der Identifikation und Parameterschätzung, der adaptiven Regelung, der Überwachung und Fehlerdiagnose, ergänzt durch Fuzzy-Logik, evolutionäre Algorithmen und neuronale Netzwerke.
Mit wissensbasierten Ansätzen entstehen dann z. B intelligente Automatisierungssysteme, die modellgestützte Regelungen und Steuerungen (selbsteinstellend oder kontinuierlich adaptiv) und eine Überwachung mit Fehlerdiagnose enthalten. In Abhängigkeit von der jeweiligen Information können sie Entscheidungen treffen.
Die prozessorientierten Methoden dienen der Entwicklung im Hinblick auf bestimmte Prozesse, und hierbei besonders mechatronische Systeme. Hierzu zählen z. B, die rechnergestützte Modellbildung, Simulation und digitale Regelung von Robotern, Werkzeugmaschinen, Verbrennungsmotoren, Kraftfahrzeugen, hydraulischen und pneumatischen Antrieben und Aktoren, für die auch Methoden zur Fehlerdiagnose entwickelt und praktisch erprobt werden. Von besonderer Bedeutung sind dabei auch die Entwicklung und praktische Erprobung von Methoden der computational intelligence, also ein Zusammenwirken von Fuzzy Logik, neuronalen Netzen und evolutionären Optimierungsalgorithmen.