Zusammenfassung: In modernen regelungstechnischen Anwendung, wie in der Soft-Robotik oder der Mensch-Maschine-Interaktion, wird die Auslegung eines geeigneten Reglers zunehmend schwieriger. Der Grund hierfür liegt in der Komplexität der Regelstrecken, wodurch die zugehörige Modellierung sehr zeitaufwändig, wenn nicht unmöglich wird. Es hat sich gezeigt, dass datengetriebene Modelle eine vielversprechende Lösung für dieses Problem sind. Jedoch gibt es bisher beim regelungstechnischen Einsatz dieser Modelle kaum formale Garantien, welche für eine flächendeckende und sichere Anwendung notwendig sind. In diesem Projekt wird dieser fehlende Baustein adressiert. Zu diesem Zweck verwenden wir als datengetriebenes Modell die Gauß-Prozess Regression, da diese zusätzliche Informationen über die Unsicherheit des Modells liefert. Basierend auf dieser Eigenschaft entwickeln wir neue Regelgesetze, welche die Stabilität des geschlossenen Kreises garantieren. Zusätzlich werden auch Aussagen über die Performanz der Regelung in Abhängigkeit der zugrundeliegenden Trainingsdaten getroffen. Mit diesen Resultaten können datengetriebene Regelungen auch in sicherheitskritischen Szenarien eingesetzt werden.

Eine Übersicht aller geförderten BaCaTec Projekte sowie deren Abstracts und Abschlussberichte sind auf der Webseite www.bacatec.de aufgelistet.