| Shielded Learning: Detektion und Eliminierung unsicherer Entscheidungen in Symbolischen Zustandsräumen |
Bachelor / Master |
Maschinelles Lernen wird in immer mehr sicherheitskritischen Bereichen erfolgreich eingesetzt, allerdings können schlechte Entscheidungen katastrophale Konsequenzen haben. Daher ist es von Interesse, maschinelles Lernen zu sichern. Hierfür sollen in einem symbolischen Zustandsraum Entscheidungen identifiziert werden, welche nicht sicher sind, und anschließend entfernt werden. |
| Verbesserung der Erreichbarkeitsanalyse in RealySt durch den Einsatz von Zonotopen |
Master |
Die Erreichbarkeitsanalyse in unserem Forschungstool RealySt (zum DFG Projekt RealySt) nutzt momentan Polytope (in H- und V-Repräsentation) zur Darstellung von Zuständen. Im Rahmen einer Masterarbeit sollen Polytope in RealySt durch Zonotope ersetzt werden. Dafür müssen die Methoden und Datenstrukturen der Library HyPro geeignet genutzt werden. Abschließend sollen die beiden Ansätze in einer Case Study verglichen werden.
Literaturempfehlung: Delicaris2023
|
| Entwicklung und Analyse smarter Ladestrategien für Plug-in Elektrofahrzeuge |
Master |
Es hat sich gezeigt das der Ladevorgang von Plug-in Electric Vehicles (PEVs) aufgrund der Batteriegröße und der Tendenz zu parallelen Lastzeiten eine große Belastung für das Stromnetz darstellt. Es gilt Ladestrategien zu entwickeln die, beispielsweise durch Koordination, das Powernetz entlasten. Gleichermaßen müssen solche Strategien ebenfalls sicherstellen, dass die PEVs möglichst vollständig geladen sind wenn der Besitzer zurückkehrt. In unserer Arbeitsgruppe wird modellbasiert das Laden von PEVs analysiert. Die Themen in diesem Arbeitsgebiet sind vielfältig. Generell geht es darum, relevante Ladestrategien in Modellen zu implementieren und deren Nutzen und Auswirkungen zu erforschen. Dabei ist vor allem die Betrachtung von vielen, gleichzeitigen Belastungen durch PEVs interessant. Hierfür sollen die theoretischen Grundlagen der Analysealgorithmen unserer Modelle erweitert werden. |
| Quantitative Analyse von stochastischen Simulink Modellen |
Bachelor |
Simulink ist eine Datenfluss-orientierte Modellierungssprache zum Entwurf und der Simulation von hybriden Systemen. Zur Analyse dieser Systeme wird aktuell eine Transformation von Simulink Modellen zu Hybriden Automaten entwickelt in der auch bereits erste stochastische Elemente (Noise, Aging, Failure, ..) integriert wurden. Im Rahmen einer Bachelorarbeit soll nun entweder die bestehende Transformation anhand einer größeren, stochastischen Case Study analysiert werden oder alternativ diese Transformation erweitert werden indem weitere stochastische Effekte in Simulink in den Hybriden Automaten modelliert werden. Dieses Thema ist Co-Betreut mit Paula Herber.
Literaturempfehlung: Blohm2025
|
| Entwicklung und Bewertung skalierbarer Fallstudien für die Analyse stochastischer hybrider Automaten |
Bachelor / Master |
Fallstudien werden häufig eingesetzt, um Analysemethoden und deren Implementierungen in Tools miteinander zu vergleichen und deren jeweilige Stärken und Schwächen aufzuzeigen. Das Tool RealySt analysiert derzeit Modelle aus der Klasse der Rectangular Automata with Random Clocks (RAC) und validiert die Ergebnisse anhand bestehender Fallstudien gegen das Tool ProHVer.
Ziel dieser Arbeit ist es, mindestens eine neue, skalierbare Fallstudie zu entwickeln, die sich flexibel variieren lässt, z.B. durch alternative Modellklassen oder lineares Verhalten. Außerdem sollen existierende Fallstudien gesammelt, aufgearbeitet und bewertet werden. Eine Masterarbeit kann zusätzlich Herausforderungen bei der Modellierung und Analyse der neuen Fallstudie bearbeiten, während eine Bachelorarbeit stärker den Fokus auf existierende Literatur legt.
|
| Modellierung von Sturmflutsperrwerken in Götheburg in RealySt |
Master |
Innerhalb des Interreg-Projekts Storm_Safe werden Modellierungen für Wasserwege untersucht. Ziel dieser Arbeit ist es bestehende Modelle in einen Formalismus zu übersetzen, der von unserem Analysetool RealySt genutzt werden kann und eine vergleichende Evaluation vorzunehmen. Diese Abschlussarbeit wird in Zusammenarbeit mit Arnd Hartmanns von der Universität Twente betreut.
Literaturempfehlung Hartmanns2026
|
| Erweiterung der bestehenden Simulation in RealySt |
Bachelor/Master |
Analytische und simulative Methoden haben unterschiedliche Vor- und Nachteile. Der Ansatz der hybriden Simulation untersucht, ob die Vorberechnung eines symbolischen Zustandsraums genutzt werden kann, um die Simulation zu beschleunigen und/oder zu steuern. Die bestehende Simulationsumgebung in RealySt kann im Rahmen einer Abschlussarbeit erweitert werden bezüglich einem oder mehrerer der folgenden Punkte:
i) auf den LTI Formalismus ii) auf prophetische Scheduler für die reinforcement learning Verfahren PPO und H-PPO iii) auf Rechteckautomaten iv) statistisch abgesicherte Konfidenzintervalle v) Methoden für rare-events
Literaturempfehlung: Stübbe2026
|
