LMNTOOL – Toolbox zum automatischen Trainieren lokaler Modellnetze B. Hartmann, T. Ebert, T. Fischer, J. Belz, G. Kampmann, O. Nelles Mess- und Regelungstechnik – Mechatronik Fakultät IV – Department Maschinenbau Universität Siegen Paul-Bonatz-Str. 9-11, 57068 Siegen Tel.: +49 (0)271 740 2271 E-Mail: benjamin.hartmann@uni-siegen.de Zusammenfassung: Der Beitrag stellt eine MATLAB-Toolbox zum auto- matischen Trainieren lokaler Modellnetze vor, welche sich vor allem an Anwender richtet, die über wenig Expertenwissen verfügen. Zur Model- lerstellung genügt die Übergabe einer Matrix mit den Trainingsdaten. Op- tional können auf einfache Weise Validierungs- und Testdaten zur Modell- bildung herangezogen werden. Zum Training bedarf es keinerlei Einstel- lungen oder Vorgaben vom Benutzer. Das sogenannte LMNTOOL (Local Model Network Toolbox) beinhaltet die effizienten Trainingsalgorithmen L OLIMOT und HILOMOT. Der H ILOMOT-Algorithmus basiert auf der Me- thode der Hinging Hyperplane Trees (HHT) und ermöglicht eine flexible Anpassung des Modells an den Trainingsdatensatz. Overfitting wird ver- mieden, indem automatisch die Komplexität des Modells durch statistische Kriterien optimiert wird. 1 Einführung Modelle sind das Fundament der meisten fortschrittlichen Verfahren der Automatisierungstechnik. Diese können aus theoretischen Überlegungen oder mittels Identifikation aus Daten gewonnen werden. Sinnvoll ist oft auch die Kombination beider Vorgehensweisen. Dieser Beitrag stellt ei- ne MATLAB-Toolbox zur Identifikation nichtlinearer statischer Prozesse vor, die vom Anwender ohne Vorkenntnisse sehr einfach zu benutzen ist. Sie basiert auf lokalen Modellnetzen, die viele vorteilhafte Eigenschaften hierfür mitbringen. Zunächst wird ein kurzer Überblick zu lokalen Modellnetzen gegeben, bei denen Polynome als lokale Modelle Verwendung finden. Anschließend