Kurzbeschreibung

Jonas Weigand studierte Maschinenbau (B.Sc.) und Fahrzeugtechnik (M.Sc.) an der RWTH Aachen. In seiner Masterarbeit am Institut für Regelungstechnik beschäftigte er sich mit der „Systemidentifikation eines CNC-Bearbeitungszentrums mit Künstlichen Neuronalen Netzen". Seit November 2017 ist er als wissenschaftlicher Mitarbeiter am Lehrstuhl für Werkzeugmaschinen und Steuerungen tätig. 

Forschungsgebiete

Jonas Weigand beschäftigte sich mit der Weiterentwicklung von Industrierobotern zu Werkzeugmaschinen. Hierbei lag der Fokus auf der Kombination von maschinellem Lernen und der Regelungstechnik.

 

Publikationen

Dataset and Baseline for an Industrial Robot Identification Benchmark, J. Weigand, J. Götz, J. Ulmen, M. Ruskowksi, 2022, Kluedo-Link

Input-to-state stability for system identification with continuous-time Runge–Kutta neural networks, J. Weigand, M. Deflorian, M. Ruskowski, 2021, International Journal of Control, 1-17. Link

Hybrid Data-Driven Modelling for Inverse Control of Hydraulic Excavators, J. Weigand, J. Raible, N. Zantopp, O. Demir, A. Trachte, A. Wagner, M. Ruskowski, 2021, IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS). Link

Flatness Based Control of an Industrial Robot Joint Using Secondary Encoders, J Weigand, N Gafur, M Ruskowski, 2021, Robotics and Computer-Integrated Manufacturing 68, 102039. Link (arXiv)

Neural Adaptive Control of a Robot Joint Using Secondary Encoders, J Weigand, M Volkmann, M Ruskowski, 2019, International Conference on Robotics in Alpe-Adria Danube Region, 153-161. Link