1. Matthias Himmelsbach, Andreas Kroll: On optimal test signal design and parameter identification schemes for dynamic Takagi-Sugeno fuzzy models using the Fisher information matrix, International Journal of Fuzzy Systems, 24, 2, 1012-1024, 10.1007/s40815-021-01185-9, 2022
2. Matthias Himmelsbach, Andreas Kroll: Zum strukturvorwissensbasierten Testsignalentwurf mittels Vorsteuerung für die Identifikation von Takagi-Sugeno-Modellen, at - Automatisierungstechnik, 70, 2, 119-133, 10.1515/auto-2021-0043, 2022
3. Matthias Himmelsbach, Andreas Kroll: Toolbox zum Testsignalentwurf für Standardtestsignale für die Identifikation von Eingrößensystemen: Prozessmodellfreie und -basierte Methoden, 30. Workshop Computational Intelligence, KIT Scientific Publishing, https://www.rst.e-technik.tu-dortmund.de/cms/de/Veranstaltungen/GMA-Fachausschuss/index.html, 2020
4. Matthias Gringard, Andreas Kroll: On considering the output in space-filling test signal designs for the identification of dynamic Takagi-Sugeno models, 21st IFAC World Congress, 53, 2, 1200-1205, Elsevier, https://www.ifac2020.org/, 2020
5. Matthias Gringard, Andreas Kroll: Zur Homogenisierung von Testsignalen für die nichtlineare Systemidentifikation, at - Automatisierungstechnik, 67, 10, 820-832, 2019
6. Matthias Gringard, Andreas Kroll: Optimal Experiment Design for Identifying Dynamical Takagi-Sugeno Models with Minimal Parameter Uncertainty, 18th IFAC Symposium on System Identification, https://www.ifac-control.org/events/system-identification-18th-sysid-2018, 2018
7. Matthias Gringard, Andreas Kroll: Zum optimalen Offline-Testsignalentwurf für die Identifikation dynamischer TS-Modelle: Steuerfunktionen zur optimalen Schätzung der Partitionsparameter, 28. Workshop Computational Intelligence, 39 - 60, KIT Scientific Publishing, 10.5445/KSP/1000085935, https://www.rst.e-technik.tu-dortmund.de/cms/de/Veranstaltungen/GMA-Fachausschuss/index.html, 2018
8. Andreas Kroll, Axel Dürrbaum: On optimal experiment design for identifying premise and conclusion parameters of Takagi-Sugeno models: nonlinear regression case, Applied Soft Computing, 60, 407 - 422, 10.1016/j.asoc.2017.07.015, https://reader.elsevier.com/reader/sd/pii/S1568494617304246, 2017
9. Matthias Gringard, Andreas Kroll: On the parametrization of APRBS and multisine test signals for the identification of nonlinear dynamic TS-models, IEEE Symposium Series of Computational Intelligence 2016, 39 - 60, https://ssci2016.cs.surrey.ac.uk/IEEE%202016.htm, 2016
10. Matthias Gringard, Andreas Kroll: On the systematic parametrization of APRBS and multisine test signals for nonlinear system identification, 26. Workshop Computational Intelligence, 119-138, KIT Scientific Publishing, 10.5445/KSP/1000060007, https://www.rst.e-technik.tu-dortmund.de/cms/de/Veranstaltungen/GMA-Fachausschuss, 2016
11. Axel Dürrbaum, Andreas Kroll: On robust experiment design for identifying locally affine Takagi-Sugeno models, IEEE International Conference on Systems, Man, and Cybernetics (SMC 2016), 10.1109/SMC.2016.7844506, https://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=7844506, 2016
12. Andreas Kroll: Zum optimalen Testsignalentwurf für die Partitionierung und Teilmodellparametrierung dynamischer Takagi-Sugeno-Modelle: Problemstellung und Lösungsansätze, 26. Workshop Computational Intelligence, 97-118, KIT Scientific Publishing, 10.5445/KSP/1000060007, 2016
13. Matthias Gringard, Andreas Kroll: Zur Homogenisierung von Breitbandtestsignalen für die nichtlineare Systemidentifikation am Beispiel eines nichtlinearen Stellantriebs, 25. Workshop Computational Intelligence, 145 - 162, KIT Scientific Publishing, 0.5445/KSP/100004962, https://www.rst.e-technik.tu-dortmund.de/cms/de/Veranstaltungen/GMA-Fachausschuss/index.html, 2015
14. Andreas Kroll, Axel Dürrbaum: On joint optimal experiment design for identifying partition and local model parameters of Takagi-Sugeno models, Proceedings of the 17th IFAC Symposium on System Identification (SysID), 1427 - 1432, doi:10.1016/j.ifacol.2015.12.333, 2015