1. Himmelsbach, M.; Kroll, A.   Testsignalentwurf mit Nutzung strukturellen Vorwissens zur Identifikation dynamischer lokal-affiner Takagi-Sugeno-Modelle.   In at -- Automatisierungstechnik, In at -- Automatisierungstechnik, 2021.   accepted.
2. Himmelsbach, M.; Kroll, A.   On optimal test signal design and parameter identification schemes for dynamic Takagi-Sugeno fuzzy models using the Fisher information matrix.   In International Journal of Fuzzy Systems, In International Journal of Fuzzy Systems, 2021.   accepted.
3. Dürrbaum, A.; Kahl, M.; Himmelsbach, M.; Kroll, A.   Toolbox zur Identifikation von Takagi-Sugeno-Fuzzy-Modellen.   In at -- Automatisierungstechnik, Vol. 69, No. 10, pp. 915-916, 2021.
4. Kroll, A.; Himmelsbach, M.   Zum optimalen Testsignalentwurf für die Identifkation regelungsorientierter dynamischer empirischer lokal linear-affiner Multi-Modelle.   Schlussbericht KR3795/7-1, Universität Kassel, 2021.
5. Himmelsbach, M.; Kroll, A.   Toolbox zum Testsignalentwurf für Standardtestsignale für die Identifikation von Eingrößensystemen: Prozessmodellfreie und -basierte Methoden.   In 30. Workshop Computational Intelligence, Berlin, 26.-27. November 2020. GMA-FA 5.14, KIT Scientific Publishing.
6. Gringard, M.; Kroll, A.   On considering the output in space-filling test signal designs for the identification of dynamic Takagi-Sugeno models.   In 21st IFAC World Congress, Vol.  53, pp. 1200-1205, Berlin, Germany, 12-17. July 2020. IFAC, Elsevier.
7. Gringard, M.; Kroll, A.   Zur Homogenisierung von Testsignalen für die nichtlineare Systemidentifikation.   In at -- Automatisierungstechnik, Vol. 67, No. 10, pp. 820-832, 2019.
8. Gringard, M.; Kroll, A.   Zum optimalen online Testsignalentwurf für die Identifikation dynamischer TS-Modelle: Steuerfunktionen zur optimalen Schätzung der Partitionsparameter.   In 28. Workshop Computational Intelligence, pp. 39 -- 60, Dortmund, 29.-30. November 2018. GMA-FA 5.14, KIT Scientific Publishing.
9. Wittich, F.; Gringard, M.; Kahl, M.; Kroll, A.; Niendorf, T.; Zinn, W.   Datengetriebene Modellierung zur Prädiktion des Eigenspannungstiefenverlaufs beim Hartdrehen.   In 28. Workshop Computational Intelligence, pp. 61 -- 81, Dortmund, 29.-30. November 2018. GMA-FA 5.14, KIT Scientific Publishing.
10. Gringard, M.; Kroll, A.   Optimal Experiment Design for Identifying Dynamical Takagi-Sugeno Models with Minimal Parameter Uncertainty.   In 18th IFAC Symposium on System Identification, Stockholm, Sweden, 09-11. July 2018. IFAC.
11. Gringard, M.; Kroll, A.   Zum Optimalen Offline Testsignalentwurf für die Identifikation dynamischer TS-Modelle: Multistufensignale für unsicherheitsminimierte Konklusionsparameter.   In 27. Workshop Computational Intelligence, Dortmund, 23.-24. November 2017. GMA-FA 5.14, KIT Scientific Publishing.
12. Gringard, M.; Kroll, A.   On the systematic parametrization of APRBS and multisine test signals for nonlinear system identification.   In 26. Workshop Computational Intelligence, pp. 119-138, Dortmund, 24.-25. November 2016. GMA-FA 5.14, KIT Scientific Publishing.
13. Gringard, M.; Kroll, A.   On the parametrization of APRBS and multisine test signals for the identification of nonlinear dynamic TS-models.   In IEEE Symposium Series of Computational Intelligence 2016, pp. 39 -- 60, Athens, Greece, 06.-09. December 2016. IEEE.
14. Gringard, M.; Kroll, A.   Zur Homogenisierung von Breitbandtestsignalen für die nichtlineare Systemidentifikation am Beispiel eines nichtlinearen Stellantriebs.   In 25. Workshop Computational Intelligence, pp. 145 -- 162, Dortmund, 26.-27. November 2015. GMA-FA 5.14, KIT Scientific Publishing.