Forschung

Im Zuge der Digitalisierung erfahren künstliche Intelligenz und maschinelles Lernen aktuell eine hohe Aufmerksamkeit seitens Wissenschaft und Industrie. In den Ingenieurwissenschaften, in unserem Fall in der Regelungstechnik, werden bereits datengetriebene Verfahren eingesetzt, jedoch vorwiegend als Alternative zur physikalischen Modellierung dynamischen Verhaltens bzw. zu fachspezifischen Methoden des Regelungs- und Steuerungsentwurfs oder in einer pragmatischen einfachen Kombination.

©Heinz-Nixdorf-Institut

Das Ziel der Nachwuchsforschungsgruppe „DART – Datengetriebene Methoden in der Regelungstechnik“ ist es daher, neuartige hybride Methoden für regelungstechnische Probleme zu entwickeln, indem die bewährten physikalisch motivierten Verfahren mit den modernen datengetriebenen Verfahren kombiniert werden und so die größtmögliche Performanz beim Regelungsentwurf erzielt werden kann. Diese hybriden Ansätze gehen weit über einfache, pragmatische Kombinationen hinaus, weil sie auf strukturell gut begründeten Kompositionen aus aufeinander zugeschnittenen Verfahren beruhen, die ihre Vorteile synergetisch vereinen. Dabei werden die typischen Entwurfsschritte wie die Modellierung und Parameteridentifikation des physikalischen Systems, der Beobachterentwurf, die Reglerauslegung sowie die Inbetriebnahme eines Reglers adressiert. Dadurch sind wir in der Lage alle Aspekte der klassischen Regelungstechnik gesamthaft durch hybride Ansätze mit datenbasierten Methoden zu erweitern. Die Ergebnisse werden anschließend an einem Prüfstand zusammengeführt, so dass wir die hybriden Verfahren methodenübergreifend evaluieren können.

Unsere Forschungsschwerpunkte gliedern sich in die folgenden Teilbereiche:

• Der Koopman Operators in der Regelungstechnik

• Bayessche Optimierung für die Inbetriebnahme von Regelungen
• Hybride Modellierung und Beobachterentwurf