|
|
Numerische Optimierung und modellprädiktive Regelung (NOPTMR)- Lecturer
- Prof. Dr.-Ing. Knut Graichen
- Details
- Vorlesung
3 cred.h, certificate, ECTS studies, ECTS credits: 5, Sprache Deutsch, Die Vorlesung startet am Di, 23.04.2019.
Time and place: Tue 16:15 - 17:45, 04.023; Wed 10:15 - 11:00, 04.023
- Fields of study
- WF ME-BA ab 6 (ECTS-Credits: 5)
WF ME-MA ab 1 (ECTS-Credits: 5)
WF EEI-BA ab 6 (ECTS-Credits: 5)
WF EEI-MA ab 1 (ECTS-Credits: 5)
WPF ME-BA ab 6 (ECTS-Credits: 5)
WPF ME-MA ab 1 (ECTS-Credits: 5)
WF MB-BA ab 6 (ECTS-Credits: 5)
WF MB-MA ab 1 (ECTS-Credits: 5)
- Prerequisites / Organisational information
- Grundkenntnisse der höheren Mathematik (insbesondere lineare Algebra)
Beschreibung dynamischer Systeme im Zeitbereich (Einführung in die Systemtheorie oder Regelungstechnik B)
- Contents
- Viele Probleme in der Wirtschaft und Industrie verlangen eine optimale Lösung unter Berücksichtigung gewisser Kriterien und Beschränkungen. Mathematisch formuliert führt dies auf ein Optimierungsproblem. Unterschieden wird dabei zwischen statischer Optimierung ("Parameteroptimierung") und dynamischer Optimierung, bei der ein dynamischer Prozess zugrunde liegt und z.B. eine optimale Regelung gesucht wird.
In der Vorlesung werden die mathematischen Grundlagen der Optimierung vermittelt und eine Einführung in numerische Verfahren zur Lösung von statischen und dynamischen Optimierungsproblemen gegeben. Des Weiteren wird auf die modellprädiktive Regelung (Englisch: Model Predictive Control – MPC) nichtlinearer Systeme eingegangen und neben den Fragen der Stabilität im geschlossenen Regelkreis insbesondere auf die echtzeitfähige numerische Umsetzung für hochdynamische Systeme mit Abtastzeiten im Millisekundenbereich eingegangen. Dabei wird den Studierenden anhand moderner Software-Werkzeuge (bspw. der MPC-Toolbox GRAMPC) vermittelt, wie die modellprädiktive Regelung für praxisnahe nichtlineare Systeme mit Beschränkungen effizient eingesetzt werden kann.Lernziele & Kompetenzen Die Studierenden können
die Problemklassen der statischen und dynamischen Optimierung unterscheiden. praktische Optimierungsprobleme mathematisch formulieren und analysieren. Optimalitätsbedingungen für ein zugrundliegendes beschränktes oder unbeschränktes Optimierungsproblem aufstellen und mit Hilfe geeigneter numerischer Verfahren und gängiger Software-Tools lösen. die nichtlineare modellprädiktive Regelung gemäß ihrer verschiedenen Formulierungen und Stabilitätskriterien klassifizieren. einen modellprädiktiven Regler für eine gegebene Regelungsaufgabe formulieren und auf Stabilität im geschlossenen Kreis analysieren. echtzeitfähige modellprädiktive Regler für nichtlineare Systeme mit Beschränkungen auslegen. moderne Software-Tools zur hocheffizienten und echtzeitfähigen numerischen Berechnung von nichtlinearen modellprädiktiven Reglern einsetzen.
- Recommended literature
- Eine Literaturübersicht wird in der Vorlesung gegeben.
- ECTS information:
- Credits: 5
- Additional information
- Expected participants: 70
- Assigned lectures
- UE: Übungen zu Numerische Optimierung und modellprädiktive Regelung
-
Lecturer: Dr.-Ing. Andreas Völz
Time and place: Wed 11:00 - 11:45, 04.023; comments on time and place: Beginn n.V.
- Verwendung in folgenden UnivIS-Modulen
- Startsemester SS 2019:
- Numerische Optimierung und modellprädiktive Regelung (NOPTMR)
- Department: Chair of Automatic Control (Prof. Dr.-Ing. Graichen)
|
|
|