Record #239828 - iMPULSE

DFG project G:(GEPRIS)423857295

Neue Methoden für Robuste MPC mit hochdimensionalen Unsicherheiten

Coordinator	Professor Dr.-Ing. Sergio Lucia Gil
Grant period	2019 - 2024
Funding body	Deutsche Forschungsgemeinschaft
	DFG
Identifier	G:(GEPRIS)423857295

Note: Modellprädiktive Regelung (MPC) ist eine fortschrittliche optimierungsbasierte Regelungsmethode, die in vielen verschiedenen Bereichen zum Standard geworden ist.Die benötigte Berechnungszeit um diese Optimierungsprobleme, die aus der Formulierung der modellprädiktiven Regelungsprobleme entstehen, zu lösen, ist in den meisten Fällen nicht mehr das größte Hindernis für eine weitläufige Anwendung von MPC.Allerdings stellt die notwendige hohe Güte des Modells eine weitaus größere Herausforderung dar.Selbst wenn gute Modelle vorhanden sind oder von physikalischen Grundsätzen abgeleitet werden können ist die Wahl der Parameter sehr anspruchsvoll. Unsicherheiten treten immer auf, entweder in Form von Modellfehlern oder aufgrund von Störgrößen, die zu einer Qualitätsminderung der Regelung oder sogar zur Instabilität des geschlossenen Regelkreises führen können.In den letzten Jahren wurden viele verschiedene robuste Ansätze vorgestellt, die Unsicherheiten berücksichtigen. Die meisten Methoden wurden nur an kleinen Systemen mit wenigen Unsicherheiten getestet, denn die Regelung größerer Probleme mit diesen Ansätzen führt oft zu hardwaretechnisch unlösbaren Optimierungsproblemen oder die resultierende Regelung agiert extrem konservativ.Deshalb liegt der Fokus dieses Projekts auf Methoden, die eine systematische und zuverlässige Anwendung von robusten MPC Methoden für große Systeme mit potentiell vielen Unsicherheiten ermöglichen. Dies ist ein wichtiger Schritt um das Anwendungsgebiet von MPC zu erweitern.Dabei liegt das Augenmerk nicht auf der effizienten numerischen Lösung der großen Optimierungsprobleme, die aus der Formulierung der robusten MPC Probleme resultieren.Stattdessen sollen neue Methoden entwickelt werden, die zu einem lösbaren Problem führen mithilfe folgender drei Ideen:i) Ausnutzen der Systemeigenschaften, ii) erwägen randomisierter Optimierungsmethoden, iii) verlagern des größten Berechnungsaufwands zur Offline-Analyse via daten-basierter Methoden zum Lernen robuster Regelungsstrategien.Es werden verschiedene Methoden entwickelt, die auf diesen drei Ideen basieren, durch Anwendung der neuesten Erkenntnisse aus dem Bereich der mehrstufigen MPC, bei welcher die möglichen Entwicklungen des Systems modelliert werden mittels eines diskreten Szenarienbaums.Von unserem Projekt erhoffen wir uns, erstens, grundlegende wissenschaftliche Einblicke zu erhalten wie neue Methoden zur Analyse, Konzeption und Anpassung von robuster MPC mit strikten theoretischen Garantien. Als zweites Ziel, erwarten wir die Entwicklung von approximativen Methoden, die reale Systeme in Echtzeit robust regeln können.

Recent Publications

There are no publications

Record created 2023-01-20, last modified 2024-09-27

Similar records

Rate this document:

(Not yet reviewed)

Add to personal basket
Export as Author List with IDs BibTeX (UTF-8), EndNote XML, EndNote Text, RIS, MARC, Print MARC, MARCXML, DC,
Request correction
Submit fulltext

guest :: login iMPULSE
		Search		Submit		Personalize Your alerts Your baskets Your searches		Help