Modellprädiktive Regelung Nichtlinearer Systeme Mit Unsicherheiten

ISBN-13: 9783658162788 / Niemiecki / Miękka / 2016 / 55 str.

Andreas Volz

Opis

Andreas Volz untersucht eines der vielseitigsten Regelungsverfahren fur technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinflussen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten 'Unscented-Transformation', die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, konnen Unsicherheiten mithilfe des Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik pradiziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz fur die modellpradiktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschrankungen auch in Gegenwart von Unsicherheiten zuverlassig eingehalten werden konnen.

Spis treści

Modellprädiktive Regelung.- Regelung mit Unsicherheiten.- Unscented Model Predictive Control (UMPC).- Untersuchung des Rechenaufwandes.

O autorze

Andreas Völz absolvierte von 2009 bis 2014 das Bachelor- und Masterstudium der Informationssystemtechnik an der Universität Ulm. Seit 2014 ist er dort als akademischer Mitarbeiter und Doktorand am Institut für Mess-, Regel- und Mikrotechnik auf dem Gebiet der Robotik beschäftigt.

Blurb

Andreas Völz untersucht eines der vielseitigsten Regelungsverfahren für technische Prozesse und zeigt den Umgang mit Messunsicherheiten, unbekannten Umwelteinflüssen sowie Modellungenauigkeiten auf. Basierend auf der sogenannten ‚Unscented-Transformation‘, die bislang insbesondere im Zusammenhang mit der Kalman-Filterung ein Begriff ist, können  Unsicherheiten mithilfe des  Erwartungswertes und der Kovarianzmatrix der nichtlinearen Systemdynamik prädiziert und im Kostenfunktional gewichtet werden. Der Autor stellt einen neuen Ansatz für die modellprädiktive Regelung nichtlinearer Systeme mit stochastischen Unsicherheiten vor und kann anhand mehrerer Beispielsysteme nachweisen, dass Beschränkungen auch in Gegenwart von Unsicherheiten zuverlässig eingehalten werden können.

Der Inhalt

• Modellprädiktive Regelung
  
• Regelung mit Unsicherheiten 
  
• Unscented Model Predictive Control (UMPC)
  
• Untersuchung des Rechenaufwandes 
  

Die Zielgruppen

• Dozierende und Studierende aus den Fachgebieten Mathematik, Regelungstechnik, Automatisierungstechnik, Elektrotechnik
  
• Ingenieure und Ingenieurinnen mit den Schwerpunkten Regelungstechnik und Automatisierungstechnik
  

Der Autor

Andreas Völz absolvierte von 2009 bis 2014 das Bachelor- und Masterstudium der Informationssystemtechnik an der Universität Ulm. Seit 2014 ist er dort als akademischer Mitarbeiter und Doktorand am Institut für Mess-, Regel- und Mikrotechnik auf dem Gebiet der Robotik beschäftigt.