Modul RO4000-KP12

Dauer

2 Semester

Angebotsturnus

Jedes Wintersemester

Leistungspunkte

12

Studiengang, Fachgebiet und Fachsemester:

• Master Robotics and Autonomous Systems 2019, Pflicht, Pflicht-Lehrmodule

Lehrveranstaltungen:

• RO4001-Ü: Modellprädiktive Regelung (Übung, 2 SWS)
• RO4001-V: Modellprädiktive Regelung (Vorlesung, 2 SWS)
• CS4160-Ü: Echtzeitsysteme (Übung, 2 SWS)
• CS4160-V: Echtzeitsysteme (Vorlesung, 2 SWS)

Workload:

• 120 Stunden Präsenzstudium
• 140 Stunden Selbststudium
• 40 Stunden Prüfungsvorbereitung

Lehrinhalte:

• Lehrinhalte der Veranstaltung Real-Time Systems:
• Echtzeitverarbeitung (Definitionen, Anforderungen)
• Prozessautomatisierungssysteme
• Echtzeit-Programmierung
• Prozessanbindung und Vernetzung
• Modellierung ereignisdiskreter Systeme (Automaten, State Charts)
• Modellierung kontinuierliche Systeme (Differentialgleichungen, Laplace-Transformation)
• Einsatz von Entwurfswerkzeugen (Matlab/Simulink, Stateflow)
• Lehrinhalte der Veranstaltung Model Predictive Control:
• LQ Optimale Regelung und Kalman Filter
• Konvexe Optimierung
• Invariante Mengen
• Theorie der Modellprädiktiven Regelung (MPC)
• Numerische Optimierungsverfahren
• Explizites MPC
• Praktische Aspekte (Robustes MPC, Offset-freies Tracking, etc.)
• Anwendungen von MPC

Qualifikationsziele/Kompetenzen:

• Lernziele der Veranstaltung Real-Time Systems:
• Die Studierenden sind in der Lage, die Problematik der Echtzeitverarbeitung zu beschreiben.
• Sie sind in der Lage, echtzeitfähige Rechnersysteme in der Prozessautomatisierung (insbesondere SPS) zu erklären.
• Sie sind in der Lage, Echtzeitsysteme in den IEC-Sprachen zu programmieren.
• Sie sind in der Lage, Prozessschnittstellen und echtzeitfähige Bussysteme zu erläutern.
• Sie sind in der Lage, ereignisdiskrete Systeme, insbesondere Prozesssteuerungssysteme, zu modellieren, zu analysieren und zu implementieren.
• Sie sind in der Lage, kontinuierliche Systeme, insbesondere grundlegende Regelungssysteme, zu modellieren, zu analysieren und zu implementieren.
• Sie sind in der Lage, Entwurfswerkzeuge für Echtzeitsysteme einzusetzen.
• Lernziele der Veranstaltung Model Predictive Control:
• Die Studierenden haben einen umfassenden Überblick über optimale Regelungsverfahren.
• Die Studierende haben einen Einblick in die Grundlagen der numerische Optimierung.
• Die Studierenden können modellprädiktive Regler für lineare und nichtlineare Systeme entwerfen.
• Die Studierenden beherrschen verschiedene Werkzeuge, um modellprädiktive Regler zu implementieren.
• Die Studierenden können systemtheoretische Eigenschaften von MPC-Reglern etablieren.
• Die Studierenden haben Einblicke in mögliche Anwendungsgebiete für die modellprädiktiven Regelung.

Vergabe von Leistungspunkten und Benotung durch:

• Klausur oder mündliche Prüfung nach Maßgabe des Dozenten

Setzt voraus:

• Regelungstechnische Systeme (RO4400-KP08)

Modulverantwortliche:

• Prof. Dr. Georg Schildbach
• Prof. Dr.-Ing. Mladen Berekovic

Lehrende:

• Institut für Medizinische Elektrotechnik
• Institut für Technische Informatik
• Prof. Dr.-Ing. Mladen Berekovic
• MitarbeiterInnen des Instituts
• Prof. Dr. Georg Schildbach
• MitarbeiterInnen des Instituts

Literatur:

• R. C. Dorf, R. H. Bishop : Modern Control Systems Prentice Hall 2010
• L. Litz : Grundlagen der Automatisierungstechnik Oldenbourg 2012
• M. Seitz : Speicherprogrammierbare Steuerungen Fachbuchverlag Leipzig 2012
• H. Wörn, U. Brinkschulte : Echtzeitsysteme Berlin: Springer 2005
• S. Zacher, M. Reuter : Regelungstechnik für Ingenieure Springer-Vieweg 2014
• F. Borrelli, A. Bemporad, M. Morari : Predictive Control for Linear and Hybrid Systems Cambridge University Press, 2017 (ISBN: 978-1107016880)

Sprache:

• Sowohl Deutsch- wie Englischkenntnisse nötig

Bemerkungen:

Letzte Änderungen:

07.01.2025