Optimal Control and Predictive Control

Aktuelles

  • Aktuelle Informationen werden ausschließlich in Moodle verbreitet.
  • Bitte melden Sie sich zur Veranstaltung in TUCaN an. Sollte dies nicht möglich sein, wenden Sie sich bitte für die Anmeldung an Dr.-Ing. Eric Lenz.

Allgemeine Informationen zur Veranstaltung

Dozent Prof. Dr.-Ing Rolf Findeisen
Vorlesungsassistenten Janine Matschek Link zu Universität Magdeburg
Felix Häusser Link zu Universität Magdeburg
Semester SoSe (2+1)
Vorlesungssprache englisch
Voraussetzungen Grundlagenvorlesung der Regelungstechnik und Systemtheorie mit einem Fokus auf den Zustandsraum.
Form der Prüfungsleistung schriftlich, mündlich
Die Prüfung findet je nach Anzahl der Prüfungsanmeldungen schriftlich oder mündlich statt. Die Prüfungsform wird zeitnah nach Ende des Anmeldezeitraums bekanntgegeben.
Alte Klausuren Beispielklausuren werden über Moodle am Ende der Vorlesung zur Verfügung gestellt.
Ergänzende und weiterführende
Lehrveranstaltungen
Ab dem Wintersemester wird die weiterführende Veranstaltung Model Predictive Control angeboten.
Literaturhinweise Optimal Control
  • R. Bellman. Dynamic Programming. Princeton University Press, Princeton, New Jersey, 1957.
  • L.D. Berkovitz. Optimal Control Theory. Springer-Verlag, New York, 1974.
  • D.P. Bertsekas. Dynamic Programming and Optimal Control. Athena Scientific Press. 2nd edition, 2000.
  • L.M. Hocking. Optimal Control. An Introduction to the Theory with Applications. Oxford Applied Mathematics and Computing Science Series. Oxford University Press, Oxford, 1991.
  • J.L. Troutmann. Variational Calculus and Optimal Control. Undergraduate Texts in Mathematics. Springer, 1991.
Optimization
  • S. Boyd, L. Vandenberghe. Convex Optimization. Cambridge University Press, 2004.
  • J. Nocedal, S. Wright. Numerical Optimization. Springer, 2006.
Model Predictive Control
  • J.B. Rawlings, D.Q. Mayne, M. Diehl. Model Predictive Control: Theory and Design, 2009.

Inhalt der Vorlesung

Ziel dieser Lehrveranstaltung

Optimale Regelungsverfahren, wie die modellprädiktive Regelung, zählen zu den vielseitigsten, flexibelsten und am meisten eingesetzten modernen Regelungsmethoden. Ihre Anwendungsbereiche spannen von der Robotik über das autonome Fahren, Luftfahrtsysteme, Energiesysteme, chemische und biotechnologische Prozesse bis hin zur Biomedizin. Die Vorlesung bietet eine Einführung in die Grundlagen der optimalen Regelung mit einem Fokus auf die methodische und theoretische Basis. Daneben werden Einblicke in die effiziente numerische Lösung der auftretenden Optimierungsprobleme sowie in die modellprädiktive Regelung gegeben.

Themen

  • Anwendungsbeispiele aus verschiedenen Gebieten, wie zum Beispiel der Mechatronik, der Robotik, elektrischen Systemen, chemischen Prozessen, der Ökonomie sowie der Luft- und Raumfahrt
  • Einführung in die nichtlineare statische Optimierung
  • Dynamische Programmierung, Optimalitätsprinzip, Hamilton-Jacobi-Ballmann Gleichung
  • Pontryaginsches Maximum Prinzip
  • Optimale Regelung über endliche und unendliche Vorhersagezeiten, LQ optimale Regelung
  • Numerische Lösungsverfahren für Optimalsteuerungsprobleme
  • Einführung in die modellprädiktive Regelung

Organisatorisches

Alle Materialien für die Vorlesung und Übung werden über Moodle zur Verfügung gestellt.
Prüfung Sommersemester 2021
Prüfungsform schriftlich oder mündlich
Datum voraussichtlich im September
Urhrzeit tba
Raum tba
Erlaubte Hilfsmittel
  • Stift
  • handgeschriebene Formelsammlung mit 4 Seiten (2 Blätter beidseitig)
Einsicht tba