Dokument-Version: 3.022.07.2015og

Fakultät Elektrotechnik und Informationstechnik

Masterstudiengang (EIM) - Elektrotechnik und Informationstechnik

Modellprädikative und stochastische Regelungen

Kennzahl 7514

Leipzig University of Applied Sciences

Dozententeam

Wahlpflichtmodul 7514

Prof. Dr.-Ing. Hendrik Richter
verantwortlich: Prof. Dr.-Ing. Jens Jäkel
Regelsemester Wintersemester 1. Semester (jährlich)
Leistungspunkte *) 5
Unterrichtssprache Deutsch
Arbeitsaufwand Vorlesung-Präsenz: 45 h; Vorlesung-Nacharbeit: 45 h; Seminar-Präsenz: 15 h; Seminar-Vorarbeit: 45 h;
Voraussetzungen für die Teilnahme Kenntnisse/ Fähigkeiten: Systemtheorie, Regelungstechnik, Simulationstechnik (Bachelor)
Lernziel/ Kompetenz Ziel: Vermittlung von Kenntnissen über moderne höhere regelungstechnische Konzepte.

Fach- und methodische Kompetenz: Beherrschung von Techniken und Verfahren der modernen Regelungstechnik; Lösung praxisbezogener Probleme der Regelungstechnik durch stochastische oder modellgestützte Regelungen.

Einbindung in die Berufsvorbereitung: Stochastische und modellgestützte Regelungssysteme sind wesentliche Bestandteile von komplexen automatisierungstechnischen Systemen. Kenntnisse über Analyse und Entwurf solcher Systeme sind notwendig für Automatisierungs-Ingenieure.
Inhalt 1. Beschreibung stochastischer Signale (Begriffe der Wahrscheinlichkeitstheorie/ Stochastische Prozesse)

2. Analyse des stochastischen Verhaltens linearer Systeme (Zusammenhänge zwischen stochastischen Ein- und Ausgangssignalen / Einfluss der Systemdynamik auf stochasische Kerngrößen)

3. Entwurf von Reglern bei stochastischen Signalen (Zustandsgrößenschätzung / Kalman-Bucy Filter)

4. Advanced Control (Überblick)

5. Modellprädikative Regelung (MPC) (Konzept und Grundlagen / Systemmodelle / Entwurf von MPC mit linearen Prozessmodellen / Ausblick: Nichtlinearer MPC

Prüfungsvorleistungen (keine)
Studien- und Prüfungsleistungen
Lehreinheiten SWS Prüfungsleistung Wichtung
V S
Modellprädikative und stochastische Regelungen 3 1 PK (120 min) 5
Medienformen Tafel, Folien (Overhead/Beamer), Rechnerübung, Begleitliteratur
Literatur Dittmar, R., Pfeiffer, B.-M.: Modellbasierte prädikative Regelung;

Schlitt: Systemtheorie für stochastische Prozesse;

Morari, M. Zafiriou, E.: Robust Process Control;

Wunsch und Schreiber: Stochastische Systeme;

Krebs, Volker: Nichtlineare Filterung;

Verwendbarkeit Das Modul ist im Masterstudiengang Elektrotechnik und Informationstechnik verwendbar.