Startseite > Fachgruppen > Forschung > Regelungsentwurf > Selbstoptimierende Regelungen

Selbstoptimierende Regelungen

Selbstoptimierende Systeme durch Zielgrößenregelung

Unter einem selbstoptimierenden System verstehen wir mechatronische Systeme, die ihre Ziele aufgrund wechselnder Einflüsse und Betriebssituationen ändern und daraufhin Parameter und Strukturen lokaler Regelungen autonom und optimal anpassen. Damit gehen selbstoptimierende Regelungen über adaptive und optimale Regelungen hinaus. Schwerpunkte in diesem Forschungsbereich sind die modellbasierte Mehrzieloptimierung und neue Regelungsstrategien für intelligente mechatronische Systeme.

Der Entwurf einer selbstoptimierenden Regelung erfordert komplexe Optimierungsmodelle, die neben dem physikalischen Bewegungsverhalten des Systems auch Anregungsmodelle für die Betriebssituationen und Modelle für die Zielfunktionsauswertung enthalten. Im Rahmen der modellbasierten Mehrzieloptimierung wird die Menge aller Pareto-optimalen Konfigurationen berechnet, die sogenannte Paretomenge. Dies sind zumeist Parameter oder Referenztrajektorien der lokalen Regelungen. Unter dem Aspekt der hierarchischen Optimierung wird das Gesamtsystem in Teilsysteme unterteilt. Mit Hilfe der Verfahren der parametrischen Modellordnungsreduktion erhalten wir effiziente Teilmodelle für das hierarchische Optimierungsmodell [KDT11].

Grafische Darstellung einer Paretofront (links) und Paretomenge (rechts) exemplarisch für zwei Zielfunktionen (f1 und f2) und zwei Optimierungsparameter (p1 und p2).

Die Struktur selbstoptimierender Regelungen ist in dem Bild dargestellt. Auf der lokalen Ebene befinden sich die klassischen Regelungen, welche die Regelungsfunktionen umsetzen und die Anforderungen bezüglich Stabilität, Schnelligkeit und Genauigkeit gewährleisten. Unbekannte Störungen oder wechselnde Betriebsbedingungen beeinflussen das Systemverhalten und führen zu Abweichungen in den Systemzielen. Die selbstoptimierenden Regelungen „regeln in Zielen“, indem das Verhalten des lokalen Regelungssystems an die aktuelle Situation angepasst wird. Dazu werden die Ziele kontinuierlich erfasst und die passende Pareto-optimale Konfiguration an den lokalen Regelungen adaptiert [KT14], [KKT14], [KRKT13].

 

Schematische Darstellung der selbstoptimierenden Regelungsstruktur

 

 

 

Ausgewählte Veröffentlichungen:

  • [KT14] Jan Henning Keßler, Ansgar Trächtler; Control of Pareto Points for Self-Optimizing Systems with Limited Objective Values; IFAC World Congress 2014
  • [KKT14] Jan Henning Keßler, Martin Krüger, Ansgar Trächtler; Continuous Objective-based Control for Self-Optimizing Systems with Changing Operation Modes; European Control Conference 2014
  • [KRKT13] Martin Krüger, Andria Remirez, Jan Henning Keßler, Ansgar Trächtler; Discrete Objective-based Control for Self-Optimizing Systems; The 2013 American Control Conference
  • [KDT11] Martin Krüger, Michael Dellnitz, Ansgar Trächtler; Parametric Model-Order Reduction in Hierarchical Multiobjective Optimization of Mechatronic Systems; IFAC World Congress 2011