Optimierung dynamischer System

Die Studierenden können technische Prozesse analysieren, diagnostizieren und optimieren. Im Detail können Sie Messsysteme zur Prozessdatenaufnahme festlegen und anhand von Prozessdaten technische Systeme identifizieren und anhand mathematischer Modelle beschreiben. Sie kennen einen Bausatz an Optimierungsmethoden, die sie auf diese Modelle anwenden können.

Dies erlernen sie, indem sie

• die Unterschiede zwischen linearen und nichtlinearen Systemen lernen und verstehen,
• mathematische Systembeschreibungen selbstständig formulieren,
• eine Palette an mathematischen White und Blackbox-Modellen kennen lernen,
• Grundsätze der Messdatenaufnahme und des Einflusses von Messintervallen lernen und in Übungen austesten,
• Blackbox-Modelle mittels Computational Intelligence Methoden eigenständig erstellt werden und
• Optimierungsmethoden spielerisch auf verschiedene Systemmodelle anwenden.

Ziel ist, dass die Studierenden den Optimierungsbedarf an technischen Systemem erkennen und heben. Sie legen Messsysteme und Systemkomponenten im Berufsalltag richtig aus, sodass ein optimaler Betrieb erfolgt.

• Statistische Datenanalyse und Datenvorverarbeitung für Prozessdaten.
• Systemidentifikation mit ARX Modellen
• Systemidentifikation mit Neuronalen Netzen
• Lineare und nichtlineare Optimierung
• Stationäre und dynamische Optimierung
• Optimierung von Systemen ohne Nebenbedingungen
• Optimierung von Systemen mit Gleichungsnebenbedingen
• Optimierung von Systemen mit Ungleichungsnebenbedingungen
• Abbildung bzw. Transformation realer Aufgabenstellungen in Standardformen, die von numerischen Optimierungspaketen gelöst werden können.

Lehrvortrag, Übungen, Hausarbeiten, Gruppenarbeit (flipped Classroom)

• System Identification: Theory for the User (Lennart Ljung) ISBN: 0136566952
• Mastering System Identification in 100 Exercises (ISBN: 0470936983)
• Engineering Optimization: Theory and Practice (ISBN: 1119454719