Dauer:
2 Semester | Angebotsturnus:
Jedes Wintersemester | Leistungspunkte:
12 |
Studiengang, Fachgebiet und Fachsemester: - Master Robotics and Autonomous Systems 2019 (Pflicht), Pflicht-Lehrmodule, 1. und 2. Fachsemester
|
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: - 40 Stunden Prüfungsvorbereitung
- 140 Stunden Selbststudium
- 120 Stunden Präsenzstudium
| |
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: |
Modulverantwortliche: Lehrende: |
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:Zulassungsvoraussetzungen zur Belegung des Moduls:
- Keine
Zulassungsvoraussetzungen zur Teilnahme an Modul-Prüfung(en):
- Erfolgreiche Bearbeitung von Übungen gemäß Vorgabe am Semesteranfang
Modulprüfung(en):
- RO4000-L1: Autonome Systeme, Teilnahme an den Klausuren beider Teilmodule
- RO4001-L1: Modellprädiktive Regelung, Klausur, 90 min, 50% der Modulnote
- CS4160-L1: Echtzeitsysteme, Klausur, 90min, 50% der Modulnote |
Letzte Änderung: 7.10.2021 |
für die Ukraine