Dauer:
1 Semester | Angebotsturnus:
Jedes Wintersemester | Leistungspunkte:
4 |
Studiengang, Fachgebiet und Fachsemester: - Master Robotics and Autonomous Systems 2019 (Modulteil eines Wahlmoduls), Anwendungsfach Robotik und Automation, 1. oder 2. Fachsemester
|
Lehrveranstaltungen: - Modellprädiktive Regelung (Übung, 2 SWS)
- Modellprädiktive Regelung (Vorlesung, 2 SWS)
| Workload: - 20 Stunden Prüfungsvorbereitung
- 40 Stunden Selbststudium
- 60 Stunden Präsenzstudium
| |
Lehrinhalte: | - 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: - 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: |
Modulverantwortlicher: - Prof. Dr. Georg Schildbach
Lehrende: - Prof. Dr. Georg Schildbach
|
Literatur: - F. Borrelli, A. Bemporad, M. Morari: Predictive Control for Linear and Hybrid Systems - Cambridge University Press, 2017 (ISBN: 978-1107016880)
|
Sprache: - Wird nur auf Englisch angeboten
|
Bemerkungen:Wird als zweiwöchiger Blockkurs angeboten. (Ist Modulteil von RO4000-KP12) (Ist Modulteil von RO4000-KP08) |
Letzte Änderung: 5.7.2019 |
für die Ukraine