Neue Vorlesung am IAT – Model Predictive Control and Machine Learning

Ziel und Inhalt der Lehrveranstaltung

Die Studierenden kennen die grundlegenden Konzepte modellprädiktiver Regler und maschineller Lernverfahren um modellprädiktive Regelung zu unterstützen und ggf. deren Regelgüte zu verbessern. Dies umschließt theoretische Aspekte wie die Analyse der Stabilität von nominellen Reglern sowie die Erweiterung auf Regler mit Modellen die Unsicherheiten und Störungen unterliegen.
Die Studierenden sind in der Lage, basierend auf gegebenen physikalischen oder lernbasierten Systemmodellen modellprädiktive Regler zu entwerfen und zu implementieren. Dies umschließt den Entwurf der Regler, sowie das Tuning und die Wahl geeigneter Kostenfunktionen und Parameter.

Themen

• Einführung und Grundlagen der optimalen Regelung
• Linear Quadratic Regulator (LQR) zeitdiskret/zeitkontinuierlich
• Grundlagen der modellprädiktiven Regelung (Kostenfunktionen, Nebenbedingungen, gleitender Horizont)
• Nominelle modellprädiktive Regelung linearer Systeme
• Robuste und stochastische modellprädiktive Regelung linearer Systeme
• Regelung nichtlinearer Systeme mit modellprädiktiver Regelung
• Grundlagen des maschinellen Lernens
• Kombination machineller Lernansätze mit modellprädiktiver Regelung

Die Vorlesung wird auf englisch gehalten.

Weitere Details: siehe TUCaN und die Moodle Seite des Kurses.

Hier geht es zur Vorlesungsseite