Modellprädiktive Regelung

Die modellprädiktive Regelung (MPC) ist ein äußerst erfolgreicher, optimierungsbasierter Regelungsansatz. Sie besteht aus der wiederholten Ausführung der folgenden Prozedur: Zu jedem Abtastzeitpunkt wird ein Optimalsteuerungsproblem mit endlichem Horizont gelöst. Der erste Teil der entsprechenden optimalen Lösung wird als Eingangstrajektorie bis zum nächsten Abtastzeitpunkt angewendet. Die Hauptvorteile der prädiktiven Regelung und die Gründe für ihren weit verbreiteten Erfolg in vielen Anwendungsbereichen sind:

1. die garantierte Einhaltung harter Zustands- und Eingangsbedingungen,
2. die direkte Optimierung eines Gütekriteriums im Reglerentwurf und
3. die Anwendbarkeit auf allgemeine nichtlineare Systeme mit mehreren Ein- und Ausgängen.

Unsere Forschung widmet sich verschiedenen aktuellen Aspekten der prädiktiven Regelung. Dazu gehören die Entwicklung robuster, stochastischer und adaptiver MPC-Methoden für unsichere Systeme, die Berücksichtigung allgemeinerer Regelungsziele als die reine Sollwert-/Trajektverfolgung (ökonomische MPC-Verfahren), die Untersuchung verteilter MPC-Ansätze für große Systeme und daten- sowie lernbasierter MPC-Methoden. Zudem untersuchen wir die Anwendung von MPC auf verschiedene Problemstellungen, darunter reaktive Testumgebungen für autonome Fahrzeuge, optimale Medikationsstrategien bei Schilddrüsenerkrankungen und multimodale Energiesysteme.