Untersuchung von Kostenfunktionen und Optimierungsalgorithmen

Leistungselektronik und Elektrische Antriebstechnik
Prof. Dr.-Ing. Joachim Böcker
Masterarbeit
Untersuchung von Kostenfunktionen und Optimierungsalgorithmen für
modellprädiktive Regelungen im Bereich elektrischer Antriebssysteme
Für die Regelung von elektrischen Antrieben finden vermehrt höherwertige Regelverfahren, wie die
modellprädiktive Regelung, Anwendung. Dies ist bedingt durch eine stetige Zunahme der
verfügbaren Rechenleistung bei Mikrocontrollern und -prozessoren. Bei der modellprädiktiven
Regelung (engl.: model predictive control, MPC) werden zunächst, ausgehend von einem aktuellen
Systemzustand, Auswirkungen verschiedener zukünftiger Stellgrößen prädiziert. Mittels einer
Kostenfunktion erfolgt dann die Bewertung und letztendlich die Auswahl der aufzuschaltenden
Stellgröße. Der Kostenfunktion kommt dabei eine entscheidende Bedeutung zu, da sie für das
Erreichen der gewünschten Regelgüte maßgeblich ist. Neben der Kostenfunktion muss aber auch
der Optimierungsalgorithmus betrachtet werden. Dessen Aufgabe ist es, eine Stellgröße zu finden,
welche die Kostenfunktion minimiert. Kostenfunktion und Algorithmus können daher nicht
unabhängig voneinander betrachtet werden. Trotz der verfügbaren Rechenleistung ist es zudem
erforderlich das Optimierungsproblem möglichst Recheneffizient und somit schnell zu lösen.
Lösungsansätze für diese Problemstellung liefert der Bereich der mathematischen Optimierung. Da
die betrachteten Systeme durch DGL-Systeme modelliert werden und nach der optimalen Stellgröße
gefragt wird, spricht man auch von einem Optimalsteuerungsproblem.
Funktionsweise einer modellprädiktiven Regelung [ABB]
 Aufgaben und Ziele
o Recherche zum Stand der Forschung hinsichtlich möglicher Kostenfunktionen
o Auswahl effizienter Optimierungsalgorithmen
o Simulation und Bewertung verschiedener Kostenfunktionen und Algorithmen
u. a. bezüglich der Regelgüte, Rechenzeit und Implementierungsaufwand
 Wünschenswerte Vorkenntnisse
o Geregelte Drehstromantriebe oder vergleichbare Vorlesungen
o Interesse an Methoden der mathem. Optimierung bzw. Optimalsteuerung
o Erste Erfahrungen mit MATLAB/Simulink
 Kontakt
M. Sc. Sören Hanke, [email protected]
LEA/SH 02.03.2017