Parallele Multi-Level Lern- und Optimierungsalgorithmen für die Regelung zyklischer Prozesse auf eingebetteten Systemen

• Antragsteller: Professor Dr. Moritz Diehl
• Fachliche Zuordnung: Strömungsmechanik ; Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung seit 2016
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 277012063

Das Ziel dieses Teilprojekts ist es, mit innovativen algorithmischen Ideen die Regelung schneller, zyklischer Prozesse in Echtzeit zu ermöglichen. Die Herausforderungen, die mit dem realen Betrieb insbesondere der PCCI und GCAI Motoren in Aachen und Zürich einhergehen, fordern neue algorithmische Entwicklungen und numerisch günstige Problemformulierungen, die über die in der ersten Förderperiode erreichten Ergebnisse hinausgehen. Relevante Merkmale der realitätsnahen Operation sind zum ersten noch härtere Anforderungen an die Rechenzeiten. Die höheren Drehzahlen (über 3000 rpm) führen zu bedeutend kürzeren maximalen Rechenzeiten für die Vorbereitungs- und – bei gleichbleibender Aktuatorverzögerung – vor allem für die Feedbackphase (< 1 ms). Darüber hinaus fordert die für den realen Motorbetrieb unverzichtbare innerzyklische Regelung parallele Berechnungen auf noch kleinerer Zeitskala.Zweitens ist der reale Betrieb gekennzeichnet von zeitabhängigen Lastprofilen. Ein optimierungsbasierter Referenzgenerator soll für den GCAI-Prozess verhindern, dass die Reglerkonvergenz im transienten Betrieb beeinträchtigt wird. Die Generierung zulässiger periodischer Referenzen fordert eigene maßgeschneiderte Algorithmen und soll parallel zu Regelung und Schätzung laufen.Drittens wurde gezeigt, dass die stochastischen Eigenschaften des GCAI-Prozess über das Kennfeld variieren. Insbesondere bei späten Zündungen lässt sich das stochastische Systemverhalten mit der bisher entworfenen Regelung nicht ausreichend unterdrücken. Um eine robuste Erfüllung der Systembeschränkungen zu garantieren, soll deshalb eine robuste Variante der optimierungsbasierten Regelung entwickelt werden. Da robuste Problemformulierungen anspruchsvoller zu lösen sind, müssen innovative Algorithmen und Problemformulierungen entwickelt werden, um auch mit der robusten MPC den Echtzeitanforderungen zu genügen.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 2401: Optimierungsbasierte Multiskalenregelung motorischer Niedertemperatur-Brennverfahren