M4: Effiziente und exakte Zustandsschätzung und Regelung unter Unsicherheiten

• Antragsteller: Professor Dr.-Ing. Uwe D. Hanebeck; Professor Dr. Gerhard Neumann
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik ; Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing ; Produktionsautomatisierung und Montagetechnik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 459291153

Dieses Projekt befasst sich mit der hochqualitativen Schätzung und Regelung von verteilten Prozessen basierend auf den gelernten Modellen aus M2 und den optimierten Vorsteuerungstrajektorien aus M3. Wir nehmen den Zustand als versteckt oder nur partiell verfügbar an, so dass wir bei systematischer Berücksichtigung von Beobachtungsunsicherheiten Verteilungsdichten über verteilte Prozesszustände schätzen müssen. Es werden Methoden auf Basis von RL und MPC entwickelt, um die Dynamik des geregelten Prozesses in Bezug auf Stabilität, Geschwindigkeit, Rauschunterdrückung und Genauigkeit zu verbessern. Der Fokus liegt auf (i) der Repräsentation der Zustände verteilter nichtlinearer Prozesse mit einstellbarer Genauigkeit zwischen Komplexität und Darstellungsfähigkeit; (ii) Methoden zur Unsicherheitsfortpflanzung und Filterung in großen verteilten Zustandsräumen mit differenzierbaren Ensemble-Flow-Filtern, wobei die Anzahl der Zustände in die Tausende gehen kann; (iii) einem modularen Framework zur Sensormodellierung, welches eine Umschalten zwischen verschiedenen Sensortypen in den verschiedenen Prozessreifungsphasen ohne ein Neulernen erlaubt; (iv) der stochastischen Regelung von nichtlinearen verteilten Prozessen, basierend auf den gelernten verteilten Prozessmodellen aus M2, mit Szenario-basiertem stochastischen MPC zur Berücksichtigung von Modellunsicherheiten und Rauschen; und (v) modellbasierten Policy-Optimisation-Techniken welche die verteilten Zustands- und Aktionsräume des gegebenen Produktionsprozesses ausnutzen. Wissenschaftliche Herausforderungen umfassen die hohe Dimensionalität des verteilten Prozessmodells, die Notwendigkeit der Ausnutzung verteilten Zustands- und Aktionsrepräsentation des Prozesses, starke Nichtlinearitäten im Systemmodell, nichtlineare Sensormodelle und Beobachtung mit unterschiedlichen Dimensionalitäten.

• DFG-Verfahren: Forschungsgruppen
• Teilprojekt zu: FOR 5339: KI-FOR KI-basierte Methodik für die schnelle Ertüchtigung unreifer Produktionsprozesse