---
_id: '58164'
abstract:
- lang: ger
text: Der modellbasierte Regelungsentwurf erfordert eine möglichst genaue Kenntnis
über das dynamische Verhalten des zugrunde liegenden physikalischen Systems. Durch
maschinelle Lernverfahren besteht das Potenzial den Modellierungsaufwand im Vergleich
zum klassischen Vorgehen zu reduzieren, indem physikalisches Vorwissen und an
Messdaten trainierte Modelle effektiv zusammengeführt werden. Diese Dissertation
entwickelt Methoden zur datengetriebenen Bestimmung von Modellen für den Regelungsentwurf
nichtlinearer mechatronischer Systeme. Dazu wird die regelungstechnische Anwendbarkeit
von Koopman-Operator-basierten Verfahren analysiert, die nichtlineare Dynamiken
durch lineare Modelle approximieren. Darüber hinaus wird ein neuartiges Verfahren
zur datengetriebenen Bestimmung von Port-Hamilton-Modellen entwickelt, die Energiezusammenhänge
plausibel abbilden und sich unmittelbar für einen passivitätsbasierten Regelungsentwurf
verwenden lassen. Zudem werden Ansätze zur automatischen Aktualisierung des im
Regelkreis verwendeten Streckenmodells bei Modellunsicherheiten oder auftretenden
Veränderungen der Systemdynamik vorgestellt. Experimentelle sowie simulative Untersuchungen
demonstrieren die herausragende Prädiktionsgenauigkeit der datengetriebenen Modelle
und die hohe Regelgüte. Die Ergebnisse dieser Dissertation leisten einen bedeutenden
Beitrag, weil die datengetriebenen Modelle eine aus regelungstechnischer Sicht
verwertbare Form aufweisen. Sie sind physikalisch interpretierbar und lassen sich
nahtlos in bestehende Analyse- und Entwurfsmethoden einbinden. Dies eröffnet neue
Perspektiven für zukünftige Anwendungen und Weiterentwicklungen.
- lang: eng
text: Model-based control design requires accurate insight into the dynamic behavior
of the underlying physical system. Machine learning methods have the potential
to reduce modeling efforts compared to the classic approach by effectively combining
physical prior knowledge and models trained on measurement data. This dissertation
develops methods to determine data-driven models for the control design of nonlinear
mechatronic systems. For this purpose, the control applicability of Koopman operator-based
methods, which approximate nonlinear dynamics by linear models, is analyzed. In
addition, a novel method is developed for the data-driven determination of port-Hamiltonian
models, which plausibly represent energy flows and can be directly utilized for
passivity-based control design. Moreover, approaches for automatically updating
the plant model used in the control loop are presented in case of model uncertainties
or occuring changes in system dynamics during operation. Experimental and simulative
studies demonstrate the outstanding prediction accuracy of the data-driven models
and the high control performance. The findings of this dissertation make a significant
contribution because the data-driven models exhibit a form that is highly usable
for control engineering. They are physically interpretable and can be seamlessly
integrated into existing analysis and design methods. This opens new perspectives
for future applications and further developments.
author:
- first_name: Annika
full_name: Junker, Annika
id: '41470'
last_name: Junker
orcid: 0009-0002-6475-2503
citation:
ama: Junker A. Datengetriebene Modellbildung für nichtlineare mechatronische
Systeme in regelungstechnisch verwertbarer Form. Vol Band 428. Heinz Nixdorf
Institut; 2024. doi:10.17619/UNIPB/1-2158
apa: 'Junker, A. (2024). Datengetriebene Modellbildung für nichtlineare mechatronische
Systeme in regelungstechnisch verwertbarer Form: Vol. Band 428. Heinz Nixdorf
Institut. https://doi.org/10.17619/UNIPB/1-2158'
bibtex: '@book{Junker_2024, place={Paderborn}, series={Verlagsschriftenreihe des
Heinz Nixdorf Instituts}, title={Datengetriebene Modellbildung für nichtlineare
mechatronische Systeme in regelungstechnisch verwertbarer Form}, volume={Band
428}, DOI={10.17619/UNIPB/1-2158},
publisher={Heinz Nixdorf Institut}, author={Junker, Annika}, year={2024}, collection={Verlagsschriftenreihe
des Heinz Nixdorf Instituts} }'
chicago: 'Junker, Annika. Datengetriebene Modellbildung für nichtlineare mechatronische
Systeme in regelungstechnisch verwertbarer Form. Vol. Band 428. Verlagsschriftenreihe
des Heinz Nixdorf Instituts. Paderborn: Heinz Nixdorf Institut, 2024. https://doi.org/10.17619/UNIPB/1-2158.'
ieee: 'A. Junker, Datengetriebene Modellbildung für nichtlineare mechatronische
Systeme in regelungstechnisch verwertbarer Form, vol. Band 428. Paderborn:
Heinz Nixdorf Institut, 2024.'
mla: Junker, Annika. Datengetriebene Modellbildung für nichtlineare mechatronische
Systeme in regelungstechnisch verwertbarer Form. Heinz Nixdorf Institut, 2024,
doi:10.17619/UNIPB/1-2158.
short: A. Junker, Datengetriebene Modellbildung für nichtlineare mechatronische
Systeme in regelungstechnisch verwertbarer Form, Heinz Nixdorf Institut, Paderborn,
2024.
date_created: 2025-01-13T11:19:30Z
date_updated: 2025-01-16T13:15:20Z
department:
- _id: '153'
- _id: '880'
doi: 10.17619/UNIPB/1-2158
language:
- iso: ger
main_file_link:
- open_access: '1'
url: https://digital.ub.uni-paderborn.de/hs/download/pdf/7770359
oa: '1'
place: Paderborn
project:
- _id: '690'
name: 'DART: Datengetriebene Methoden in der Regelungstechnik'
publication_identifier:
isbn:
- '9783947647477'
publication_status: published
publisher: Heinz Nixdorf Institut
series_title: Verlagsschriftenreihe des Heinz Nixdorf Instituts
status: public
supervisor:
- first_name: Julia
full_name: Timmermann, Julia
id: '15402'
last_name: Timmermann
- first_name: Boris
full_name: Lohmann, Boris
last_name: Lohmann
title: Datengetriebene Modellbildung für nichtlineare mechatronische Systeme in regelungstechnisch
verwertbarer Form
type: dissertation
user_id: '41470'
volume: Band 428
year: '2024'
...