--- _id: '56940' abstract: - lang: ger text: "Ziel dieser Arbeit ist die Entwicklung eines modellbasierten Beobachters für eingangsaffine, nichtlineare Systeme, der trotz Modellungenauigkeiten eine hohe Schätzgüte erzielt und zusätzlich eine parametrische, physikalisch interpretierbare Darstellung dieser ermöglicht. Diese soll zur automatisierten Verbesserung des Modells verwendet werden. Die vorliegende Arbeit analysiert sowohl Techniken der hybriden Systemidentifikation wie physikalisch motivierte neuronale Netze, als auch Methoden zur Kompensation von Modellungenauigkeiten im Beobachterentwurf. Basierend auf der Analyse wird ein neuartiger, modellbasierter Beobachter entworfen, der Systemzustände und Modellungenauigkeiten gleichzeitig schätzt und insbesondere eine parametrische, physikalisch interpretierbare Darstellung der Ungenauigkeiten erzielt. Diese besteht aus einer Linearkombination von physikalisch interpretierbaren Funktionen, deren dazugehörige, dünnbesetzt modellierte Parameter mithilfe eines augmentierten Zustands parallel zu den Systemzuständen geschätzt werden. Das Novum dieser Arbeit stellt somit die echtzeitfähige Schätzung von Zuständen und Modellungenauigkeiten in physikalisch-technischer Form dar, auf deren Grundlage ein Konzept zur automatisierten Modelladaption umgesetzt wird. Die Applikation der neuartigen Methode ist in der Situation auftretender Systemveränderungen besonders vorteilhaft, da diese zur Laufzeit durch den augmentierten Beobachter\r\ngeschätzt und identifiziert werden können. " - lang: eng text: "The aim of this thesis is the development of a model-based observer for input-affine, nonlinear systems that achieves a high estimation quality despite model inaccuracies. By additionally providing a parametric, physically interpretable representation of the model inaccuracies, an automated improvement of the model should be enabled. This thesis\r\nanalyzes techniques of hybrid system identification such as physics-guided neural networks, as well as methods for compensating model inaccuracies within the observer design. Based on this analysis, a novel model-based observer is designed, which estimates states and model inaccuracies jointly and, in particular, obtains a parametric, physically\r\ninterpretable representation of the inaccuracies. This consists of a linear combination of physically interpretable functions, whose associated parameters are modeled sparse and estimated in parallel to the system’s states using an augmented state. The novelty of this thesis is thus the real-time capability to jointly estimate states and model inaccuracies in a physical-technical manner, on the basis of which an automated model adaption can be\r\ncarried out. The application of the new methodology is particularly advantageous in the situation of occurring system changes since these can be estimated and identified at run time by the augmented observer." author: - first_name: Ricarda-Samantha full_name: Götte, Ricarda-Samantha id: '43992' last_name: Götte citation: ama: Götte R-S. Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit. Vol 423.; 2024. doi:10.17619/UNIPB/1-2066 apa: Götte, R.-S. (2024). Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit (Vol. 423). https://doi.org/10.17619/UNIPB/1-2066 bibtex: '@book{Götte_2024, series={Verlagsschriftenreihe des Heinz Nixdorf Instituts}, title={Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit}, volume={423}, DOI={10.17619/UNIPB/1-2066}, author={Götte, Ricarda-Samantha}, year={2024}, collection={Verlagsschriftenreihe des Heinz Nixdorf Instituts} }' chicago: Götte, Ricarda-Samantha. Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit. Vol. 423. Verlagsschriftenreihe des Heinz Nixdorf Instituts, 2024. https://doi.org/10.17619/UNIPB/1-2066. ieee: R.-S. Götte, Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit, vol. 423. 2024. mla: Götte, Ricarda-Samantha. Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit. 2024, doi:10.17619/UNIPB/1-2066. short: R.-S. Götte, Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit, 2024. date_created: 2024-11-07T11:43:05Z date_updated: 2024-11-07T11:47:59Z department: - _id: '880' - _id: '153' doi: 10.17619/UNIPB/1-2066 intvolume: ' 423' keyword: - state estimation - joint estimation - sparsity language: - iso: ger publication_identifier: isbn: - 978-3-947647-42-2 publication_status: published series_title: Verlagsschriftenreihe des Heinz Nixdorf Instituts status: public supervisor: - first_name: Julia full_name: Timmermann, Julia id: '15402' last_name: Timmermann - first_name: Ralf full_name: Mikut, Ralf last_name: Mikut title: Online-Schätzung von Modellungenauigkeiten zur automatischen Modelladaption unter Beibehaltung einer physikalisch-technischen Interpretierbarkeit type: dissertation user_id: '43992' volume: 423 year: '2024' ... --- _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' ... --- _id: '58448' abstract: - lang: eng text: Die Inbetriebnahme von Steuerungen und Regelungen stellt sicher, dass ein mechatronisches System ordnungsgemäß funktioniert und den Anforderungen gerecht wird. Der modellbasierte Entwurf basiert auf einem genauen Simulationsmodell. Allerdings ist dieser klassische Weg bei komplexen Systemen oft nicht praktikabel, da die analytische Modellierung zu kompliziert und zeitaufwendig ist. Diese Forschungslücke wird durch Verfahren adressiert, die eine effiziente und sichere Inbetriebnahme ermöglichen. Diese Verfahren kombinieren Regelungstechnik und Reinforcement Learning und nutzen vorhandenes Wissen über die Regelungsaufgabe, um Korrekturen basierend auf Messdaten und der probabilistischen Gauß-Prozess-Regression vorzunehmen. Das Vorwissen kann als teilweise bekanntes physikalisches Modell oder als Steuerungsfunktion vorliegen. Anwendungsbeispiele sind der Ultraschalldrahtbondprozess, verschiedene Pendelsysteme und ein Hexapod. Eine angepasste Bayessche Optimierung wird zur Identifikation einer Steuerparametrisierung für das Ultraschallbonden eingesetzt. Außerdem wird eine hybride Optimalsteuerung für das Doppelpendel auf einem Wagen entwickelt und erfolgreich validiert. Fur einen Hexapod zur Fahrzeugachsprüfung wird eine hybride Zustandslinearisierung formuliert und ein Funktionsnachweis im Rahmen einer Simulation erbracht. Die Einhaltung technischer Rahmenbedingungen und stabiles Systemverhalten werden durch probabilistische Pradiktionen gewährleistet. In allen Anwendungsfällen wird eine Steigerung der Effizienz und Güte erzielt. - lang: eng text: The commissioning of control systems ensures that a mechatronic system functions properly and meets the requirements. Model-based design is based on a precise simulation model. However, this classic approach is often impractical for complex systems, as analytical modeling is too complicated and time-consuming. This research gap is addressed by methods that enable efficient and safe commissioning. These methods combine control engineering and reinforcement learning and use existing knowledge about the control task to make corrections based on measurement data and probabilistic Gaussian process regression. The prior knowledge can be available as a partially known physical model or as a control function. Application examples include the ultrasonic wire bonding process, various pendulum systems and a hexapod. An adapted Bayesian optimization is used to identify a control parameterization for ultrasonic bonding. In addition, a hybrid optimal control for the double pendulum on a cart is developed and successfully validated. A hybrid state linearization is formulated for a hexapod for vehicle axle testing and a proof of concept is provided in a simulation. Compliance with technical framework conditions and stable system behavior are ensured by probabilistic predictions. An increase in efficiency and quality is achieved in all use cases. author: - first_name: Michael full_name: Hesse, Michael id: '29222' last_name: Hesse citation: ama: Hesse M. Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression. Vol 426. Heinz Nixdorf Institut; 2024. doi:10.17619/UNIPB/1-2135 apa: Hesse, M. (2024). Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression (Vol. 426). Heinz Nixdorf Institut. https://doi.org/10.17619/UNIPB/1-2135 bibtex: '@book{Hesse_2024, place={Paderborn}, series={Verlagsschriftenreihe des Heinz Nixdorf Instituts}, title={Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression}, volume={426}, DOI={10.17619/UNIPB/1-2135}, publisher={Heinz Nixdorf Institut}, author={Hesse, Michael}, year={2024}, collection={Verlagsschriftenreihe des Heinz Nixdorf Instituts} }' chicago: 'Hesse, Michael. Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression. Vol. 426. Verlagsschriftenreihe des Heinz Nixdorf Instituts. Paderborn: Heinz Nixdorf Institut, 2024. https://doi.org/10.17619/UNIPB/1-2135.' ieee: 'M. Hesse, Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression, vol. 426. Paderborn: Heinz Nixdorf Institut, 2024.' mla: Hesse, Michael. Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression. Heinz Nixdorf Institut, 2024, doi:10.17619/UNIPB/1-2135. short: M. Hesse, Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression, Heinz Nixdorf Institut, Paderborn, 2024. date_created: 2025-01-30T14:45:46Z date_updated: 2025-01-30T14:58:46Z department: - _id: '153' - _id: '880' doi: 10.17619/UNIPB/1-2135 intvolume: ' 426' language: - iso: ger main_file_link: - open_access: '1' url: https://digital.ub.uni-paderborn.de/doi/10.17619/UNIPB/1-2135 oa: '1' place: Paderborn publication_identifier: eissn: - 2365-4422 isbn: - 978-3-947647-45-3 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: Eyke full_name: Hüllermeier, Eyke last_name: Hüllermeier title: Interaktive Inbetriebnahme von Steuerungen und Regelungen für partiell bekannte dynamische Systeme mittels Gauß-Prozess-Regression type: dissertation user_id: '82875' volume: 426 year: '2024' ...