---
_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'
...