Prozessoptimierung
- Fakultät
Fakultät Ingenieurwissenschaften und Informatik (IuI)
- Version
Version 2 vom 26.02.2026.
- Modulkennung
11M1270
- Niveaustufe
Master
- Unterrichtssprache
Deutsch, Englisch
- ECTS-Leistungspunkte und Benotung
5.0
- Häufigkeit des Angebots des Moduls
nur Sommersemester
- Dauer des Moduls
1 Semester
- Kurzbeschreibung
Die klassischen Verfahren der Regelungstechnik sind für lineare Systeme entwickelt worden. Neben dem teilweise heuristischen Vorgehen besitzen diese Verfahren den Nachteil, dass eine explizite Berücksichtigung von Stellgrößenbeschränkungen, die in der Praxis immer vorliegen, nicht möglich ist. Bereits in den 60er Jahren wurden daher Optimierungsansätze entwickelt um diese Problemstellungen zu adressieren. Die praktische Umsetzung dieser Verfahren ist aber erst seit den 90er Jahren möglich. Dafür waren neben schnellen Rechnern insbesondere auch neue schnelle Algorithmen entscheidend. Heute sind Optimierungsverfahren aus der Prozessregelung nicht mehr weegzudenken. Bereits bei der datenbasieren Modellbildung kommen optimale Identifikationsverfahren zum Einsatz. Führungs- und Störverhalten des Regelkreises kann mit Verfahren zur Erzielung optimaler Regelgüte bzw. mit der Betrachtung von worst-case Szenarien adressiert werden. Modellpädiktive Regelungen ermöglichen es schließlich, durch Optimierung über mitbewegte Zeithorizonte, Stellgrößenbeschränkungen auf eine Weise zu berücksichtigen, die auch auf echte Anwendungen der Prozessregelung übertragen werden kann. Die Vorlesung soll einen Überblick über die Grundlagen der Optimierung und der entsprechenden Algorithmen sowie deren Anwendung in exemplarischen Problemstellungen der Prozessregelung geben.
- Lehr-Lerninhalte
- Mathematische Grundlagen der beschränkten und unbeschränkten Optimierung
- Numerische Grundlagen der Optimierung
- Spezielle Algorithmen (insb. SQP)
- Anwendungen: Identifikation, optimale Schätzverfahren (Kalman Filter), optimale Steuerung und Regelung (Zeitoptimalität, optimale Regelgüte), Modellprädiktive Regelung
- Gesamtarbeitsaufwand
Der Arbeitsaufwand für das Modul umfasst insgesamt 150 Stunden (siehe auch "ECTS-Leistungspunkte und Benotung").
- Lehr- und Lernformen
Dozentengebundenes Lernen Std. Workload Lehrtyp Mediale Umsetzung Konkretisierung 15 Labor-Aktivität Präsenz - 30 Vorlesung Präsenz - Dozentenungebundenes Lernen Std. Workload Lehrtyp Mediale Umsetzung Konkretisierung 60 Veranstaltungsvor- und -nachbereitung - 2 Erstellung von Prüfungsleistungen - 43 Prüfungsvorbereitung -
- Benotete Prüfungsleistung
- Klausur oder
- mündliche Prüfung oder
- Projektbericht (schriftlich)
- Unbenotete Prüfungsleistung
- experimentelle Arbeit
- Bemerkung zur Prüfungsart
nach Wahl des Lehrenden
- Prüfungsdauer und Prüfungsumfang
Benotete Prüfungsleistung:
- Klausur: siehe jeweils gültige Studienordnung
- Mündliche Prüfung: siehe Allgemeiner Teil der Prüfungsordnung
- Projektbericht (schriftlich): 5 Minuten Kurzreferat, Ausarbeitung: 10-20 Seiten
Unbenotete Prüfungsleistung:
- Experimentelle Arbeit: Experiment: insgesamt ca. 6 Versuche
- Empfohlene Vorkenntnisse
Grundlagen der Mathematik wie sie üblicherweise in den ersten zwei Semesters eines naturwissenschaftlichen bzw. Ingenieurs-Studiengangs vermittelt werden.
Grundlagen der Regelungstechnik wie sie üblicherweise in einem Ingenieurs-Studiengang vermittelt werden.
- Wissensverbreiterung
Die Absolvent*innen kennen die wesentlichen Fragestellungen der Optimierung und können exakte und numerische Lösungsverfahren anwenden. Sie kennen die Hauptanwendungen in der Prozessregelung und können entsprechende Lösungsverfahren entwickeln.
- Nutzung und Transfer
Die Absolvent*innen sind in der Lage, Verfahren der Prozessoptimierung problemangepasst auszuwählen und können entsprechende Softwaretools zur Problemlösung einsetzen.
- Wissenschaftliches Selbstverständnis / Professionalität
Die Absolvent*innen sind in der Lage, aktuelle wissenschaftliche Literatur zur Prozessregelung einzuordnen und auf neue technische Anwendungen zu übertragen.
- Literatur
- B. Kouvaritakis, M. Cannon (2015): Model Predictive Control. Springer. 2016.
- J. B. Rawlings, D. Q. Mayne, M. M. Diehl: Model Predictive Control. Nob Hill Publishing. 2017.
- H. Unbehauen: Regelungstechnik 3. Vieweg+Teubner. 2011.
- M. Papageorgiou, M. Leibold, M. Buss: Optimierung. Springer. 2015.
- D. G. Luenberger: Optimization by Vector Space Methods. John Wiley&Sons, Inc. 1969.
- Verwendbarkeit nach Studiengängen
- Informatik
- Informatik M.Sc. (01.09.2025)
- Mechatronic Systems Engineering
- Mechatronic Systems Engineering M.Sc. (01.09.2025)
- Elektrotechnik (Master)
- Elektrotechnik M.Sc. (01.09.2025)
- Modulpromotor*in
- Rehm, Ansgar
- Lehrende
- Rehm, Ansgar