Laufende Forschungsprojekte

Identifikation & Regelung

  • Condition Monitoring nichtlinearer Anlagen in der Automatisierungstechnik
    Die fortschreitende Vernetzung von industriellen Anlagen liefert eine zunehmende Datenmenge, die im Betrieb zur Verfügung stehen. Für den Menschen ist es meist nicht mehr möglich diese Informationsmenge zu überschauen und Erkenntnisse daraus zu ziehen. Mit der Entwicklung immer leistungsfähigerer Prozessoren, sind für diesen Einsatz Verfahren des maschinellen Lernens in den Fokus gerückt. In diesem Projekt sollen die vorhandenen Verfahren, die zumeist auf physikalischen Modellen basieren, ergänzt werden, um so eine umfassende Überwachung ermöglichen. Der Fokus liegt dabei auf nichtlinearen Systemen, die nur schwer durch physikalische Modelle beschrieben werden können.
    Team: M.Sc. Moritz Fehsenfeld
    Jahr: 2019
    Förderung: Lenze SE
    Laufzeit: 10/2018 - 09/2022
  • Energieoptimale Trajektorienplanung
    Im Zuge voranschreitender Automatisierung des Straßenverkehrs ist zu erwarten, dass Fahrstrecken künftig vermehrt mit Unterstützung von Fahrerassistenzsystemen zurückgelegt werden. Vor diesem Hintergrund gewinnt die Energieeffizienzsteigerung einer teilautomatisierten Fahrzeugführung zunehmend an Bedeutung. Dieses Forschungsprojekt zielt darauf ab, die teilautomatisierte Fahrzeuglängsführung durch die Planung und Optimierung einer Geschwindigkeitstrajektorie energieeffizienter zu gestalten. Dabei gilt es individuelle Fahrzeugführungspräferenzen im Zielkonflikt einer kurzen Fahrtdauer und einem niedrigen Energiebedarf zu berücksichtigen. Zur Geschwindigkeitsoptimierung werden, neben spezifischen Fahrzeugeigenschaften, prädiktive Streckeninformationen (z.B. Höhentopologie, Geschwindigkeitsbegrenzungen und Kurvenradien) für den bevorstehenden Routenabschnitt (Longrange) herangezogen. Darüber hinaus soll dynamisch bei unvorhersehbaren Ereignissen (wie z.B. vorrausfahrende Fahrzeuge oder nicht-kartierte Geschwindigkeitsbegrenzungen) auf kurzem Prädiktionshorizont (Shortrange) reagiert werden. Ziel ist die Entwicklung eines echtzeitfähigen modellprädiktiven Regelungsverfahren, mit dem die Fahrzeuglängsführung fahrerindividuell energetisch optimal erfolgt.
    Team: M. Sc. Daniel Fink
    Jahr: 2019
    Förderung: IAV GmbH
    Laufzeit: 12/2019 - 11/2022
  • Identifikation dynamik- und sicherheitsrelevanter Trailerzustände für automatisiert fahrende Lastkraftwagen (IdenT)
    Vor allem im Bereich der Nutzfahrzeuge ist das wirtschaftliche Potential von automatisiert fahrenden Lastkraftwagen besonders hoch. Damit dieses Vorhaben gelingen kann, muss der LKW-Anhänger (sog. Trailer) deutlich intelligenter werden, als er heute ist. Während das Zugfahrzeug serienmäßig mit viel Sensorik ausgestattet ist, gibt es im Trailer noch deutlichen Nachholbedarf. Im Rahmen dieses Projekts soll mit mehreren Projektpartnern aus Forschung und Industrie erarbeitet werden, wie durch Einsatz von zusätzlicher Sensorik im Trailer die fahrdynamischen und sicherheitsrelevanten Zustände berechnet bzw. geschätzt werden können. Ein weiterer Aspekt des Projekts ist die Beurteilung von verschleißbehafteten oder geschädigten Komponenten im Trailer. Dazu wird ein Online-Zwilling erstellt, der während der Fahrt auf einer Recheneinheit im Trailer fahrdynamische Zustände schätzt. Weiterhin sollen Informationen über die Fahrbahnbeschaffenheit gesammelt und mit Kameras der Rückraum überwacht werden. Die online gesammelten Informationen werden über eine Cloud-Infrastruktur an einen Offline-Zwilling gesendet, der dann mit Hilfe von detaillierten Fahrzeug-Modellen den Komponentenverschleiß berechnet und an den Online-Zwilling zurück sendet. Das imes wird sich im Rahmen dieses Projekts hauptsächlich mit der Entwicklung des Online-Zwillings erfassen und setzt für die Online-Informationsgenerierung Methoden der fahrdynamischen Modellierung, des maschinellen Lernens und der Informationsfusion ein.
    Team: M. Sc. Simon Ehlers, M. Sc. Zygimantas Ziaukas
    Jahr: 2020
    Förderung: Bundesministerium für Wirtschaft und Klimaschutz (BMWK)
    Laufzeit: 02/2020-01/2023
  • Cloud-Anwendung für zeitlich veränderliche Fahrbahnzustandsinformationen (InFusion)
    Mit der fortschreitenden Automatisierung von Fahrzeugen wächst die Bedeutung, Kenntnisse und Fähigkeiten zu kompensieren, die durch den Wegfall des Fahrers als Steuerungselement relevant für den Betrieb des Fahrzeuges und die Verkehrssicherheit sind. Hierfür sind Informationen zum witterungsbedingten Fahrbahnzustand von essentiellem Stellenwert. Während die Mehrzahl der Teilnehmer am öffentlichen Straßenverkehr PKW Nutzer darstellen, sind im Nutzfahrzeugsektor zwar weniger Fahrzeuge unterwegs, dafür aber auf deutlich längeren Strecken und festen Routen. Gleichzeitig geht mit dem Wandel zu intelligenten, autonomen Fahrzeugen und zum vernetzten Verkehr ein Zuwachs an Daten in jedem Fahrzeug sowie in der Fahrzeugumgebung einher. Die so erhobenen Daten lassen sich jedoch nicht ohne weiteres zwischen Fahrzeugen unterschiedlicher Klassen austauschen. Ziel des Projekts ist die Untersuchung und Entwicklung verschiedener Verfahren zur Ermittlung unterschiedlichster Aspekte des Fahrbahnzustandes. Eine geeignete Zusammenführung und Normierung der Daten soll den Austausch nicht nur zwischen ähnlichen Fahrzeugen, sondern auch über Fahrzeugklassen hinaus ermöglichen. Durch einen cloudbasierten Austausch und die Zusammenführung der Vielzahl an internen und externen Daten ergibt sich so eine vielversprechende Möglichkeit für eine sichere Schätzung des Fahrbahnzustandes.
    Team: M.Sc. Björn Volkmann
    Jahr: 2020
    Förderung: Bundesministerium für Verkehr und digitale Infrastruktur (BMVI)
    Laufzeit: 06/2019-06/2023
  • Hybride Reibwertschätzung
    Für die Optimierung bestehender und Entwicklung weiterer Fahrerassistenzsysteme bietet die frühzeitige Kenntnis des Reifen-Fahrbahn-Kontakts ein erhebliches Potential. Auf der einen Seite können bestehende Systeme wie das Antiblockiersystem (ABS) oder das elektronische Stabilitätsprogramm (ESP) optimiert werden. Auf der anderen Seite kann z. B. für das autonome Fahren eine zu fahrende Trajektorie geplant und an die Fahrbahnoberfläche adaptiert werden. Im Rahmen des Projekts "Hybride Reibwertschätzung" soll anhand bestehender Sensoren im Fahrzeug der maximale Reibwert des Reifen-Fahrbahn-Kontakts geschätzt werden. Dies erfolgt in bisherigen Forschungsprojekten primär über modellbasierte Verfahren basierend auf einem physikalischen Fahrzeugmodell. Aufgrund des begrenzten Detaillierungsgrads der Modellierung und der damit einhergehenden begrenzten Genauigkeit der Schätzung, wird im Rahmen des Projekts an datenbasierten Schätzern, sowie der Kombination beider zu hybriden Ansätzen geforscht. Ziel des Projekts ist die Entwicklung eines hybriden Reibwertschätzers, welcher die Vorteile der modell- und datenbasierten Ansätze kombiniert.
    Team: M. Sc. Nicolas Lampe
    Jahr: 2020
    Förderung: Dr. Jürgen und Irmgard Ulderup Stiftung
    Laufzeit: 03/2020 - 03/2023
  • Collaborative Remote Laboratory
    Nicht nur vor dem Hintergrund der Covid19-Pandemie ist die Digitalisierung der Lehre ein zentrales Element für das erfolgreiche und zukunftsfähige Studieren. Remote Laboratories erlauben hierbei die Steuerung und Beobachtung eines realen Versuchsstandes über das Internet. Dadurch können Vorlesungsinhalte vertieft und auf reale Versuchsstände angewendet werden. Neben der dauernden Verfügbarkeit ist die Vorgabe definierter physikalischer Grenzen des Systems ein großer Vorteil gegenüber klassischen Laborkonzepten. Im Rahmen dieses Projektes wird ein Remote Laboratory mit mehreren Laborversuchen für einen kollaborativen Roboter entwickelt.
    Jahr: 2021
    Förderung: HSP
    Laufzeit: 1 Jahr
  • RekuTrAx
    Ziel des Projektes RekuTrAx ist die Entwicklung einer hochintegrierten Rekuperationsachse für LKW-Trailer. Rekuperation, die Rückgewinnung von elektrischer Energie bei einem Bremsvorgang, ist eine Technik, die für die Reduktion des Energieverbrauchs von Fahrzeugen genutzt wird. Der elektrische (Hilfs-)Antriebsstrang erlaubt direkt eine Rekuperation, ohne dass zusätzliche Hilfsmittel genutzt werden. Anders sieht es bei Fahrzeugen aus, die mit fossilen Brennstoffen oder Brennstoffzellen betrieben werden. Hier ist eine Rekuperation direkt über den Antriebstrang nicht möglich. Dieser Ansatz hat bei LKW-Trailern aufgrund der hohen kinetischen Energie besonders hohes Potenzial, Ziel ist es daher, die Rekuperationsachse eines LKW-Trailer unabhängig von der Zugmaschine nutzbar zu entwickeln. Das Projekt wird in Zusammenarbeit mit dem KIT sowie den Unternehmen REFU Drive GmbH und BPW Bergische Achsen KG bearbeitet. Die Schwerpunkte des imes liegen bei der Entwicklung eines intelligenten Energiemanagements sowie dem Condition Monitoring.
    Team: Dennis Bank, M. Sc.
    Jahr: 2022
    Förderung: BMWK
    Laufzeit: 08/22 - 07/25

Abgeschlossene Forschungsprojekte

Identifikation & Regelung

  • Zeitoptimale Regelung elektromechanischer Aktoren
    Zur gezielten Abgasrückführung werden unterschiedliche elektromechanische Stellglieder eingesetzt, welche mit hoher Dynamik den Abgasanteil im Verbrennungsraum regeln. Innerhalb dieses Forschungsprojektes sollen modellbasierte Reglerstrukturen implementiert werden, die das Potential der begrenzten Stellgröße ausnutzen.
    Förderung: IAV GmbH Gifhorn
    Laufzeit: 11/2012-10/2013
  • Analyse und Kompensation von Fahrzeugschwingungen
    Ein aktuelles Projekt am imes stellt die Analyse von Fahrzeugschwingungen im PKW dar. Das Forschungsvorhaben zielt darauf hin einzelne Phänomene zu analysieren und deren Erreger im PKW aufzuspüren, damit geeignete Maßnahmen - Regelungsstrategien - zur Reduzierung bzw. Vermeidung eingeleitet werden können.
    Team: M.Sc. Simon Eicke
    Jahr: 2010
    Förderung: IAV GmbH
  • Online-Identifikation regelungstechnisch relevanter Systemparameter elektrisch angetriebener mechanischer Systeme
    Das primäre Ziel dieses Forschungsvorhabens liegt in der Bestimmung der wesentlichen Parameter eines elektrischen Antriebssystems mit gekoppelter Mechanik, ohne Nutzung spezieller Testtrajektorien und ohne zusätzliche Sensorik sondern durch Beobachtung der Parameteridentifizierbarkeit in Abhängigkeit der Streckeneigenschaften im laufenden Betrieb. Grundlage bildet ein echtzeitfähiges Modell des mechatronischen Gesamtsystems.
    Team: M. Sc. Dipl.-Ing. (FH) Daniel Beckmann
    Jahr: 2011
    Förderung: Forschungsvereinigung Antriebstechnik (FVA)
  • Robuste Schwimmwinkelschätzung, basierend auf sensitivitätsbasierter Parameteradaption und nichtlinearen Beobachterstrukturen
    Ein aktuelles Projekt am Institut für Mechatronische Systeme befasst sich mit der Schätzung relevanter Systemzustände und Parameter der Fahrzeugquerdynamik. Hierzu werden verschiedene modellbasierte Beobachterstrukturen, basierend auf sensitivitätsbasierter Parameteradaption realisiert, um eine robuste Schätzung zu garantieren.
    Team: M.Sc. Mark Wielitzka
    Jahr: 2013
  • Führungslose, miniaturisierte Maschine zur Herstellung kleiner Stanzteile unter Einsatz einer Resonatzantriebseinheit
    In Zusammenarbeit mit dem Institut für Umformtechnik (IFUM) wird eine Stanzeinheit zum Schneiden dünner Bleche entwickelt. Durch Einsatz von Magnetaktoren und gezielter Anregung der Resonanz des Feder-Masse-Systems soll eine möglichst kleine, energiesparende Stanze entstehen.
    Team: Dipl.-Ing Markus Ahrens
    Jahr: 2014
    Förderung: Deutsche Forschungsgemeinschaft (DFG)
  • Analyse von Antriebstrangschwingungen
    Ein aktuelles Projekt am imes stellt die Analyse von Fahrzeugschwingungen im Antriebsstrang des PKW dar. Das Forschungsvorhaben zielt darauf hin, einzelne Phänomene zu analysieren und deren Auslöser im PKW zu identifizieren, damit geeignete Maßnahmen zur Reduzierung bzw. Vermeidung eingeleitet werden können. Diese Arbeit wird im Rahmen eines Industrieprojektes mit der Firma IAV GmbH bearbeitet.
    Team: M. Sc. Eduard Popp
    Jahr: 2015
    Förderung: IAV GmbH
  • iTracC - Intelligent Traction Control
    Das Projekt iTracC hat das Ziel die Fahrsicherheit in Fahrzeugen mit elektrifiziertem Antriebsstrang durch eine optimierte Antriebs-Schlupf-Regelung basierend auf adaptiven Antriebsstrang- und Reibmodellen zu erhöhen
    Team: M. Sc. Mark Wielitzka, M. Sc. Alexander Busch
    Jahr: 2015
    Förderung: Bundesministerium für Wirtschaft und Energie (BMWi)
  • Automatisierte Inbetriebnahme und Condition Monitoring industriell eingesetzter Regalbediengeräte
    Das Ziel des Kooperationsprojekts ist die automatisierte Inbetriebnahme von Regalbediengeräten und modellbasiertem Condition Monitoring im laufenden Betrieb sowie Schwingungskompensation.
    Team: M.Sc. Daniel Beckmann
    Jahr: 2015
    Förderung: ZIM-KOOP
    Laufzeit: 2 Jahre
  • Remote Mechatronics Challenge
    Remote Laboratories erlauben die Steuerung und Beobachtung eines realen Versuchsstandes über das Internet. Dadurch können Vorlesungsinhalte vertieft und auf reale Versuchsstände angewendet werden. Neben der dauernden Verfügbarkeit ist die Vorgabe definierter physikalischer Grenzen des Systems ein großer Vorteil gegenüber klassischen Laborkonzepten.
    Team: M.Sc. Johannes Zumsande
    Jahr: 2016
    Förderung: HSP
  • simTrailer - Vollständige, modellbasierte Trailer-Zustandsüberwachung
    Im Rahmen des Projekts simTrailer werden online-fähige Methoden zur modellbasierten Zustandsüberwachung des Trailers erarbeitet, um einen möglichst effizienten Einsatz von Sensorik zu gewährleisten.
    Team: Zygimantas Ziaukas, M .Sc.
    Jahr: 2017
    Förderung: BPW Bergische Achsen KG
  • Online-Identifikation und Beobachtung von Systemparametern elektrischer Antriebssysteme zur Nachführung von regelungstechnisch relevanten Parametern II
    Das primäre Ziel dieses Forschungsvorhabens liegt in der Bestimmung der wesentlichen Parameter eines elektrischen Antriebssystems mit gekoppelter Mechanik ohne zusätzliche Sensorik. Dies erfolgt zum Einen durch optimierte Identifikationstrajektorien und zum Anderen im laufenden Betrieb durch Beobachtung der Parameteridentifizierbarkeit in Abhängigkeit der Streckeneigenschaften. Grundlage bildet ein echtzeitfähiges Modell des mechatronischen Gesamtsystems.
    Leitung: Prof. Dr.-Ing. Tobias Ortmaier
    Team: M. Sc. Mathias Tantau
    Jahr: 2017
    Förderung: Arbeitsgemeinschaft industrieller Forschungsvereinigungen „Otto von Gueri­­­cke“ e.V. (AiF)
    Laufzeit: 07/2017-01/2020
  • RoCCl - Road Condition Cloud
    Im Rahmen des DFG-geförderten Projektes RoCCl wird in Kooperation mit dem Institut für Fahrzeugtechnik der TU Braunschweig eine zeitlich veränderliche Karte, die Road Condition Cloud, entwickelt. Dabei wird der Fahrbahnzustand, mit zusätzlicher Konfidenz, durch wahrscheinlichkeitsbasierte Datenfusion verschiedener heterogener Informationen aus Onboard- und Umgebungssensorik geschätzt und in die Karte überführt. Die Kommunikation mit der RoCCl bietet somit die Möglichkeit Fahrerassistenzsysteme zu jedem Zeitpunkt bezüglich des aktuellen Fahrbahnzustandes korrekt zu initialisieren.
    Team: M. Sc. Alexander Busch
    Jahr: 2018
    Förderung: Deutsche Forschungsgemeinschaft (DFG)
    Laufzeit: 02/2018 - 01/2021
  • SyMoLearn - Physikalische Modellierung & Maschinelles Lernen: Symbiose zur Optimierung mechatronischer Systeme
    Modellbasierte Verfahren haben in den vergangenen Jahrzehnten innerhalb der Ingenieurswissenschaften und somit auch der Mechatronik zu einer weitreichenden Gütesteigerung dynamischerSysteme geführt. Die häufig verwendete pysikalische Modellbildung erhöht das Systemverständnis und ermöglicht damit eine Verbesserung der Beobachter- und Regelungsstrukturen. Die Genauigkeit der Modellierung ist dabei prinzipbedingt auf den Detailgrad der physikalischen Modelle beschränkt. Eine Genauigkeitssteigerung würde nur mit erhöhtem Detailgrad und somit höherem Rechenaufwand möglich sein. Einen alternativen Ansatz zur physikalischen Modellierung bieten Verfahren des Maschinellen Lernens. Diese Verfahren können gleichermaßen für die Modellierung, darüber hinaus aber auch direkt für Beobachtung und Regelung dynamischer Systeme eingesetzt werden. Dabei bieten sie das Potential den maximalen Informationsgehalt der erfügbaren Daten des jeweiligen Systems auszunutzen und somit eine Genauigkeitssteigerung zu erreichen. Demnach ermöglichen sie in diesen Bereichen eine sprunghafte Verbesserung der Güte. Maßgebliche Nachteile bestehen jedoch in dem Verlust der physikalischen Interpretierbarkeit der Modelle sowie der zumeist Notwendigkeit großer Mengen an Daten. Um die beschriebenen Vorteile zusammenzuführen und die Nachteile zu beseitigen, bietet sich eine Symbiose beider Verfahren an. Dabei wird eine hybride Verwendung ausgenutzt, um beispielsweise eine verbesserte Genauigkeit unter Beibehaltung der physikalischen Interpretierbarkeit zu ermöglichen. Der Anteil des jeweiligen Verfahrens ist variabel und abhängig von der betrachteten Zielgröße und Anwendung zu wählen. Das Ziel ist somit eine Optimierung mechatronischer Systeme durch die Hinzunahme von Verfahren des Maschinellen Lernens. Die erarbeiteten Verfahren werden an zwei verschiedenen Prüfständen entwickelt und analysiert. Dabei wird zum einen ein grundlegendes Systeme, anhand eines inversen Doppelpendels betrachtet. Zum anderen dient ein elektrisch angetriebenes Serienfahrzeug als anwendungsnaher Versuchsträger. Je nach Prüfstand werden unterschiedliche Zielgrößen adressiert und die entsprechende Kombination der Verfahren optimiert. Schließlich werden die Methoden auf die Echtzeitsysteme der Prüfstände übertragen. Abschließend werden die erarbeiteten Herangehensweisen mit bestehenden Verfahren verglichen und die verbesserte Güte aufgezeigt.
    Team: Zygimantas Ziaukas
    Jahr: 2020
    Förderung: Leibniz Young Investigator Grant
    Laufzeit: 2 Jahre
  • Automatisierte Inbetriebnahme elektrischer Antriebsstränge - Nutzungsanalyse von temporärer Inbetriebnahme-Sensorik
    Um detaillierte Modelle für die automatisierte Auslegung von Regelung und Vorsteuerung zu gewinnen, lässt sich Vorwissen mit einer Struktur- und Parameteridentifikation auf verschiedene Arten kombinieren. Derzeit ist es schon möglich, Modelle für elektrische Antriebstränge experimentell zu identifizieren und diese zur Reglerauslegung, Kalmanfilterung, online Zustands- und Parameterschätzung, usw. zu nutzen. Es bleibt das Problem, dass die Eindeutigkeit der Strukturidentifikation nicht immer gegeben ist. Als mögliche Lösung hierfür kämen temporäre Inbetriebnahme-Sensoren in Frage, wie lastseitige Positionsgeber, Beschleunigungssensoren, DMS, Drehratensensoren u.Ä. Es wurde bisher jedoch wenig untersucht, wie Art, Qualität und Position der temporären Sensoren zur Lösung des Mehrdeutigkeitsproblems und zur Verbesserung der Genauigkeit der Modelle beitragen. Die Forschungsziele sind 1.) Höhere Qualität und Robustheit der Verfahren aus den Vorgängerverfahren durch temporäre Inbetriebnahme-Sensorik 2.) Reduktion von Inbetriebnahmezeit durch Identifikation der mechanischen Strecke 3.) Inbetriebnahmebox (Low-Cost-Hardware, bzw. Smartphone-App) 4.) Breites Anwendungsfeld durch automatische Auswahl der Struktur 5.) Bewertung des Nutzens von temporärer Inbetriebnahme-Sensorik Die temporäre Sensorik kann nach der Inbetriebnahme an anderen Aufbauten weiterverwendet werden, bzw. ist preislich erschwinglich, da auf Low-Cost-Hardware gesetzt wird. Die erarbeiteten Methoden sollen an verschiedenen Prüfständen validiert und in die e-Workbench (FVA 827) integriert werden.
    Leitung: Prof. Dr.-Ing. Tobias Ortmaier
    Team: M. Sc. Mathias Tantau
    Jahr: 2020
    Förderung: Forschungsvereinigung Antriebstechnik (FVA)
    Laufzeit: 02/2020-02/2021
  • Automatisierte Reglerauslegung auf Basis (teil-)automatisch generierter, regelungstechnisch optimaler Modelle
    Die modellbasierte Reglerauslegung ermöglicht eine objektive, reproduzierbare Reglereinstellung und sofern gewünscht auch eine online-Parameteranpassung. Die Reglereinstellung erfolgt nach einfachen Rechenvorschriften oder anhand von Simulationen ohne kostspielige Versuche. Die Schwierigkeit ist jedoch, für ein gegebenes System das passende Modell festzulegen. Häufig ist bei der Modellierung nicht klar, welche physikalischen Effekte im Modell und damit in dem modellbasierten Regler berücksichtigt werden müssen, bzw. vernachlässigt werden können, z.B. Elastizitäten, Reibung, Totzeit, Lose. Auch die Entscheidung über ein geeignetes Regelungskonzept (z.B. phasenabsenkendes Netz vs. Kerbfilter, ...) erfordert viel Expertenwissen. In diesem Projekt sollen (teil-)automatisiert Modelle gewählt und modellbasierte Regler ausgelegt werden. Kriterien wie z.B. maximale Dynamik und Minimierung der Überschwingweite führen zu verschiedenen Parametrierungen. Auf Basis dieser und weiterer vom Anwender vorgebbarer applikationsabhängiger Kriterien soll ein Gesamtkonzept für Modell und Regler generiert werden. Dadurch ist eine deutlich verkürzte Inbetriebnahmezeit bei vergleichbar guten Reglereigenschaften zu erwarten. Die Bewertung der Modelle für die Modellauswahl muss basierend auf regelungstechnischen Kriterien durchgeführt werden. Dies steht im Gegensatz zu häufig verwendeten Methoden wie Kreuzvalidierung und Informationskritieren. Mögliche Ansätze ergeben sich aus dem Bereich der modellprädiktiven Regelung.
    Leitung: Dr.-Ing. Hans-Georg Jacob
    Team: M. Sc. Mathias Tantau
    Jahr: 2021
    Förderung: Forschungsvereinigung Antriebstechnik (FVA)
    Laufzeit: 03/2021-02/2022