Forschung

Die Forschung unserer Professur konzentriert sich auf die Entwicklung kontrolltheoretischer Methoden in den folgenden Bereichen:

• Optimale und lernende Regelung für nichtlineare Systeme,

• Analyse unsicherer, dynamischer Systeme mit Hilfe mengenbasierter Methoden,
• Hierarchische, optimale und fehlertolerante Regelung.

Die Forschung der Professur konzentriert sich stark auf die Entwicklung von Reglern für den gesamten Zyklus von der Systemmodellierung bis zur Endanwendung. Zu den besonderen Themen gehören auch fortgeschrittene Techniken der Datenanalyse und -klassifizierung sowie die Bewertung der Modellunsicherheit. Besondere Aufmerksamkeit wird komplexen und hierarchischen Systemen gewidmet, bei denen die Konsistenz zwischen Regelung und Unterprogrammen für verschiedene Systemebenen von besonderem Interesse ist. Besonderes Augenmerk wird auf die Anwendungsbereiche

controlled environment agriculture, Energie- und Brennstoffzellensysteme sowie den automatisierten Bahnbetrieb gelegt. Zu den konkreten Steuerungsmethoden gehören wiederum die modellprädiktive Regelung, das Reinforcement Learning, die adaptive dynamische Programmierung und andere optimale Steuerungsmethoden, wobei ein besonderer Schwerpunkt auf Lernaspekten liegt. Mathematische Beweise und Analysen von z.B. Robustheitseigenschaften von Regelungsmethoden in Anwesenheit von Unsicherheiten sind ein Teil von praktisch jeder neuen Regelungsmethode, die in der Professur entwickelt wird. Wir versuchen auch, die Lücke zwischen Theorie und Computerimplementierung zu schließen, indem wir uns explizit mit der rechnerischen Unsicherheit befassen, die mit den Berechnungsunsicherheiten der Reglerimplementierung in digitalen und analogen Geräten zusammenhängt. Zu diesem Zweck arbeiten wir an einer Reihe von mathematischen Methoden, die diese Unsicherheiten explizit einbeziehen und darauf abzielen, eine Grundlage für die formal korrekte und automatisierte Extraktion von Reglern zu entwickeln.

Ausgewählte Projekte können auf unserer Projektübersicht gefunden werden.

Verantwortliche Person: Dr.-Ing. Felix Krujatz.

In den letzten Jahren hat unsere Professur einen großen Teil ihrer Forschung auf die Bereiche Landwirtschaft unter kontrollierten Bedingungen und zirkuläre Lebensmittelproduktion ausgerichtet. Aber was ist eine kontrollierte Umgebung und warum sollten meine Lebensmittel zirkulär sein?

Controlled Environment Agriculture (CEA) hat sich zu einem wichtigen Bereich der modernen Landwirtschaft entwickelt und bietet ein immenses Potenzial, die Lebensmittelproduktion zu revolutionieren und die Herausforderungen der nachhaltigen Ernährung einer wachsenden Weltbevölkerung zu bewältigen. Dabei geht es um die Schaffung optimaler Wachstumsbedingungen für Pflanzen in geschlossenen und hochautomatisierten Einrichtungen wie Gewächshäusern, vertikalen Farmen oder Indoor-Farmen, in denen Umweltfaktoren wie Temperatur, Licht, Feuchtigkeit und Nährstoffgehalt überwacht und präzise gesteuert werden können - daher der Name. Die Bedeutung von CEA liegt in seiner Fähigkeit, die Grenzen traditioneller Anbaumethoden zu überwinden, die in hohem Maße von unvorhersehbaren Wettermustern abhängig und anfällig für Schädlingsbefall und Krankheiten sind. Durch die Bereitstellung einer kontrollierten und optimierten Umgebung ermöglicht CEA einen ganzjährigen Anbau, reduziert den Wasserverbrauch erheblich, macht den Einsatz schädlicher Pestizide überflüssig und maximiert die Ernteerträge. Darüber hinaus bietet CEA das Potenzial für eine regionale und nachhaltige Nahrungsmittelproduktion, wodurch die Abhängigkeit von langen Transportwegen verringert und der mit der konventionellen Landwirtschaft verbundene CO2-Fußabdruck minimiert wird. Neben dem Pflanzenanbau setzen wir unsere Regelungsmethoden ein, um das Wachstum von Larven und Fischen zu optimieren, mit dem Ziel einer zirkulären Nahrungsmittelproduktion. Im Rahmen des CUBES Circle-Projekts erforschen wir das Konzept, die Nebenprodukte des Pflanzenanbaus, wie Reste und organische Abfälle, als Futter für Insektenlarven zu verwenden. Diese Larven wiederum dienen als nahrhafte Futterquelle für Fische. Das nährstoffreiche Fischabwasser wird wiederum als Nährlösung für die Pflanzen wiederverwendet, womit sich der "Kreislauf" schließt. Dieses geschlossene Kreislaufsystem minimiert die Abfälle, maximiert die Ressourceneffizienz und schafft eine symbiotische Beziehung zwischen den verschiedenen Komponenten des Produktionssystems. Um ein optimales Wachstum von Larven und Fischen im Kreislaufsystem zu erreichen, werden in jeder Phase des Prozesses Regelungssysteme eingesetzt, die es ermöglichen, wichtige Parameter wie Wasserqualität, Temperatur, Sauerstoffgehalt oder Fütterungszeiten zu überwachen und zu regulieren. Durch die präzise Kontrolle dieser Variablen stellen wir sicher, dass die Pflanzen, Larven und Fische optimale Bedingungen für Wachstum, Gesundheit und Nährstoffaufnahme erhalten. Diese Integration der Rückkopplungskontrolle in das Kreislaufsystem der Lebensmittelproduktion verbessert die Gesamtproduktivität, die Nachhaltigkeit und die Ressourcennutzung. Es überrascht nicht, dass der Aufbau eines solchen Kreislaufsystems ein tiefes Verständnis der biologischen Prozesse erfordert, die das Wachstum der beteiligten Organismen steuern. Die erfolgreiche Umsetzung und Optimierung dieser Systeme erfordert die Zusammenarbeit von Experten aus den Bereichen Pflanzenwissenschaften, Aquakultur, Biologie, Umweltwissenschaften und Ingenieurwissenschaften. Dieser interdisziplinäre Ansatz ermöglicht es den Forschern nicht nur, die komplexen physiologischen und ökologischen Wechselwirkungen innerhalb des Systems zu verstehen, sondern auch innovative Lösungen zu entwickeln, um das Wachstum zu verbessern, den Nährstoffkreislauf zu optimieren und die allgemeine Gesundheit und das Wohlbefinden der beteiligten Organismen zu erhalten. Durch die Förderung der interdisziplinären Zusammenarbeit fördert diese Forschung ein ganzheitliches Verständnis für die Verflechtung von biologischen Prozessen, technologischen Fortschritten und nachhaltigen Praktiken und ebnet so den Weg für transformative Lösungen für die Lebensmittelproduktion der Zukunft. In unserer Professur entwickeln wir in Zusammenarbeit mit Experten aus der Biologie Methoden, um verschiedene Herausforderungen in den beschriebenen Versuchsanordnungen zu bewältigen. Techniken zur Entwicklung von Beobachtern ermöglichen die Schätzung von nicht gemessenen Variablen und helfen bei der Überwachung von Wachstum und Gesundheit der Organismen. Algorithmen des maschinellen Lernens werden eingesetzt, um riesige Datenmengen aus dem System zu analysieren und verborgene Muster und Trends zu erkennen, die Vorhersagemodelle und fundierte Entscheidungen ermöglichen. Durch optimale Regelung erleichtern wir die effiziente Zuweisung von Ressourcen wie Licht, Wasser und Nährstoffen, um die Gesamtproduktivität zu maximieren und die Verschwendung zu minimieren. Darüber hinaus werden hierarchische Regelungen implementiert, um die komplexen Wechselwirkungen und die Dynamik zwischen den verschiedenen Komponenten des Systems zu steuern und einen koordinierten und effizienten Betrieb zu gewährleisten.

Die Einbindung von Ingenieuren in das Studium der CEA bietet ihnen eine einzigartige Gelegenheit, einen Beitrag zur nachhaltigen Landwirtschaft zu leisten. Erforschen Sie mit uns in unserer Professur innovative Ansätze zur Optimierung des Pflanzenwachstums, entwickeln Sie Strategien für einen effizienten Nährstoffkreislauf und entwerfen Sie Regelungssysteme zur Verbesserung des Wachstums und des Wohlbefindens von Pflanzen, Larven und Fischen. Diese interdisziplinäre Forschung fördert ein tieferes Verständnis für die Verflechtung der verschiedenen Elemente in einem Kreislaufsystem der Lebensmittelproduktion und vermittelt den Studierenden die notwendigen Fähigkeiten, um die komplexen Herausforderungen der zukünftigen Lebensmittelproduktion zu bewältigen.

Ausgewählte Projekte können auf unserer Projektübersicht gefunden werden.

Verantwortliche Person: Dr. Zühal Wagner.

Künstliche Intelligenz (KI) ist zu einer Schlüsseltechnologie für die Entscheidungsunterstützung in modernen Energie- und Automatisierungssystemen geworden. In der Industrie und in der Landwirtschaft werden die Daten von Sensoren, aus der Produktion und aus der Umwelt immer komplexer. KI analysiert diese Daten, um Prognosen zu erstellen, Probleme zu erkennen und automatisierte Entscheidungen zu treffen. KI-gesteuerte Systeme sind in der Lage, sich an veränderte Energiebedürfnisse und Produktionsbedingungen anzupassen, was zu höherer Effizienz, geringerem Energieverbrauch und größerer Widerstandsfähigkeit führt. Unsere Forschungsprojekte konzentrieren sich darauf, wie KI die Ressourcennutzung, die Robustheit von Systemen, automatisierte Produktionsprozesse und KI-gesteuerte Entscheidungsunterstützung verbessern kann.

In allen Projekten gelten KI-gestützte Entscheidungsunterstützungssysteme als transformative Technologie und tragen zur Entwicklung nachhaltiger, widerstandsfähiger und skalierbarer Energie- und Automatisierungslösungen der nächsten Generation bei.

Ausgewählte Projekte können auf unserer Projektübersicht gefunden werden.

Verantwortliche Person: Dr. Philipp Sauerteig.

Multiphysikalische Systeme vereinen unterschiedliche physikalische Prozesse - wie Wärme, Strömung, Elektrizität, Mechanik, Chemie und Biologie – zu einem einzigen, miteinander verknüpften Gesamtsystem. Anstatt jedes Phänomen isoliert zu betrachten, zeigt multiphysikalisches Denken, wie sich diese Prozesse gegenseitig beeinflussen und dadurch leistungsstarke synergetische Effekte ermöglichen. Von intelligenten Gewächshäusern, die Klima- und Energieeinsatz optimieren, über fortschrittliche Netze für erneuerbare Energien bis hin zu hochmoderner Fertigung bilden multiphysikalische Systeme das unsichtbare Rückgrat moderner Innovation. Durch das Verständnis und die Modellierung dieser Wechselwirkungen erschließen wir Lösungen, die effizienter, robuster und deutlich näher an der Funktionsweise der realen Welt sind.

Herausforderungen

• Hohe Dimensionalität und Komplexität
• Konfliktierende Ziele zwischen Subsystemen
• Starke Kopplung zwischen physikalischen Prozessen
• Sensorintegration und Datenfusion
• Unsicherheit und Variabilität sowie Sicherheits- und Stabilitätsaspekte
• Interdisziplinarität

Ausgewählte Projekte können auf unserer Projektübersicht gefunden werden.

Verantwortliche Person: Michael Hauck.

In den letzten Jahren hat sich unsere Professur intensiv mit der Wasserstoff- und Brennstoffzellenforschung beschäftigt, um die Herausforderungen effizienter, nachhaltiger und zuverlässiger Energiesysteme zu bewältigen. Aber warum ist die Regelung von Brennstoffzellensystemen so wichtig, und welche Rolle spielt unsere Forschung bei der Weiterentwicklung dieses Bereichs?
Brennstoffzellen sind eine vielversprechende Technologie für die saubere Energieumwandlung, wobei Wasserstoff ein wichtiges Reaktionsgas ist. Effizienz, Langlebigkeit und Sicherheit von Brennstoffzellensystemen hängen jedoch in hohem Maße von der präzisen Regelung ihrer Betriebsbedingungen ab. Ohne wirksame Regelungsstrategien können Probleme wie Wasserstoffverluste, ungleichmäßige Temperaturverteilung oder Alterung des Systems die Leistung erheblich beeinträchtigen. Um diese Herausforderungen zu bewältigen, kombiniert unsere Forschung fortschrittliche Modellierungs-, Mess- und Regelungstechnologien, um die Effizienz und Lebensdauer von Brennstoffzellensystemen zu optimieren.

Modellierung der Dynamik des Anodenkreislaufs

Unsere Arbeit beginnt mit der Modellierung des Anodenkreislaufs mit besonderem Augenmerk auf die Dynamik von Druck und Gaskonzentration. Indem wir verstehen, wie diese unter verschiedenen Betriebsbedingungen schwanken, können wir Effizienzverluste vorhersagen und reduzieren sowie einen stabilen Betrieb auch bei schnellen Lastwechseln gewährleisten.

Entwicklung von Wasserstoffsensoren und Soft-Sensor-Technologien

Die Echtzeitüberwachung ist entscheidend für die Aufrechterhaltung der Brennstoffzellenleistung. Gemeinsam mit Partnern entwickeln wir innovative Wasserstoffsensortechnologien, um die Wasserstoffkonzentration genau und zuverlässig zu messen. Parallel dazu arbeiten wir an Wasserstoffbeobachtern, d. h. Softsensoren, die mathematische Modelle und Messdaten verwenden, um Variablen zu schätzen, welche sich nur schwer direkt messen lassen. Diese Instrumente bieten einen tieferen Einblick in das Systemverhalten und ermöglichen eine präzisere Regelung und Diagnose. Weitere Informationen zu diesem Thema finden Sie in dieser Publikation und in dieser Publikation.

Modellprädiktive Regelung für das Anodenspülventil und den Kühlkreislauf

Ein weiterer Schwerpunkt ist die Entwicklung von Strategien zur modellprädiktiven Regelung (MPC) für verschiedene Teilsysteme. Eine modellprädiktive Regelung wurde für das Anodenspülventil entwickelt um eine Effiziente Spülung der Anode von Fremdstoffen zu gewährleisten bei gleichzeitiger Minimierung des Wasserstoffverlustes, was die Gesamteffizienz des Systems verbessert. In ähnlicher Weise sorgt eine entwickelte MPC für den Kühlkreislauf für optimale Betriebstemperaturen und Temperaturgradienten entlang des Brennstoffzellenstapels, was die thermische Belastung reduziert und die Lebensdauer des Systems verlängert. Weitere Informationen zu diesem Thema finden Sie in

dieser Publikation.

Optimales Energiemanagement für Effizienz und Langlebigkeit

Um die Leistung von Brennstoffzellensystemen weiter zu verbessern, entwickeln wir optimale Energiemanagementsysteme, die den Energiefluss zwischen den Komponenten ausgleichen. Diese Systeme maximieren die Effizienz der Brennstoffzelle und verlängern die Gesamtlebensdauer des Systems. Durch die Integration von Prognosemodellen mit Echtzeitregelung stellen wir sicher, dass das System unter allen Bedingungen optimal arbeitet.

Carbon Capturing & Utilization (CCU)

Neben der Anwendung in Brennstoffzellen werden regelungstechnische Methoden auch auf elektrochemische Prozesse im Bereich des Carbon Capture & Utilization (CCU) übertragen. Ziel ist es, Kohlendioxid (CO₂) aus der Umgebungsluft oder aus Abgasströmen abzuscheiden und elektrochemisch in gebundene Form zu überführen. In Kombination mit Wasserstoff lassen sich daraus vielfältige Wasserstoffderivate und chemische Wertstoffe für industrielle, chemische oder biologische Anwendungen herstellen. Beispielhafte Anwendungsfelder sind unter anderem hier aufgeführt.

Ausgewählte Projekte können auf unserer Projektübersicht gefunden werden.

Verantwortliche Person: Patrick Schmidt.

Ein zentraler Anwendungsbereich, in dem unsere Professur ihr Wissen einbringt, sind verschiedene Projekte, die das Ziel einer automatisierten und effizienten Mobilität im Bahnbereich verfolgen. Die damit verbundenen Projekte sind Bestandteil des Vorhabens Smart Rail Connectivity Campus (SRCC). Kernbestandteile der Bahnprojekte sind

• Modellierung der Zugdynamik
• Zustandsschätzungen zur Prädiktion zukünftiger Streckenbedingungen
• Reglerentwurf zum Bremsen und Beschleunigen
• Versuchsplanung und Validierung der Modelle und Regler

Smart Rail Connectivity Campus (SRCC)

Im Rahmen des Vorhabens soll eine global sichtbare Forschungs- und Entwicklungseinrichtung in Annaberg-Buchholz aufgebaut werden. Dabei steht nicht nur die Kooperation zwischen der TU Chemnitz und der Stadt Annaberg-Buchholz im Vordergrund, sondern es wird auch ein Netzwerk mit Partnern ausgebaut, um Forschungs-, Entwicklungs- und Innovationsarbeiten durchzuführen. Ziel des Vorhabens ist eine digitalisierte, vernetzte, automatisierte und nachhaltige, d. h. ökonomisch, ökologisch und sozial effiziente Mobilität. Weitere Informationen sind auf der Internetseite des Smart Rail Connectivity Campus (SRCC) nachzulesen.

Forschungszug

Der SRCC stellt einen Forschungszug (ein umgebauter Nahverkehrs-Triebzug der Baureihe VT 642 (Desiro)) für die Implementierung und Validierung der von unserem Team entworfenen Algorithmen bereit.