Modellprädiktive Regelung - Interaktive Studienpläne der TU Ilmenau

Grundkenntnisse Analysis und lineare Algebra

Die Studierenden kennen nach der Vorlesung die grundlegenden Begriffe, Resultate und Beweisideen der modellprädiktiven Regelung. Sie besitzen die Fähigkeit, die allgemeinen Resultate auf Spezialfälle anzuwenden. Sie können konkrete Anwendungsbeispiele analysieren. Sie wissen, wie modellprädiktive Verfahren rechentechnisch realisiert werden können.

Optimierungsbasierte Verfahren der mathematischen Systemtheorie, insbesondere Verfahren der modellprädiktiven Regelung, mit dem Ziel eine Zustandsrückführung für zeitdiskrete (oder zeitkontinuierliche) Systeme mit mehreren Ein- und Ausgangsgrößen unter Berücksichtigung von Steuer- und Zustandsbeschränkungen zu entwerfen: dynamische Programmierung, (relaxierte) Lyapunov-Ungleichung, asymptotische Stabilität und rekursive Zulässigkeit, Zeitdiskrete und zeitkontinuierliche Systemdynamik.

Tafel, Arbeitsblätter

Lars Grüne und Jürgen Pannek: Model Predictive Control - Theory and Algorithms, Springer: Communications and Control Engineering, 2. Auflage, 2017.

Basil Kouvaritakis and M. Cannon: Model Predictive Control - Classical, Robust and Stochastic, Springer: Advanced Textbooks in Control and Signal Processing, 1. Auflage, 2016.

James B. Rawlings, David Q. Mayne und Moritz M. Diehl: Model Predictive Control: Theory, Computation, and Design, Nob Hill Publishing, 2. Auflage, 2017.