Eine frühe, gründliche Systemanalyse ist der Schlüssel zum Entwurf effizienter, sicherer und zuverlässiger technischer Anwendungen. Wir identifizieren und klassifizieren wichtige Aspekte von Systemen und ihren Elementen: die Struktur und Hierarchie der Komponenten, ihre Beziehungen und Wechselwirkungen, Grenzen und Schnittstellen, dominierende Nichtlinearitäten sowie ihr dynamisches Verhalten und relevante Zeitskalen. Zusätzlich bewerten wir deterministisches oder stochastisches Verhalten sowie Sensitivitäten und Unsicherheiten von Parametern. Diese systematische Aufschlüsselung ermöglicht es uns, überprüfbare Systemanforderungen zu spezifizieren und optimale Leistungs- und Zuverlässigkeitsbudgets je Element zu gewährleisten. Mit den Konzepten des modellbasierten Entwurfs entwickeln wir Methoden und Werkzeuge für eine nahtlose Integration der Systemanalyse in den Systementwurfsprozess. Auch optimieren wir Entwürfe im Hinblick auf die Auswahl und Integration von Sensoren und Aktoren.

Das Rückgrat hochinnovativer Automatisierungssysteme bilden mathematische Modelle des zugrunde liegenden Systems. Komplexe dynamische Systeme zeichnen sich durch herausfordernde Eigenschaften wie Nichtlinearität, Kopplung von mehreren Ein- und Ausgängen (MIMO), unterschiedliche Zeitskalen, Transportverzögerungen, starke Parametervariationen, Knappheit von Messungen und raue Umgebungsbedingungen aus. Wir nutzen unsere Erfahrungen in der multi-physikalischen Modellierung (analytische Mechanik, Fluid- und Thermodynamik, Elektrodynamik, …), um speziell zugeschnittene und einzigartige, hybride mathematische Modelle zu erstellen. Mit solchen hybriden Modellen kombinieren wir physikalische Grundprinzipien und datengesteuerte Methoden, um das qualitative und quantitative Verhalten des Systems zu erfassen. Die Modelle basieren auf partiellen oder gewöhnlichen Differentialgleichungen und sind durch systemspezifische Zustandsvariablen, Ein- und Ausgänge sowie Modellparameter gekennzeichnet.

Mathematische Modelle sind die Grundlage für Echtzeitanwendungen wie Vorhersage, Schätzung und Lernen sowie Online-Optimierung und -Regelung. Um diesen Aufgaben gerecht zu werden, müssen sie um ein Vielfaches schneller als in Echtzeit ausführbar sein. Dies ist unsere Hauptmotivation für die Entwicklung effizienter Algorithmen, die fortschrittliche numerische Methoden für das räumliche und zeitliche Diskretisieren der zugrunde liegenden Differentialgleichungen verwenden. Damit können wir das resultierende Gleichungssystem unter Berücksichtigung von z.B. unterschiedlichen Zeitskalen oder Steifigkeiten lösen. Zur Unterstützung der Systemanalyse erstellen wir Simulationsumgebungen, z.B. in Matlab/Simulink, die einen tiefen Einblick in den Prozess und unmittelbare Validierung ermöglichen sowie beim Identifizieren unbekannter Modellparameter helfen.

Um Daten zur Parametrierung oder Erstellung eines Modells effizient zu erheben, erforschen wir neuartige Strategien für die Versuchsplanung (DoE) von dynamischen Systemen. Dabei berücksichtigen wir Eingabe- und Ausgabebeschränkungen, fehlende Daten in bestimmten Betriebsbereichen und unterschiedliche Zuverlässigkeit der Daten. Mit diesen Daten identifizieren wir Modellparameter mit Hilfe von maschinellem Lernen und Optimierungstechniken.

Oft können nur einige wenige Systemvariablen gemessen werden. Für fortschrittliche Automatisierungslösungen werden zusätzliche Informationen benötigt. Hierfür entwickeln und kombinieren wir Beobachter-, Softsensor- und Identifikationsalgorithmen für die Online-Zustands- und Parameterschätzung, welche mathematische Modelle und alle verfügbaren Messungen miteinbeziehen. Damit entwerfen wir intelligente Lösungen, die prädiktive Wartung, Vorhersage und Lernen, eine neue Prozessvisualisierung sowie Fehlererkennung ermöglichen.

Aus Regelungssicht bezeichnen Verifizierung und Validierung die Beurteilung vorgegebener Leistungs-, Robustheits- und Stabilitätstoleranzen in verschiedenen Phasen der Systementwicklung. Wir entwickeln Methoden und Werkzeuge, die diese Toleranzvorgaben effizient bewerten, indem wir stochastische sowie stichproben- und suchbasierte Ansätze verwenden. Damit erleichtern wir die automatische Verifikation von Regelungsanforderungen für praktische Systeme von nahezu beliebiger Komplexität (einschließlich Black-Box-Systeme) auch unter unsicheren Betriebsbedingungen. Darüber hinaus entwickeln wir einfach zu verwendende Arbeitsabläufe für den modellbasierten Entwurf und Rapid Prototyping, die eine Automatisierung von V&V-Aufgaben für Steuerungs- und Automatisierungssysteme mit MiL-, SiL- und HiL-Techniken ermöglichen.