Das Projekt ATM (Accurate Temperature Measurement) beschäftigt sich mit der exakten Temperaturbestimmung eines Mediums bei niedrigen Eintauchtiefen eines Temperaturfühlers in das Medium. Ziel ist es den Sensor im Fühler thermisch möglichst gut an das Medium anzubinden und von der anders temperierten Umgebung zu entkoppeln. Hierfür können neben konstruktiven Anpassungen insbesondere Kunststoffe eingesetzt werden, die in ihren Eigenschaften durch das Hinzufügen von Additiven manipuliert werden. So können beispielsweise seit einiger Zeit gut wärmeleitfähige Kunststoffe hergestellt werden. Diese können dann genutzt werden, um die Wärmeenergie optimal zum Sensor zu transportieren. Zum Einsatz kommen dabei auch vermehrt FEM-Simulationen und Optimierungsalgorithmen, die den zeit- und kostenintensiven Bau von Prototypen reduzieren und das Verständnis der physikalischen Vorgänge verbessern können.

Die exakte Bestimmung der Temperatur gewinnt unter anderem in der Wärmeverbrauchsmessung eine immer höhere Bedeutung. Hier wird durch die Bestimmung einer Temperaturdifferenz an einem Vor- und einem Rücklauf in Kombination mit einer zu bestimmenden Durchflussmenge die entnommene Wärmeenergie bestimmt. Zur Bestimmung einer genauen Temperaturdifferenz muss nicht zwingend der einzelne Fühler exakt messen. Messen beide Fühler unter gleichen Einbaubedingungen, so kompensieren sich beispielsweise die einbaubedingten Abweichungen weitgehend bei der Differenzbildung. Konstruktionsbedingt ist bei den gängigen Wärmemengenzählern an der Temperaturfühler-Einbaustelle des Rücklaufs nur wenig Platz. Hier wird häufig tangential in das Medium eingetaucht, was einen nicht vernachlässigbaren Messfehler verursacht. Dieser kann z. B. durch das Verwenden von Tauchhülsen an der zweiten Einbaustelle weitgehend kompensiert werden. Um diese unbefriedigende Lösung zukünftig zu vermeiden könnte nun durch die Verwendung von direkt und senkrecht eintauchenden  Temperaturfühlern, die auch bei geringen Eintauchtiefen exakt messen, die Abweichung der ermittelten von der wahren Temperaturdifferenz minimiert werden.

Dieses Projekt ist ein Gemeinschaftsprojekt der Firma JUMO GmbH & Co. KG, der Technischen Universität Ilmenau und der Hochschule Fulda.

Forschungsbearbeitung
Das Projekt wurde am 10. April 2019 mit der erfolgreichen Promotion von Herrn Dr.-Ing. Andreas Brethauer abgeschlossen.

Betreuer
Univ.-Prof. Dr.-Ing. habil. Thomas Fröhlich (TU Ilmenau)
Prof. Dr.-Ing. Elmar Engels

Die Regelungstechnik umfasst alle technischen Aufgaben, die ein zeitlich veränderliches System von außen derart beeinflussen, dass dieses einem vorgegebenen Ablauf folgt. Von Bügeleisen und Backofen bis zum Kraftfahrzeug: Regelungstechnik ist Teil unseres Alltags. Im Zuge der Digitalisierung und der damit voranschreitenden Automatisierung unseres Alltags ist die Regelungstechnik unentbehrlich geworden.

Prof. Dr.-Ing Steven Lambeck, zuständig für das Lehrgebiet Mess- und Regelungstechnik, und sein Control Engineering Team (kurz CET) forschen an anwendungsorientierten Methoden und Verfahren der fortgeschrittenen Regelungstechnik in vielfältigen Themengebieten. Darunter fallen beispielsweise die prädiktive Regelung der Raumtemperatur und der Raumluftfeuchtigkeit, der Entwurf von Steuer- und Regelungsalgorithmen für E-Bike-Ladegeräte, die Erweiterung von Regelstrategien mit Verfahren der Künstlichen Intelligenz oder die Entwicklung intelligenter und lernfähiger Roboter und vieles mehr.

Das CET bietet laufend neue und spannende studentische Projekt- und Abschlussarbeiten an. Studenten aller Semester mit Wissensdurst und Tatendrang werden zur Mitarbeit im CET aufgerufen! Offene Projektstellen sind auf in unserem ET-Kompass-Kurs zu finden.

Der Gebäudesektor Deutschlands nahm im Jahr 2021 mit etwa 38 % einen sehr großen Anteil des gesamten Endenergieverbrauchs i. H. v. 2403 TWh ein. Laut Angaben des „dena Gebäudereports 2023“ entfielen dabei 577 TWh auf Wohngebäude und etwa 330 TWh auf Nichtwohngebäude, wovon in beiden Bereichen zu ungefähr 75 % die Raumwärme als dominanter Endenergieverbraucher auftritt.

Diese Zahlen motivieren die Entwicklung von energieeffizienten Raumklimaregelungsstrategien, weshalb einige namhafte Unternehmen in der Gebäudeautomationsbranche und viele Experten aus dem akademischen Bereich in den vergangenen Jahren vermehrt an der Umsetzung entsprechender Algorithmen forschen und entwickeln.

Laufende Promotionen im CET beschäftigen sich mit ähnlichen Vorhaben, wobei zusätzlich der Fokus auf die Regelung der Raumluftfeuchtigkeit gelegt wird, um nicht nur teure Energie zu sparen, sondern auch wertvolle Kulturgüter vor Schäden zu bewahren. Die Region Fulda bietet einige museal-genutzte Altbauten und historische Bauwerke, wie z. B. das Bischöfliche Priesterseminar (s. Foto), die Michaelskirche in Fulda und das Schloss Fasanerie in Eichenzell, die in dieses Anforderungsprofil fallen.

Ansprechpartner: Alessio Cavaterra

Der Markt für E-Bikes befindet sich auf der „Überholspur“, so der Zweirad-Industrie-Verband (ZIV) in seiner Pressemitteilung vom 15. März 2023. Dieser Umstand motiviert die Entwicklung von leichten und kompakten Batterieladegeräten für E-Bikes.

Im Rahmen des Forschungs- und Entwicklungsprojekts „SCharger“ arbeitet das CET gemeinsam mit Prof. Dr.-Ing. Ulf Schwalbe an Ladegeräten auf Basis der LLC-Resonanzwandler-Topologie, welche auf den Zwischenkreiskondensator verzichten. Dieses Bauteil nimmt viel Platz ein und bietet damit ein entsprechendes Potential, um kleine und kompakte Ladegeräte zu ermöglichen. Allerdings macht ein Verzicht auf den Zwischenkreiskondensator fortgeschrittene Batterieladestrategien notwendig, die nicht nur den benötigten Ladestrom zuverlässig regeln, sondern auch einen hohen Wirkleistungsfaktor gewährleisten.

Veröffentlichungen:

• Alessio Cavaterra, Steven Lambeck und Ulf Schwalbe: "Approximative
  Modellierung eines LLC-Resonanzwandlers mit Takagi-Sugeno-Modellen",
  at - Automatisierungstechnik, vol. 71, no. 10, 2023, S. 853-866. https://doi.org/10.1515/auto-2023-0015
• Alessio Cavaterra, Martin Wattenberg, Ulf Schwalbe and Steven Lambeck: Software-based Power Factor Correction by using Iterative Learning Control for Battery Chargers with LLC Resonant Converter Topology. PCIM Europe. Mai 2022. DOI: 10.30420/56582219
• Cavaterra, Wattenberg, Schwalbe und Lambeck. Approximative Modellierung eines LLC-Resonanzwandlers mit Takagi-Sugeno-Modellen. Proceedings des 31. Workshop Computational Intelligence, GMA Fachausschuss 5.14 Computational Intelligence. Berlin, November 2021. DOI: 10.5445/ksp/1000138532 – ausgezeichnet mit dem Young Author Award 2021 des GMA Fachausschusses 5.14 Computational Intelligence

Ansprechpartner: Alessio Cavaterra

Das „Dezent“-Projekt

Das Forschungs- und Entwicklungsprojekt „Dezent“ zielt auf die Entwicklung neuartiger und dezentraler Luftbe- und Entfeuchtungsgeräte zur Verbesserung der präventiven Konservierung von Kulturgütern in Museen und musealen Altbauten ab. Unter anderem werden hierfür thermoelektrische Bauteile und adaptive Regelungsalgorithmen verwendet.

Überblick

In Museen ausgestellte Kulturgüter sind permanent dem klimabedingten Verfall unterworfen. Besonders Extremwerte und starke Schwankungen bei der Luftfeuchtigkeit verursachen oft irreparable Schäden an wertvollen Gemälden, Skulpturen und Dokumenten. Die Regelung der Luftfeuchte ist jedoch gerade in denkmalgeschützten Altbauten eine große Herausforderung. Dieser Herausforderung stellen sich jetzt die Ingenieure um Prof. Dr.-Ing. Steven Lambeck. Gemeinsam mit Michael Kirner, einem Experten für Museumsklimatisierung, und der HKE Heinrich & Kloss Electronic GmbH, zuständig für den Gerätebau, werden neuartige dezentrale Klimamodule entwickelt, die mit Hilfe eines drahtlosen Sensornetzwerks und einer intelligenten Regelung die Museumsklimatisierung revolutionieren sollen. Durch Einsatz moderner Halbleiter-Wärmepumpen ohne bewegliche Teile wird dies erstmals sowohl geräusch- als auch wartungsarm möglich. Museumbetreiber und Ausstellungsbesucher können sich in Zukunft über den Erhalt von Kulturschätzen und ungetrübten Kunstgenuss freuen.

Motivation

In Museen bzw. musealen Altbauten (allein bundesweit über 6.000) können in den meisten Fällen keine Zentralklimaanlagen eingesetzt werden. In der überwiegenden Mehrheit der Fälle verbietet sich deren Installation auf Grund des Denkmalschutzes oder ist wegen der hohen Kosten nicht realisierbar. Dieser Herausforderung begegnet man derzeit mit Stand-Alone Klimageräten, die nur eine sehr ungenaue Kontrolle des Raumklimas erlauben. Besonders bei der relativen Luftfeuchtigkeit entstehen so Schwankungen, die zu teilweise irreparablen Schäden an Kunstgegenständen führen können. Die Idee der Projektpartner zur Lösung dieser Herausforderungen ist die Neuentwicklung von Klimamodulen, die sowohl Luftbe- als auch Entfeuchtung in einem Gerät vereinen. Statt der bisher üblichen, meist lauten, Kompressortechnik, soll zur Entfeuchtung die thermoelektrische Kühlung durch sogennante Peltier-Elemente verwendet werden. Diese Halbleiterbauteile verzichten auf bewegliche Teile und sind somit geräuschlos und besonders wartungsarm. Ein zusätzlicher Vorteil ergibt sich aus der sehr guten Regelbarkeit der Peltier-Elemente. Im Gegensatz zum Kompressor lässt sich deren Leistung kontinuierlich und sehr exakt anpassen. So wird erstmals eine genaue Kontrolle und präzise Regulierung der Luftfeuchtigkeit erreicht. Die neuen Klimamodule verwenden ihrerseits eine adaptive Regelung, die von der Hochschule Fulda (Konsortialführer) entwickelt wird.

Projektbeteiligte

• Arbeitsgruppe Präventives Klimamanagement des Fachbereichs ET (Konsortialführer)
• HKE Heinrich & Kloss Electronic GmbH (www.hke-gmbh.de)
• Michael Kirner Luftbe- und Entfeuchtung (www.kirner-shop.com)
• Städel Museum (www.staedelmuseum.de)
• Kulturstiftung des Hauses Hessen (www.schloss-fasanerie.de/stiftung.html)

Das „HumFlow“-Projekt

Die Temperatur und die Luftfeuchtigkeit eines Raums werden nicht nur durch Lüftungs-, Heizungs- und Klimaanlagen beeinflusst, sondern auch durch die klimatischen Verhältnisse außerhalb des betreffenden Raums. Die Außentemperatur, die Außenfeuchte, die Sonneneinstrahlung und viele weitere Einflussgrößen wirken auf das Innenklima des Raums durch die Gebäude-Außenwände ein.

Im Projekt „HumFlow“ entwickelt das Control Engineering Team ein minimalinvasives Messverfahren, welches die Oberflächentemperaturen und –feuchten der Außenwände misst und die Temperatur- und Feuchteschichtungen innerhalb der Wände schätzt. Das Projekt teilt sich auf in zwei Aufgabenbereiche, die in Kürze erläutert werden sollen.

Der erste Aufgabenbereich beschäftigt sich mit der Entwicklung eines Algorithmus zur Schätzung der Temperatur- und Feuchteschichtungen einer Außenwand. Hierfür wird ein nichtlineares Systemmodell der Außenwand in einem sogenannten Zustandsbeobachter eingesetzt und ausgewertet. Neben der Messung der aktuellen Oberflächentemperatur und –feuchte einer Wand sind durch diese Herangehensweise auch Kurzfristvorhersagen im stündlichen Bereich möglich. Letztere liefern wichtige Informationen für eine energieeffiziente Raumklimatisierung oder für bauphysikalische Analysen.

Die Entwicklung einer kostengünstigen, platz- und energiesparenden Hardwareplattform fällt in den zweiten Aufgabenbereich. Das Messverfahren basiert auf zwei gegenüberliegend an einer Außenwand angebrachten Sensoreinheiten. Diese sind mit einfachsten Mitteln derart an der Wand zu befestigen, dass die Wand kaum beschädigt wird (minimalinvasiv). Mit dem Einsatz energiesparender Funktechnologie sollen zudem die aufgezeichneten Daten leicht abrufbar sein.

Moderne Messgeräte sind in der Lage bis zu 80cm tief die Feuchtigkeit in einer Wand zu messen. Allerdings sind diese Geräte teuer, schwerfällig, wenig transportabel und anfällig für Messfehler. Das HumFlow-Projekt versucht diesen Nachteilen entgegenzuwirken und einen Beitrag zur Erfassung wichtiger Messdaten für jedermann zu leisten.

An einem Versuchsstand mit verschiedenen Modellwänden werden fortlaufend Messungen vorgenommen und unterschiedliche Szenarien erprobt.

Veröffentlichungen
Alessio Cavaterra, Andreas Böttcher und Steven Lambeck: The “HumFlow” Project – Developing a minimal invasive measurement system for estimating energy and humidity transfer processes through building walls. 13th REHVA World Congress CLIMA 2019 Bucharest Romania, 2019

Das „Selbstlernender Air Hockey Roboter“-Projekt

Einem Roboter das Air-Hockey-Spielen beizubringen ist ein aufwändiges und kompliziertes, aber keinesfalls unmögliches, Vorhaben. Mit Hilfe von Algorithmen aus dem Bereich des Maschinellen Lernens ist es dem Control Engineering Team gelungen einen Air-Hockey-Roboter zu entwickeln, der aus den Aktionen des menschlichen Gegenspielers lernt und auf Grundlage dieser Erfahrungswerte sich in jedem Augenblick selbstständig für die beste Spielstrategie entscheidet.

Das Funktionsprinzip des Roboters fußt auf den fest einprogrammierten Taktiken Verteidigen, Angreifen, Kontern und Warten. Mit diesen Modi und einer übergeordneten Logik ist der Roboter zwar schon in der Lage gegen einen menschlichen Gegenspieler anzutreten, aber bei genügend langer Spieldauer erkennt ein menschlicher Gegner schnell die Schwachstellen des Roboters. Um genau diesen Prozess des Kennenlernens auch dem Roboter zugänglich zu machen, wird auf das Prinzip des Reinforcement Learnings (Abk. RL, dt. „Bestärkendes Lernen“) zurückgegriffen: in jedem Abtastschritt wird ausgehend vom aktuellen Spielzustand eine Aktion ausgewählt und der resultierende Spielzustand abgespeichert. Erzielt ein Aktions-Zustands-Paar ein Tor, wird diese Handlung mit Hilfe einer Belohnungsfunktion belohnt. Führt ein Aktions-Zustands-Paar allerdings zu einem Gegentor, so wird die Handlung bestraft. Der Algorithmus legt die gesammelten Erfahrungswerte tabellarisch ab und mittelt diese. Je länger der Roboter nun spielt, desto mehr Erfahrungswerte sammelt er und, theoretisch, desto besser ist die resultierende Spielstrategie.

Eine weitere Besonderheit an dem selbstlernenden Air-Hockey-Roboter stellt die Implementierung des Algorithmus auf einem Arduino™ Mega 2560 dar, der nur mit einem 8 Kilobyte Arbeitsspeicher ausgestattet ist. Eine genaue Beschreibung des Systems „Air-Hockey-Roboter“ erfordert viele Prozessvariablen und ist damit ein hochdimensionales Problem, das einen großen Speicherplatzbedarf mit sich bringt. Die Problemstellung musste folglich reduziert werden. Dies wird in der untenstehenden Publikation näher beschrieben.

Veröffentlichungen
Maximilian Janßen, Alessio Cavaterra und Steven Lambeck: Selbstlernender Air-Hockey-Roboter – Reinforcement Learning in der Praxis. Angewandte Automatisierungstechnik in Lehre und Entwicklung 16. AALE Fachkonferenz Heilbronn, 2019

Durch die Forschungen im Rahmen der Promotion sollen Konzepte für den Einsatz von Maschinellem Lernen in der Motorendiagnose erstellt werden. Das Ziel ist es eine Strategie für übertragbare Analysemodelle zu entwickeln, welche die Vorteile der modellbasierten Datenanalyse ermöglicht, ohne jedoch an die Motorensysteme gebunden zu sein. Durch Einsatz der konzeptionierten Modelle sollen prototypisch die Forschungsergebnisse praxisnah angewendet und evaluiert werden. Im Fokus der zu erkennenden Komponentenfehler stehen Lagerschäden.

Durch die zur Verfügung stehenden Sensordaten in modernen Industriemotoren, lassen sich fundierte Aussagen über den derzeitigen Zustand der Motorkomponenten treffen. Allerdings ist für die Analyse der Sensordaten ein hohes Maß an Kenntnis über den Prozess ebenso wie umfangreiche allgemeine Kenntnisse über die Maschinenkomponenten nötig. Zudem ist die manuelle Analyse der aufgezeichneten Sensordaten sehr zeitaufwändig. Durch den Einsatz modellbasierter Analysemethoden durch Maschinelles Lernen könnte Abhilfe geschaffen werden. Für Machine Learning basierte Zustandsanalysen ist allerdings ein gewisses Maß an Zeit- und Ressourcenaufwand nötig um die Analysemodelle zu trainieren - also auf ihre Problemstellung hin anzupassen. Dieser Vorgang ist jedoch Abhängig von den speziellen Motortypen, auf welche die Modellparameter abgestimmt wurden. Daher ist es nötig, übertragbare, also von dem eigentlichen Motorensystem entkoppelte Modelle zu erstellen um eine wirtschaftliche Anwendung der modellbasierten Analyse und Motordiagnose zu ermöglichen.

Das Projekt wurde im Kontext eines Promotionsverfahrens bei der Bosch Rexroth AG bearbeitet und durch die Fachbereiche Angewandte Informatik sowie Elektrotechnik und Informationstechnik an der HAW Fulda betreut.

Das Projekt wurde 2023 mit der erfolgreichen Promotion von Herrn Dr. Tobias Wagner abgeschlossen.

WAGNER, T., SOMMER, S.: Bearing fault detection using deep neural network and weighted ensemble learning for multiple motor phase current sources. In: International Conference on INnovations in Intelligent SysTems and Applications (INISTA), IEEE 2020, DOI: 10.1109/49547.2020.9194618194618

Im Rahmen dieses Vorhabens wird ein dezentral und universell einsetzbarer, ortsflexibler, modularer Batteriespeicher (Kapazität ~1 MWh) mit gebrauchten Traktionsbatterien aus der Elektromobilität entwickelt. Dieses intelligente Second-Life-Energiespeichersystem (kurz: iSLE) überführt für die Elektromobilität nicht länger geeignete, gebrauchte Traktionsbatterien in ein zweites Anwendungsszenario, den sogenannten Second-Life-Zyklus. Damit wird deren Wirtschaftlichkeit gesteigert und die Ökobilanz signifikant verbessert.    
Das iSLE-System ist als adaptive und skalierbare Batteriespeicher-Lösung für multiple Einsatzmöglichkeiten geplant, wie bspw. statische Spannungshaltung, Einspeise-Pufferung aus erneuerbaren Energieanlagen, Leistungsbereitstellung für Hochleistungsverbraucher wie Ladeparks oder die Bereitstellung von Regelleistung. Besonderes Augenmerk liegt außerdem auf dem Thema der Modularisierung der Speicherkapazität und der leistungselektronischen Komponenten für zukünftigen „HighPower-Charging“ Einsatz im Megawatt-Leistungsbereich (MW) für elektrisch betriebene LKW.

Es wurde ein adaptives, universell einsetzbares, standortvariables und skalierbares Schnellladesystem für E-Fahrzeuge auf Basis gebrauchter Batterien aus der E-Mobilität entwickelt. Der Prototyp mit einer Kapazität von 180 kWh und einer Ladeleistung von 150 kW befindet sich am Standort "Klinikum Fulda" im Forschungsbetrieb. Das Systemdesign verspricht eine Skalierbarkeit auf bis zu 1 MWh Kapazität und bis zu 400 kW Ladeleistung.    
Das Besondere an dem Energiespeicher ist die Verwendung ausgedienter Traktionsbatterien aus E-Fahrzeugen, die im Rahmen eines Recyclingprozesses in ein zweites Anwendungsszenario eingebunden werden. Es entsteht eine nachhaltige Lösung, die sich durch intelligentes Energiemanagement und innovative Leistungselektronik auszeichnet. Dadurch kann das System hervorragend in elektrische Energienetze integriert werden. Dies ist notwendig, um eine signifikante, flexible und effiziente Verdichtung von Ladepunkten zur Elektrifizierung des Verkehrssektors mit erneuerbaren Energien, auch im ländlichen Raum, zu begünstigen. Weiterhin liefert das System iWEnT wertvolle Daten zur Alterung von Batterien in realen Anwendungsszenarien und zur Entwicklung von Lade- und Nutzungsprognosen.

Der Prototyp des Multienergiespeichers besteht aus einer Elektrolyseeinheit mit einer maximalen elektrischen Leistungsaufnahme von 5 kW. Diese speist einen Niederdruckwasserstoffspeicher, welcher ein Volumen von 50 Litern fasst. Ein Wasserstoffkompressor sorgt für eine Verdichtung auf bis zu 300 bar in einem 600 Liter Hochdruckwasserstoffspeicher (ca. 12 kg Wasserstoff), was einer chemischen Energie von ca. 400 kWh entspricht. Die Abwärme des Systems wird an einen thermischen Pufferspeicher mit 500 Litern übertragen, welcher bei einer Temperaturerhöhung von 25 K eine zusätzliche Energie von ca. 14 kWh einspeichern kann. Die eingebaute Brennstoffzelle mit einer maximalen elektrischen Leistung von 8,4 kW ermöglicht die Rückverstromung des gespeicherten Wasserstoffs. Die Abwärme wird ebenfalls an den Pufferspeicher übertragen.    
Das System wurde zusätzlich mit einem 26 kWh großen Batteriespeicher ausgestattet, der mit Überschussstrom aus Netzbezug, Photovoltaik oder über die Brennstoffzelle geladen werden kann. Die Batterie kann mit einer maximalen Leistung von 15 kVA bei Stromausfall das komplette System und alle angeschlossenen Verbraucher mit Energie versorgen. Die ebenfalls eingebaute Wärmepumpe mit einer thermischen Leistung von 2 - 8 kW kann zur zusätzlichen Kühlung und Wärmeversorgung eingesetzt werden. Über einen Wärmetauscher kann Wärmeenergie aus dem Pufferspeicher entnommen werden, um damit ein Nahwärmenetz oder ein Einfamilienhaus mit Wärme zu versorgen.

Die gesicherte Mobilität der Menschen sowie die zuverlässige Versorgung mit Energie sind die Grundsäulen für eine stabile gesellschaftliche Entwicklung und hohe Lebensqualität.

Der öffentliche Personennahverkehr (ÖPNV) stellt neben dem Individualverkehr einen unverzichtbaren Bestandteil der Mobilitäts- und Alltagskultur in der Region Fulda, in Deutschland dar. Als Baustein der kommunalen Daseinsvorsorge sichert er räumliche Mobilität und Erreichbarkeit, die zentrale Voraussetzungen für gesellschaftliche Teilhabe, wirtschaftlichen Austausch, Beschäftigung und Wohlstand sind. Lebensqualität und Urbanität deutscher Städte benötigen daher einen attraktiven, effizienten und leistungsfähigen ÖPNV: Die Herausforderungen für zukünftige Entwicklungen liegt in der umwelt- und klimafreundlichen Transformation des ÖPNV – sinnvoller Einsatz von Elektromobilität gekoppelt mir durchdachten Maßnahmen zur Erweiterung und Stützung des Elektroenergienetzes, insbesondere durch die Einbindung von Energiespeichern.

Im Projekt steht die Forschung an Technik für den Menschen im Vordergrund.

Das Projekt RTI (Real-Time Intelligence) umfasst die Befähigung von Automatisierungssystemen auf Sensordaten von industriellen Prozessen mit Aktoransteuerungen auf Grundlage selbsterlernter Regeln zu reagieren, um die jeweiligen Prozesse mit einer vorgegebenen Zielsetzung zu erreichen. Die Steuerungsintelligenz darf dabei auch während des Lernens zu keinem ungewünschten Verhalten für Komponenten der Anlage oder der Produkte führen. Dies kann beispielsweise durch konservative Algorithmen, eine Anlernphase durch historische Daten oder eine rein virtuelle Anlernphase geschehen. Spezielle Ansätze aus dem Bereich des Reinforcement Learning und Online Learning stehen hierbei im Fokus.
Bildquellen: Bosch Rexroth AG

Die wachsende Digitalisierung führt in der Industrie zur Erfassung einer zunehmenden Menge von Aktor- und Sensordaten, die Funktionen der Steuerung und Analyse unterstützen können. Dies schafft neue Möglichkeiten in der intelligenten Automatisierung, welche allerdings mit Herausforderungen verbunden sind. Zudem wird es mit zunehmender Komplexität der Fertigungsprozesse immer schwieriger zu verstehen, wie ein Prozess von physikalischen Bedingungen beeinflusst wird. Das erschwert speziell die Optimierung der Prozessparameter mit traditionellen Methoden. Im Rahmen des Projekts soll durch die Nutzung von Methoden des Maschinellen Lernens eine sogenannte Echtzeitintelligenz befähigt werden, auf Umstände in der Umgebung zu reagieren und industrielle Prozesse somit aktiv zu beeinflussen. Komponenten der Anlage sollten durch diese Befähigung keinem erhöhten Risiko ausgesetzt werden. Vielversprechende Konzepte werden beispielhaft in Steuerungsarchitekturen der Firma Bosch Rexroth AG umgesetzt.

Das Projekt wurde im Kontext eines Promotionsverfahrens bei der Bosch Rexroth AG bearbeitet und durch die Fachbereiche Angewandte Informatik sowie Elektrotechnik und Informationstechnik an der HAW Fulda betreut.

Das Projekt wurde im September 2022 erfolgreich abgeschlossen.

DE BLASI, S. | Active Learning Approach for Safe Process Parameter Tuning.
In: Machine Learning, Optimization, and Data Science,  S. 689-699, Springer
International Publishing 2019, ISBN: 978-3-030-37599-7,
https://doi.org/10.1007/978-3-030-37599-7_57

DE BLASI, S., ENGELS, E. | Next generation control units simplifying industrial machine learning. In Proceedings to 2020 IEEE 29th International Symposium on Industrial Electronics (ISIE), 2020

DE BLASI, S. | Machine Learning for Industrial Process Optimization.Dissertation 2022

DE102019217859A1: Computerimplementiertes Verfahren und System zum Steuern einer Maschine und/oder einer Anlage

DE102020200173A1: Computerimplementiertes Verfahren und System zum Optimieren einer Prozessparametrierung

DE102021209582A1: Verfahren und Steuergerät zur automatisierten Optimierung von einstellbaren Parametern eines steuerbaren Systems zum Ausführen eines Prozesses basierend auf entsprechend eingestellten Parametern