Master of Science, Elektro- und Informationstechnik
Fokus: Regelungs- und Automatisierungstechnik
Technische Universität München, Deutschland (TUM)
2014-2018
Bachelor of Engineering, Elektro- und Informationstechnik
Hochschule für angewandte Wissenschaften Landshut, Deutschland
Forschungsinteressen
Model Predictive Control
Stochastic Model Predictive Control
Robust Model Predictive Control
Optimal Control
Minimierung der Wahrscheinlichkeit von verletzten Nebenbedingungen in MPC
Systemunsicherheit kann in MPC unterschiedlich berücksichtigt werden. Robust MPC garantiert, dass Nebenbedingungen robust eingehalten werden, was oft zu konservativen Lösungen führt. Während Stochastic MPC effizientere Lösungen bietet, ist eine Verletzung der Nebenbedingungen mit einer kleinen Wahrscheinlichkeit erlaubt, abhängig von einem vorher definierten Risikoparameter.
Im Gegensatz zu Robust MPC und Stochastic MPC schlagen wir eine MPC Methode (CVPM-MPC) vor, die die Wahrscheinlichkeit für Verletzungen von Nebenbedingungen minimiert, während gleichzeitig andere Regelziele optimiert werden. Die vorgeschlagene Methode ist in der Lage dazu, mit sich ändernden Unsicherheiten umzugehen und es muss kein Risikoparameter definiert werden. CVPM-MPC kann als Brücke zwischen Robust und Stochastic MPC gesehen werden.
Wenn Sie sich für meine Forschung interessieren und auf der Suche nach einer Praxis- oder Abschlussarbeit sind, können Sie mich gerne kontaktiern. Bitte teilen Sie mir mit, an welche Thema meiner Forschung Sie interessiert sind und wann Sie mit der Arbeit beginnen möchten. Um die Areibt passend zu Ihrem Wissen und Fähikeiten anzpassen zu können, senden sie mir bitte auch Ihren aktuellen Leistungsnachweis und wenn möglich auch Ihren Lebenslauf (als PDF).
Daniels, Annalena; Fink, Michael; Leibold, Marion; Wollherr, Dirk; Asseng, Senthold: Optimal Control for Indoor Vertical Farms Based on Crop Growth. IFAC-PapersOnLine 56 (2), 2023, 9887-9893 mehr…
Volltext (
DOI
)
Fink, Michael; Daniels, Annalena; Qian, Cheng; Velásquez, Víctor Martínez; Salotra, Sahil; Wollherr, Dirk: Comparison of Dynamic Tomato Growth Models for Optimal Control in Greenhouses. 2023 IEEE International Conference on Agrosystem Engineering, Technology & Applications (AGRETA), IEEE, 2023 mehr…
Volltext (
DOI
)
2022
Fink, Michael; Brüdigam, Tim; Wollherr, Dirk; Leibold, Marion: Constraint Violation Probability Minimization for Norm-Constrained Linear Model Predictive Control. 2022 European Control Conference (ECC), 2022, 839-846 mehr…
Volltext (
DOI
)
