Optimierung und robuster Betrieb komplexer Systeme unter Unsicherheiten mit der stochastischen Programmierung

• Applicant: Professor Dr.-Ing. Pu Li
• Subject Area: Automation, Mechatronics, Control Systems, Intelligent Technical Systems, Robotics
• Term: from 2004 to 2011
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 5438696

Die Optimierung und der robuste Betrieb von großen, komplexen Prozessen unter Unsicherheiten sind für die Wirtschaftlichkeit und die Umweltverträglichkeit industrieller Anlagen von großer Bedeutung. In der Betrachtung großer, nichtlinearer, zeitvarianter Systeme mit unsicheren Randbedingungen liegt die besondere wissenschaftliche Herausforderung in Bezug auf die Entwicklung geeigneter Lösungsmethoden. Ziel dieses Projekts ist die Entwicklung eines neuen Lösungsansatzes zum optimalen Betrieb großer nichtlinearer Prozesse unter unsicheren sich zeitlich ändernden Randbedingungen. Der Lösungsansatz basiert auf einem rigorosen Prozessmodell. Dabei werden insbesondere die Einflüsse der unsicheren Größen auf die nicht messbaren Ausgangsvariablen, die häufig die Produktqualitäten darstellen, berücksichtigt. Es wird ein Optimierungsprobleme unter Wahrscheinlichkeitsrestriktionen formuliert und angepasste Lösungswege für die Ermittlung des optimalen Betriebspunkts bzw. der Führungsstrategie sind zu entwickeln. Hierauf aufbauend erfolgt der Entwurf und der Test eines robusten Mehrgrößenreglers. Die durch den neuen Ansatz ermittelte Lösung soll unter den vorliegenden unsicheren Störungen die Betriebskosten minimieren und trotz unzureichender Messinformationen die Prozessbeschränkungen einhalten. Für die Online Implementierung ist eine Reoptimierung durch einen bewegten Zeithorizont zu entwickeln. Die Ausführbarkeit dieses Ansatzes ist zu analysieren. Dieser Ansatz stellt eine Erweiterung der stochastischern Programmierung dar und soll als eine allgemeine Methode für die optimale Prozessführung und die Auslegung von robusten Regelungssystemen unter Unsicherheiten liefern. Die Anwendungsrelevanz und Praktikabilität des Ansatzes soll durch drei praktische Testbeispiele illustriert werden.

• DFG Programme: Research Grants