Band 69, Heft 2 - Schwerpunktheft: Ausgewählte Beiträge vom Regelungstechnischen Kolloquium 2020 in Boppard / Martin Horn

Zusammenfassung Dieser Beitrag gibt einen Überblick über neue Beobachter-Entwurfsmethoden für eine Klasse von linearen, zeitvarianten Systemen. Der Entwurf beruht auf der Idee, nur instabile bzw. langsam abklingende Moden des beobachteten Systems in der Schätzfehlerdynamik zu modifizieren. Die dafür notwendigen theoretischen Grundlagen des sogenannten Lyapunov- und Dichotomie-Spektrums werden erläutert und mit Hilfe von Beispielen untermauert. Wichtige Eigenschaften der resultierenden Beobachter werden in Theorie und Simulation gezeigt.

In model predictive control, the control action is found at each sampling time by solving an online optimization problem. Computationally, this step is very demanding, especially if compared to the evaluation of traditional control laws. This has limited the application of model predictive control to systems with slow dynamics for many years. Recently, several methods have been proposed in the literature which promise a substantial reduction of the computation time by either running the computation in parallel (distributed model predictive control) or exploiting the problem structure (fast model predictive control). A combination of these methods has not yet been considered in the literature. To achieve this goal, different optimization techniques need to be employed at once. The order of how these methods are applied matters. This paper considers fast distributed model predictive control combining the alternating direction method of multipliers (ADMM), the interior point method (IPM) and the Riccati iteration for a particular class of multi-agent systems for which the order of the methods can be arbitrarily changed. This leads to two different solver schemes where a trade-off arises between computation time and number of communications required to reach consensus. A simplified problem involving the formation control of a fleet of vehicles is considered at the end.

Subjective Logic (SL) is a powerful extend of classical probability theory that can handle small sample sizes and, with that, the resulting statistical uncertainty. However, SL is a quite abstract theory and has found limited attention in the field of automation so far. In this work, we present a new urn model intuition to SL that connects SL with the Pólya urn scheme. The application of SL-based reliability estimation in automation is demonstrated on two examples from the domain of connected automated driving: first to assess external information for motion planning on-board the vehicle and second to rate connected vehicles as agents within a large-scale multi-agent system.

In this article, we propose an optimal control scheme for information epidemics with stochastic uncertainties aiming at maximizing information diffusion and minimizing the control consumption. The information epidemic dynamics is represented by a network Susceptible-Infected-Susceptible (SIS) model contaminated by both process and observation noises to describe a perturbed disease-like information diffusion process. To reconstruct the contaminated system states, we design an optimal filter which ensures minimized estimation errors in a quadratic sense. The state estimation is then utilized to develop the optimal controller, for which the optimality of the closed-loop system is guaranteed by a separation principle. The designed optimal filter and controller, together with the separation principle, form a complete solution for the optimal control of network information epidemics with stochastic perturbations. Such optimal-filtering-based control strategy is also generalizable to a wider range of networked nonlinear systems. In the numerical experiments on real network data, the effectiveness of the proposed optimal control is validated and confirmed.

Zusammenfassung Dieser Beitrag beschreibt einen neuen Versuchsstand zur experimentellen Erprobung von Steuerungsmethoden für vernetzte Systeme. Der Aufbau besteht aus fünfzig Linearantrieben, die unter einer Latexfolie montiert sind. Über das Ein- und Ausfahren des Zylinders kann der Folie eine beliebige Form aufgeprägt werden. Für die Ansteuerung der Antriebe werden synchronisierende Regler, kooperative Vorsteuerungen sowie PI-Regler verwendet. Es wird ein Experiment vorgestellt, bei dem die Oberfläche eine Wanderwelle ausbildet, die gewünschte Form also zeitveränderlich ist. Die gezeigten Versuche demonstrieren die Leistungsfähigkeit des neuen Laboraufbaus.

This contribution deals with the control of a battery emulator used in automotive testbeds for electric drivetrains. The battery emulator, which is realized as a DC-DC converter, is connected to a unit-under-test (UUT), e. g., an electric motor inverter. To accurately emulate the dynamic impedance of a battery, a highly dynamic output is required. Additionally, battery emulators should be applicable for a large variety of UUTs, hence robust performance in a large operating range is also required. This is especially challenging when the UUT behaves like a constant power load, as this can cause stability issues. To meet the requirements, a flatness-based control concept is presented that establishes feedback equivalence between a nonlinear and a linearized system representation. By examining the stability of the concept, an estimation of the region of attraction is found.

Zusammenfassung Der Beitrag stellt ein Verfahren zur Bewegungsplanung von dynamischen Fahrsimulatoren basierend auf der modellprädiktiven Regelung vor. Das Ziel dabei ist es, einen möglichst realitätsnahen Bewegungseindruck bei einer Testperson unter Berücksichtigung des beschränkten Arbeitsraums des Simulators zu erzeugen. Zusätzlich wird eine Methode zur Schätzung des zukünftigen Fahrerverhaltens auf Basis der optimalen Regelung vorgestellt, mit der die zukünftigen Referenzwerte für die modellprädiktive Regelung geschätzt werden, um so den prädiktiven Charakter des Verfahrens auch in der Online-Anwendung voll ausnutzen zu können.

Zusammenfassung Sichere Verhaltensplanung und Entscheidungsfindung gehören zu den größten Herausforderungen für hochautomatisierte Systeme. Wichtig sind hierbei insbesondere die Erklärbarkeit, Wartbarkeit und Skalierbarkeit des Verfahrens. Wir schlagen daher eine hierarchische verhaltensbasierte Architektur zur taktischen und strategischen Verhaltensgenerierung für automatisierte Fahrzeuge vor. Wir verwenden modulare Verhaltensbausteine, um komplexere Verhaltensweisen in einem Bottom-up-Ansatz zusammenzustellen. Das System ist in der Lage, eine Vielzahl von szenario- und methodenspezifischen Lösungen, wie POMDPs, RRT* oder Reinforcement Learning, in einer nachvollziehbaren Architektur zu kombinieren. Dies ermöglicht den Einsatz heterogener Planungsmethoden, die auf spezifische Fahrmanöver zugeschnitten sind. Experimentelle Ergebnisse veranschaulichen unser Konzept.