Interconnected Automation Systems (IAS)
Am Lehrstuhl für Interconnected Automation Systems (IAS) an der Universität Siegen treiben wir die Grundlagen- und angewandte Forschung zur Entwurfsautomatisierung von Software und Hardware voran, um die Zuverlässigkeit, Effizienz und Nachhaltigkeit moderner cyber-physischer Infrastrukturen zu verbessern – von industriellen und mechatronischen Systemen bis hin zu Anwendungen der Energieumwandlung und elektrischer Energiesysteme.
Leitbild
Wir betreiben rigorose, offene und verantwortungsvolle Forschung zu vernetzten Automatisierungssystemen und überführen fundierte Modellierungs-, Regelungs- und datengetriebene Methoden in vertrauenswürdige Technologien, die Sicherheit und Zuverlässigkeit erhöhen, Energie- und Ressourcenverbrauch reduzieren und resiliente Infrastrukturen zum Nutzen der Gesellschaft stärken. In der Lehre qualifizieren wir Ingenieurinnen und Ingenieure sowie Forschende dazu, physikalisch-analytisches Systemverständnis mit rechnergestützten sowie datenorientierten Werkzeugen zu verbinden, sodass sie die zukünftigen Generationen von Automatisierungs- und Energiesystemen aktiv gestalten können.
IAS-Lehrstuhlinhaber
Forschungsprofil
Wir erforschen vernetzte cyber-physische Systeme in der industriellen Automatisierung und Mechatronik sowie in elektrifizierten Energietechnologien. Zentrale Anwendungsfelder sind elektrische Antriebe, leistungselektronische Wandler, Energiespeichersysteme und Ladeinfrastrukturen sowie vernetzte elektrische Energiesysteme wie Microgrids – mit dem Ziel, einen zuverlässigeren, effizienteren und resilienteren Betrieb unter realen Einsatzbedingungen zu ermöglichen.
Unsere Arbeit deckt die gesamte Innovationskette von der Grundlagenforschung bis zum industriellen Transfer ab. Ein besonderer Schwerpunkt liegt darauf, theoretische Konzepte in praxisnahe Proof-of-Concepts zu überführen, gestützt durch schnelles Software- und Hardware-Prototyping. Experimentelle Validierung, einschließlich gezielter Messkampagnen auf relevanten Testständen, ist ein integraler Bestandteil unseres Forschungsprozesses.
Open Science bildet eine tragende Säule unserer Forschungspraxis. Wir veröffentlichen Open-Source-Software, reproduzierbare Workflows und weitere, offene Ressourcen, um eine transparente Evaluation, Benchmarking und einen schnellen Wissenstransfer für Studierende, Forschende und Industriepartner zu ermöglichen. Unsere Open-Source-Beiträge finden sich auf GitHub: https://github.com/IAS-Uni-Siegen
Schwerpunkte
- Optimalregelungsverfahren (z.B., Reinforcement Learning, Differential Predictive Control)
- Hardwareauslegung, Optimierung und Test leistungselektronischer Wandler (Komponenten- und Systemebene)
- Hybride Modellierung and Systemidentifikation (Kombination Experten- und Datenwissen)
- Zustandsüberwachung, Diagnose und Digitale Zwillinge (z.B. mittels Fehler- und Anomaliedetektion)
- Zustands- und Parameterschätzung (Beobachter, Co-Schätzer)
- Softwaregetriebene Automatisierung (Reproduzierbare Design-Toolchains, Verifizierung und Benchmarking)
Neuste Publikationen
Optimal Control of Voltage-Forming Grid Inverters by Model Predictive Control and Reinforcement Learning
Optimal Control of Voltage-Forming Grid Inverters by Model Predictive Control and Reinforcement Learning
Fuzzy-Based Distributed Adaptive Inertia Response for Active Power Oscillation Suppression in Grid-Forming Inverters
Fuzzy-Based Distributed Adaptive Inertia Response for Active Power Oscillation Suppression in Grid-Forming Inverters
Optimized System Excitation for Data-Driven Thermal Modeling—A Practical Sim-to-Real Transfer Investigation
Optimized System Excitation for Data-Driven Thermal Modeling—A Practical Sim-to-Real Transfer Investigation
Battery-Aware Vehicle-to-Grid: Real-time impedance, state estimation, and warranty-conscious flexibility
Battery-Aware Vehicle-to-Grid: Real-time impedance, state estimation, and warranty-conscious flexibility
Reinforcement Learning: A Comprehensive Open-Source Course
Reinforcement Learning: A Comprehensive Open-Source Course
Safe Reinforcement Learning Direct Torque Control for Continuous Control Set Permanent Magnet Synchronous Motor Drives
Safe Reinforcement Learning Direct Torque Control for Continuous Control Set Permanent Magnet Synchronous Motor Drives
Building Bridges Across Continents: PELS S&YP Events at PELS-Sponsored Conferences Connect the Next Generation [Students and Young Professionals Rendezvous]
Building Bridges Across Continents: PELS S&YP Events at PELS-Sponsored Conferences Connect the Next Generation [Students and Young Professionals Rendezvous]
Reinforcement Learning: A Comprehensive Open-Source Course
Reinforcement Learning: A Comprehensive Open-Source Course
Reinforcement Learning-Based Control of Voltage-Forming Grid Inverters With Arbitrary Loads
Reinforcement Learning-Based Control of Voltage-Forming Grid Inverters With Arbitrary Loads
Critical Parameter Identification in Power Electronic Inverters Using Optimized Monte Carlo Analysis Under Parameter Uncertainties
Critical Parameter Identification in Power Electronic Inverters Using Optimized Monte Carlo Analysis Under Parameter Uncertainties
A Unified Loss Analysis Framework for Grid-Based Generalized Switched-Capacitor Topologies
A Unified Loss Analysis Framework for Grid-Based Generalized Switched-Capacitor Topologies
Multi-Objective Pulse Pattern Optimization for Synchronous Machine Drives Considering Different Symmetry Properties
Multi-Objective Pulse Pattern Optimization for Synchronous Machine Drives Considering Different Symmetry Properties
Öffnungszeiten Sekretariat
Erreichbarkeit
Postadresse
Universität Siegen
Chair of Interconnected Automation Systems (IAS)
Hölderlinstraße 3
57076 Siegen
Besucheradresse
Universität Siegen
Chair of Interconnected Automation Systems (IAS)
H-A Ebene 4
Raum: H-A 4106/3
Hölderlinstraße 3
57076 Siegen
Weitere Informationen
Sekretärin: Lada Lübke
Telefon: +49 (0)271 / 740-3305
Fax: +49 (0)271 / 740-13305
Raum: H-A 4106/3
E-Mail: IAS-office@eti.uni-siegen.de