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
Accurate Torque Estimation for Induction Motors by Utilizing a Hybrid Machine Learning Approach
Accurate Torque Estimation for Induction Motors by Utilizing a Hybrid Machine Learning Approach
A Deep Q-Learning Direct Torque Controller for Permanent Magnet Synchronous Motors
A Deep Q-Learning Direct Torque Controller for Permanent Magnet Synchronous Motors
Thermal Monitoring of Electric Motors: State-of-the-Art Review and Future Challenges
Thermal Monitoring of Electric Motors: State-of-the-Art Review and Future Challenges
Thermal Neural Networks: Lumped-Parameter Thermal Modeling With State-Space Machine Learning
Thermal Neural Networks: Lumped-Parameter Thermal Modeling With State-Space Machine Learning
Formulation of Stray Loss in Medium Power Inverter-fed Induction Motors
Formulation of Stray Loss in Medium Power Inverter-fed Induction Motors
Smart Charging: An Outlook Towards its Role and Impacts, Enablers, Markets, and the Global Energy System
Smart Charging: An Outlook Towards its Role and Impacts, Enablers, Markets, and the Global Energy System
Improved exploring starts by kernel density estimation-based state-space coverage acceleration in reinforcement learning
Improved exploring starts by kernel density estimation-based state-space coverage acceleration in reinforcement learning
Model Predictive Control of Permanent Magnet Synchronous Motors in the Overmodulation Region Including Six-Step Operation
Model Predictive Control of Permanent Magnet Synchronous Motors in the Overmodulation Region Including Six-Step Operation
Data-Driven Recursive Least Squares Estimation for Model Predictive Current Control of Permanent Magnet Synchronous Motors
Data-Driven Recursive Least Squares Estimation for Model Predictive Current Control of Permanent Magnet Synchronous Motors
Permanent magnet synchronous machine temperature estimation using low-order lumped-parameter thermal network with extended iron loss model
Permanent magnet synchronous machine temperature estimation using low-order lumped-parameter thermal network with extended iron loss model
Impact of V2G Communication on Grid Node Voltage at Charging Station in a Smart Grid Scenario
Impact of V2G Communication on Grid Node Voltage at Charging Station in a Smart Grid Scenario
Comparison of Artificial Neural Network and Least Squares Prediction Models for Finite-Control-Set Model Predictive Control of a Permanent Magnet Synchronous Motor
Comparison of Artificial Neural Network and Least Squares Prediction Models for Finite-Control-Set Model Predictive Control of a Permanent Magnet Synchronous Motor
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