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
Evaluation of the severity and self-management practice in primary dysmenorrhea in medical and dental students: A cross-sectional study in a teaching hospital
Evaluation of the severity and self-management practice in primary dysmenorrhea in medical and dental students: A cross-sectional study in a teaching hospital
Safe Bayesian Optimization for Data-Driven Power Electronics Control Design in Microgrids: From Simulations to Real-World Experiments
Safe Bayesian Optimization for Data-Driven Power Electronics Control Design in Microgrids: From Simulations to Real-World Experiments
Gray-Box Loss Model for Induction Motor Drives
Gray-Box Loss Model for Induction Motor Drives
Accessibility of Electric Vehicle in Indian Market
Accessibility of Electric Vehicle in Indian Market
Data-Driven Permanent Magnet Temperature Estimation in Synchronous Motors with Supervised Machine Learning: A Benchmark
Data-Driven Permanent Magnet Temperature Estimation in Synchronous Motors with Supervised Machine Learning: A Benchmark
Formulation of stray loss in medium power inverter-fed induction motors
Formulation of stray loss in medium power inverter-fed induction motors
Transferring Online Reinforcement Learning for Electric Motor Control From Simulation to Real-World Experiments
Transferring Online Reinforcement Learning for Electric Motor Control From Simulation to Real-World Experiments
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
An Insight into the Battery Degradation for a Proposal of a Battery Friendly Charging Technique
An Insight into the Battery Degradation for a Proposal of a Battery Friendly Charging Technique
Thermal Neural Networks: Lumped-Parameter Thermal Modeling With State-Space Machine Learning
Thermal Neural Networks: Lumped-Parameter Thermal Modeling With State-Space Machine Learning
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