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
Data Set Description: Identifying the Physics Behind an Electric Motor--Data-Driven Learning of the Electrical Behavior (Part II)
Data Set Description: Identifying the Physics Behind an Electric Motor--Data-Driven Learning of the Electrical Behavior (Part II)
Investigation of disturbance observers for model predictive current control in electric drives
Investigation of disturbance observers for model predictive current control in electric drives
A robust and sustainable microgrid to resist energy disruption during a pandemic
A robust and sustainable microgrid to resist energy disruption during a pandemic
Towards a reinforcement learning environment toolbox for intelligent electric motor control
Towards a reinforcement learning environment toolbox for intelligent electric motor control
Development of a black-box two-level igbt three-phase inverter compensation scheme for electrical drives
Development of a black-box two-level igbt three-phase inverter compensation scheme for electrical drives
Stator Flux-Based Field-Oriented Position-Sensorless Control of Permanent Magnet Synchronous Motors With Limited Parameter Knowledge
Stator Flux-Based Field-Oriented Position-Sensorless Control of Permanent Magnet Synchronous Motors With Limited Parameter Knowledge
Controller design for electrical drives by deep reinforcement learning: A proof of concept
Controller design for electrical drives by deep reinforcement learning: A proof of concept
Hierarchical model predictive speed and current control of an induction machine drive with moving-horizon load torque estimator
Hierarchical model predictive speed and current control of an induction machine drive with moving-horizon load torque estimator
Empirical evaluation of exponentially weighted moving averages for simple linear thermal modeling of permanent magnet synchronous machines
Empirical evaluation of exponentially weighted moving averages for simple linear thermal modeling of permanent magnet synchronous machines
Deep residual convolutional and recurrent neural networks for temperature estimation in permanent magnet synchronous motors
Deep residual convolutional and recurrent neural networks for temperature estimation in permanent magnet synchronous motors
Improved Fusion of Permanent Magnet Temperature Estimation Techniques for Synchronous Motors Using a Kalman Filter
Improved Fusion of Permanent Magnet Temperature Estimation Techniques for Synchronous Motors Using a Kalman Filter
Continuous-control-set model predictive control with integrated modulator in permanent magnet synchronous motor applications
Continuous-control-set model predictive control with integrated modulator in permanent magnet synchronous motor applications
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