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
Universal Direct Torque Controller for Permanent Magnet Synchronous Motors via Meta-Reinforcement Learning
Universal Direct Torque Controller for Permanent Magnet Synchronous Motors via Meta-Reinforcement Learning
DRIVER CIRCUIT FOR ONE OR MORE POWER SEMICONDUCTORS
DRIVER CIRCUIT FOR ONE OR MORE POWER SEMICONDUCTORS
An intelligent battery management system (BMS) with end-edge-cloud connectivity – a perspective
An intelligent battery management system (BMS) with end-edge-cloud connectivity – a perspective
Develop a Versatile ECM Framework Capable of Accurately Representing Multiple Cell Types
Develop a Versatile ECM Framework Capable of Accurately Representing Multiple Cell Types
Optimal System Excitation of a Permanent Magnet Synchronous Motor Using Differentiable Model Predictive Excitation
Optimal System Excitation of a Permanent Magnet Synchronous Motor Using Differentiable Model Predictive Excitation
Thermal Neural Networks for Temperature Estimation of Traction Inverters in Electric Vehicles
Thermal Neural Networks for Temperature Estimation of Traction Inverters in Electric Vehicles
Earth Grid: Toward a low-carbon energy infrastructure.
Earth Grid: Toward a low-carbon energy infrastructure.
Optimal Control of Voltage Forming Grid Inverters by Model Predictive Control and Reinforcement Learning - Part II: Real-Time Implementation and Experimental Investigations
Optimal Control of Voltage Forming Grid Inverters by Model Predictive Control and Reinforcement Learning - Part II: Real-Time Implementation and Experimental Investigations
A Year of Impact: PELS S&YP Committee in 2024 and Beyond
A Year of Impact: PELS S&YP Committee in 2024 and Beyond
Evaluation of the Efficiency Measurement Uncertainty of Electric Drive Test Benches for Direct Data-Driven Control Optimization
Evaluation of the Efficiency Measurement Uncertainty of Electric Drive Test Benches for Direct Data-Driven Control Optimization
Compensation Techniques for Inductive-Distorted Measurements of Fast Transients in Double Pulse Test
Compensation Techniques for Inductive-Distorted Measurements of Fast Transients in Double Pulse Test
Optimal Control of Voltage Forming Grid Inverters by Model Predictive Control and Reinforcement Learning - Part I: Concepts and Simulation Analysis
Optimal Control of Voltage Forming Grid Inverters by Model Predictive Control and Reinforcement Learning - Part I: Concepts and Simulation Analysis
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