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
Insights and Challenges of Co-Simulation-Based Optimal Pulse Pattern Evaluation for Electric Drives
Insights and Challenges of Co-Simulation-Based Optimal Pulse Pattern Evaluation for Electric Drives
Comparison and Selection of Topology for Three Phase PV Inverters based on Power GaN Devices
Comparison and Selection of Topology for Three Phase PV Inverters based on Power GaN Devices
Harmonic Current Correction for Common Mode Voltage Reduction and Narrow Pulse Elimination Method in DC-AC Matrix Converter
Harmonic Current Correction for Common Mode Voltage Reduction and Narrow Pulse Elimination Method in DC-AC Matrix Converter
Protocol for conducting advanced cyclic tests in lithium-ion batteries to estimate capacity fade
Protocol for conducting advanced cyclic tests in lithium-ion batteries to estimate capacity fade
Topology Comparison to Generate Output Currents of Specific Shape
Topology Comparison to Generate Output Currents of Specific Shape
Hybrid control of interconnected power converters using both expert-driven droop and data-driven reinforcement learning approaches
Hybrid control of interconnected power converters using both expert-driven droop and data-driven reinforcement learning approaches
Nonlinear Efficiency-Optimal Model Predictive Torque Control of Induction Machines
Nonlinear Efficiency-Optimal Model Predictive Torque Control of Induction Machines
Reducing Contact Bouncing of a Relay by Optimizing the Switch Signal during Run-Time
Reducing Contact Bouncing of a Relay by Optimizing the Switch Signal during Run-Time
A Systematical and Analytical Driver Layout Design Procedure for Parallel GaN GIT Power Semiconductors
A Systematical and Analytical Driver Layout Design Procedure for Parallel GaN GIT Power Semiconductors
Design of a Calorimetric Measurement System for Determination of the Power Losses in Magnetic Components
Design of a Calorimetric Measurement System for Determination of the Power Losses in Magnetic Components
Power Flow Control Strategy Based on Space Vector Modulation of a Three-Port Converter
Power Flow Control Strategy Based on Space Vector Modulation of a Three-Port Converter
Stray Loss Formulation for Inverter-Driven Induction Motors for a Wide Range of Switching Frequency and Motor's Loading
Stray Loss Formulation for Inverter-Driven Induction Motors for a Wide Range of Switching Frequency and Motor's Loading
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