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
Unraveling capacity fading in lithium-ion batteries using advanced cyclic tests: A real-world approach
Unraveling capacity fading in lithium-ion batteries using advanced cyclic tests: A real-world approach
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
Finite-Set Direct Torque Control via Edge-Computing-Assisted Safe Reinforcement Learning for a Permanent-Magnet Synchronous Motor
Finite-Set Direct Torque Control via Edge-Computing-Assisted Safe Reinforcement Learning for a Permanent-Magnet Synchronous Motor
Model Predictive Direct Self-Control for Six-Step Operation of Permanent-Magnet Synchronous Machines
Model Predictive Direct Self-Control for Six-Step Operation of Permanent-Magnet Synchronous Machines
Finite-Set Direct Torque Control via Edge Computing-Assisted Safe Reinforcement Learning for a Permanent Magnet Synchronous Motor
Finite-Set Direct Torque Control via Edge Computing-Assisted Safe Reinforcement Learning for a Permanent Magnet Synchronous Motor
Steady-State Error Compensation for Reinforcement Learning-Based Control of Power Electronic Systems
Steady-State Error Compensation for Reinforcement Learning-Based Control of Power Electronic Systems
Finite Set Sensorless Control With Minimum a Priori Knowledge and Tuning Effort for Interior Permanent Magnet Synchronous Motors
Finite Set Sensorless Control With Minimum a Priori Knowledge and Tuning Effort for Interior Permanent Magnet Synchronous Motors
A Sustainable Rural Electrification based on Socio-Techno-Economic-Environmental-Political Microgrid Design Framework
A Sustainable Rural Electrification based on Socio-Techno-Economic-Environmental-Political Microgrid Design Framework
Time-Optimal Model Predictive Control of Permanent Magnet Synchronous Motors Considering Current and Torque Constraints
Time-Optimal Model Predictive Control of Permanent Magnet Synchronous Motors Considering Current and Torque Constraints
Data-Driven Adaptive Torque Oscillation Compensation for Multi-Motor Drive Systems
Data-Driven Adaptive Torque Oscillation Compensation for Multi-Motor Drive Systems
Model Predictive Torque Control for Permanent Magnet Synchronous Motors Using a Stator-Fixed Harmonic Flux Reference Generator in the Entire Modulation Range
Model Predictive Torque Control for Permanent Magnet Synchronous Motors Using a Stator-Fixed Harmonic Flux Reference Generator in the Entire Modulation Range
An Open-Source FEM Magnetics Toolbox for Power Electronic Magnetic Components
An Open-Source FEM Magnetics Toolbox for Power Electronic Magnetic Components
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