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
Improved exploring starts by kernel density estimation-based state-space coverage acceleration in reinforcement learning
Improved exploring starts by kernel density estimation-based state-space coverage acceleration in reinforcement learning
Model Predictive Control of Permanent Magnet Synchronous Motors in the Overmodulation Region Including Six-Step Operation
Model Predictive Control of Permanent Magnet Synchronous Motors in the Overmodulation Region Including Six-Step Operation
gym-electric-motor (GEM): A Python toolbox for the simulation of electric drive systems
gym-electric-motor (GEM): A Python toolbox for the simulation of electric drive systems
Accessibility of Electric Vehicle in Indian Market
Accessibility of Electric Vehicle in Indian Market
Formulation of stray loss in medium power inverter-fed induction motors
Formulation of stray loss in medium power inverter-fed induction motors
Combined Electrical-Thermal Gray-Box Model and Parameter Identification of an Induction Motor
Combined Electrical-Thermal Gray-Box Model and Parameter Identification of an Induction Motor
Accurate Torque Control for Induction Motors by Utilizing a Globally Optimized Flux Observer
Accurate Torque Control for Induction Motors by Utilizing a Globally Optimized Flux Observer
Torque and Inductances Estimation for Finite Model Predictive Control of Highly Utilized Permanent Magnet Synchronous Motors
Torque and Inductances Estimation for Finite Model Predictive Control of Highly Utilized Permanent Magnet Synchronous Motors
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
Temperature estimation of electric machines using a hybrid model of feed-forward neural and low-order lumped-parameter thermal networks
Temperature estimation of electric machines using a hybrid model of feed-forward neural and low-order lumped-parameter thermal networks
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
Formulation of Stray Loss in Medium Power Inverter-fed Induction Motors
Formulation of Stray Loss in Medium Power Inverter-fed Induction Motors
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