Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Einführung Kapitel lesen Erstes Kapitel lesen

2018 | OriginalPaper | Buchkapitel

5. Mathematische Optimierung

verfasst von : Adrian Ziessler, Sebastian Peitz, Sina Ober-Blöbaum, Michael Dellnitz

Erschienen in: Steigerung der Intelligenz mechatronischer Systeme

Verlag: Springer Berlin Heidelberg

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Zusammenfassung

Bei der Entwicklung eines technischen Systems möchte man dieses derart auslegen, dass es sich bzgl. der jeweiligen Anwendungssituation optimal verhält. Wird das System mit unterschiedlichen Anwendungssituationen im Betrieb konfrontiert, erfordert dies in der Regel unterschiedliche Zielsetzungen, welche sich im Allgemeinen widersprechen. Eine wichtige Rolle für die Auflösung dieser Konflikte spielen dabei Optimierungsverfahren, welche konkrete Ziele für die aktuelle Anwendungssituation sowie die zur Erfüllung der aktuellen Ziele notwendigen Verhaltensanpassungen bestimmen sollen. Hier werden zunächst die theoretischen Grundlagen und ausgewählte Methoden der mathematischen Optimierung beschrieben. Dabei wird der Fokus auf die Mehrzieloptimierung sowie Mehrzieloptimalsteuerung gelegt. Anschließend wird eine methodische Vorgehensweise präsentiert, welche den Arbeitsprozess der mathematischen Mehrzieloptimierung im Selbstoptimierungskontext näher beschreibt. Diese besteht aus einem Leitfaden zum Einsatz mathematischer Optimierung im industriellen Kontext, der zukünftige Anwender bei der selbstständigen Lösung mathematischer Optimierungsprobleme unterstützen soll, sowie einem Katalog von typischen Anwendungshemmnissen. Abschließend werden drei Beispiele vorgestellt, die während der Projektlaufzeit in interdisziplinärer Zusammenarbeit bearbeitet wurden.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Maschinelles Lernen in technischen Systemen
Nächstes Kapitel Intelligente Steuerungen und Regelungen
Literatur
1.
2.
3.
4.
Aarts, E., Lenstra, J.K. (Hrsg.): Local search in combinatorial optimization.Wiley-Interscience Series in Discrete Mathematics and Optimization. John Wiley & Sons, Ltd., Chichester (1997)
5.
Adamy, J.: Nichtlineare Regelungen. Springer, Berlin, Heidelberg (2009)CrossRef
6.
Alessio, A., Bemporad, A.: A Survey on Explicit Model Predictive Control. In: L. Magni, D.M. Raimondo, F. Allgöwer (Hrsg.) Nonlinear Model Predictive Control: Towards New Challenging Applications, S. 345–369. Springer, Berlin, Heidelberg (2009)CrossRef
7.
Allgöwer, F., Zheng, A.: Nonlinear model predictive control, Bd. 26. Birkhäuser, Basel (2012)
8.
Bemporad, A., Muñoz de la Peña, D.: Multiobjective model predictive control. Automatica 45(12), 2823–2830 (2009)MathSciNetCrossRef
9.
Betts, J.T.: Survey of numerical methods for trajectory optimization. Journal of Guidance, Control, and Dynamics 21(2), 193–207 (1998)
10.
Camacho, E.F., Alba, C.B.: Model Predictive Control. Springer, London (2007)CrossRef
11.
Cinet: International Committee of Textile Care: Industrial Washing and Drying. Clean (2011)
12.
Coello Coello, C.A., Lamont, G., van Veldhuizen, D.: Evolutionary Algorithms for Solving Multi-Objective Optimization Problems, 2. Aufl. Springer, Berlin (2007)MATH
13.
Cronje, W., Hofsajer, I., Shuma-Iwisi, M., Braid, J.: Design considerations for rural modular microgrids. In: Energy Conference and Exhibition (ENERGYCON), 2012 IEEE International, S. 743–748. IEEE (2012)
14.
Dellnitz, M., Dignath, F., Flaßkamp, K., Hessel-von Molo, M., Krüger, M., Timmermann, R., Zheng, Q.: Modelling and Analysis of the Nonlinear Dynamics of the Transrapid and its Guideway. In: Progress in Industrial Mathematics at ECMI 2010, S. 113–123. Springer, Berlin, Heidelberg (2012)
15.
Dellnitz, M., Eckstein, J., Flaßkamp, K., Friedel, P., Horenkamp, C., Köhler, U., Ober-Blöbaum, S., Peitz, S., Tiemeyer, S.: Development of an intelligent cruise control using optimal control methods. Procedia Technology 15, 285–294 (2014)CrossRef
16.
Dellnitz, M., Eckstein, J., Flaßkamp, K., Friedel, P., Horenkamp, C., Köhler, U., Ober-Blöbaum, S., Peitz, S., Tiemeyer, S.: Multiobjective Optimal Control Methods for the Development of an Intelligent Cruise Control. In: Progress in Industrial Mathematics at ECMI, Bd. 22 (2014)
17.
Dellnitz, M., Hohmann, A.: A subdivision algorithm for the computation of unstable manifolds and global attractors. Numerische Mathematik 75(3), 293–317 (1997)MathSciNetCrossRef
18.
Dellnitz, M., Schütze, O., Hestermeyer, T.: Covering Pareto Sets by Multilevel Subdivision Techniques. Journal of Optimization Theory and Application 124(1), 113–136 (2005)MathSciNetCrossRef
19.
Diehl, M., Amrit, R., Rawlings, J.B.: A Lyapunov Function for Economic Optimizing Model Predictive Control. IEEE Transactions on Automatic Control 56(3), 703–707 (2011)MathSciNetCrossRef
20.
Ehrgott, M.: Multicriteria Optimization. Springer, Berlin, Heidelberg (2005)MATH
21.
Flaßkamp, K., Ober-Blöbaum, S.: Optimale Steuerungsstrategien für selbstoptimierende mechatronische Systeme mit mehreren Zielkriterien. In: 9. Paderborner Workshop Entwurf mechatronischer Systeme. HNI-Verlagsschriftenreihe, Bd. 310, Paderborn (2013)
22.
Geering, H.P.: Optimal control with engineering applications. Springer, Berlin, Heidelberg (2007)MATH
23.
Gerdts, M.: Optimal control of ODEs and DAEs. Walter de Gruyter (2012)
24.
Gill, P.E., Jay, L.O., Leonard, M.W., Petzold, L.R., Sharma, V.: An SQP Method for the Optimal Control of Large-scale Dynamical Systems. Journal of Computational and Applied Mathematics 120, 197–213 (2000)MathSciNetCrossRef
25.
Grüne, L., Pannek, J.: Nonlinear model predictive control. Springer, Berlin, Heidelberg (2011)CrossRef
26.
Gutin, G., Punnen, A.P.: The Traveling Salesman Problem and its Variations. Springer Science & Business Media, New York (2007)CrossRef
27.
Helsgaun, K.: Effective implementation of the Lin-Kernighan traveling salesman heuristic. European Journal of Operational Research 126, 106–130 (2000)MathSciNetCrossRef
28.
Hillermeier, C.: Nonlinear Multiobjective Optimization – A Generalized Homotopy Approach. Birkhäuser, Berlin (2001)
29.
Junge, O., Marsden, J.E., Ober-Blöbaum, S.: Discrete mechanics and optimal control. IFAC Proceedings Volumes 38 (1), 538–543 (2005)CrossRef
30.
Keil, F.J., Keil, F.: Optimierung verfahrenstechnischer Prozesse. Chemie Ingenieur Technik 68(6), 639–650 (1996)CrossRef
31.
Keßler, J.H., Gausemeier, J., Iwanek, P., Köchling, D., Krüger, M., Trächtler, A.: Erstellung von Prozessmodellen für den Entwurf selbst-optimierender Regelungen. In: Internationales Forum Mechatronik, Winterthur (2013)
32.
Kuhn, H.W., Tucker, A.W.: Nonlinear programming. In: Proceedings of the Second Berkeley Symposium on Mathematical Statistics and Probability, S. 481–492. University of California Press, Berkeley, Calif. (1951)
33.
Lee, J.H., Cooley, B.: Recent advances in model predictive control and other related areas. In: AIChE Symposium Series, Bd. 93, S. 201–216. American Institute of  Chemical Engineers (1997)
34.
Lin, S., Kernighan, B.W.: An Effective Heuristic Algorithm for the Traveling-Salesman Problem. Operations Research 21(2), 498–516 (1973)MathSciNetCrossRef
35.
Marnay, C., Chatzivasileiadis, S., Abbey, C., Iravani, R., Joos, G., Lombardi, P., Mancarella, P., von Appen, J.: Microgrid Evolution Roadmap. In: 2015 International Symposium on Smart Electric Distribution Systems and Technologies (EDST), S. 139–144. IEEE (2015)
36.
Masjosthusmann, C., Köhler, U., Decius, N., Büker, U.: A vehicle energy management system for a battery electric vehicle. In: 2012 IEEE Vehicle Power and Propulsion Conference (VPPC), S. 339–344. IEEE (2012)
37.
Miettinen, K.: Nonlinear Multiobjective Optimization, Bd. 12. Springer Science & Business Media, New York (2012)MATH
38.
Münch, E.: Selbstoptimierung verteilter mechatronischer Systeme auf Basis paretooptimaler Systemkonfigurationen. Dissertation, Fakultät für Maschinenbau, Universität Paderborn, Paderborn (2012)
39.
Murray, R.M., Rathinam, M., Sluis, W.: Differential flatness of mechanical control systems: A catalog of prototype systems. In: ASME International Mechanical Engineering Congress and Exposition. Citeseer (1995)
40.
Nocedal, J., Wright, S.: Numerical Optimization. Springer Science & Business Media (2006)
41.
Papageorgiou, M., Leibold, M., Buss, M.: Optimierung: statische, dynamische, stochastische Verfahren für die Anwendung. Springer, Berlin, Heidelberg (2012)CrossRef
42.
Peitz, S., Gräler, M., Henke, C., Hessel-von Molo, M., Dellnitz, M., Trächtler, A.: Multiobjective Model Predictive Control of an Industrial Laundry. Procedia Technology 26, 483–490 (2016)CrossRef
43.
Peitz, S., Ober-Blöbaum, S., Dellnitz, M.: Multiobjective Optimal Control Methods for the Navier-Stokes Equations Using Reduced Order Modeling. Acta Applicandae Mathematicae (2018)
44.
Peitz, S., Schäfer, K., Ober-Blöbaum, S., Eckstein, J., Köhler, U., Dellnitz, M.: A Multiobjective MPC Approach for Autonomously Driven Electric Vehicles. IFAC-PapersOnLine 50(1), 8674–8679 (2017)
45.
Pinedo, M.L.: Scheduling: Theory, Algorithms, and Systems. Springer Science & Business Media, New York (2012)CrossRef
46.
Qin, S.J., Badgwell, T.A.: An overview of industrial model predictive control technology. In: AIChE Symposium Series, Bd. 93, S. 232–256. American Institute of Chemical Engineers (1997)
47.
Rawlings, J.B., Amrit, R.: Optimizing Process Economic Performance Using Model Predictive Control, S. 119–138. Springer, Berlin, Heidelberg (2009)
48.
Romaus, C.: Selbstoptimierende Betriebsstrategien für ein hybrides Energiespeichersystem aus Batterien und Doppelschichtkondensatoren. Shaker (2013)
49.
Schäffler, S., Schultz, R., Weinzierl, K.: Stochastic method for the solution of unconstrained vector optimization problems. Journal of Optimization Theory and Applications 114(1), 209–222 (2002)MathSciNetCrossRef
50.
Schütze, O., Dell’Aere, A., Dellnitz, M.: On continuation methods for the numerical treatment of multi-objective optimization problems. In: Dagstuhl Seminar Proceedings. Schloss Dagstuhl-Leibniz-Zentrum für Informatik (2005)
51.
Schütze, O., Witting, K., Ober-Blöbaum, S., Dellnitz, M.: Set oriented methods for the numerical treatment of multi-objective optimization problems. In: E. Tantar, A.A. Tantar, P. Bouvry, P. Del Moral, P. Legrand, C. Coello Coello, O. Schütze (Hrsg.) EVOLVE – A Bridge Between Probability, Set Oriented Numerics, and Evolutionary Computation, Studies in Computational Intelligence, Bd. 447, S. 187–219. Springer, Berlin, Heidelberg (2013)
52.
Vogt, T., Fröhleke, N., Böcker, J., Kempen, S.: Mehrziel-Speicherbetriebsstrategie für industrielle Microgrids. ETG-Fachbericht-Von Smart Grids zu Smart Markets 2015 (2015)
53.
Xu, Y., Li, H., Tolbert, L.M.: Inverter-based microgrid control and stable islanding transition. In: 2012 IEEE Energy Conversion Congress and Exposition (ECCE), S. 2374–2380. IEEE (2012)
54.
Zavala, V.M., Flores-Tlacuahuac, A.: Stability of multiobjective predictive control: A utopia-tracking approach. Automatica 48(10), 2627–2632 (2012)MathSciNetCrossRef
Metadaten
Titel
Mathematische Optimierung
verfasst von
Adrian Ziessler
Sebastian Peitz
Sina Ober-Blöbaum
Michael Dellnitz
Copyright-Jahr
2018
Verlag
Springer Berlin Heidelberg
Buch
Steigerung der Intelligenz mechatronischer Systeme

Print ISBN: 978-3-662-56391-5

Electronic ISBN: 978-3-662-56392-2

Copyright-Jahr: 2018

DOI
https://doi.org/10.1007/978-3-662-56392-2_5

Neuer Inhalt

    Bildnachweise