POD zur Optimalsteuerung linearer partieller Differentialgleichungen

Lade...
Vorschaubild
Dateien
Zu diesem Dokument gibt es keine Dateien.
Datum
2015
Autor:innen
Herausgeber:innen
Kontakt
ISSN der Zeitschrift
Electronic ISSN
ISBN
Bibliografische Daten
Verlag
Schriftenreihe
Auflagebezeichnung
URI (zitierfähiger Link)
ArXiv-ID
Internationale Patentnummer
Angaben zur Forschungsförderung
Projekt
Open Access-Veröffentlichung
Core Facility der Universität Konstanz
Gesperrt bis
Titel in einer weiteren Sprache
Forschungsvorhaben
Organisationseinheiten
Zeitschriftenheft
Publikationstyp
Teil eines Buches
Publikationsstatus
Published
Erschienen in
SCHRÖDER, Dierk. Elektrische Antriebe : Regelung von Antriebssystemen. 4. Auflage. Berlin: Springer Vieweg, 2015, pp. 1658-1684. ISBN 978-3-642-30095-0. Available under: doi: 10.1007/978-3-642-30096-7_26
Zusammenfassung

Viele Vorgänge in den Naturwissenschaften, in den Ingenieurwissenschaften, aber auch in den Wirtschaftswissenschaften und in medizinischen Anwendungen lassen sich durch Systeme von partiellen Differentialgleichungen beschreiben. Diese Differentialgleichungssysteme sind in der Regel nichtlinear, gekoppelt und beinhalten oft sehr viele Parameter(-funktionen), die geeignet zu wählen sind, um zu garantieren, dass die realen Prozesse hinreichend genau nachgebildet werden. Da meistens nicht alle Parameter bekannt oder messbar sind, werden oft Methoden der Parameterschätzung eingesetzt. Diese Verfahren benötigen in der Regel viele Simulationen des gegebenen Differentialgleichungssystems. In anderen Anwendungen möchte man die Systeme partieller Differentialgleichungen durch eine Steuerung so beeinflussen, dass ein gewünschtes Verhalten erzeugt wird. Dieses führt auf ein sogenanntes Optimalsteuerungsproblem, dass das Lösen von einer nichtlinearen Optimierungsaufgabe erfordert, bei der das Differentialgleichungssystem als Nebenbedingung auftritt. Will man noch Störungen in den Daten beziehungsweise im Modell berücksichtigen, so sind Rückkopplungs- oder Feedbacksteuerungen zu berechnen, was das Lösen mehrerer Optimierungsprobleme erfordert. Alle diese Aufgabenstellungen führen bei der Verwendung klassischer Diskretisierungsverfahren (wie zum Beispiel die Finite-Elemente-, Finite- Differenzen- oder Finite-Volumen-Methode) auf sehr hochdimensionale, nichtlineare diskrete Probleme, deren numerische Behandlung sehr aufwendig beziehungsweise derzeit noch nicht möglich ist (als Beispiel sei hier die Feedbacksteuerung mit der Hamilton-Jacobi-Bellman-Gleichung genannt). Aus diesem Grund sind unterschiedliche Techniken der Modellreduktion entwickelt worden, um hochdimensionale Optimalsteuerprobleme durch niedrigdimensionale zu approximieren, die mit weniger Aufwand (oder überhaupt) numerisch lösbar sind. Heute existiert eine Reihe erfolgreicher Techniken der Modellreduktion wie Balanced Truncation, Moment Matching, Reduced-Basis-Methode oder Proper Orthogonal Decomposition (POD), die im Weiteren kurz beschrieben werden.

Zusammenfassung in einer weiteren Sprache
Fachgebiet (DDC)
510 Mathematik
Schlagwörter
Konferenz
Rezension
undefined / . - undefined, undefined
Zitieren
ISO 690VOLKWEIN, Stefan, 2015. POD zur Optimalsteuerung linearer partieller Differentialgleichungen. In: SCHRÖDER, Dierk. Elektrische Antriebe : Regelung von Antriebssystemen. 4. Auflage. Berlin: Springer Vieweg, 2015, pp. 1658-1684. ISBN 978-3-642-30095-0. Available under: doi: 10.1007/978-3-642-30096-7_26
BibTex
@inbook{Volkwein2015-12-01Optim-41629,
  year={2015},
  doi={10.1007/978-3-642-30096-7_26},
  title={POD zur Optimalsteuerung linearer partieller Differentialgleichungen},
  edition={4. Auflage},
  isbn={978-3-642-30095-0},
  publisher={Springer Vieweg},
  address={Berlin},
  pages={1658--1684},
  author={Volkwein, Stefan}
}
RDF
<rdf:RDF
    xmlns:dcterms="http://purl.org/dc/terms/"
    xmlns:dc="http://purl.org/dc/elements/1.1/"
    xmlns:rdf="http://www.w3.org/1999/02/22-rdf-syntax-ns#"
    xmlns:bibo="http://purl.org/ontology/bibo/"
    xmlns:dspace="http://digital-repositories.org/ontologies/dspace/0.1.0#"
    xmlns:foaf="http://xmlns.com/foaf/0.1/"
    xmlns:void="http://rdfs.org/ns/void#"
    xmlns:xsd="http://www.w3.org/2001/XMLSchema#" > 
  <rdf:Description rdf:about="https://kops.uni-konstanz.de/server/rdf/resource/123456789/41629">
    <dcterms:issued>2015-12-01</dcterms:issued>
    <dcterms:available rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2018-02-28T09:20:20Z</dcterms:available>
    <dspace:isPartOfCollection rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/39"/>
    <dc:language>deu</dc:language>
    <dcterms:abstract xml:lang="deu">Viele Vorgänge in den Naturwissenschaften, in den Ingenieurwissenschaften, aber auch in den Wirtschaftswissenschaften und in medizinischen Anwendungen lassen sich durch Systeme von partiellen Differentialgleichungen beschreiben. Diese Differentialgleichungssysteme sind in der Regel nichtlinear, gekoppelt und beinhalten oft sehr viele Parameter(-funktionen), die geeignet zu wählen sind, um zu garantieren, dass die realen Prozesse hinreichend genau nachgebildet werden. Da meistens nicht alle Parameter bekannt oder messbar sind, werden oft Methoden der Parameterschätzung eingesetzt. Diese Verfahren benötigen in der Regel viele Simulationen des gegebenen Differentialgleichungssystems. In anderen Anwendungen möchte man die Systeme partieller Differentialgleichungen durch eine Steuerung so beeinflussen, dass ein gewünschtes Verhalten erzeugt wird. Dieses führt auf ein sogenanntes Optimalsteuerungsproblem, dass das Lösen von einer nichtlinearen Optimierungsaufgabe erfordert, bei der das Differentialgleichungssystem als Nebenbedingung auftritt. Will man noch Störungen in den Daten beziehungsweise im Modell berücksichtigen, so sind Rückkopplungs- oder Feedbacksteuerungen zu berechnen, was das Lösen mehrerer Optimierungsprobleme erfordert. Alle diese Aufgabenstellungen führen bei der Verwendung klassischer Diskretisierungsverfahren (wie zum Beispiel die Finite-Elemente-, Finite- Differenzen- oder Finite-Volumen-Methode) auf sehr hochdimensionale, nichtlineare diskrete Probleme, deren numerische Behandlung sehr aufwendig beziehungsweise derzeit noch nicht möglich ist (als Beispiel sei hier die Feedbacksteuerung mit der Hamilton-Jacobi-Bellman-Gleichung genannt). Aus diesem Grund sind unterschiedliche Techniken der Modellreduktion entwickelt worden, um hochdimensionale Optimalsteuerprobleme durch niedrigdimensionale zu approximieren, die mit weniger Aufwand (oder überhaupt) numerisch lösbar sind. Heute existiert eine Reihe erfolgreicher Techniken der Modellreduktion wie Balanced Truncation, Moment Matching, Reduced-Basis-Methode oder Proper Orthogonal Decomposition (POD), die im Weiteren kurz beschrieben werden.</dcterms:abstract>
    <dc:date rdf:datatype="http://www.w3.org/2001/XMLSchema#dateTime">2018-02-28T09:20:20Z</dc:date>
    <foaf:homepage rdf:resource="http://localhost:8080/"/>
    <void:sparqlEndpoint rdf:resource="http://localhost/fuseki/dspace/sparql"/>
    <dcterms:title>POD zur Optimalsteuerung linearer partieller Differentialgleichungen</dcterms:title>
    <bibo:uri rdf:resource="https://kops.uni-konstanz.de/handle/123456789/41629"/>
    <dc:creator>Volkwein, Stefan</dc:creator>
    <dc:contributor>Volkwein, Stefan</dc:contributor>
    <dcterms:isPartOf rdf:resource="https://kops.uni-konstanz.de/server/rdf/resource/123456789/39"/>
  </rdf:Description>
</rdf:RDF>
Interner Vermerk
xmlui.Submission.submit.DescribeStep.inputForms.label.kops_note_fromSubmitter
Kontakt
URL der Originalveröffentl.
Prüfdatum der URL
Prüfungsdatum der Dissertation
Finanzierungsart
Kommentar zur Publikation
Allianzlizenz
Corresponding Authors der Uni Konstanz vorhanden
Internationale Co-Autor:innen
Universitätsbibliographie
Ja
Begutachtet
Diese Publikation teilen