*Result*: Learning-Based Nonlinear Model Predictive Control for Electrical Drives

*This dissertation deals with model predictive control (MPC) for e-drives. MPC is an uprising control method that has been shown to exhibit superior performance in comparison to the state-of-the-art control techniques. Nevertheless, MPC possesses its own set of challenges, mainly: identifying accurate models that represent the plants under control, and tackling its computational complexity. Approaches to alleviate these challenges are proposed based on machine learning methods.
Diese Dissertation befasst sich mit modellprädiktiver Regelung (MPC) für e-Antriebe. MPC ist ein Regelungsverfahren, das im Vergleich zu klassischen Methoden ein nachweislich besseres Verhalten aufweist. Dennoch bringt MPC seine eigenen Herausforderungen mit sich. Vor allem die Identifizierung genauer Modelle, welche die Strecke darstellen, sowie die Bewältigung der Rechenkomplexität. Ansätze zur Bewältigung dieser Herausforderungen werden auf Basis maschineller Lernmethoden vorangetrieben.*