Fallstudien

Vier Arbeiten, jeweils gleich erzählt: das Problem, Dynamik und Randbedingungen, was gebaut wurde, wie es validiert wurde und was daraus folgt. Weiteres Material teile ich unter NDA.

Ein ähnliches Problem besprechen

CERN · IAV · SkySails · eigene Entwicklungen

Nachweise mit Kontext

Referenzen sollen Passung zeigen, nicht nur beeindrucken

Für technische Entscheider zählt, ob der Hintergrund zum aktuellen Regelungs-, Schätz- oder Optimierungsproblem passt.

Manche Nachweise sind öffentlich — Veröffentlichungen und Zeugnisse sind unten verlinkt. Anderes Material ist unter NDA nützlicher, sobald System, Randbedingungen und Fehlerbild bekannt sind.

Rafał Noga bei einem technischen Design-Review mit Bauteilen und Systemdiagrammen auf dem Tisch — Referenzen zeigen die Relevanz vor einem ernsthaften technischen Gespräch.

Kryotechnik · NMPC · Zustandsschätzung

Echtzeit-NMPC für den Suprafluid-Helium-Kreislauf des LHC

Kontext: CERN, Genf — Researcher und Doktorand (2007–2013); Promotion an der Universität Valladolid (2015).
Problem: Die supraleitenden Magnete des LHC auf ihrer Betriebstemperatur von 1,9 K halten. Über 2,1 K schaltet eine Verriegelung die Magnete ab; über 2,16 K verlässt das Helium den suprafluiden Zustand, und ein Magnet kann quenchen.
Dynamik und Randbedingungen: Stark nichtlineare, verteilte Thermohydraulik mit Totzeit, inversem Verhalten, Stellgrößenbegrenzung und starker Kopplung — und nur wenige Messstellen entlang eines langen Kryokreislaufs.
Bisheriger Ansatz: Konventionelle PI-Regelung, konservativ eingestellt, um Abstand zu den Temperaturgrenzen zu halten.
Lösung: Ein thermohydraulisches First-Principles-Modell, für die Echtzeit vereinfacht; nichtlineare Moving-Horizon-Schätzung der nicht gemessenen Zustände (5 thermodynamische Zustände aus 3 Drucksensoren und Temperatur, mit 1 Hz); ökonomische Output-Feedback-NMPC mit den Temperaturgrenzen als harten Beschränkungen.
Umsetzung und Validierung: Halbautomatische Codegenerierung für die NMPC eines steifen Systems mit verteilten Parametern. Etwa 1 s pro Schätzung und 7–14 s pro Optimierung. Der Regler wurde am CERN getestet.
Ergebnis: Nach derselben Störung stabilisierte die NMPC die Badtemperatur etwa zehnmal schneller als die bisherige PI-Regelung, ohne die 2,1-K-Grenze zu verletzen.
Erkenntnisse: Der Schätzer bestimmt, wie gut der Regler sein kann. Ein vereinfachtes Modell, das in Echtzeit läuft, schlägt ein vollständiges, das es nicht tut. Harte Grenzen gehören ins Optimierungsproblem, nicht in eine vorsichtige Einstellung.
Nachweise: Noga et al., IEEE CDC 2014 — moving-horizon estimation and control
Noga et al., IFAC NMPC 2015 — NMPC for superfluid helium cryogenics
Noga, PhD thesis, University of Valladolid, 2015
Noga & Ohtsuka, ICPC 2011 — code generation for NMPC of a stiff distributed-parameter system

Empfehlungsschreiben des CERN (Genf, 10.03.2009): „I recommend Mr. Noga without any reservation.“

Windenergie · ökonomische NMPC

Fortgeschrittene Regelung für Windenergieanlagen im Multi-MW-Bereich

Kontext: IAV GmbH — Regelungsingenieur, F&E zu modellbasierter und fortgeschrittener Regelung von Windenergieanlagen im Multi-MW-Bereich.
Problem: Größere Rotoren machen Anlagen flexibler und stärker gekoppelt. Die Regelung muss Energieertrag, Strukturlasten, Stellgliedbeanspruchung und Stabilität über wechselnde Windregime ausbalancieren.
Dynamik und Randbedingungen: Flexibler Turm und Blätter, begrenzte Pitch- und Momentstellglieder, turbulenter Wind, der nur indirekt gemessen wird, und Betriebsbereiche von Teil- bis Volllast.
Bisheriger Ansatz: In der klassischen Anlagenregelung werden Pitch- und Momentregelkreis getrennt eingestellt und über eine übergeordnete Logik zwischen den Betriebsbereichen umgeschaltet.
Lösung: Regelungsorientierte First-Principles-Modellierung und Identifikation; nichtlineare Zustandsschätzung; ökonomische Mehrziel-NMPC; Reglerarchitektur und Anforderungen; Diagnose und Parameteroptimierung; Engineering-Werkzeuge für den wiederholbaren Einsatz fortgeschrittener Regelverfahren.
Umsetzung und Validierung: Modellbasierter Entwurf und Simulation der Regelungsarchitektur sowie Werkzeuge, um fortgeschrittene Regelkonzepte in Richtung Industrieeinsatz zu bringen. Details sind vertraulich.
Ergebnis: Eine modellbasierte Regelungsarchitektur mit Werkzeugen für den Einsatz an Multi-MW-Anlagen; veröffentlichte Arbeit zur ultrakurzfristigen Windgeschwindigkeitsprognose für die Anlagenregelung (IECON 2018).
Erkenntnisse: Bei großen flexiblen Maschinen liegt das Problem oft in der Architektur zwischen den Regelkreisen, nicht in einem einzelnen. Der Wind selbst muss geschätzt werden. Fortgeschrittene Regelung lohnt sich nur, wenn sie wiederholbar einsetzbar ist.
Nachweise: Luna et al., IECON 2018 — super-short-term wind-speed prediction for turbine control

Airborne Wind Energy · Trajektorienoptimierung

Flugautomatisierung und Trajektorienoptimierung für Airborne Wind Energy

Kontext: SkySails Power GmbH, Hamburg — Regelungsingenieur (bis März 2024).
Problem: Einen Prototyp eines gefesselten Kites mit variablem Trimm in Originalgröße zuverlässig fliegen lassen und die Flugbahnen finden, die innerhalb der Systemgrenzen die meiste Leistung erzeugen.
Dynamik und Randbedingungen: Nichtlinearer Flug eines flexiblen, gefesselten Flügels; starke Windstörungen; begrenzte Sensorik an Bord; aerodynamische, mechanische, elektrische, geometrische und betriebliche Beschränkungen.
Bisheriger Ansatz: Übernommene Prototyp-Regelungen, die am realen System eingestellt und verbessert werden mussten.
Lösung: Prototyp-Einstellung und Flugdatenanalyse; Identifikation und modellbasierte Verbesserung der Rückführung; Sollwertanpassung; UKF-basierte Zustandsschätzung; nichtlineare Optimierung von 3-D-Flugbahnen unter Beschränkungen für Kites mit variablem Trimm.
Umsetzung und Validierung: Arbeit am Prototyp in Originalgröße mit Flugdaten; Optimierungs-Workflows für Sollwerte, Leistungsstudien, Sensitivitätsanalysen und Komponentenauslegung; Online-Trajektorienoptimierung für autonome Stromerzeugungsflüge.
Ergebnis: Kontinuierliche Online-Neuplanung für ein hochdynamisches Flugsystem und ein als Paper veröffentlichtes Verfahren zur Trajektorienoptimierung (arXiv 2024).
Erkenntnisse: Bei einem neuen System zuerst den Prototyp nutzbar machen. Ein Trajektorienoptimierer ist nur so gut wie sein Modell und die Beschränkungen, die er einhält. Flugdaten schließen die Lücke zwischen Modell und Wirklichkeit.
Nachweise: Noga et al., arXiv 2024 — 3-D flight-trajectory optimization of variable-trim kites

Arbeitszeugnis der SkySails Power GmbH (Hamburg, 31.03.2024): „…waren wir mit Herrn Noga stets außerordentlich zufrieden.“

Soft-Sensoren · Sensorfusion

Schätzen, was sich nicht direkt messen lässt: ein Sensorfusions-Variometer

Kontext: Eigene Entwicklung (SSDV12) — und dasselbe Schätzmuster wie in den Fällen oben.
Problem: Gleitschirmpiloten brauchen eine schnelle und genaue Steigrate. Barometrische Variometer tauschen Rauschen gegen Verzögerung, und GPS allein ist zu langsam.
Dynamik und Randbedingungen: Druck-, Inertial- und GPS-Messungen mit unterschiedlichem Rauschen, Verzug und Offset; ein Pilot-Schirm-System, das sich in allen Achsen bewegt.
Bisheriger Ansatz: Barometrische Variometer, deren Filterung Rauschen gegen Verzögerung tauscht.
Lösung: First-Principles-Modellierung und ein Sensorfusions-Schätzer, der Druck-, Inertial- und GPS-Messungen kombiniert.
Umsetzung und Validierung: Schätzer entwickelt und in Versuchsflügen getestet; ein Hardware-Prototyp ist geplant.
Ergebnis: Ein funktionierender Schätzansatz — und dasselbe Muster (Modell + vorhandene Sensoren + nichtlineare Schätzung) wie am CERN, bei IAV und bei SkySails.
Erkenntnisse: Ein Soft-Sensor ist ein Modell plus ein Schätzer. Rauschen, Verzögerung und Offset jedes Sensors müssen explizit modelliert werden.
Nachweise: SSDV12 sensor-fusion variometer — development page

Wie Nachweise geteilt werden

Öffentlich, wo möglich

Veröffentlichungen, Konferenzbeiträge und Zeugnisse belegen die technische Tiefe, ohne vertrauliches Material offenzulegen.

NDA, wo nötig

Bei vielen Industrieprojekten ist der nützlichste Nachweis erst nach einem ersten Fit-Gespräch und gegenseitiger Vertraulichkeit teilbar.

Entscheidungsorientiert

Es geht nicht um Masse, sondern darum zu zeigen, ob der Hintergrund zum konkreten Problem passt.

Ein ähnliches Problem in Regelung, Schätzung oder Optimierung?

Bringen Sie System, Hauptsymptome und harte Randbedingungen mit. Die technische Passung ist meist in 30 Minuten klar.

30-Min Technik-Fit-Call buchen →

← Zurück zur Startseite

Impressum

Datenschutz

Direkter Kontakt