Prädiktive Drehmoment- und Antriebsregelung — MPC im Mikrosekundenbereich

Warum das relevant ist (Zusammenfassung für Entscheider)

• Elektrische Antriebe und Leistungsumrichter sind kritische Anlagen in der Öl- und Gasverdichtung, der industriellen Turbomaschinen­technik und der Präzisionsfertigung. Ungeplante Ausfälle verursachen Stillstandszeiten von Stunden bis Tagen.
• Model Predictive Control auf Antriebsebene optimiert Schaltzustands­sequenzen in Echtzeit (10—100 Mikrosekunden-Zyklen) und liefert messbare Verbesserungen bei Drehmomentqualität, Effizienz und Fehlertoleranz.
• Referenzimplementierungen berichten: partielles Drehmoment-Ride-Through während Netzspannungseinbrüchen bei 42-MW-Verdichtersträngen, bis zu 50 % Reduktion der Schaltverluste, 27 % Drehmomentripple-Reduktion bei Reluktanzmotoren sowie Erhöhung der Servobandbreite von 147 Hz auf 208 Hz.
• Das Muster ist auf alle Systeme mit Elektromotoren, Umrichtern oder berührungslosen Lagern anwendbar, bei denen Drehmomentqualität, Effizienz oder Störungsausregelung die Produktqualität oder die Verfügbarkeit direkt beeinflussen.

Das Entwurfsmuster erklärt

MPC auf Antriebsebene operiert auf der schnellsten Zeitskala innerhalb der MPC-Familie. Anstatt glatte, kontinuierliche Sollwerte zu berechnen, wählt der Regler aus einer endlichen Menge von Umrichter-Schaltzuständen (Finite-Set MPC) oder löst ein schnelles QP, um optimale Spannungsvektoren zu ermitteln — alle 10 bis 100 Mikrosekunden.

Der wesentliche Unterschied zu prozessebenenübergeordneter MPC liegt in der diskreten Natur der Stellgröße: Ein dreiphasiger Umrichter hat eine begrenzte Anzahl gültiger Schaltkombinationen. Finite-Set MPC enumeriert diese Zustände und wertet eine Kostenfunktion (Drehmomenten­fehler, Flussfehler, Schaltverluste) aus, um bei jedem Schritt den besten Zustand auszuwählen. Für längere Horizonte halten Baumsuch- oder Sphere-Decoding-Verfahren den Rechenaufwand beherrschbar.

Die Architektur besteht typischerweise aus: Strom-/Flussschätzung aus elektrischen Messungen, einem prädiktiven Modell der motorischen Elektromagnetik, einem Kostenfunktions-Optimierer auf dedizierter Hardware (DSP, FPGA oder industriellem Regler) sowie Schutzlogik, die mit prozessebenenübergeordneten Systemen koordiniert.

Drei grundlegende Optimierungsansätze bei MPC auf Antriebsebene: Prädiktive Regelung auf Antriebsebene umfasst drei fundamental verschiedene Formulierungen — eine Verwechslung ist wichtig zu vermeiden. Finite-Set MPC (FS-MPC / MPTC / MPDTC): Ein Umrichter hat eine diskrete, endliche Menge gültiger Schaltzustände (typischerweise 8 für einen zweistufigen dreiphasigen Umrichter). Der Optimierer enumeriert diese Zustände über den Prädiktionshorizont und wählt die beste Sequenz durch Auswertung einer Kostenfunktion — es wird weder QP noch NLP gelöst. Dies macht FS-MPC extrem schnell und von Natur aus geeignet für Mikrosekundenzeit­skalen, jedoch schränkt der diskrete Aktionsraum das erreichbare Drehmomentripple gegenüber Reglern mit kontinuierlichem Eingang ein. Lineares MPC (QP): Für Anwendungen mit kontinuierlicher Spannungsregelung (Positionsregelung aktiver Magnetlager, PMSM mit kontinuierlicher Modulation) ergibt die linearisierte elektromagnetische oder mechanische Dynamik ein konvexes Quadratisches Programm — schnell, global optimal und direkt auf DSP-Hardware einsetzbar. Nichtlineares MPC (NMPC): Wenn die Dynamik inhärent nichtlinear ist — beispielsweise beim offenen Magnetschwebesystem, bei dem die Kraft-Spalt-Beziehung stark nichtlinear ist — wird das vollständige nichtlineare Modell in einem nicht-konvexen NLP verwendet. Solver-Performance und Initialisierung sind kritisch; die Ergebnisse übertreffen PID, jedoch mit deutlich höherem Rechenaufwand. Die nachfolgenden Anwendungen sind nach Typ gekennzeichnet.

Anwendungen & Referenzimplementierungen

Anwendung 1: MPTC auf ABB MEGADRIVE-LCI — Gasverdichter-Ride-Through und schwere Industrieantriebe

ABBs MEGADRIVE-LCI ist ein kommerziell verfügbarer Mittelspannungsantrieb für Synchronmotoranwendungen von 2 bis 150 MW, bei dem Model Predictive Torque Control (MPTC) ein Kernmerkmal ist. MPTC optimiert die Schaltzustandssequenz des lastkommutierten Umrichters alle 1 ms auf einem ABB AC 800PEC-Regler, liefert eine Umrichtereffizienz von über 99 % und bewältigt Eingangsspannungsstörungen von +20 % / −50 % mit Derating. Die kritische Öl- und Gas-Anwendung ist das partielle Drehmoment-Ride-Through bei Netzspannungseinbrüchen: Bei Statoils Verdicheranlagen in Kollsnes (2 × 42,2 MW) und Karstoe (3 × 7,5 MW) riskierte das konventionelle Null-Drehmoment-Ride-Through Verdichtersurge und Wiederanlaufzeiten von Stunden bis Tagen. Mit MPTC maximiert der Regler das realisierbare partielle Drehmoment unter Einhaltung der Stromgrenzen — bei einem dokumentierten Spannungseinbruch vor Ort (0,3 pu für ca. 80 ms) stellte MPTC ca. 0,23 pu Nenndrehmoment wieder her und schützte so den Verdichterbetrieb erfolgreich. Diese einzelne Anwendungsklasse — Hochleistungs-Synchronmotorantriebe mit Spannungseinbruch-Ride-Through — demonstriert, dass prädiktive Regelung messbaren Verfügbarkeits­nutzen im MW-Maßstab liefert. ¹²³⁴⁵

Anwendung 2: Erweitertes FS-MPC für Geschaltete Reluktanzmotoren — Drehmomentripple-Reduktion

Geschaltete Reluktanzmotoren (SRMs) sind aufgrund ihres magnetfreien Aufbaus attraktiv, leiden jedoch unter erheblichem Drehmomentripple, insbesondere bei niedrigen Drehzahlen. Ein erweiterter Finite-Set-MPC-Ansatz mit einer einzigen Kostenfunktion (ohne Gewichtungsfaktor-Abstimmung) wurde experimentell evaluiert und zeigte eine Drehmomentripple-Reduktion von 27,14 % bei 600 U/min gegenüber konventionellen Verfahren. Die Standardabweichung des Drehmomentripples wurde mit 1,074 Nm gemessen. Dies zeigt, dass prädiktive Regelung eine der wesentlichen Barrieren für die industrielle Verbreitung von SRMs überwinden kann. ⁶

Anwendung 3: Langzeithorizont-MPDTC für PMSM — Optimierung von Schaltverlusten und THD

Model Predictive Direct Torque Control (MPDTC) wurde für einen Permanentmagnet-Synchronmotor mit einem dreistufigen Spannungszwischenkreisumrichter evaluiert, mit Prädiktionshorizonten von bis zu 150 Zeitschritten. Die Simulationsstudie berichtete eine Reduktion von Schaltverlusten und Schaltfrequenz um bis zu 50 % sowie eine Reduktion des Total Harmonic Distortion (THD) des Drehmoments um 25 %, während der Strom-THD unverändert blieb. Prädiktive Regelung mit langem Horizont ermöglicht es dem Optimierer, Schaltsequenzen zu planen, die Verluste über erweiterte Fenster minimieren, anstatt bei jedem Schritt gierig zu agieren. ⁷

Anwendung 4: Online-MPC-Drehmomentregelung auf eingebettetem DSP — PMSM-Antriebe

Ein Online-MPC-Drehmomenten­regler für einen PMSM wurde als Quadratisches Programm formuliert und in Echtzeit auf einem kostengünstigen Digital Signal Processor gelöst. Dies zeigt, dass nebenbedingungsbewusste prädiktive Drehmomentregelung keine teure Rechenhardware erfordert. Die Processor-In-the-Loop-Auswertung bestätigte die Machbarkeit sowohl in Bezug auf Rechenzeit als auch Speicherbedarf, mit verbesserten Drehmomantdynamiken gegenüber einem konventionellen Regler. Dies ist bedeutsam, weil es zeigt, dass MPC auf der gleichen Hardware-Klasse eingesetzt werden kann, die bereits in Standard-Industrieantrieben vorhanden ist. ⁸

Anwendung 5: Offset-freies MPC für Aktive Magnetlager — Turbomaschinen

Eine offset-freie MPC-Formulierung wurde auf ein kegelförmiges Aktives Magnetlager (AMB)-System an einem Turboverdichter-Prüfstand angewendet. Der zentralisierte Positionsregler läuft mit 4 kHz, wobei die ADC-Wandlung durch einen 20-kHz-PWM-Träger ausgelöst wird. Aktive Magnetlager levitieren rotierende Wellen berührungslos, und prädiktive Regelung ermöglicht Schwingungsunterdrückung und offset-freies Positions­tracking unter Störungen — kritisch für schnell laufende Turbomaschinen, bei denen ein Lagerversagen zum sofortigen Abschalten führt. ⁹

Anwendung 6: NMPC für Magnetschwebetechnik — Experimenteller Vergleich mit PID

Ein Echtzeit-NMPC-Ansatz mit einem sich entwickelnden linearisierten Modell innerhalb der Optimierungsschleife wurde experimentell an einer schnellen nichtlinearen Magnetschwebepflanze demonstriert. Im Vergleich zu einer PID-Referenz zeigte NMPC bessere Regelleistung bei höherem Rechenaufwand. Dieses Laborer­gebnis verdeutlicht den fundamentalen Vorteil prädiktiver Regelung für nichtlineare, im offenen Kreis instabile Systeme, bei denen die PID-Abstimmung inhärent begrenzt ist. ¹⁰

Was das für Ihren Betrieb bedeutet

• Jedes System mit hochwertigen rotierenden Anlagen (Verdichter, Turbinen, Präzisionsspindeln) kann von prädiktiver Regelung auf Antriebsebene profitieren.
• Fault-Ride-Through ist besonders wertvoll, wo ungeplante Ausfälle hohe Folgekosten haben — Gasverdichtung, kontinuierliche chemische Prozesse, Halbleiterfertigung.
• Verbesserungen der Drehmomentqualität reduzieren direkt Schwingungen, Lärm und mechanischen Verschleiß und verlängern die Lebensdauer der Anlage.
• Eingebettete Machbarkeit bedeutet, dass MPC häufig auf vorhandener Antriebshardware oder mit minimalen Rechenupgrades eingesetzt werden kann.

Wie wir liefern (Engagement-Modell)

• Phase 0: NDA + Datenanfrage — Charakterisierung von Antriebstopologie, Motorparametern, Netzbedingungen und Schutzlogik.
• Phase 1: Discovery mit festem Umfang — simulationsbasierte Machbarkeit, Regelungsarchitekturkonzept und erwartete KPI-Verbesserungen.
• Phase 2: Implementierung + Validierung + Inbetriebnahme — Reglerentwurf, Hardware/Processor-In-the-Loop-Tests, Feldinbetriebnahme.
• Phase 3: Monitoring + Schulung + Skalierung — Integration mit prozessebenenübergeordnetem Schutz, Bedienerschulung und Flotten-Rollout.

Typische KPIs zur Verfolgung

• Drehmomentqualität: Drehmomentripple (Nm, %), THD, Schwingungspegel
• Effizienz: Schaltverluste (W), Umrichtereffizienz (%)
• Fehlertoleranz: Ride-Through-Erfolgsrate, vermiedene Ausfall­zahl, mittlere Wiederherstellungszeit
• Verfügbarkeit: ungeplante Stillstandsstunden pro Jahr, Wiederanlaufhäufigkeit

Risiken & Voraussetzungen

• Echtzeit-Rechenbudget: MPC auf Antriebsebene erfordert Lösezeiten im Submillisekunden­bereich. Explizites MPC (vorberechnete Lookup-Tabellen) oder FPGA-basierte Solver können für die schnellsten Anwendungen erforderlich sein.
• Modellgenauigkeit bei Drehzahl: Motorparameter (Induktivität, Flussverkettung) müssen genau charakterisiert werden. Parameter­schätzung oder adaptive Ansätze können erforderlich sein.
• Schutzkoordination: MPC-Ride-Through muss mit vorhandenen Schutzrelais und prozessebenenübergeordneten Sicherheitssystemen koordiniert werden. Zeitbasierter Schutz kann ansprechen, bevor MPC reagieren kann, wenn er nicht neu konfiguriert wird.
• Regulatorische und Sicherheitszertifizierung: Änderungen auf Antriebsebene in sicherheits­kritischen Anwendungen (Öl & Gas, Kernkraft) erfordern eine Funktionssicherheits­bewertung und können SIL-zertifizierte Implementierungen erfordern.

FAQ

F: Kann MPC auf Antriebsebene in bestehende Motorantriebe nachgerüstet werden? In vielen Fällen ja. Wenn der Antriebsregler über ausreichend Rechenkapazität verfügt (DSP oder dediziertes FPGA), kann MPC als Firmware-Update implementiert werden. Bei älteren Antrieben kann ein externes Rechenmodul erforderlich sein.

F: Wie verhält sich Finite-Set MPC im Vergleich zur feldorientierten Regelung (FOC)? FOC verwendet einen Modulator, um Schaltmuster aus kontinuierlichen Spannungsreferenzen zu erzeugen. Finite-Set MPC eliminiert den Modulator und wählt Schaltzustände direkt aus, was eine engere Nebenbedingungshandhabung und oft geringere Schaltverluste ermöglicht, jedoch mehr Rechenaufwand pro Regelzyklus erfordert.

F: Ist das auch für kleinere Motoren (unter 1 MW) relevant? Absolut. Die PMSM- und SRM-Beispiele auf dieser Seite liegen im Bereich unter 100 kW. Die Prinzipien gelten über das gesamte Leistungsspektrum — von Präzisions-Servomotoren bis zu 150-MW-Verdichterantrieben.

30-minütigen Discovery-Call buchen

Bereit zu erkunden, ob dieses Muster zu Ihrem System passt?

Dr. Rafal Noga — Unabhängiger APC/MPC-Berater

E-Mail | noga.es

Fester Projektumfang — NDA zuerst — DACH-Vor-Ort-Einsätze möglich

Öffentliche Referenzen

Footnotes

1. ABB, “ABB’s Model Predictive Torque Control (MPTC) protects against gas supply interruptions” (ABB Highlights, 2016). Link ↩

2. ABB, “Partial Torque Ride Through with Model Predictive Control” (PCIC Europe, 2016). PDF ↩

3. ABB, “Electric driven gas compressor control (MPTC + DT2S)” (ABB Review, 2017). PDF ↩

4. ABB, “MEGADRIVE-LCI product page” (ABB). Link ↩

5. ABB, “MEGADRIVE-LCI technical data” (ABB). Link ↩

6. Deepak et al., “Experimental analysis of enhanced FS-MPC and DTC in SRM drives” (Scientific Reports, 2024). Link ↩

7. Geyer et al., “Model Predictive Direct Torque Control of PMSM” (ECCE, 2010). PDF ↩

8. Cimini et al., “Online Model Predictive Torque Control for PMSM” (ICIT, 2015). PDF ↩

9. Castellanos et al., “Offset-Free MPC for a Cone-shaped Active Magnetic Bearing System” (Politecnico di Torino, 2021). PDF ↩

10. Novotny, “Magnetic levitation: real-time NMPC demonstrated experimentally vs PID baseline” (Springer, 2025). Link ↩

📅 Bei Calendly buchen