Banner

Wissenschaftliche/r Mitarbeiter/in (m/w/d)

"Adaptive datengestützte prädiktive Regelung in der Verfahrenstechnik"

Umfang:
Vollzeit        
Vergütung:
Entgeltgruppe 13 TV-L
Befristung:
befristete Stelle
Beginn:
zum nächstmöglichen Zeitpunkt

Die Technische Universität Kaiserslautern und der Campus Landau der Universität Koblenz-Landau wachsen zu einer neuen Technischen Universität zusammen. Wir suchen Sie, um den Start unserer neuen Universität im Jahr 2023 am Standort in Kaiserslautern schon heute mitzugestalten.

Die Technische Universität Kaiserslautern (TUK) steht für Forschungsstärke, gute Lehre und ein weltoffenes und familiäres Miteinander. Mit flachen Hierarchien, moderner Infrastruktur und familienfreundlichen Leistungen ist die einzige Technische Universität in Rheinland-Pfalz eine attraktive Arbeitgeberin, die ihren Beschäftigten zukunftssichere Perspektiven bietet. Hier forscht und lehrt man vor allem in den Bereichen der Natur- und Ingenieurswissenschaften, außerdem in den Sozial-, Wirtschafts- und Planungswissenschaften sowie der Architektur. Über 100 Studiengänge werden an 12 Fachbereichen sowie dem Fernstudienzentrum DISC angeboten und rund 14.500 Studierende und 2.500 Mitarbeiter*innen beleben tagtäglich den naturnahen, grünen Campus. Das Betriebliche Gesundheitsmanagement, der Unisport sowie CampusKultur sorgen für vielfältige Angebote rund um Sport, Gesundheit und Freizeit.

Die TUK steht für die Vielfalt aller Beschäftigten. Wir begrüßen Bewerbungen von allen Interessierten, unabhängig von deren ethnischer und sozialer Herkunft, Alter, Religion, Geschlecht, Behinderung und sexueller Orientierung oder Identität. Personen mit Schwerbehinderung werden bei gleicher Eignung bevorzugt eingestellt (bitte Nachweis hinzufügen). Die TUK strebt in Bereichen, in denen Frauen unterrepräsentiert sind, eine Erhöhung des Frauenanteils an. Bewerbungen von Wissenschaftlerinnen und Wissenschaftlern aus dem Ausland sind ausdrücklich erwünscht. Die Stelle ist grds. auch in Teilzeit besetzbar.

Der Lehrstuhl von Prof. Bajcinca forscht schwerpunktmäßig an modernen Methoden und anspruchsvollen Anwendungen der Regelungs- und Systemtheorie und ist in den drei Hauptsäulen Hybride Systeme und Cyberphysik, Komplexe Dynamische Systeme und Maschinelles Lernen und Steuerung organisiert. Durch die Vernetzung mit einer Vielzahl von nationalen und internationalen Forschungs-, universitären und Industriepartner können regelmäßig Förderprojekte mit hochinteressanten Aufgabenstellungen der modell- und datenbasierten Regelung, Inferenz und Entscheidungsfindung in komplexen technischen und biologischen dynamischen Systeme gewonnen werden. Darüber hinaus verfügt der Lehrstuhl über eine ausgezeichnete Laborausstattung in den Bereichen autonomes Fahren, Robotik und Energiesysteme, welche kontinuierlich weiterentwickelt wird. Für mehr Informationen: (https://www.mv.uni-kl.de/mec/home)

Wir bieten:

Forschungsbereich und Stellenbeschreibung: 

Oft ist es schwierig ein mathematisches Modell unter Verwendung von Grundprinzipien der Physik zu entwickeln. In dieser Situation müssen generierte Prozessdaten und Methoden der Systemidentifikation herangezogen werden. Obwohl dieser Ansatz bereits als zielführend erwiesen hat, hat er bestimmte Nachteile. Es ist nämlich ein zweistufiger Prozess und beide Schritte tragen in sich Optimierungsaufgaben. Somit kann die Gesamtlösung des Entwurfsproblems suboptimal sein. Um dieses Problem umzugehen, wurden kürzlich datengetriebene Regelungsansätze vorgeschlagen. In diesem aus der Verhaltenstheorie (“Behavioral Theory”) stammenden Paradigma wird das Entwurfsproblem direkt aus gemessenen Daten angegangen, ohne das Modell vorher explizit identifizieren zu müssen. 

Das vorliegende Projekt ist Teil des DFG Schwerpunktprogramms SPP2364 - “Autonome Prozesse in der Partikeltechnik” und wird in Zusammenarbeit mit einer Arbeitsgruppe an der TU Dortmund durchgeführt. Hauptziel dabei gilt dem Entwurf von Algorithmen, die eine autonome Steuerung einer Anlage zur Tablettierung und Medikamentenherstellung mittels der Pulververdichtung ermöglichen. Dabei stellt die Pulververdichtung auf einer Rundlauftablettenpresse ein Trockengranulationsverfahren dar, wodurch Pulvermaterialien, die aus mehreren Komponenten bestehen (Arzneimittel, Schmiermittel und andere Hilfsstoffe), in kompakte Formen (Tabletten) zu überführen. 

Die damit verbundenen Aufgaben umfassen:

  • Prozessspezifische datengestützte nichtlineare Modellbildung auf Grundlage des NARX-Ansatzes.
  • Ableitung datengestützter notwendiger und hinreichender Kriterien für strukturelle Eigenschaften wie Steuerbarkeit und Beobachtbarkeit verschiedener Klassen von dynamischen Systemen.
  • Erweiterung des “Fundamentalen Lemmas” auf bestimmte Klassen von nichtlinearen deterministischen bzw. stochastischen Prozessen.
  • Entwicklung von adaptiven datengestützten prädiktiven Regelungsalgorithmen (DPC), die durch den Ansatz der modellprädiktiven Regelung (MPC) inspiriert sind

Unser Anforderungsprofil:

  • Überdurchschnittlicher Master-Abschluss in Elektrotechnik, Mathematik oder einem verwandten Fachgebiet
  • Fortgeschrittene Kenntnisse in Regelungstechnik und numerischer Optimierung, die über den Inhalt der Grundvorlesungen hinausgehen
  • Vertrautheit mit der verhaltensbasierten Systemtheorie ist von Vorteil
  • Hohe Motivation und Bereitschaft mit theoretischen und anwendungsnahen Fragestellungen auseinanderzusetzen
  • Kenntnisse in mindestens einer Programmiersprache: Matlab, Julia oder Python werden erwartet
  • Organisationstalent und Fähigkeit zur Zusammenarbeit mit Forschungspartnern aus verschiedenen Disziplinen
  • Gute Englisch- und/oder Deutschkenntnisse
Zurück zur Übersicht Online-Bewerbung