The H_infinity control problem is studied for linear constant coefficient descriptor systems. Necessary and sufficient optimality conditions as well as controller formulas are derived in terms of deflating subspaces of even matrix pencils for problems of arbitrary index. A structure preserving method for computing these subspaces is introduced. In combination these results allow the derivation of a numerical algorithm with advantages over the classical methods.

Steuerungsprobleme treten in vielen Anwendungen in Naturwissenschaft und Technik auf. In dieser Arbeit werden Optimalsteuerungsprobleme mit semilinearen elliptischen partiellen Differentialgleichungen als Nebenbedingungen untersucht. Die Kontrolle wird durch Kontrollschranken als Ungleichungsnebenbedingungen eingeschränkt. Dabei ist die Zielfunktion quadratisch in der Kontrolle. Die Lösung des Optimierungsproblems kann dann durch die Projektionsbedingung mit Hilfe des adjungierten Zustandes dargestellt werden. Ein neuer Zugang ist die variationelle Diskretisierung. Bei dieser wird nur der Zustand und der adjungierte Zustand diskretisiert, nicht aber der Raum der Kontrollen. Dieser Zugang erlaubt höhere Konvergenzraten für die Kontrolle für kontrollrestingierte Probleme als bei einer Diskretisierung des Kontrollraumes. Die Projektionsbedingung für das variationell diskretisierte Problem ist dabei auf die gleiche zulässige Menge wie beim nicht diskretisierten Problem. In der vorliegenden Arbeit wird die Methode der variationellen Diskretisierung auf semilineare elliptische Optimalkontrollprobleme angewendet und Fehlerabschätzungen für die Kontrollen bewiesen. Dabei wird hauptsächlich auf die verteilte Steuerung Wert gelegt, aber auch die Neumann-Randsteuerung mitbehandelt. Nach einem Überblick über die Literatur wird die Aufgabenstellung mit den Voraussetzungen aufgeschrieben und die Optimalitätsbedingungen angegeben. Danach wird die Existenz einer Lösung, sowie die Konvergenz der diskreten Lösungen gegen eine kontinuierliche Lösung gezeigt. Außerdem werden Finite-Elemente-Konvergenzordnungen angegeben. Dann werden optimale Fehlerabschätzungen in verschiedenen Normen für die variationelle Kontrolle bewiesen. Insbesondere werden die Fehlerabschätzung in Abhängigkeit vom Finite-Elemente-Fehler des Zustandes und des adjungierten Zustandes angegeben. Dabei wird die nichtlineare Fixpunktgleichung mittels semismooth Newtonverfahrens linearisiert. Das Newtonverfahren wird auch für die numerische Lösung des Problems eingesetzt. Die Voraussetzung für die Konvergenzordnung ist dabei nicht die SSC, die hinreichende Bedingung zweiter Ordnung, welche eine lokale Konvexität in der Zielfunktion impliziert, sondern die Invertierbarkeit des Newtonoperators. Dies ist eine stationäre Bedingung in der optimalen Kontrolle. Dabei wird nur benötigt, dass der Rand der aktiven Menge eine Nullmenge ist und die Invertierbarkeit des Newtonoperators in der Optimallösung. Der Schaudersche Fixpunktsatz wird benutzt, um für die Newtongleichung die Existenz eines Fixpunktes innerhalb der gewünschten Umgebung zu beweisen. Außerdem wird die Eindeutigkeit eines solchen Fixpunktes für eine gegebene Triangulation bei hinreichend feiner Diskretisierung gezeigt. Das Ergebnis ist, dass die Konvergenzrate nur durch die Finite-Elemente-Konvergenzraten von Zustand und adjungiertem Zustand beschränkt wird. Diese Rate wird nicht nur durch die Ansatzfunktionen, sondern auch durch die Glattheit der rechten Seite beschränkt, so dass der Knick am Rand der aktiven Menge hier ein Grenze setzt. Außerdem wird die Implementation des semismooth Newtonverfahrens für den unendlichdimensionalen Kontrollraum für die variationelle Diskretisierung erläutert. Dabei wird besonders auf den zweidimensionalen verteilten Fall eingegangen. Es werden die bewiesenen Konvergenzraten an einigen semilinearen und linearen Beispielen mittels der variationellen Diskretisierung demonstriert. Es entsprechen sich die bei den analytische Beweisen und der numerischen Lösung eingesetzten Verfahren, die Fixpunktiteration sowie das nach Kontrolle oder adjungiertem Zustand aufgelöste Newtonverfahren. Dabei sind einige Besonderheiten bei der Implementation zu beachten, beispielsweise darf die Kontrolle nicht inkrementell mit dem Newtonverfahren oder der Fixpunktiteration aufdatiert werden, sondern muss in jedem Schritt neu berechnet werden.

Optimal control (motion planning) of the free interface in classical two-phase Stefan problems is considered. The evolution of the free interface is modeled by a level set function. The first-order optimality system is derived on a formal basis. It provides gradient information based on the adjoint temperature and adjoint level set function. Suitable discretization schemes for the forward and adjoint systems are described. Numerical examples verify the correctness and flexibility of the proposed scheme.

Bei der Kristallzüchtung insbesondere von Halbleitern hat die Form des freien Randes (dem Interface zwischen fester und flüssiger Phase) einen starken Einfluss auf die Qualität des Kristalls. Die Dissertation befasst sich mit der Optimalsteuerung der Form und des Verlaufs des freien Randes. Als Vorlage für die in der Arbeit betrachteten Modellkonfigurationen dient das VGF-Verfahren (Vertical Gradient Freeze). Der Erstarrungsprozess wird durch ein Zweiphasen-Stefan-Problem mit durch Konvektion und Lorentzkräfte getriebener Strömung beschrieben. Der freie Rand wird als Graph formuliert. Das Kontrollziel besteht in der Ansteuerung eines gewünschten Verlaufs des freien Randes. Als Kontrollgrößen dient die Temperatur auf der Wand des Schmelztiegels und/oder wandnahe oder verteilte Lorentzkräfte. Das Kontrollziel wird durch Minimierung eines geeigneten Kosten-Funktionals erreicht. Das daraus resultierende Minimierungsproblem wird mit einem Adjungierten-Ansatz gelöst. Anhand numerischer Experimente mit Aluminium und Gallium-Arsenid Schmelzen wird gezeigt, das das vorgestellte Verfahren gut funktioniert.

This thesis addresses optimal control problems with elasticity for large deformations. A hyperelastic model with a polyconvex energy density is employed to describe the elastic behavior of a body. The two approaches to derive the nonlinear partial differential equation, a balance of forces and an energy minimization, are compared. Besides the conventional volume and boundary loads, two novel internal loads are presented. Furthermore, curvilinear coordinates and a hierarchical plate model can be incorporated into the formulation of the elastic forward problem. The forward problem can be solved with Newton\\\'s method, though a globalization technique should be used to avoid divergence of Newton\\\'s method. The repeated solution of the Newton system is done by a CG or MinRes method with a multigrid V-cycle as a preconditioner. The optimal control problem consists of the displacement (as the state) and a load (as the control). Besides the standard tracking-type objective, alternative objective functionals are presented for problems where a reasonable desired state cannot be provided. Two methods are proposed to solve the optimal control problem: an all-at-once approach by a Lagrange-Newton method and a reduced formulation by a quasi-Newton method with an inverse limited-memory BFGS update. The algorithms for the solution of the forward problem and the optimal control problem are implemented in the finite-element software FEniCS, with the geometrical multigrid extension FMG. Numerical experiments are performed to demonstrate the mesh independence of the algorithms and both optimization methods.

The H_infinity control problem is studied for linear constant coefficient descriptor systems. Necessary and sufficient optimality conditions as well as controller formulas are derived in terms of deflating subspaces of even matrix pencils for problems of arbitrary index. A structure preserving method for computing these subspaces is introduced. In combination these results allow the derivation of a numerical algorithm with advantages over the classical methods.

Steuerungsprobleme treten in vielen Anwendungen in Naturwissenschaft und Technik auf. In dieser Arbeit werden Optimalsteuerungsprobleme mit semilinearen elliptischen partiellen Differentialgleichungen als Nebenbedingungen untersucht. Die Kontrolle wird durch Kontrollschranken als Ungleichungsnebenbedingungen eingeschränkt. Dabei ist die Zielfunktion quadratisch in der Kontrolle. Die Lösung des Optimierungsproblems kann dann durch die Projektionsbedingung mit Hilfe des adjungierten Zustandes dargestellt werden. Ein neuer Zugang ist die variationelle Diskretisierung. Bei dieser wird nur der Zustand und der adjungierte Zustand diskretisiert, nicht aber der Raum der Kontrollen. Dieser Zugang erlaubt höhere Konvergenzraten für die Kontrolle für kontrollrestingierte Probleme als bei einer Diskretisierung des Kontrollraumes. Die Projektionsbedingung für das variationell diskretisierte Problem ist dabei auf die gleiche zulässige Menge wie beim nicht diskretisierten Problem. In der vorliegenden Arbeit wird die Methode der variationellen Diskretisierung auf semilineare elliptische Optimalkontrollprobleme angewendet und Fehlerabschätzungen für die Kontrollen bewiesen. Dabei wird hauptsächlich auf die verteilte Steuerung Wert gelegt, aber auch die Neumann-Randsteuerung mitbehandelt. Nach einem Überblick über die Literatur wird die Aufgabenstellung mit den Voraussetzungen aufgeschrieben und die Optimalitätsbedingungen angegeben. Danach wird die Existenz einer Lösung, sowie die Konvergenz der diskreten Lösungen gegen eine kontinuierliche Lösung gezeigt. Außerdem werden Finite-Elemente-Konvergenzordnungen angegeben. Dann werden optimale Fehlerabschätzungen in verschiedenen Normen für die variationelle Kontrolle bewiesen. Insbesondere werden die Fehlerabschätzung in Abhängigkeit vom Finite-Elemente-Fehler des Zustandes und des adjungierten Zustandes angegeben. Dabei wird die nichtlineare Fixpunktgleichung mittels semismooth Newtonverfahrens linearisiert. Das Newtonverfahren wird auch für die numerische Lösung des Problems eingesetzt. Die Voraussetzung für die Konvergenzordnung ist dabei nicht die SSC, die hinreichende Bedingung zweiter Ordnung, welche eine lokale Konvexität in der Zielfunktion impliziert, sondern die Invertierbarkeit des Newtonoperators. Dies ist eine stationäre Bedingung in der optimalen Kontrolle. Dabei wird nur benötigt, dass der Rand der aktiven Menge eine Nullmenge ist und die Invertierbarkeit des Newtonoperators in der Optimallösung. Der Schaudersche Fixpunktsatz wird benutzt, um für die Newtongleichung die Existenz eines Fixpunktes innerhalb der gewünschten Umgebung zu beweisen. Außerdem wird die Eindeutigkeit eines solchen Fixpunktes für eine gegebene Triangulation bei hinreichend feiner Diskretisierung gezeigt. Das Ergebnis ist, dass die Konvergenzrate nur durch die Finite-Elemente-Konvergenzraten von Zustand und adjungiertem Zustand beschränkt wird. Diese Rate wird nicht nur durch die Ansatzfunktionen, sondern auch durch die Glattheit der rechten Seite beschränkt, so dass der Knick am Rand der aktiven Menge hier ein Grenze setzt. Außerdem wird die Implementation des semismooth Newtonverfahrens für den unendlichdimensionalen Kontrollraum für die variationelle Diskretisierung erläutert. Dabei wird besonders auf den zweidimensionalen verteilten Fall eingegangen. Es werden die bewiesenen Konvergenzraten an einigen semilinearen und linearen Beispielen mittels der variationellen Diskretisierung demonstriert. Es entsprechen sich die bei den analytische Beweisen und der numerischen Lösung eingesetzten Verfahren, die Fixpunktiteration sowie das nach Kontrolle oder adjungiertem Zustand aufgelöste Newtonverfahren. Dabei sind einige Besonderheiten bei der Implementation zu beachten, beispielsweise darf die Kontrolle nicht inkrementell mit dem Newtonverfahren oder der Fixpunktiteration aufdatiert werden, sondern muss in jedem Schritt neu berechnet werden.

Bei der Kristallzüchtung insbesondere von Halbleitern hat die Form des freien Randes (dem Interface zwischen fester und flüssiger Phase) einen starken Einfluss auf die Qualität des Kristalls. Die Dissertation befasst sich mit der Optimalsteuerung der Form und des Verlaufs des freien Randes. Als Vorlage für die in der Arbeit betrachteten Modellkonfigurationen dient das VGF-Verfahren (Vertical Gradient Freeze). Der Erstarrungsprozess wird durch ein Zweiphasen-Stefan-Problem mit durch Konvektion und Lorentzkräfte getriebener Strömung beschrieben. Der freie Rand wird als Graph formuliert. Das Kontrollziel besteht in der Ansteuerung eines gewünschten Verlaufs des freien Randes. Als Kontrollgrößen dient die Temperatur auf der Wand des Schmelztiegels und/oder wandnahe oder verteilte Lorentzkräfte. Das Kontrollziel wird durch Minimierung eines geeigneten Kosten-Funktionals erreicht. Das daraus resultierende Minimierungsproblem wird mit einem Adjungierten-Ansatz gelöst. Anhand numerischer Experimente mit Aluminium und Gallium-Arsenid Schmelzen wird gezeigt, das das vorgestellte Verfahren gut funktioniert.

An assessment study of a novel approach is presented that combines discrete state-space Dynamic Programming and Pontryagin’s Maximum Principle for online optimal control of hybrid electric vehicles (HEV). In addition to electric energy storage and gear, kinetic energy and travel time are considered states in this paper. After presenting the corresponding model using a parallel HEV as an example, a benchmark method with Dynamic Programming is introduced which is used to show the solution quality of the novel approach. It is illustrated that the proposed method yields a close-to-optimal solution by solving the optimal control problem over one hundred thousand times faster than the benchmark method. Finally, a potential online usage is assessed by comparing solution quality and calculation time with regard to the quantization of the state space.

Optimal control (motion planning) of the free interface in classical two-phase Stefan problems is considered. The evolution of the free interface is modeled by a level set function. The first-order optimality system is derived on a formal basis. It provides gradient information based on the adjoint temperature and adjoint level set function. Suitable discretization schemes for the forward and adjoint systems are described. Numerical examples verify the correctness and flexibility of the proposed scheme.:1 Introduction 2 Model Equations 3 The Optimal Control Problem and Optimality Conditions 4 Discretization of the Forward and Adjoint Systems 5 Numerical Results 6 Discussion and Conclusion A Formal Derivation of the Optimality Conditions B Transport Theorems and Shape Calculus