Arbeitsgruppe Numerik und Steuerung - Angewandte Mathematik - Numerik und Steuerung

Forschung

Die Gruppe forscht auf den Gebieten Nichtlineare Dynamische Systeme, Numerische Integration und Optimale Regelung. Unser Forschungsschwerpunkt liegt in der Entwicklung und Analyse strukturerhaltender Simulationen und optimaler Kontrollmethoden für mechanische, elektrische und hybride Systeme, mit einem breiten Spektrum von Anwendungsbereichen wie Astrodynamik, Antriebstechnik und Robotik.

Aktuelle Forschungsprojekte:

Strukturerhaltende Integration
Optimale Steuerung
Lernen von Hamiltonfunktionen, Variationsprinzipien und Symmetrien
Forschungsprojekt PhoQS
Symplektische Diskretisierungen für optimale Kontrollprobleme in der Mechanik (DFG)
Abgeschlossene Forschungsprojekte

Mehr Information können Sie auf der Forschungsseite finden.

Lehre

Wir betreuen gern Ihre Masterarbeit im Bereich der angewandten Mathematik. Auf unserer Lehr-Seite finden Sie Ideen für mögliche Masterprojekte.

Wir suchen fortlaufend Studierende mit Programmierkenntnissen, die uns bei unseren Forschungsprojekten unterstützen möchten. Bitte kontaktieren Sie uns, wenn Sie an einer Mitarbeit als SHK oder WHB interessiert sind.

Mehr erfahren

Publikationen

Learning of discrete models of variational PDEs from data

C. Offen, S. Ober-Blöbaum, Chaos 34 (2024).

DOI PDF PDF GitHub arXiv

A new Lagrangian approach to control affine systems with a quadratic Lagrange term

S. Leyendecker, S. Maslovskaya, S. Ober-Blöbaum, R.T.S.M. de Almagro, F.O. Szemenyei, Journal of Computational Dynamics 0 (2024) 0–0.

DOI

Learning discrete Lagrangians for variational PDEs from data and detection of travelling waves

C. Offen, S. Ober-Blöbaum, in: F. Nielsen, F. Barbaresco (Eds.), Geometric Science of Information, Springer, Cham., 2023, pp. 569–579.

DOI PDF GitHub arXiv

Variational Learning of Euler–Lagrange Dynamics from Data

S. Ober-Blöbaum, C. Offen, Journal of Computational and Applied Mathematics 421 (2023) 114780.

DOI PDF https://github.com/Christian-Offen/LagrangianShadowIntegration arXiv

Backward error analysis for conjugate symplectic methods

R. McLachlan, C. Offen, Journal of Geometric Mechanics 15 (2023) 98–115.

DOI PDF https://github.com/Christian-Offen/BEAConjugateSymplectic arXiv

Hamiltonian Neural Networks with Automatic Symmetry Detection

E. Dierkes, C. Offen, S. Ober-Blöbaum, K. Flaßkamp, Chaos 33 (2023).

DOI PDF GitHub arXiv

Efficient time stepping for numerical integration using reinforcement learning

M. Dellnitz, E. Hüllermeier, M. Lücke, S. Ober-Blöbaum, C. Offen, S. Peitz, K. Pfannschmidt, SIAM Journal on Scientific Computing 45 (2023) A579–A595.

DOI GitHub arXiv

Multirate Discrete Mechanics and Optimal Control for a Flexible Satelite Model

Y. Lishkova, S. Ober-Blöbaum, S. Leyendecker, Multirate Discrete Mechanics and Optimal Control for a Flexible Satelite Model , Invited Mathematical Magazine Article, 2023.

Variational approach for modelling and optimal control of electrodynamic tether motion

Y. Lishkova, M. Bando, S. Ober-Blöbaum, in: Accepted for the 74th International Astronautical Concress (IAC), 2023.

Discrete Lagrangian Neural Networks with Automatic Symmetry Discovery

Y. Lishkova, P. Scherer, S. Ridderbusch, M. Jamnik, P. Liò, S. Ober-Blöbaum, C. Offen, in: IFAC-PapersOnLine, Elsevier, 2023, pp. 3203–3210.