Flugzeugrotoren und Drohnen robuster machen
- Bild-Infos
- Download
- Ein weiterer Medieninhalt
Mit Hilfe mathematischer Modelle optimieren Forschende an der Hochschule München die Performance technischer Systeme. Diese Systemidentifikation wird jetzt genutzt, um das Verhalten von Flugzeugrotoren oder Drohnen vorauszusagen, die Störanfälligkeit zu minimieren und die Effizienz zu steigern.
München, 19. Januar 2026 – „Unser Ziel ist es, ein Spiegelbild der Realität zu schaffen“, erklärt Sabine Wisbacher. In ihrer Promotionsarbeit entwickelt die Ingenieurin für Luft- und Raumfahrt der Hochschule München (HM) sogenannte lineare mathematische Modelle für unterschiedliche Anwendungen. „Je präziser mathematische Modelle die Realität beschreiben, desto sicherer sind technische Systeme, die mit ihrer Hilfe getestet und gesteuert werden.“
Systemidentifikation
Patentrezepte gibt es bei der Systemidentifikation nicht. Jede Anwendung ist anders. Im Forschungsprojekt ARCTIS werden Rotorblätter für die übernächste Helikopter-Generation entwickelt. Diese soll durch ein adaptives Design leiser und energieeffizienter werden. Die Grundvoraussetzung hierfür: Modelle, die Rotorblätter detailgetreu darstellen können. Nur mit Hilfe solcher Modelle lässt sich – lange bevor die Rotoren gebaut werden – die Performance simulieren und optimieren. Im Forschungsprojekt EndeAR arbeiten Ingenieurinnen und Ingenieure daran, die Flugroute von autonomen Drohnen zu optimieren. Auch hier spielen mathematische Modelle eine Schlüsselrolle: sie müssen während des Fluges aus den gerade ermittelten Daten – beispielsweise Fluggeschwindigkeit, Flughöhe, Geografie der Umgebung und Windgeschwindigkeit – Steuerbefehle generieren, die die Drohne sicher ans Ziel bringen.
„In beiden Forschungsprojekten geht es darum, den Zusammenhang zwischen Eingangs- und Ausgangsgrößen eines Systems – die Systemidentifikation – mathematisch darzustellen. Die Modelle, die sich hierfür eignen, sind allerdings sehr unterschiedlich“, erklärt Wisbacher.
Grey-Box-Modelle: Algorithmen für mehr Sicherheit
Es gibt einmal die Grey-Box-Modelle, die mit bereits vorhandenen Algorithmen arbeiten. Diese Modelle können genutzt werden, wenn der Zusammenhang zwischen Eingangs- und Ausgangsdaten bereits bekannt ist. „Das Ziel der Modellierungen ist es, alle Informationen zu nutzen, um die Performance zu verbessern“, betont Wisbacher. Bei der Modellierung eines Drohnenfluges beispielsweise nutzt das Team an der Hochschule München die Bewegungsgleichungen, Messungen aus Windkanal- und Freiflugversuchen, sowie aktuelle Wetter- beziehungsweise Bilddaten zur Identifikation von Hindernissen. Mit Hilfe all diesen Informationen lässt sich die automatische Steuerung trainieren, störunanfälliger und damit robuster machen.
Black-Box-Modelle: aus Ergebnissen lernen
Black-Box-Modelle kommen dagegen zum Einsatz, wenn das Ergebnis noch offen ist. In diesen Fällen müssen die Algorithmen, die das Modell steuern, erst identifiziert werden. Dabei arbeiten sich die Forschenden vom Bekannten zum Unbekannten vor. Bei der Simulierung einer künftigen adaptiven Rotorsteuerung für die übernächste Helikopter-Generation wird das Modell mit bekannten Ausgangsdaten beziehungsweise den dazugehörigen Ergebnissen trainiert. Das System lernt durch Abgleich dieser Daten, Ergebnisse vorauszusagen: beispielweise, inwieweit Akuatoren, die in ein Helikopter-Rotorblatt zur Umsetzung der Steuerung integriert werden, in der Lage sind, das Profil des Blattes zu verändern und die Effizienz zu steigern. „Im nächsten Schritt geht es darum, Black-Box-Modellierungen so zu modifizieren, dass man sie in Zukunft, wenn der Helikopter tatsächlich gebaut wird und abhebt, direkt nutzen kann, um die Aktuatoren während des Fluges zu steuern und das Profil entsprechend anzupassen“, erläutert Wisbacher.
„Dank der verschiedenen linearen mathematischen Modelle lässt sich die Performance technischer Systeme verbessern“, resümiert Daniel Ossmann, Professor an der Fakultät für Maschinenbau, Fahrzeugtechnik, Flugzeugtechnik der HM. „Die Forschungsprojekte ACTIS und EndeAR zeigen, dass sich mit Hilfe der Systemidentifikation tatsächlich Steuerungen entwickeln lassen, die zum Beispiel während eines Hubschrauber- oder Drohnenfluges Energie sparen beziehungsweise die Sicherheit erhöhen und dadurch die gesamten Systeme robuster machen können.“
Gerne vermitteln wir einen Interviewtermin mit Promovendin Sabine Wisbacher und Prof. Dr. Daniel Ossmann.
Kontakt: Christiane Taddigs-Hirsch unter T 089 1265-1911 oder per Mail.
Publikationen:
Felix Biertümpfel, Sabine Wisbacher, Harald Pfifer, Daniel Ossmann (2024): Periodic Robust Control of a Wind Turbine. In: AIAA SCITECH 2024 Forum. doi.org/10.2514/6.2024-2298
Frederik Thiele, Sabine Wisbacher, Sabin Diaconescu, Daniel Ossmann, Harald Pfifer (2023): Periodic LQG Wind Turbine Control with Adaptive Load Reduction
In: IFAC-PapersOnLine. https://doi.org/10.1016/j.ifacol.2023.10.1168
Sabine Wisbacher, Jürgen Frey, Harald Pfifer und Daniel Ossmann: Data-Driven System Identification of an Active Helicopter Rotor Blade. CEAS Aeronautical Journal 2026 (im Erscheinen)
Sabine Wisbacher und Daniel Ossmann: Optimized Model-Free Extremum Seeking Control for Morphing Rotor Systems. 12th Int. Conference on Control, Decision and Information Technologies, 2026 (im Erscheinen)
ARCTIS
Das Projekt ARCTIS – Reglerentwicklung für einen Hubschrauberrotor mit formadaptivem Wölbungsmechanismus – lief von 07/2022-10/2025 und wurde vom Bundesministerium für Wirtschaft und Energie (BMWE) gefördert. Es untersuchte aktive Rotorsysteme, die gegenüber herkömmlichen Helikopterrotoren weitere Freiheitsgrade bieten, mit denen zusätzliche Regelziele wie Leistungs- und Lärmreduktion erreicht werden können. In dem Projekt ARCTIS wurde dazu ein aktiver Mechanismus zur Änderung der Blattwölbung im Betrieb von der HM untersucht und entwickelt. Projektpartner waren die TU München und die TU Dresden.
EndeAR
Das Projekt EndeAR – Energieeffiziente, datengetriebene UAS Trajektorienoptimierung unter Berücksichtigung makro- und mikrometeorologischer Randbedingungen – lief von 01/2024-12/2025 und wird gefördert vom Bundesministerium für Verkehr (BMV). Es untersucht ein datenbasiertes System für die energieeffiziente Berechnung von Drohnenflugrouten, welches verfügbare Wetter- und Sensordaten verarbeitet. Dabei entstand an der HM eine modulare Datapipeline, die verschiedene Datenquellen für die Bestimmung energieoptimaler Routen aufbereitet, verarbeitet und der Flugroutenoptimierung zur Verfügung stellt. Projektpartner ist die TU Dresden.
Hochschule München Die Hochschule München ist mit über 500 Professorinnen und Professoren, 820 Lehrbeauftragten und über 18.500 Studierenden eine der größten Hochschulen für angewandte Wissenschaften Deutschlands. In den Bereichen Technik, Wirtschaft, Soziales und Design bietet sie rund 100 Bachelor- und Masterstudiengänge an. Exzellent vernetzt am Wirtschaftsstandort München, arbeitet sie eng mit Unternehmen und Institutionen zusammen und engagiert sich in praxisnaher Lehre und anwendungsorientierter Forschung. Die HM belegt im Gründungsradar des Stifterverbands deutschlandweit erneut den ersten Platz unter den großen Hochschulen und Universitäten. Neben Fachkompetenzen vermittelt sie ihren Studierenden unternehmerisches und nachhaltiges Denken und Handeln. Ausgebildet im interdisziplinären Arbeiten und interkulturellen Denken gestalten ihre Graduierten eine digital und international vernetzte Arbeitswelt mit. In Rankings zählen sie bei Arbeitgebenden zu den Gefragtesten in ganz Deutschland. hm.edu
