Regelungstechnische und regelungstheoretische Methoden haben seit den 1940er bzw. 1950er Jahren weltweit wesentlich zur Weiterentwicklung ingenieurtechnischer Fragestellungen und prinzipieller Probleme beigetragen. Seit den 1970er Jahren liegt der Fokus der wissenschaftlichen Forschung auf der Entwicklung modellbasierter, seit den 1990er Jahren zusätzlich auf der Entwicklung robuster bzw. intelligenter Methoden. Im Lehrstuhl werden darüber hinaus informatikbasierte.

Die Schwerpunkte in diesem Forschungsbereich sind die Erforschung und Entwiclung von

• modellbasierter robuster Methoden zur Regelung und Diagnose technisher Systeme,
• von robusten und zuverlässigen Klassifikationsmethoden sowie auf Methoden
• zur Steigerung der Verlässlichkeit geregelter Systeme, von Diagnosemethoden sowie von Klassifikationsmethoden durch Sensor-, Informations- und Entscheidungsfusion.

Weitere mechatronisch und systemdynamisch geprägte Schwerpunkte befassen sich mit

• hybriden Antriebssystemen und deren topologischer und parametrischer Regelung
• strukturlastenminimierende Regelung von Windkraftanlagen
• der Regelung des Wasserhaushaltes von Nutzpflanzen sowie
• der nichtlinearen Dynamik sehr elastischer Systeme.

Experimentell stehen dem Lehrstuhl hierzu eine Reihe von Versuchsständen zur Verfügung (Elastische Roboter, Hydraulischangetriebener Kran, Hydraulische Positionsregelung, etc. bzw. Verschleißprüfstand, Batterieprüfstand, Fahrsimulator, Autonome Roboter, etc.).

Wichtige, mehrfach peer-reviewte Publikationen der letzten Jahre aus diesem Bereich (Stand März 2015):

• Liu, Y.; Söffker, D.: Robust control approach for input-output linearizable nonlinear systems using high-gain disturbance observer. Int. J. of Robust and Nonlinear Control, Vol. 24, 2014, pp. 326-339.
• Zhang, F.; Söffker, D.: A data-driven quadratic stability condition and its application for stabilizing unknown nonlinear systems. Nonlinear Dynamics, Springer Netherlands, 2014, pp. 1-13.
• Nowak, X.; Söffker, D.: A new model-free stability-based cognitive control method. Proc. ASME 2014 Dynamic Systems and Control (DSC) Conference, Vol. 3, 2014, pp. V003T47A002.
• Al-Shrouf, L.; Saadawia, M.; Söffker, D.: Improved process monitoring and supervision based on a reliable multi-stage feature based pattern recognition technique. Information sciences, 2013, pp. 282-294.
• Liu, Y.; Söffker, D.: Variable high-gain disturbance observer design with online adaption of observer gains embedded in numerical integration. Mathematics and Computers in Simulation, Vol. 82, Issue 5, January, 2012, pp. 847-857.
• Zhang, F.; Söffker, D.: Quadratic Stabilization of a Nonlinear Aeroelastic System Using a Novel Neural-Network-Based Controller. Science in China Series E: Technological Sciences, Vol. 54, No. 5, May, 2011, pp. 1126-1133.
• Shibly, H.; Söffker, D.: Mathematical models of shape memory alloy behavior for online and fast prediction of the hysteretic behavior. Nonlinear Dynamics, Vol. 62, 2010, pp. 53-66.