Meerpohl, ChristianChristianMeerpohl2025-06-252025-06-252025-05-27https://media.suub.uni-bremen.de/handle/elib/22107https://doi.org/10.26092/elib/4110Die Exploration extraterrestrischer Umgebungen, wie beispielsweise der Eismonde unseres Sonnensystems, stellt robotische Systeme vor besondere Herausforderungen. Dazu gehören eingeschränkte Kommunikationsmöglichkeiten, Energieknappheit und extreme Umweltbedin- gungen. In dieser Arbeit wird ein Framework für die autonome Manöverplanung und -ausführung eines solchen robotischen Explorationssystems vorgestellt, das verschiedene Optimierungsstrategien zur Realisierung zentraler Funktionalitäten einsetzt. Am Beispiel der Schmelzsonde EnEx- IceMole werden Ansätze zur Bewegungsmodellierung, Parameteridentifikation, Trajektorien- und Versuchsplanung sowie eine modellprädiktive Regelungsstrategie präsentiert. Die ent- wickelten Algorithmen werden sowohl in Simulationen repräsentativer extraterrestrischer Anwendungsszenarien als auch in realen Feldversuchen auf einem europäischen Gletscher evaluiert. Allen Implementierungen gemein ist das Zurückgreifen auf bestehende hochperformante Soft- warebibliotheken, deren theoretische Grundlagen aus den Bereichen der nichtlinearen und ganzzahligen Optimierung sowie der Optimalsteuerung zunächst dargelegt werden. Die Lö- sungsansätze zur Parameterschätzung und zur optimalen Versuchsplanung werden wiederum aus der Maximum-Likelihood-Theorie abgeleitet. Für die inhaltliche Umsetzung wird ein parameterabhängiges, dynamisches Bewegungsmodell hergeleitet, welches das Systemverhalten im Raum zu beschreiben vermag. Die getroffene Modellformulierung erlaubt das Planen von optimalen Trajektorien zu szenariospezifischen Zielen. Durch Integration eines nichtlinearen modellprädktiven Reglers wird das Erreichen jener Ziele sichergestellt. Aufgrund der speziellen Betriebsweise des IceMole ist des Weiteren eine separate Übersetzung der optimierten Steuerverläufe in tatsächliche Aktuatorsignale erforderlich, wozu online ganzzahlige Optimierungsprobleme gelöst werden. Ein gesondertes Augenmerk dieser Arbeit gilt der Modellierungsproblematik. Es werden Bedin- gungen für verschieden starke Stufen von Identifizierbarkeit hergeleitet und nachgewiesen. Hierzu zählen zum einen Kriterien, die auf der Fisher-Informationsmatrix beruhen und zum anderen die deutlich aufwendigere Profile-Likelihood-Berechnung. Darauf aufbauend wer- den durch die explizite Versuchsplanoptimierung die Verteilungen der Parameterschätzwerte nicht nur begünstigt, sondern abhängig von der Wahl des Designkriteriums kann sogar die Identifizierbarkeit aller Systemparameter garantiert werden. Der Einfluss unterschiedlicher zugrunde liegender Parameterverteilungen auf das Navigations- verhalten wird abschließend untersucht. Mittels Monte-Carlo-Simulationen wird gezeigt, dass sich der IceMole bei Parametrierung über wohlgewählte Versuchspläne nahezu identisch zu einem perfekten Bewegungsmodell verhält, was sich in nur minimal voneinander abweichenden Bewertungen widerspiegelt. Weniger akkurate Parameterverteilungen können hingegen zu einem signifikant schlechteren Laufzeitverhalten führen, obwohl sich das System in erstaunlich vielen Fällen als bemerkenswert robust erweist. Die vorgestellte Methodik ist grundsätzlich auf beliebige robotische Systeme übertragbar, ge- winnt insbesondere aber an Bedeutung, wenn die Möglichkeiten zum Erproben beziehungsweise zur Datenerfassung limitiert sind.dehttps://creativecommons.org/licenses/by/4.0/Nichtlineare OptimierungGanzzahlige OptimierungOptimale SteuerungMaximum-LikelihoodFisher-InformationProfile-LikelihoodOptimale VersuchsplanungParameteridentifikationTrajektorienplanungModellprädiktive RegelungAutonome ExplorationSchmelzsondenEnceladus500 Naturwissenschaften und MathematikDissertation10.26092/elib/4110urn:nbn:de:gbv:46-elib221071