Benutzer: Gast  Login
Originaltitel:
Machine intelligence for adaptable closed loop and open loop production engineering systems 
Übersetzter Titel:
Maschinelle Intelligenz für anpassungsfähige Regel- und Steuerungsprozesse für Produktionssysteme 
Jahr:
2018 
Dokumenttyp:
Dissertation 
Institution:
Fakultät für Elektrotechnik und Informationstechnik 
Betreuer:
Diepold, Klaus (Prof. Dr.) 
Gutachter:
Diepold, Klaus (Prof. Dr.); Pilarski, Patrick M. (Prof., Ph.D.) 
Sprache:
en 
Fachgebiet:
DAT Datenverarbeitung, Informatik; ELT Elektrotechnik 
Stichworte:
Machine Learning, Production Engineering, Neural Networks, Reinforecement Learning 
Übersetzte Stichworte:
Maschinelles Lernen, Produktionstechnik, Neuronale Netze, Selbstverstärkendes Lernen 
TU-Systematik:
DAT 001d 
Kurzfassung:
This thesis investigates the application of machine learning algorithms for industrial production processes. First, the PID controller as an already existing closed loop control approach is improved. For this purpose, a neural network tunes the PID parameters, while the process is running. Second, a new architecture, consisting of several machine learning algorithms, is introduced for industrial laser welding. Following this approach, the control can be changed from open to closed loop. 
Übersetzte Kurzfassung:
Die vorliegende Arbeit beschäftigt sich mit der Anwendung von maschinellem Lernen für industrielle Produktionsprozesse. Dabei wird erstens die Erweiterung von klassischen Regelstrecken mittels maschinellem Lernen anhand eines PID-Reglers vorgestellt. Die Parameter werden mittels neuronaler Netze während des Betriebs angepasst. Zweitens wird eine neuartige Regelung für das Laserschweißen entworfen, das bisher ausschließlich gesteuert wurde. Dafür werden verschiedene Algorithmen in einer neuen Ar...    »
 
Mündliche Prüfung:
07.02.2018 
Dateigröße:
4861388 bytes 
Seiten:
134 
Letzte Änderung:
19.02.2018