User: Guest  Login
Original title:
Machine intelligence for adaptable closed loop and open loop production engineering systems 
Translated title:
Maschinelle Intelligenz für anpassungsfähige Regel- und Steuerungsprozesse für Produktionssysteme 
Year:
2018 
Document type:
Dissertation 
Institution:
Fakultät für Elektrotechnik und Informationstechnik 
Advisor:
Diepold, Klaus (Prof. Dr.) 
Referee:
Diepold, Klaus (Prof. Dr.); Pilarski, Patrick M. (Prof., Ph.D.) 
Language:
en 
Subject group:
DAT Datenverarbeitung, Informatik; ELT Elektrotechnik 
Keywords:
Machine Learning, Production Engineering, Neural Networks, Reinforecement Learning 
Translated keywords:
Maschinelles Lernen, Produktionstechnik, Neuronale Netze, Selbstverstärkendes Lernen 
TUM classification:
DAT 001d 
Abstract:
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. 
Translated abstract:
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...    »
 
Oral examination:
07.02.2018 
File size:
4861388 bytes 
Pages:
134 
Last change:
19.02.2018