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
Autor:
Günther, Johannes
Jahr:
2018
Dokumenttyp:
Dissertation
Fakultät/School:
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...     »
WWW:
https://mediatum.ub.tum.de/?id=1381895
Eingereicht am:
20.09.2017
Mündliche Prüfung:
07.02.2018
Dateigröße:
4861388 bytes
Seiten:
134
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20180207-1381895-1-6
Letzte Änderung:
19.02.2018
 BibTeX