Benutzer: Gast  Login
Originaltitel:
Automated Flowsheet Synthesis via Reinforcement Learning and piece-wise linear thermodynamic Models
Übersetzter Titel:
Automatisierte Fließbildsynthese via Reinforcement Learning und linearisierter thermodynamischer Modelle
Autor:
Göttl, Quirin
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM Campus Straubing für Biotechnologie und Nachhaltigkeit
Institution:
Chemische und Thermische Verfahrenstechnik (Prof. Burger)
Betreuer:
Burger, Jakob (Prof. Dr.)
Gutachter:
Burger, Jakob (Prof. Dr.); Grimm, Dominik (Prof. Dr.); Schweidtmann, Artur (Prof. Dr.)
Sprache:
en
Fachgebiet:
CIT Chemie-Ingenieurwesen, Technische Chemie, Biotechnologie
Stichworte:
Reinforcement Learning, Process Simulation
Übersetzte Stichworte:
Reinforcement Learning, Prozess Simulation
TU-Systematik:
CIT 960; CIT 680
Kurzfassung:
The present work demonstrates how reinforcement learning can be used for automated flowsheet synthesis for conceptual design problems in chemical engineering. A flowsheet simulation based on thermodynamic short-cut models is implemented and serves as environment for the reinforcement learning agent. Several training algorithms, which enable training the agent on problems of increasing difficulty, are developed. The trained agent can set up processes from scratch without using heuristics.
Übersetzte Kurzfassung:
In der vorliegenden Arbeit wird Reinforcement Learning für die automatisierte Fließbildsynthese in der chemischen Verfahrenstechnik eingesetzt. Eine Fließbildsimulation, basierend auf thermodynamischen Shortcut-Modellen, dient als Umgebung für den Reinforcement-Learning-Agenten. Es werden mehrere Trainingsalgorithmen entwickelt, um den Agenten auf Problemen mit steigendem Schwierigkeitsgrad zu trainieren. Der trainierte Agent generiert Prozesse ohne Verwendung von Heuristiken.
WWW:
https://mediatum.ub.tum.de/?id=1725064
Eingereicht am:
31.10.2023
Mündliche Prüfung:
03.05.2024
Dateigröße:
30599634 bytes
Seiten:
139
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20240503-1725064-1-5
Letzte Änderung:
04.06.2024
 BibTeX