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 Architektur kombiniert.
«
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...
»