Home | english  | Impressum | Sitemap | KIT

Optimal-adaptive online-Führung von Verarbeitungsprozessen unter nicht-stationären Einflüssen

 

Ansprechpartner:  Johannes Dornheim

Motivation und Ziele:

Ziel des Projektes ist die Erforschung, Entwicklung und Bewertung adaptiv-optimaler Regelungsverfahren für Fertigungsprozesse in der Metallverarbeitung. Mittels der entwickelten Methoden sollen initiale, offline ermittelte, Regelgesetze an den realen physikalischen Prozess zur Prozesslaufzeit angepasst werden, um:

  • Prozessverhalten zu adaptieren, das nicht teil der simulierten Umgebung ist
  • nicht-stationäre Prozessbedingungen auszugleichen

 

Untersuchungen Ergebnisse 
    • Entwicklung und Untersuchung von Methoden zur optimal adaptiven Regelung von Fertigungsprozessen auf Basis des Reinforcement Learning
    • Entwicklung und Untersuchung von Adaptionsstrategien zur Minimierung des Prozessausschusses bei explorativer Adaption, unter Anderem durch Detektion zyklisch auftretender nicht-stationärer Prozessbedingungen
      • Framework zur Modellierung von Fertigungsprozessen als Markov Entscheidungsproblem und zur Anwendung von Reinforcement Learning Agenten zur Prozessoptimierung
      • Implementierte Ausprägungen eines generischen Regelagenten: Approximatives online Reinforcement Learning für Fertigungsprozesse auf Basis rekurrenter künstlicher Neuronaler Netze zum Umgang mit partieller Beobachtbarkeit und Methoden zur sicheren und effizienten Prozessexploration
      • Evaluationsergebnisse der Regelagenten auf Basis eines oder mehrerer Beispielprozesse der Metallverarbeitung

      Anwendungsbeispiel: Tiefziehen