Maschinelles Lernen in der industriellen Regelungstechnik

 

Heute verfügbare Steuerungs- und Computertechnik ermöglicht den industriellen Einsatz modellbasierter Regelungsverfahren. Die dazu benötigten Modelle müssen echtzeitfähig sein – sie dürfen also nicht zu komplex sein - um sie zur Laufzeit berechnen zu können. Darüber hinaus kann das Systemverhalten nur selten exakt durch mathematische Modelle beschrieben werden. Zum einen, weil nicht alle Wirkprinzipien exakt bekannt sind und zum anderen, weil sie nur schwer mathematisch beschrieben werden können. Aus diesem Grund werden vermehrt Ansätze des maschinellen Lernens in der industriellen Regelungstechnik eingesetzt. Hierfür werden entweder zur Laufzeit oder offline Daten gesammelt, hinsichtlich der Regelungsaufgabe reduziert und die Reglermodelle mithilfe von maschinellem Lernen erstellt. Auch können Regler mittels maschinellen Lernens entworfen und optimiert werden. Dies bietet das Potenzial, dass sich die Regler in Zukunft selbstständig einstellen.

15.09.2021

 

HINWEIS ZUM MOODLE LERNRAUM

Die Anmeldung für den moodle-Lernraum erfolgt normalerweise durch den Studenten selbst über die Veranstaltung in RWTHonline. Falls eine Anmeldung nicht möglich sein sollte oder eine Nachmeldung erforderlich ist, dann bitte eine Anfrage an die entsprechende Betreuerin oder den Betreuer stellen.

Kontakt

Name

Sebastian Stemmler

Geschäftsführender Oberingenieur, Abteilungsleiter Industriesysteme und Produktionssysteme

Telefon

work
+49 241 80 27479

E-Mail

E-Mail
 

Zielgruppe

Zielgruppe dieser Lehrveranstaltung sind Studierende, die Regelungstechnik im Master weiter vertiefen und die zukünftige industrielle Regelungstechnik mitgestalten wollen. In diesem Kontext wir thematisiert wie maschinelle Lernverfahren im Regelkreis integriert und effektiv genutzt werden können. Die Studierenden werden befähigt anhand industrieller Anwendungsbeispiele datengetriebene Modelle mithilfe verschiedener, maschineller Lernverfahren zu erstellen und zu bewerten. Darüber hinaus lernen Sie die erlernten Methoden als Sensoren, Beobachter zu nutzen und modellbasierte Regler anhand dieser datengetriebenen Modelle zu entwerfen.

 

Voraussetzungen

Vorlesung „Regelungstechnik“ oder vergleichbar

 

Inhalt

Der Fokus dieser Vorlesung liegt vor allem auf der Entwicklung modellbasierter Regelungen, deren Modelle mithilfe von maschinellem Lernen erstellt werden. Dieser Ansatz bietet den Vorteil, dass sie auf nahezu jede industrielle Anwendung übertragbar und damit generalisierbar sind. Darüber hinaus wird so der Fokus vom Einstellen abstrakter Reglerparameter hin zur Erzeugung geeigneter regelungstechnischer Modelle verschoben. Dies bietet ebenfalls das Potenzial, dass sich die Regler in Zukunft selbstständig einstellen.

Im Konkreten thematisiert die Vorlesung die Anwendung maschineller Lernverfahren im Kontext der industriellen Regelungstechnik. Unterstützt wird dies durch die Betrachtung verschiedenster Anwendungsbeispiele, sodass die Vorlesung die folgenden Fragen beantwortet:

  • Wie kann aus Daten gelernt werden und welche Methoden gibt es?
  • Welche Daten werden benötigt und wie können diese mithilfe geeigneter Algorithmen reduziert werden?
  • Wie können regelungstechnische Modelle mithilfe von maschinellem Lernen erstellt werden?
  • Wie können Sensoren mithilfe von maschinellem Lernen realisiert werden, um wichtige Messgrößen zu berechnen?
  • Wie können Beobachter (virtuelle Sensoren) mithilfe von maschinellem Lernen realisiert werden, um nicht-messbare Größen schätzen zu können?
  • Wie können maschinell gelernte Modelle zur Regelung genutzt werden?
 

Prüfungsinformationen

Informationen zur Prüfung folgen.