Schmid, MartinMartinSchmid2022-03-122022-03-122012https://publica.fraunhofer.de/handle/publica/377611Um Prozesse effizient zu regeln, ist deren möglichst exakte Beschreibung nötig. Neben der Systemstruktur sind die Systemparameter wichtig, die jedoch oft in komplexer Art von Störeinflüssen abhängen. Die daraus entstehende Unsicherheit verhindert einen stabilen und dynamischen Regelkreis. Eine Verbesserung kann erreicht werden, wenn für die Parameterbestimmung das Wissen der vergangenen Produktionen genutzt werden kann. Dies ist am Beispiel Drucktechnik exemplarisch gezeigt. Die Grundlage bildet eine Wissensbasis, in der relevante Daten und Einflussgrößen gespeichert werden. Durch die Bildung von Kennzahlen ist es möglich, die Prozesse ausreichend zu beschreiben und die Datenmenge gering zu halten. Neuronale Netze können die Einflussgrößen mit geeigneten Modellparametern und somit Reglerparametern verknüpfen. Die Parameter werden für eine Echtzeitsimulation und zur Adaption der Reglerparameter verwendet. Dieses Vorgehen steigert die Modell- und Regelungsgenauigkeit des gesamten Prozesses deutlich.deadaptive SteuerungSelbstoptimierungneuronales NetzSimulation620670conference paper