@phdthesis{Handreg2016, author = {Handreg, Martin}, title = {Entwurf von k{\"u}nstlichen neuronalen Netzen zur Regelung von Prozessgr{\"o}ßen in einer Schmelzwanne f{\"u}r Flachglas}, url = {http://nbn-resolving.de/urn:nbn:de:kobv:co1-opus4-39471}, school = {BTU Cottbus - Senftenberg}, year = {2016}, abstract = {In der vorliegenden Arbeit wird die Eignung von K{\"u}nstlichen Neuronalen Netzen hinsichtlich der Modellierung des komplexen Prozessverhaltens in einer Flachglasschmelzanlage analysiert. Die Identifikation und das Training der neuronalen Prozessmodelle erfolgen mit Messdaten einer Schmelzwanne f{\"u}r Flachglas. Im Vordergrund steht die Evaluation einer geeigneten Netzstruktur und die Parametrierung der Netzparameter. Dabei wird der Einfluss der einzelnen Netzparameter in Bezug auf die Genauigkeit der Netze eingehend untersucht. Anhand von Testdaten wird nachgewiesen, dass die qualit{\"a}tsbestimmenden Temperaturen und der Glasstand mit K{\"u}nstlichen Neuronalen Netzen hinreichend genau berechnet werden k{\"o}nnen. Auf Basis der entwickelten neuronalen Prozessmodelle wird anschließend eine modellbasierte pr{\"a}diktive Regelstrategie beschrieben. Neben der Auswahl des G{\"u}tekriteriums und des Optimierungsalgorithmus zur Berechnung zuk{\"u}nftiger Stellgr{\"o}ßen werden Richtlinien zur Dimensionierung der verf{\"u}gbaren Reglerparameter abgeleitet.}, subject = {K{\"u}nstliches Neuronales Netz; Pr{\"a}diktive Regelung; Levenberg-Marquardt-Algorithmus; Flachglas; Schmelzprozess; Artifical Neural Networks; Predictive control; Algorithm of Levenberg-Marquardt; Floatglas; Melting process; Neuronales Netz; Flachglas; Schmelzen}, language = {de} }