- search hit 1 of 1
Entwurf von künstlichen neuronalen Netzen zur Regelung von Prozessgrößen in einer Schmelzwanne für Flachglas
Design of artifical neural networks for process control in a float glass melting furnace
- In der vorliegenden Arbeit wird die Eignung von Künstlichen 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 für 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 qualitätsbestimmenden Temperaturen und der Glasstand mit Künstlichen Neuronalen Netzen hinreichend genau berechnet werden können. Auf Basis der entwickelten neuronalen Prozessmodelle wird anschließend eine modellbasierte prädiktive Regelstrategie beschrieben. Neben der Auswahl des Gütekriteriums und des Optimierungsalgorithmus zur Berechnung zukünftiger Stellgrößen werden Richtlinien zur Dimensionierung der verfügbaren Reglerparameter abgeleitet.
- This thesis analyzes the suitability of Artificial Neural Networks for modeling the complex process in a float glass melting plant. The identification and training of the neural process models are being carried out with real float glass furnace data. The focus is on the evaluation of an appropriate network structure and parameter configuration. With respect to the network precision the effect of parameter changes will be investigated and it will be shown that it is possible to calculate the relevant temperatures and the glass level in an accurate way. The results will be validated by test data. In the second step, a model-based predictive control strategy to determine future control signals is described and a selection of the performance criterion, the numerical optimization program and guidance for the available control parameters are given.
Author: | Martin Handreg |
---|---|
URN: | urn:nbn:de:kobv:co1-opus4-39471 |
Referee / Advisor: | Prof. Dr.-Ing. Gerhard Lappus, Prof. Dr.-Ing. Ulrich Berger |
Document Type: | Doctoral thesis |
Language: | German |
Year of Completion: | 2016 |
Date of final exam: | 2016/07/12 |
Release Date: | 2016/08/03 |
Tag: | Flachglas; Künstliches Neuronales Netz; Levenberg-Marquardt-Algorithmus; Prädiktive Regelung; Schmelzprozess Algorithm of Levenberg-Marquardt; Artifical Neural Networks; Floatglas; Melting process; Predictive control |
GND Keyword: | Neuronales Netz; Flachglas; Schmelzen |
Institutes: | Fakultät 3 Maschinenbau, Elektro- und Energiesysteme / FG Regelungssysteme und Netzleittechnik |
Licence (German): | ![]() |