Refine
Document Type
- Doctoral thesis (1)
Has Fulltext
- yes (1)
Is part of the Bibliography
- no (1)
Year of publication
- 2016 (1)
Language
- German (1)
Keywords
- Floatglas (1) (remove)
Institute
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.