Selbstoptimierende Automatisierung – Mit Hilfe digitaler Zwillinge und bestärkendem Lernen zur Control

Die Kontrolle komplexer Systeme ist seit je her ein Thema der Regelungstechnik. Mit der Wiederauferstehung neuro- naler Netzwerke und ihrer Fähigkeit komplexe Variablenzusammenhänge in komprimierter Form wiederzugeben erschließen sich ganz neue Möglichkeiten.

Grundlage bildet die Generierung digitaler Zwillinge auf Basis von Messwerten zur nahezu perfekten Abbildung des realen Systems (wie beispielsweise Abgasturbolader, Thermoelemente, Dämpfer, etc.) als Trainingsumgebung für Algorithmen des bestärkenden Lernens.

Darauf aufbauend nutzt ein Actor-Critic Verfahren (beispielsweise PPO oder D4PG) den digitalen Zwilling als havariesichere, extrem schnell berechenbare Lernumgebung um Steueraufgaben via Belohnungsfunktionen zu erlernen, ohne das dafür menschliches Eingreifen notwendig wäre. Das Ergebnis ist ein neuronales Netz, welches in der Lage ist das reale System (ATL, Pumpe, Kraftwerk, …) ohne menschliches Zutun auch im Verbund mit anderen Systemen zu steuern.

 

Kontakte und Ansprechpartner

Patentmanagement Thüringer Hochschulen

c/o TU Ilmenau, PATON-PTH

PF 10 05 65 | 98684 Ilmenau

Telefon: +49 3677 694569

sascha.erfurt@tu-ilmenau.de

 

Letzte Änderung: 12.01.2022 - Ansprechpartner: Michael Kauert