BIETE: Selbst lernende neuronale Regler durch Machine Learning

Funktionsbeschreibung:
Unter Verwendung neuronaler Netze mit Machine Learning und dem Bestärkenden Lernen wird ein neuronaler Regler entwickelt, der die Regelung eines nichtlinearen technischen Systems, zum Beispiel in Form eines inversen Pendels, selbstständig erlernt. Auf dem eingesetzten Edge-Computer Nvidia Jetson werden quelloffene Bibliotheken wie TensorFlow und Keras genutzt.

Mögliche Problemlösung oder Prozessoptimierung:
Der Kl-basierte Ansatz zur Reglerauslegung mit Machine Learning ermög­licht die Auslegung von Reglern ohne die üblicherweise mit dem Entwurfs­prozess einhergehenden Aufwände für menschliche Experten. Im Vergleich mit der Nutzung herkömmlicher Regler erfolgt die Auslegung schneller und Fachkenntnisse der Regelungstechnik sind nicht zwingend erforderlich. Auch ist der verwendete Edge-Computer kostengünstiger und vielseitiger als herkömmliche Systeme zur Echtzeitregelung.

Technischer Aufbau:
Der neuronale Regler wird auf einem Edge-Computer wie Nvidia Jetson betrieben und regelt in diesem Anwendungsbeispiel ein inverses Pendel.

I4.0-Anwendungen:
Neuronale Regler, Reglerauslegung

Dieser Demonstrator ist ein Angebot des Instituts für Mechatronik der Ostfalia Hochschule und wurde als Teil des Ostfalia Industrie 4.0-Katalogs veröffentlicht. I4.0-Technologien:
Künstliche Intelligenz, Machine Learning, Reinforcement Learning