In diesem Bericht wurden die Arbeiten und Ergebnisse dargestellt, die am FORWISS im Rahmen
des Verbundprojekts AENEAS im Zeitraum vom 1.10.1995 bis zum 31.12.1999 erzielt
wurden. Die Forschungsziele des Vorhabens wurden durch eine industrielle Anwendung im Bereich
der Stahlverarbeitung motiviert und konzentrierten sich im Wesentlichen auf die folgenden
Punkte:
Modellierung von nichtlinearen und zeitvarianten Prozessen, die analytisch nicht fassbar
sind und nur durch Messdaten repräsentiert werden.
Modellierung von Größen, die nicht direkt messbar sind, aber auf nichtlineare Weise von
anderen, messbaren Größen abhängen.
Kombination von analytischen bzw. statistischen Modellen und Neuronalen Netzen, um die
jeweiligen Vorteile der Verfahren zu vereinen.
Als Ergebnis des Vorhabens wurden eine Reihe neuer Ansätze zum kontinuierlichen Lernen
entwickelt, darunter eine neuartige, lebenslang adaptive Netzarchitektur mit entscheidenden
Vorteilen im Bereich des kontinuierlichen Lernens im Vergleich zu allen bisher bekannten Verfahren.
Zum zweiten Punkt wurde eine Theorie der Analyse iterierter Prozesse entwickelt, die auf das
mathematische Problem der Lösung von Funktionswurzeln führte. Für nichtlineare Systeme
gibt es keine analytischen Lösungsmöglichkeiten, daher wurden erstmals Neuronale Netze zur
Lösung dieses Problems verwendet.
Die Ergebnisse aller grundlagenorientierten Arbeiten flossen in die Lösung eines industriellen
Anwendungsproblems ein, bei der End- und Zwischenprofile warmgewalzter Stahlbänder modelliert
und prognostiziert werden sollten. Dieser Prozess ist charakterisiert durch Nichtlinearität,
Zeitvarianz (Tagesform der Anlage) und durch die nicht direkte Messbarkeit der
Zwischenprofile, die sich als inverse Iteration (Funktionswurzel) aus dem Endprofil ergeben.
Dieses Problem konnte auf elegante Weise durch eine Verknüpfung von analytischen und neuronalen
Ansätzen gelöst werden.
Neben dem unmittelbaren Wert der Ergebnisse bei der Lösung der beispielhaften Anwendung
lassen sich die entwickelten Verfahren zum kontinuierlichen Lernen und zur Analyse iterierter
Prozesse auf eine Vielzahl anderer Problemstellungen verallgemeinern und stellen eine gute
Basis für weitere Forschungsarbeiten dar.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:17748 |
| Date | 09 October 2001 |
| Creators | Protzel, Peter, Lewandowski, Achim, Kindermann, Lars, Tagscherer, Michael, Herrnberger, Bärbel |
| Publisher | Technische Universität Chemnitz |
| Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
| Language | German |
| Detected Language | German |
| Type | doc-type:workingPaper, info:eu-repo/semantics/workingPaper, doc-type:Text |
| Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0027 seconds