Die modellprädiktive Regelung (MPC) hat sich in vielen industriellen Anwendungen bewährt. Ein
Nachteil ist jedoch der hohe Rechenaufwand, bedingt durch die erforderliche Lösung eines Optimierungsproblems
in jedem Abtastschritt. In diesem Beitrag wird die entworfene MPC daher durch ein
neuronales Netz approximiert. Als neuronales Netz wird ein Multi-Layer-Perceptron (MLP) verwendet.
Mit dem trainierten MLP sind nur noch Matrix-Vektor-Multiplikationen erforderlich, die effizient
berechnet werden können. Das trainierte MLP wird in C++ Code übersetzt und durch einen Industrie-
PC ausgeführt. Am akademischen Beispiel einer Wippenwinkel-Regelung wird die Funktionsfähigkeit
und der geringere Rechenbedarf demonstriert.
Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:89656 |
Date | 12 February 2024 |
Creators | Karau, Fabian, Leuer, Michael |
Contributors | Hochschule für Technik, Wirtschaft und Kultur Leipzig |
Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
Language | German |
Detected Language | German |
Type | info:eu-repo/semantics/publishedVersion, doc-type:conferenceObject, info:eu-repo/semantics/conferenceObject, doc-type:Text |
Rights | info:eu-repo/semantics/openAccess |
Relation | 978-3-910103-02-3, urn:nbn:de:bsz:l189-qucosa2-896465, qucosa:89646 |
Page generated in 0.0024 seconds