KIT | KIT-Bibliothek | Impressum | Datenschutz

Moderne Steueralgorithmen für Forstkräne mittels künstlichen neuronalen Netzen imitieren und optimieren = Imitate and optimize modern control algorithms for forestry cranes by means of artificial neural networks

Wydra, Marco; Bauer, Andreas; Geiger, Chris; Geimer, Marcus

Abstract:
Moderne hydrostatische Arbeitsantriebe für Land- und Forstmaschinen erfordern komplexe Steueralgorithmen. Im Gegenzug bieten diese gegenüber dem Stand der Technik signifikante energetische und steuerungstechnische Vorteile, wie eine reduzierte Schwingungsneigung oder die Implementierung einer variablen Leistungsbegrenzung. Neue Algorithmen sind daher essenziell zur nachhaltigen Optimierung zukünftiger Maschinen. Am Beispiel der elektrohydraulischen Bedarfsstromsteuerung eines Forstkrans wird dargestellt, wie ein bestehender Steueralgorithmus automatisiert in ein künstliches neuronales Netz (KNN) überführt und anschließend durch den Patternsearch-Algorithmus optimiert werden kann. ... mehr

Abstract (englisch):
Modern hydrostatic function drives for agricultural and forestry machines require complex control algorithms. Electric controls offer significant energy and control advantages over the state of the art, such as reduced tendency to oscillate or implementation of a variable power limitation. Therefore, new algorithms are essential for sustainable optimization of future machines. The paper investigates a method to automatically transfer an existing control algorithm
to an artificial neural network (ANN), which will be optimized by the Pattern Search algorithm afterwards. The method was applied to a forestry crane with an electro-hydraulic flow-on-demand control. ... mehr

Open Access Logo


Verlagsausgabe §
DOI: 10.5445/IR/1000120260
Veröffentlicht am 18.06.2020
Originalveröffentlichung
DOI: 10.15150/lt.2020.3241
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Fahrzeugsystemtechnik (FAST)
Publikationstyp Zeitschriftenaufsatz
Publikationsdatum 17.06.2020
Sprache Deutsch
Identifikator ISSN: 0023-8082
KITopen-ID: 1000120260
Erschienen in Landtechnik
Verlag Kuratorium fur Technik und Bauwesen in der Landwirtschaft (KTBL)
Band 75
Heft 2
Seiten 118-140
Schlagwörter Künstliche neuronale Netze (KNN), elektrohydraulische Bedarfsstromsteuerung (eBSS), getrennte Steuerkanten, Forwarder, Landmaschinen
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page