KIT | KIT-Bibliothek | Impressum | Datenschutz

Modellfreies Lernen optimaler zeitdiskreter Regelungsstrategien für Fertigungsprozesse mit endlichem Zeithorizont

Dornheim, Johannes ORCID iD icon

Abstract:

Die Qualität und Leistungsfähigkeit von Bauteilen wird wesentlich von der Ausführung der beteiligten Fertigungsprozesse bestimmt. Das Prozessergebnis hängt -- neben dem Anfangszustand des Bauteils und des Prozesses -- von dem Prozessverlauf ab. Bei vielen Fertigungsprozessen kann der Prozessverlauf durch zeitlich veränderliche Stellgrößen maßgeblich bestimmt werden.
Die Optimierung dieser zeitveränderlichen Größen mit Hinsicht auf die Qualität des Bauteils ist Gegenstand dieser Arbeit. Die Bauteilqualität ergibt sich zum einen aus den makroskopischen Eigenschaften des erzeugten Bauteils und zum anderen aus der Material-Struktur am Ende des Fertigungsprozesses. ... mehr

Abstract (englisch):

The quality and performance of components depend to a large extent on the execution of the Industrial processes involved in manufacturing. In addition to the initial conditions of the component and the process, the process result depends on the course of the process. In many manufacturing processes, the course of the process can be significantly determined by time-varying manipulated variables. The optimization of these time-dependent quantities with regard to the quality of the component is the subject of this work.
The component quality results from the properties of the manufactured component and the achieved material-structure at the end of the manufacturing process.
... mehr


Volltext §
DOI: 10.5445/IR/1000135079
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Angewandte Materialien – Computational Materials Science (IAM-CMS)
Publikationstyp Hochschulschrift
Publikationsdatum 14.07.2021
Sprache Deutsch
Identifikator KITopen-ID: 1000135079
Verlag Karlsruher Institut für Technologie (KIT)
Umfang x, 192 S.
Art der Arbeit Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Angewandte Materialien – Computational Materials Science (IAM-CMS)
Prüfungsdatum 22.06.2021
Schlagwörter Reinforcement Learning, Deep Reinforcement Learning, Deep Learning, Optimal Control, Adaptive Control, Manufacturing, Process Optimization, Deep Drawing, Microstructure Evolution, Process Design, Inverse Materials Design, Multi Goal Reinforcement Learning, Crystal Plasticity, Crystallographic Texture
Relationen in KITopen
Referent/Betreuer Gumbsch, P.
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page