Startseite » Stud. Arbeiten » Einsatz von Reinforcement Learning zur Parametervariation von Regelkreisen in der Versorgungstechnik

Einsatz von Reinforcement Learning zur Parametervariation von Regelkreisen in der Versorgungstechnik

Aufgabenstellung

Der flexible Betrieb von versorgungstechnischen Systemen ist eine zentrale Herausforderung vor dem Hintergrund einer zunehmend volatilen Energieversorgung. Um dies zu ermöglichen müssen Regelkreise befähigt werden, sich an variierende Randbedingungen (z.B. Druck und Temperatur) anzupassen. Im Forschungsfeld Self-Tuning und Adaptive Control existieren entsprechende Ansätze bereits.
Fortschritte im Bereich Reinforcement Learning ermöglichen die Kombination von effizienten Algorithmen und Domänenwissen, sodass eine große Anzahl von Einflussgrößen zur dynamischen Anpassung der Reglerparameter berücksichtigt werden kann. Im Rahmen dieser Arbeit soll ein entsprechender Ansatz entwickelt und anhand eines vereinfachten Regelkreises aus der Versorgungstechnik (Wärmeübertrager, Regelventil und Sensorik) umgesetzt und evaluiert werden.

Schwerpunkte

  • Einarbeitung in die notwendigen Grundlagen der Regelungstechnik und des Reinforcement Learnings
  • Literaturrecherche zu bestehenden Ansätzen im genannten Forschungsfeld
  • Umsetzung des Ansatzes mithilfe eines bereits bestehenden Python-Tools sowie Vergleich mit klassischen regelungstechnischen Ansätzen
  • Bewertung der Übertragbarkeit auf alternative Problemstellungen

Hilfreiche Vorkenntnisse

nicht definiert

Überblick

Kontakt

Teile diese Ausschreibung

Share on facebook
Share on twitter
Share on linkedin
Share on pinterest
Share on print
Share on email