Qualitätsmanagement und neuronale Netze - ein Ansatz zur prädiktiven Regelung thermischer Spritzprozesse

Dören, Jens; Pfeifer, Tilo

doi:1986

Qualitätsmanagement und neuronale Netze - ein Ansatz zur prädiktiven Regelung thermischer Spritzprozesse = Quality management and neural networks : an approach for predictional control of thermal spray processes

Dören, Jens

2007

Verantwortlichkeitsangabevorgelegt von Jens Dören

ImpressumAachen : Publikationsserver der RWTH Aachen University 2007

UmfangVIII, 148 S. : graph. Darst.

Aachen, Techn. Hochsch., Diss., 2007

Genehmigende Fakultät
Fak04

Hauptberichter/Gutachter
Pfeifer, Tilo (Thesis advisor)

Tag der mündlichen Prüfung/Habilitation
2007-08-13

Online
URN: urn:nbn:de:hbz:82-opus-19861
URL: https://publications.rwth-aachen.de/record/62425/files/Doeren_Jens.pdf

Einrichtungen

Inhaltliche Beschreibung (Schlagwörter)
Neuronales Netz (Genormte SW) ; Thermisches Spritzen (Genormte SW) ; Regler (Genormte SW) ; Reglerentwurf (Genormte SW) ; Ingenieurwissenschaften (frei) ; Statistische Versuchsmethodik (frei) ; DoE (frei) ; Artificial Neural Network (frei) ; Thermal Spraying (frei) ; Controller (frei) ; Design of Experiments (frei)

Thematische Einordnung (Klassifikation)
DDC: 620

Kurzfassung
Das atmospärische Plasmaspritzen ist etabliert und bietet durch das Aufbringen geeigneter Schichten große Potentiale der Kosteneinsparung. Jedoch stellt das teilweise nichtlineare und zeitlich veränderliche Verhalten dieses Prozesses eine große Herausforderung für eine Regelung dar. In dieser Dissertation wird ein Ansatz beschrieben, wie eine Regelung für das atmospärische Plasmaspritzen mittels Neuronaler Netze aufgebaut werden kann. Basis der Arbeit ist die Auswahl einer Messtechnik, dem PFI-System, und eines Regelansatzes, dem „Supervised Control”. Anhand des induktiven Ansatzes nach Balzer wird eine Vorgehensweise zur Auslegung des Neuronalen Netzes und der gezielten Optimierung der Netzstruktur beschrieben. Zum Training des Künstlichen Neuronalen Netzes wird die Statistische Versuchsmethodik genutzt, die ein schnelles und zielgerichtetes Training ermöglicht. Eine Vorgehensweise zur ständigen Aktualisierung des künstlichen Neuronalen Netzes schließt die theoretischen Betrachtungen ab. In einem Fallbeispiel werden die Vorgehensweise sowie die Funktion der Regelung an einem ausgewählten thermischen Spritzprozess dargestellt.

The atmospheric plasma spraying process is established and provides cost reduction effects using qualified coatings. But the partly nonlinear and changing characteristics of this process are a challenge for process control.In this dissertation an approach is described, how a process control for atmospheric plasma spraying can be realised, using artificial neural networks. Base of this work is first the selection of a measurement system, the PFI-System, and second the choice of a control algorithm, the "supervised control". With the inductive procedure of Balzer an approach is described to define and optimise the artificial neural network. To train the artificial neural network design of experiments is used. With this a fast and targeted training can be done. An approach to update the artificial neural network regularly completes the theoretic research. By using a selected thermal spray process as a case study, the whole approach and the function of the controller is shown.

Fulltext:
PDF