Ein flexibles Framework für Reinforcement Learning

Abstract

Abstract In der Massivumformung stellen Qualitätsabweichungen infolge von Prozessinstabilitäten eine Herausforderung dar. Auf die Prozessinstabilitäten muss durch die Regelung des Prozesses reagiert werden. Dazu wird ein generalistisches Framework basierend auf einem Reinforcement Learning (RL)-Regler entwickelt. Mithilfe von historischen Daten und den geforderten Qualitätsmerkmalen wird ein Regressionsmodell erstellt, mit dem der Regler eine optimierte Parameterkonfiguration bestimmt. Das Framework ist auf verschiedene Prozesse anwendbar.