Prozessvorhersage zur Regelung von Müllverbrennungsanlagen mit neuronalen Netzen

• Antragsteller: Professor Dr.-Ing. Matthias Reuter
• Fachliche Zuordnung: Automatisierungstechnik, Mechatronik, Regelungssysteme, Intelligente Technische Systeme, Robotik
• Förderung: Förderung von 2010 bis 2013
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 161199192

Ziel des Vorhabens ist die Entwicklung eines hybriden, modularen Neuronalen Netzwerks zur Modellierung des Verbrennungsprozesses für verschiedene Rostfeuerungsanlagen, um auch ohne ein vollständiges mathematisch-physikalisches Modell das Prozessverhalten vorherzusagen und somit eine modellprädiktive Regelung zu verwirklichen. Das zu entwickelnde System soll dabei aus mehreren Arten Neuronaler Netze mit unterschiedlichen Aufgaben bestehen, wobei z. B. eine der Komponenten dazu dienen soll, selbständig die Signifikanz einzelner Betriebszustände bzgl. des Trainings der Netze zu beurteilen, wodurch die Optimierung der Lernphase ermöglicht wird. So können aus der für das Training verfügbaren großen Menge geregelter Betriebsdaten besonders relevante Situationen extrahiert werden, wodurch auch selten auftretende Prozesszustände in weitem Maße beherrschbar werden. Ein weiteres Modul soll die Aufgabe haben, Änderungen der Betriebsgrößen bzgl. ihres zeitlichen Verhaltens zu analysieren, um ein optimales dynamisches Zeitfenster für die Vorhersage und die Regelung zu bestimmen, was die bislang sehr problematische Handhabung unterschiedlich schnell wirkender Stellgrößenänderungen wesentlich verbessert. Ein drittes Modul soll die Robustheit des Modells gegen Sensorausfälle und das Aufkommen neuer – bisher nicht berücksichtigter Betriebszustände – gewährleisten. Das Gesamtsystem soll schließlich auf drei unterschiedlichen Rostbauarten (Walzen-, Rück- und Vorschubrost) sowohl im Technikumsmaßstab als auch an Großanlagen eingesetzt und auf seine Vorhersagegüte getestet werden.

• DFG-Verfahren: Sachbeihilfen