Fortgeschrittene Feedforward & Lernende Steuerung Schulung

Haben Sie ein Bewegungssystem, das bei jeder Aufgabe den gleichen Fehler aufweist? Haben Sie sich von den vielen jüngsten Erfolgen des maschinellen Lernens inspirieren lassen und möchten Sie untersuchen, was Lernen für Ihre Maschine bedeuten könnte? Oder sind Sie begeistert von einer fortschrittlichen Bewegungsvorsteuerung, die sogar die 4. Ableitung des Sollwertsignals berücksichtigt? Dieser Kurs versetzt Sie in die Lage, die Leistung Ihres Systems durch fortgeschrittene Vorsteuerung und lernende Steuerungstechniken direkt aus Daten zu verbessern.

In den letzten Jahren wurden die klassischen Regelsysteme Richtung einer erweiterten Vorsteuerung weiterentwickelt. Dazu gehört die Verwendung von Ableitungen höherer Ordnung des Sollwertsignals, einschließlich Ruck, Snap (Ruckänderung) usw. Darüber hinaus ermöglicht der Einsatz von Input-Shaping und rationalen Vorsteuerungen eine noch bessere Leistung, wobei neue Techniken zur Berechnung solcher Signale entwickelt wurden.

Zudem wurden viele neue Erkenntnisse an der Schnittstelle von Steuerung und maschinellem Lernen erzielt. Zu den erfolgreichen Entwicklungen gehören Techniken, die mit der iterativ lernenden Regelung (ILC) und der repetitiven Regelung (RC) in Verbindung stehen. Dies gilt insbesondere für industrielle Systeme wie Pick-and-Place-Maschinen oder Batch-Prozesse, die immer wieder die gleiche Aufgabe ausführen. Wenn exakt dieselbe Aufgabe ausgeführt wird, wirken Störungen über die verschiedenen Durchläufe hinweg identisch auf das System ein. Denken Sie z.B. an ein gestörtes Drehmomentprofil, an eine Unwucht in einer Achse oder an unbekannte Reibungseffekte. Der Kerngedanke ist, dass diese lernenden Techniken diese Störungen vollständig kompensieren können, was zu einer typischen Reduzierung der Servofehler um eine Größenordnung führt.
Darüber hinaus wurden sie in den letzten Jahren weiter ausgebaut, um die optimalen Parameter fortschrittlicher Vorsteuerungen zu erlernen, d.h. unter Verwendung von Ableitungen höherer Ordnung, Input-Shaping und sogar rationalen Vorsteuerungen. Zu den wichtigsten Entwicklungen gehört unter anderem die Integration von Techniken des maschinellen Lernens, einschließlich Gaußscher Prozesse.

Dieser neue und erweiterte Kurs beginnt mit einer Rekapitulation der klassischen Vorsteuerung und behandelt dann ausführlich die iterativ lernende Regelung (ILC), die repetitive Regelung (RC) und neue fortgeschrittene Vorsteuerungsansätze, von denen einige an der Schnittstelle zu maschinellen Lerntechniken liegen. Der Kurs behandelt:

• Theorie: Verständnis der Konvergenz der Lernregelung aus der klassischen Rückkopplung
• Design: Erlernen des Entwurfs fortschrittlicher Vorsteuerungen sowie typischer Ansätze für das Design von Bewegungssteuerungen
• Zukunftstrends: Verbindungen zu neuesten Entwicklungen und die Fähigkeit, deren Relevanz zu verstehen, einschließlich neuer Ansätze aus dem maschinellen Lernen
• Algorithmen: vollständige Abdeckung maßgeschneiderter MATLAB-Algorithmen (mit der Möglichkeit, diese für die eigene Praxis mitzunehmen).

Diese Schulung ist sowohl für offene Einschreibungen als auch für firmeninterne Sitzungen verfügbar.