RLiableDrives

Projektdaten

Beschreibung

Energieeffiziente elektrische Antriebe sind eine Schlüsseltechnologie für das Erreichen der europäischen Klimaziele und ein wichtiger Bestandteil der deutschen Wirtschaft. Aufgrund der hohen Komplexität der Antriebssysteme werden in der Praxis häufig Betriebsstrategien eingesetzt, welche keine optimale Energieeffizienz erzielen.

Verfahren aus dem Bereich der künstlichen Intelligenz, insbesondere des Reinforcement Learnings (RL), ermöglichen ein automatisiertes Erlernen der Regelung von anspruchsvollen elektrischen Antrieben und sind daher ein vielversprechender Ansatz für diese Problemstellung.

Eigene Veröffentlichungen sowie Veröffentlichungen anderer Forschungsgruppen stellen die Effektivität RL-basierter Verfahren in der Regelung von elektrischen Antrieben dar. Konkret werden der Aufbau und das Training von RL-basierter Stromregelung für elektrische Maschinen untersucht. Hierbei wird die Leistungsfähigkeit RL-basierter Verfahren, wenn diese in einer Simulationsumgebung trainiert und anschließend in der Anwendung unter kontrollierten Bedingungen eingesetzt werden, aufgezeigt.

In den Vorarbeiten konnten RL-basierte Regelungsverfahren für elektrische Maschinen umgesetzt werden. Bezüglich der Zuverlässigkeit des Trainingsprozesses wurden jedoch Unzulänglichkeiten aufgezeigt. Das Ziel dieses Projekts besteht deshalb in der Erforschung eines zuverlässigen und sicheren RL-Trainings, da nur so perspektivisch der Einsatz von RL-Training in der Endanwendung möglich wird.