Nico Zantopp

• Eine grundlegende Voraussetzung für die Entwicklung von teilautonomer hydraulischen Maschinen ist die automatisierte Bewegung der notwendigen Strukturen. Die Anforderungen an diese Bewegungen sind hoch und aus diesem Grund sind einfache Reglerstrukturen ohne konkrete Streckenkenntnis nicht ausreichend. Die Beschreibung des Streckenkennmodells ist bei hydraulischen Maschinen sehr komplex und zeitaufwendig. Die Modellierung mit theoretischen auf physikalischen Ansätzen beruhenden Methoden ist daher unwirtschaftlich. Aufgrund dessen müssen für die Entwicklung von teilautonomen Maschinen alternative Strategien zur Beschreibung der Dynamik entwickelt werden. Im Rahmen der Diplomarbeit wurde die Machbarkeit von Neuronalen Netzen zur modellbasierten Geschwindigkeitsregelung von hydraulischen Zylindern an einem Bagger untersucht. Dabei wurden unterschiedliche Anregungssignale überprüft und das Regelverhalten des Neuronalen-Reglers auf einem realen Versuchsträger verifiziert. Es hat sich gezeigt, dass sich die datenbasierten Methoden zur Regelung von elektrohydraulischen Baggern eignen. Im Vergleich zu theoretischen Ansätzen konnte eine Steigerung der Regelgüte, bei gleichzeitiger Reduzierung des Arbeitsaufwandes von mehreren Monaten hinzu wenigen Tagen, erreicht werden.
• A fundamental prerequisite for the development of semi‐autonomous hydraulic machines is the automated movement of the necessary structures. The requirements for these movements are high and for this reason, simple control structures without concrete knowledge of the plant behavior are not sufficient. The description of the plant model for hydraulic machines is very complex and time-consuming. Modeling with theoretical methods based on physical approaches is therefore uneconomical. Therefore, alternative strategies for the description of dynamics have to be used for the development of semi‐autonomous machines. Within the diploma thesis, the feasi‐ bility of neural networks for model‐based speed control of hydraulic cylinders on an excavator was investigated. Different excitation signals were tested and the control behavior of the neural controller was verified on a real test vehicle. It has been shown that the data‐based methods are suitable for the control of electrohydraulic excavators. In comparison to theoretical approaches, an increase in the control quality could be achieved, while at the same time reducing the workload by several months to a few days.