Neuronale Netze sind eine Reihe von Algorithmen, die lose dem menschlichen Gehirn nachempfunden sind und darauf ausgelegt sind, Muster zu erkennen. Sie stellen eine mathematische Funktion dar, die eine gegebene Eingabe auf die gewünschte Ausgabe abbildet.
Neuronale Netze bestehen aus einer Eingabeschicht, versteckten Schichten, einer Ausgabeschicht, einer Reihe von Gewichten und Offsets zwischen den einzelnen Schichten sowie einer Aktivierungsfunktion für jede versteckte Schicht.
Die Werte der Gewichte und Offsets bestimmen die Stärke der Vorhersagen innerhalb des Modells. Der Prozess der Feinabstimmung der Gewichte und Offsets anhand der Eingabedaten wird als Training des neuronalen Netzes bezeichnet.
Bei jeder Iteration des Trainingsprozesses werden vorhergesagte Ausgabewerte berechnet und die Gewichte und Vorspannungen jeder Schicht aktualisiert. Die Gewichte und Vorspannungen werden auf der Grundlage des „Verlusts“ oder „Fehlers“ in jeder Schicht aktualisiert; der Verlust ist die Differenz zwischen dem jeweiligen vorhergesagten Wert und dem tatsächlichen Wert. Unser Ziel beim Training ist es, den Satz von Gewichten und Offsets zu finden, der den Verlust am besten minimiert. Jeder Schicht werden zunächst zufällige Gewichte zugewiesen, und der Trainingsprozess verfeinert diese Gewichte, bis der Fehler zwischen den vorhergesagten Werten und dem tatsächlichen Wert minimiert ist.
Wie setzen wir neuronale Netze in der Sprühtechnik ein?
Wir nutzen neuronale Netze, um die Tröpfchengröße eines Sprühstrahls ausschließlich auf der Grundlage von Signaldaten eines Sensors vorherzusagen. Der Einsatz neuronaler Netze zur Vorhersage der Tröpfchengröße bedeutet, dass die Schätzfähigkeiten des Systems auf Daten für alle Arten von Chemikalien ausgeweitet werden können, nicht nur auf Wasser. Dies ist äußerst vorteilhaft, da dadurch die Entwicklung und Implementierung des Geräts schneller, kostengünstiger und einfacher zu optimieren ist.
Warum brauchen wir neuronale Netze in der Sprühtechnik?
Geräte zur Tropfengrößenmessung kosten ab 250.000 US-Dollar, wobei die Kosten für hochqualifizierte Techniker und Ingenieure, die die Daten erfassen und auswerten, noch nicht enthalten sind. Ein mobiles, auf neuronalen Netzen basierendes Gerät zur Tröpfchengrößenmessung würde deutlich weniger kosten und könnte von jedem bedient werden, der über die Software sowie einige einführende Bedienungsanweisungen und eine grundlegende Schulung verfügt. Je nach Anwendungsbereich und Qualität der Ausgabedaten könnte sich die Amortisationszeit eines solchen Geräts bereits in Monaten oder sogar Wochen bemessen lassen.
Wenn Sie das Thema gerne ausführlicher besprechen möchten, kontaktieren Sie uns bitte oder nehmen Sie direkt über LinkedIn Kontakt mit mir auf.