Zusammenfassung
In diesem Beitrag werden zwei KI-basierte Regelungskonzepte zur automatischen Spurführung von Flurförderzeugen (FFZ) einer heterogenen Logistikflotte vorgestellt. Während die modellfreien Verfahren des bestärkenden Lernens für diese Anwendung als Vertreter der direkten neuronalen Regelung vorgestellt werden, lässt sich das zweite Regelungskonzept in die Klasse der indirekten neuronalen Regelungen einordnen. Beide Konzepte zeichnen sich dadurch aus, dass sie dazu in der Lage sind, die Reglerparameter an verschiedene Varianten von FFZ anzupassen sowie vorab bekanntes Wissen bezüglich des Regelstreckenverhaltens beim Entwurf der Regler gezielt zu berücksichtigen.