Effiziente Parametrierung von Korrekturmodellen

Springer eBooks, pp. 395–408

Abstract

Zusammenfassung Künstliche Neuronale Netze, Verzögerungsglieder oder Polynomfunktionen werden genutzt, um das in Referenzversuchen identifizierte thermo-elastische Maschinenverhalten in mathematischen Modellen beschreibbar zu machen. Alle Ansätze haben gemein, dass die Modellqualität signifikant mit der verfügbaren Datenmenge korreliert. Insbesondere in der praktischen Anwendung zeigt sich allerdings, dass die Bereitstellung entsprechender Daten zeit- und damit kostenintensiv ist, sodass die Potenziale etwaiger Korrekturansätze aufgrund begrenzter Datensätze nicht vollständig genutzt werden können.

Authors 4

1. Stephan Neus corresponding Aachen Werkzeugmaschinenlabor Lehrstuhl für Werkzeugmaschinen

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor, Lehrstuhl für Werkzeugmaschinen, RWTH Aachen, Aachen, Deutschland

2. Alexander Steinert Aachen Werkzeugmaschinenlabor Lehrstuhl für Werkzeugmaschinen

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor, Lehrstuhl für Werkzeugmaschinen, RWTH Aachen, Aachen, Deutschland

3. Robert Spierling Aachen Werkzeugmaschinenlabor Lehrstuhl für Werkzeugmaschinen

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor, Lehrstuhl für Werkzeugmaschinen, RWTH Aachen, Aachen, Deutschland

4. Christian Brecher Aachen Werkzeugmaschinenlabor Lehrstuhl für Werkzeugmaschinen

   RWTH Aachen University

   Affiliation as printed

   Werkzeugmaschinenlabor, Lehrstuhl für Werkzeugmaschinen, RWTH Aachen, Aachen, Deutschland