Datum
2020-10-16Schlagwort
004 Informatik 620 Ingenieurwissenschaften UnsicherheitModellTakagi-Sugeno-ReglerGauß-ProzessRegressionsmodellHartdrehenMetadata
Zur Langanzeige
Aufsatz
On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning
(Zur nichtlinearen datengetriebenen Unsicherheitsmodellierung: Methoden und Anwendung für die regelungsorientierte Randschichteigenschaftsprädiktion beim Hartdrehen)
Zusammenfassung
In this article, two data-driven modeling approaches are investigated, which allow an explicit modeling of uncertainty. For this purpose, parametric Takagi-Sugeno multi-models with bounded-error parameter estimation and nonparametric Gaussian process regression are applied and compared. These models can for instance be used for robust model-based control design. As an application, the prediction of residual stresses during hard turning depending on the machining parameters and the initial hardness is considered.
In diesem Artikel werden zwei datengetriebene Modellierungsansätze für den Einsatz bei zerspanenden Prozessen untersucht, die eine explizite Modellierung der Unsicherheit erlauben. Dazu werden ein parametrisches Takagi-Sugeno-Multi-Modell mit einer Bounded-Error Parameterschätzung und eine nichtparametrische Gaussprozessregression eingesetzt und verglichen. Diese Modelle können beispielsweise für den robusten Vorsteuerungs- und Regelungsentwurf eingesetzt werden. Als Anwendung wird die Prädiktion der Eigenspannungen beim Hartdrehen in Abhängigkeit der Maschinenstellgrößen und der initialen Härte betrachtet.
Zitierform
In: tm - Technisches Messen Band 87 / Heft 11 (2020-10-16) , S. 732-741 ; eissn:2196-7113Förderhinweis
The scientific work has been supported by the DFG within the research priority program SPP 2086 (Grant Number: KR 3795/8-1; NI 1327/22-1; ZI 1296/2-1).Zitieren
@article{doi:10.17170/kobra-202307198403,
author={Wittich, Felix and Kistner, Lars and Kroll, Andreas and Schott, Christopher and Niendorf, Thomas},
title={On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning},
journal={tm - Technisches Messen},
year={2020}
}
0500 Oax 0501 Text $btxt$2rdacontent 0502 Computermedien $bc$2rdacarrier 1100 2020$n2020 1500 1/eng 2050 ##0##http://hdl.handle.net/123456789/14913 3000 Wittich, Felix 3010 Kistner, Lars 3010 Kroll, Andreas 3010 Schott, Christopher 3010 Niendorf, Thomas 4000 On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning :Zur nichtlinearen datengetriebenen Unsicherheitsmodellierung: Methoden und Anwendung für die regelungsorientierte Randschichteigenschaftsprädiktion beim Hartdrehen / Wittich, Felix 4030 4060 Online-Ressource 4085 ##0##=u http://nbn-resolving.de/http://hdl.handle.net/123456789/14913=x R 4204 \$dAufsatz 4170 5550 {{Unsicherheit}} 5550 {{Modell}} 5550 {{Takagi-Sugeno-Regler}} 5550 {{Gauß-Prozess}} 5550 {{Regressionsmodell}} 5550 {{Hartdrehen}} 7136 ##0##http://hdl.handle.net/123456789/14913
2023-07-24T09:33:01Z 2023-07-24T09:33:01Z 2020-10-16 doi:10.17170/kobra-202307198403 http://hdl.handle.net/123456789/14913 The scientific work has been supported by the DFG within the research priority program SPP 2086 (Grant Number: KR 3795/8-1; NI 1327/22-1; ZI 1296/2-1). eng Urheberrechtlich geschützt https://rightsstatements.org/page/InC/1.0/ uncertainty Takagi Sugeno model Gaussian process regression hard turning Unsicherheit Takagi-Sugeno-Modelle Gaußprozessregression Hartdrehen 004 620 On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning Aufsatz In this article, two data-driven modeling approaches are investigated, which allow an explicit modeling of uncertainty. For this purpose, parametric Takagi-Sugeno multi-models with bounded-error parameter estimation and nonparametric Gaussian process regression are applied and compared. These models can for instance be used for robust model-based control design. As an application, the prediction of residual stresses during hard turning depending on the machining parameters and the initial hardness is considered. In diesem Artikel werden zwei datengetriebene Modellierungsansätze für den Einsatz bei zerspanenden Prozessen untersucht, die eine explizite Modellierung der Unsicherheit erlauben. Dazu werden ein parametrisches Takagi-Sugeno-Multi-Modell mit einer Bounded-Error Parameterschätzung und eine nichtparametrische Gaussprozessregression eingesetzt und verglichen. Diese Modelle können beispielsweise für den robusten Vorsteuerungs- und Regelungsentwurf eingesetzt werden. Als Anwendung wird die Prädiktion der Eigenspannungen beim Hartdrehen in Abhängigkeit der Maschinenstellgrößen und der initialen Härte betrachtet. open access Zur nichtlinearen datengetriebenen Unsicherheitsmodellierung: Methoden und Anwendung für die regelungsorientierte Randschichteigenschaftsprädiktion beim Hartdrehen Wittich, Felix Kistner, Lars Kroll, Andreas Schott, Christopher Niendorf, Thomas doi:10.1515/teme-2020-0057 KR 3795/8-1; NI 1327/22-1; ZI 1296/2-1 Unsicherheit Modell Takagi-Sugeno-Regler Gauß-Prozess Regressionsmodell Hartdrehen publishedVersion eissn:2196-7113 Heft 11 tm - Technisches Messen 732-741 Band 87 false
Die folgenden Lizenzbestimmungen sind mit dieser Ressource verbunden:
:Urheberrechtlich geschützt