dc.date.accessioned | 2023-07-24T09:33:01Z | |
dc.date.available | 2023-07-24T09:33:01Z | |
dc.date.issued | 2020-10-16 | |
dc.identifier | doi:10.17170/kobra-202307198403 | |
dc.identifier.uri | http://hdl.handle.net/123456789/14913 | |
dc.description.sponsorship | 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). | ger |
dc.language.iso | eng | |
dc.rights | Urheberrechtlich geschützt | |
dc.rights.uri | https://rightsstatements.org/page/InC/1.0/ | |
dc.subject | uncertainty | eng |
dc.subject | Takagi Sugeno model | eng |
dc.subject | Gaussian process regression | eng |
dc.subject | hard turning | eng |
dc.subject | Unsicherheit | ger |
dc.subject | Takagi-Sugeno-Modelle | ger |
dc.subject | Gaußprozessregression | ger |
dc.subject | Hartdrehen | ger |
dc.subject.ddc | 004 | |
dc.subject.ddc | 620 | |
dc.title | On data-driven nonlinear uncertainty modeling: Methods and application for control-oriented surface condition prediction in hard turning | eng |
dc.type | Aufsatz | |
dcterms.abstract | 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. | eng |
dcterms.abstract | 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. | ger |
dcterms.accessRights | open access | |
dcterms.alternative | Zur nichtlinearen datengetriebenen Unsicherheitsmodellierung: Methoden und Anwendung für die regelungsorientierte Randschichteigenschaftsprädiktion beim Hartdrehen | ger |
dcterms.creator | Wittich, Felix | |
dcterms.creator | Kistner, Lars | |
dcterms.creator | Kroll, Andreas | |
dcterms.creator | Schott, Christopher | |
dcterms.creator | Niendorf, Thomas | |
dc.relation.doi | doi:10.1515/teme-2020-0057 | |
dc.relation.projectid | KR 3795/8-1; NI 1327/22-1; ZI 1296/2-1 | |
dc.subject.swd | Unsicherheit | ger |
dc.subject.swd | Modell | ger |
dc.subject.swd | Takagi-Sugeno-Regler | ger |
dc.subject.swd | Gauß-Prozess | ger |
dc.subject.swd | Regressionsmodell | ger |
dc.subject.swd | Hartdrehen | ger |
dc.type.version | publishedVersion | |
dcterms.source.identifier | eissn:2196-7113 | |
dcterms.source.issue | Heft 11 | |
dcterms.source.journal | tm - Technisches Messen | ger |
dcterms.source.pageinfo | 732-741 | |
dcterms.source.volume | Band 87 | |
kup.iskup | false | |