Das Aufkommen und die zunehmende Verbreitung von maschinellem Lernen (ML) und künstlicher Intelligenz (KI) in allen Bereichen fördert neue und innovative Ansätze zur Verbesserung der Systemleistung und -effizienz. Das Off-Highway-Segment ist keine Ausnahme und nutzt bereits eine Reihe von KI/ML-Tools und -Modellen.
Das Papier behandelt die Implementierung virtueller Sensoren in Off-Highway-Maschinen und geht dabei auf die einzigartigen Einschränkungen und Herausforderungen virtueller Sensoren, die Vorteile der Implementierung virtueller Sensoren sowie die erweiterten Funktionen und die größere Flexibilität im Vergleich zu herkömmlichen physischen Sensoren ein. Die Implementierung virtueller Sensoren erfordert eine sorgfältige Prüfung der Algorithmen, die zum Trainieren der Daten verwendet werden, sowie der Daten, die zum Trainieren des Modells verwendet werden. Trotz dieser Herausforderungen machen die Vorteile virtueller Sensoren, einschließlich ihrer Skalierbarkeit und Anpassungsfähigkeit, sie zu einem wertvollen Instrument zur Verbesserung der Effizienz des Systems.