Framväxten och den ökande användningen av maskininlärning (ML) och artificiell intelligens (AI) inom olika branscher driver fram nya och innovativa metoder för att förbättra systemens prestanda och effektivitet. Off-highway-segmentet är inget undantag och utnyttjar redan en rad AI-/ML-verktyg och -modeller.
Artikeln behandlar implementeringen av virtuella sensorer i off-highway-maskiner och tar upp de unika begränsningarna och utmaningarna med virtuella sensorer, fördelarna med att implementera virtuella sensorer samt de förbättrade funktionerna och den ökade flexibiliteten jämfört med traditionella fysiska sensorer. Implementeringen av virtuella sensorer kräver noggrann övervägning av de algoritmer som används för att träna data samt de data som används för att träna modellen. Trots dessa utmaningar gör fördelarna med virtuella sensorer, däribland skalbarhet och anpassningsförmåga, dem till ett värdefullt verktyg för att förbättra systemets effektivitet.