Das Aufkommen und die zunehmende Verbreitung von maschinellem Lernen (ML) und k¨¹nstlicher Intelligenz (KI) in allen Bereichen f?rdert neue und innovative Ans?tze 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 Einschr?nkungen und Herausforderungen virtueller Sensoren, die Vorteile der Implementierung virtueller Sensoren sowie die erweiterten Funktionen und die gr??ere Flexibilit?t im Vergleich zu herk?mmlichen physischen Sensoren ein. Die Implementierung virtueller Sensoren erfordert eine sorgf?ltige Pr¨¹fung 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, einschlie?lich ihrer Skalierbarkeit und Anpassungsf?higkeit, sie zu einem wertvollen Instrument zur Verbesserung der Effizienz des Systems.