Steuerung von Compliant-Mechanismen durch Reinforcement Learning
Publikation: Beitrag in Buch/Konferenzbericht/Sammelband/Gutachten › Beitrag in Konferenzband › Beigetragen
Beitragende
Abstract
Das Ansteuern von Compliant-Mechanismen zu Zielpositionen ist besonders herausfordernd, da analytische Modelle die inverse Kinematik nicht oder nur teilweise aufstellen können. Anhand eines beispielhaften Compliant-Mechanismus zeigt diese Arbeit wie Methoden des Machine Learning angewandt werden können, um die entsprechende Kinematik erfolgreich zu lernen. Damit sind Aussagen über die Ansteuerungen der Aktuatoren möglich, mit deren beliebige Punkte mit dem Mechanismus erreicht werden.
Details
Originalsprache | Deutsch |
---|---|
Titel | Getriebetagung 2022 |
Redakteure/-innen | Maik Berger, Burkhard Corves, Tim Lüth |
Herausgeber (Verlag) | Logos Verlag, Berlin |
Seiten | 121-131 |
ISBN (Print) | 978-3-8325-5552-8 |
Publikationsstatus | Veröffentlicht - 15 Sept. 2022 |
Peer-Review-Status | Nein |
(Fach-)Tagung
Titel | Getriebetagung 2022 |
---|---|
Untertitel | Bewegungstechnik und Robotik |
Dauer | 22 - 23 September 2022 |
Stadt | Chemnitz |
Land | Deutschland |
Externe IDs
ORCID | /0000-0003-2653-7546/work/143780646 |
---|---|
ORCID | /0000-0003-2834-8933/work/143782399 |