Hochschulschrift
Lernende Gauß-Prozessregression zur Optimierung und modellprädiktiven Regelung von Großdieselmotoren
- Location
-
Deutsche Nationalbibliothek Frankfurt am Main
- ISBN
-
9783844079654
3844079653
- Dimensions
-
21 cm, 237 g
- Extent
-
146 Seiten
- Language
-
Deutsch
- Notes
-
Illustrationen
Friedrich-Alexander-Universität Erlangen-Nürnberg, Dissertation, 2021
- Keyword
-
Langsamlaufender Dieselmotor
Modellprädiktive Regelung
Gauß-Prozess
Regressionsmodell
Dynamische Optimierung
Bayes-Lernen
- Event
-
Veröffentlichung
- (where)
-
Düren
- (who)
-
Shaker
- (when)
-
2021
- Creator
- Contributor
- Table of contents
- Rights
-
Bei diesem Objekt liegt nur das Inhaltsverzeichnis digital vor. Der Zugriff darauf ist unbeschränkt möglich.
- Last update
-
11.06.2025, 2:13 PM CEST
Data provider
This object is provided by:
Deutsche Nationalbibliothek. If you have any questions about the object, please contact the data provider.
Deutsche Nationalbibliothek. If you have any questions about the object, please contact the data provider.
Object type
- Hochschulschrift
Associated
- Bergmann, Daniel
- Shaker Verlag
- Shaker
Time of origin
- 2021
Other Objects (12)
Modellbasierte iterativ lernende Regelung mit geschätzten Systemgrößen für mehraxiale Festigkeitsprüfstände
Mathematische Modellierung, Beobachterentwurf, Regelung und Optimierung eines kontinuierlichen Bandglühofens
Entwicklung und Analyse eines lernenden, populationsenkodierten Armkontrollsystems
Optimierung einer kennfeldbasierten Regelung mittels Reinforcement Learning am Beispiel einer Verbrennungskraftmaschine
Modellprädiktive Optimierung drehzahlvariabler Verstellpumpen
Strukturmechanische Optimierung, Modellierung und Regelung pneumatisch aktuierter kontinuierlicher Roboter
Iterative Optimierung kontinuierlicher chromatographischer Prozesse
Strategische Optimierung von KEP-Netzwerken
Optimierung modularer Elektro- und Hybridantriebe
Zur Optimierung akustischer Warnsignalgeber in Kraftfahrzeugen
Unterstützende Strategien zur Optimierung der Fahrzeugquerdynamik
Modellbasierte Optimierung dynamischer Fahrmanöver mittels Prüfständen
Modellbasierte iterativ lernende Regelung mit geschätzten Systemgrößen für mehraxiale Festigkeitsprüfstände
Mathematische Modellierung, Beobachterentwurf, Regelung und Optimierung eines kontinuierlichen Bandglühofens
Entwicklung und Analyse eines lernenden, populationsenkodierten Armkontrollsystems
Optimierung einer kennfeldbasierten Regelung mittels Reinforcement Learning am Beispiel einer Verbrennungskraftmaschine
Modellprädiktive Optimierung drehzahlvariabler Verstellpumpen
Strukturmechanische Optimierung, Modellierung und Regelung pneumatisch aktuierter kontinuierlicher Roboter
Iterative Optimierung kontinuierlicher chromatographischer Prozesse
Strategische Optimierung von KEP-Netzwerken
Optimierung modularer Elektro- und Hybridantriebe
Zur Optimierung akustischer Warnsignalgeber in Kraftfahrzeugen
Unterstützende Strategien zur Optimierung der Fahrzeugquerdynamik
Modellbasierte Optimierung dynamischer Fahrmanöver mittels Prüfständen
Modellbasierte iterativ lernende Regelung mit geschätzten Systemgrößen für mehraxiale Festigkeitsprüfstände
Mathematische Modellierung, Beobachterentwurf, Regelung und Optimierung eines kontinuierlichen Bandglühofens
Entwicklung und Analyse eines lernenden, populationsenkodierten Armkontrollsystems
Optimierung einer kennfeldbasierten Regelung mittels Reinforcement Learning am Beispiel einer Verbrennungskraftmaschine
Modellprädiktive Optimierung drehzahlvariabler Verstellpumpen
Strukturmechanische Optimierung, Modellierung und Regelung pneumatisch aktuierter kontinuierlicher Roboter
Iterative Optimierung kontinuierlicher chromatographischer Prozesse
Strategische Optimierung von KEP-Netzwerken
Optimierung modularer Elektro- und Hybridantriebe
Zur Optimierung akustischer Warnsignalgeber in Kraftfahrzeugen
Unterstützende Strategien zur Optimierung der Fahrzeugquerdynamik