@Article{duepublico_mods_00081705,
  author = 	{Gust, Patrick
		and H{\"u}rten, Christian
		and Boumann, Roland
		and Bruckmann, Tobias
		and {10. IFToMM D-A-CH Konferenz, 5./6. M{\"a}rz 2024, Universit{\"a}t Rostock}},
  editor = 	{{IFToMM D-A-CH}},
  title = 	{Methoden des maschinellen Lernens als Notfallstrategie nach Seilrissen bei parallelen Seilrobotern},
  journal = 	{Zehnte IFToMM D-A-CH Konferenz 2024: 05./06. M{\"a}rz 2024, Universit{\"a}t Rostock},
  year = 	{2024},
  month = 	{Mar},
  day = 	{04},
  volume = 	{2024},
  abstract = 	{In einem aktuellen Projekt der Universit{\"a}t Duisburg-Essen, gef{\"o}rdert durch die Deutsche Forschungsgemeinschaft (DFG), werden Strategien zur Schadensvermeidung nach Seilrissen in parallelen Seilrobotern entwickelt. Die zunehmend anwendungsorientierten Forschungsarbeiten auf dem Gebiet der Seilrobotik, beispielsweise der automatische Mauerroboter CARLO oder die weltweit in Stadien eingesetzte SkyCam, werfen die Frage nach der Sicherheit von Seilrobotern auf. Die sehr kritische Fehlerquelle eines Seilrisses ist bereits mehrmals bei bekannten Seilrobotern aufgetreten. Um das Risiko f{\"u}r Mensch und Maschine zu reduzieren, sind aus der Literatur einige Notfallstrategien nach Seilrissen bekannt. Diese Ans{\"a}tze sind in der Simulation analysiert und experimentell validiert worden, m{\"u}ssen aber Einschr{\"a}nkungen in Kauf nehmen, um die Echtzeitf{\"a}higkeit zu erreichen. In diesem Beitrag wird einen Ansatz aus dem Bereich des maschinellen Lernens vorgestellt.},
  note = 	{Die Arbeit an dieser Ver{\"o}ffentlichung ist gef{\"o}rdert durch die Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 506498608.},
  isbn = 	{978-3-940402-67-7},
  doi = 	{10.17185/duepublico/43383},
  url = 	{https://duepublico2.uni-due.de/receive/duepublico_mods_00081705},
  url = 	{https://doi.org/10.17185/duepublico/43383},
  url = 	{https://doi.org/10.17185/duepublico/81581},
  url = 	{https://doi.org/10.17185/duepublico/81705},
  file = 	{:https://duepublico2.uni-due.de/servlets/MCRFileNodeServlet/duepublico_derivate_00081178/IFToMM_DACH_2024_paper_5.pdf:PDF},
  language = 	{de}
}