LSTM-Based Workload Recognition for Hydraulic Actuators: A Case Study on Excavator Digging Process
Helian, Bobo
1; An, Xiaofei 2; Zhou, Yong; Chen, Zheng; Geimer, Marcus
1
1 Institut für Fahrzeugsystemtechnik (FAST), Karlsruher Institut für Technologie (KIT)
2 Karlsruher Institut für Technologie (KIT)
1; An, Xiaofei 2; Zhou, Yong; Chen, Zheng; Geimer, Marcus
11 Institut für Fahrzeugsystemtechnik (FAST), Karlsruher Institut für Technologie (KIT)
2 Karlsruher Institut für Technologie (KIT)
| Zugehörige Institution(en) am KIT | Institut für Fahrzeugsystemtechnik (FAST) |
| Publikationstyp | Proceedingsbeitrag |
| Publikationsdatum | 11.09.2024 |
| Sprache | Englisch |
| Identifikator | ISBN: 978-0-7918-8819-3 KITopen-ID: 1000178339 |
| Erschienen in | BATH/ASME 2024 Symposium on Fluid Power and Motion Control, 11th - 13th September, Bath |
| Veranstaltung | BATH/ASME Symposium on Fluid Power and Motion Control (2024), Bath, Vereinigtes Königreich, 11.09.2024 – 13.09.2024 |
| Verlag | The American Society of Mechanical Engineers (ASME) |
| Nachgewiesen in | Dimensions Scopus OpenAlex |