• Treffer 2 von 3
Zurück zur Trefferliste

Robustness in Fatigue Strength Estimation

  • Fatigue strength estimation is a costly manual material characterization process in which state-of-the-art approaches follow a standardized experiment and analysis procedure. In this paper, we examine a modular, Machine Learning-based approach for fatigue strength estimation that is likely to reduce the number of experiments and, thus, the overall experimental costs. Despite its high potential, deployment of a new approach in a real-life lab requires more than the theoretical definition and simulation. Therefore, we study the robustness of the approach against misspecification of the prior and discretization of the specified loads. We identify its applicability and its advantageous behavior over the state-of-the-art methods, potentially reducing the number of costly experiment.

Volltext Dateien herunterladen

  • weichert_fatigue_testing.pdf
    eng

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar Anzahl der Zugriffe auf dieses Dokument
Metadaten
Autor*innen:D. Weichert
Koautor*innen:Alexander Kister, S. Houben, G. Ernis, S. Wrobel
Dokumenttyp:Vortrag
Veröffentlichungsform:Präsentation
Sprache:Englisch
Jahr der Erstveröffentlichung:2022
Organisationseinheit der BAM:VP Vizepräsident
VP Vizepräsident / VP.1 eScience
DDC-Klassifikation:Technik, Medizin, angewandte Wissenschaften / Ingenieurwissenschaften / Ingenieurwissenschaften und zugeordnete Tätigkeiten
Freie Schlagwörter:Active Learning; Fatigue Strength; Gaussian Process
Themenfelder/Aktivitätsfelder der BAM:Material
Material / Degradation von Werkstoffen
Veranstaltung:2nd Annual AAAI Workshop on AI to Accelerate Science and Engineering
Veranstaltungsort:Washington DC, USA
Beginndatum der Veranstaltung:07.02.2023
Zugehöriger Identifikator:https://arxiv.org/pdf/2212.01136.pdf
Verfügbarkeit des Dokuments:Datei im Netzwerk der BAM verfügbar ("Closed Access")
Datum der Freischaltung:12.06.2023
Referierte Publikation:Nein
Eingeladener Vortrag:Nein
Einverstanden
Diese Webseite verwendet technisch erforderliche Session-Cookies. Durch die weitere Nutzung der Webseite stimmen Sie diesem zu. Unsere Datenschutzerklärung finden Sie hier.