Beschreibung

Die vorliegende Erfindung betrifft ein Verfahren zum Bestimmen eines Gewichtswerts einer Beladung, mit der ein Arbeitswerkzeug einer mobilen Arbeitsmaschine beaufschlagt ist, ein Verfahren zum Trainieren eines datenbasierten Modells, insbesondere, in Form eines künstlichen neuronalen Netzes, das zur Korrektur eines modellbasierten Werts einer solchen Beladung verwendet wird, sowie eine Recheneinheit zur Durchführung der Verfahren und eine solche mobile Arbeitsmaschine.

Hintergrund der Erfindung

Mobile Arbeitsmaschinen wie z.B. Bagger, Radlader, Krane oder Telehandler, werden in verschiedenen Bereichen eingesetzt, z.B. zur Durchführung von Erdbewegungsaufgaben, dem Transport oder der Verladung. Solche mobile Arbeitsmaschinen weisen hierzu ein Arbeitswerkzeug auf, das mit einer Beladung beaufschlagbar ist. So weist ein Bagger z.B. einen Baggerarm mit einer Schaufel auf, in die Material wie Erde als Beladung eingebracht werden kann.

Offenbarung der Erfindung

Erfindungsgemäß werden ein Verfahren zum Bestimmen eines Gewichtswerts einer Beladung, ein Verfahren zum Trainieren eines datenbasierten Modells, sowie eine Recheneinheit zur Durchführung der Verfahren und eine mobile Arbeitsmaschine mit den Merkmalen der unabhängigen Patentansprüche vorgeschlagen. Vorteilhafte Ausgestaltungen sind Gegenstand der Unteransprüche sowie der nachfolgenden Beschreibung. Die Erfindung beschäftigt sich mit mobilen Arbeitsmaschinen, die ein Arbeitswerkzeug aufweisen, das mit einer Beladung (hier kann auch von einer Nutzlast oder engl.: "payload" gesprochen werden) beaufschlagbar bzw. beaufschlagt ist. Die Schätzung der Masse bzw. des Gewichts einer solchen Beladung, die von einem Arbeitswerkzeug einer mobilen Arbeitsmaschine erfasst bzw. aufgenommen wird ist eine Funktion, die z.B. von Herstellern mobiler Arbeitsmaschinen oder von Nachrüstern angeboten wird.

Im Rahmen einer solchen Funktion, auch als Wiegefunktion oder Wägefunktion bezeichnet, wird aus wenigstens einem Messwert wenigstens einer veränderlichen Messgröße der mobilen Arbeitsmaschine unter Verwendung eines physikalischen Modells oder Streckenmodells der mobilen Arbeitsmaschine ein modellbasierter Gewichtswert der Beladung ermittelt. Als solche Messgrößen kommen z.B. ein Druck in einem Hydraulikfluid in einem zur Bewegung des Arbeitswerkzeugs verwendeten Hydraulikzylinders, für eine Stellung des Arbeitswerkzeugs charakteristische Winkel, für eine Stellung des Arbeitswerkzeugs charakteristischen Positionen und für eine Stellung des Arbeitswerkzeugs charakteristischen Beschleunigungen in Betracht.

Insbesondere kann der Messwert dabei, z.B. mittels geeigneter Sensoren, zunächst erfasst bzw. gemessen werden, unter Verwendung eines physikalischen Modells der mobilen Arbeitsmaschine und Werten physikalischer Parameter der mobilen Arbeitsmaschine kann dann ein durch das Arbeitswerkzeug verursachtes Moment ermittelt werden. Als physikalische Parameter kommen dabei insbesondere Abmessungen und Gewichte bzw. Massen sowie Schwerpunkte der einzelnen Komponenten des Arbeitswerkzeugs in Betracht. Basierend auf dem ermittelten Moment wiederum kann unter Berücksichtigung eines Referenzmoments bei unbeladenem bzw. nicht mit einer Beladung versehenem Arbeitswerkzeug der (modellbasierte) Gewichtswert der Beladung ermittelt werden.

Beispielsweise kann auf Grundlage von in Hydraulikzylindern gemessenen Drücken die aktuelle Last am Hydraulikzylinder ermittelt werden. Bei bekannten Hebelverhältnissen lässt sich aus dieser Last ein Moment berechnen, das das Arbeitswerkzeug der mobilen Arbeitsmaschine gegen die Schwerkraft nach oben hält oder bewegt. Wenn die Leergewichte (bzw. Leermassen), die Lage der Schwerpunkte und die Trägheitswerte des Arbeitswerkzeugs der mobilen Arbeitsmaschine bekannt sind, kann auf Grundlage des physikalischen Streckenmodells berechnet werden, welcher Anteil des gemessenen Moments auf das unbeladene bzw. leere Arbeitswerkzeug entfällt. Wird ein Moment gemessen bzw. bestimmt, das über den entsprechenden, berechneten Wert des physikalischen Streckenmodells hinausgeht, so kann angenommen werden, dass es von einer Beladung des Arbeitswerkzeugs verursacht wird. Unter Annahme der Lage des Schwerpunkts der Beladung bzw. der Beladungsmasse kann damit ein Gewichtswert für die Beladung bestimmt werden. Eine nähere Beschreibung eines solchen physikalischen Streckenmodells sowie dessen Verwendung im Rahmen einer Wiegefunktion sind z.B. in "Dynamical Systems in Applications, Lodz, Poland, December 11- 14, 2017" oder "A. Renner, H. Wind, O. Sawodny, Online payload estimation for hydraulically actuated manipulators, Mechatronics, Volume 66, 2020, Artikel 102322" zu finden.

Es gibt nun Möglichkeiten, wie mit Modellungenauigkeiten bzgl. des physikalischen Streckenmodells umgegangen werden kann. Es können beispielweise Zustandsüberwacher eingesetzt werden, um zu identifizieren, ob die aktuelle Dynamik eine hinreichende Genauigkeit des physikalischen Streckenmodells vermuten lässt und so eine Gewichtsschätzung der Beladung möglich ist. Wenn nicht, sollte ein ggf. ermittelter Gewichtswert also nicht verwendet werden, weil er höchstwahrscheinlich nicht genau genug ist.

Der Gewichtswert der Beladung, der nach dem beschriebenen Ansatz ermittelt (bzw. geschätzt) wird, weist letztlich eine gewisse Ungenauigkeit gegenüber dem tatsächlichen Gewichtswert der Beladung auf. Eine Quelle für Ungenauigkeiten sind z.B. Modellungenauigkeiten bzgl. des physikalischen Streckenmodells der mobilen Arbeitsmaschine. Diese Ungenauigkeiten kommen unter anderem von physikalischen Effekten, die nicht komplett im Streckenmodell abgebildet werden (z.B. Reibung, Abnutzung, etc.) oder von Elementen einer Arbeitsausrüstung, die nicht in der Modellierung berücksichtigt werden (z.B. Anbaugeräte wie Lampen und Schläuche). Ebenfalls nachteilig auf das Schätzergebnis wirken sich verfälschte Messungen durch die eingesetzte Sensorik aus (z.B. Offsets, Rauschen, Drift).

Vor diesem Hintergrund wird vorgeschlagen, weiterhin unter Verwendung eines datenbasierten Modells bzw. eines datenbasierten Ansatzes, bevorzugt in Form eines künstlichen neuronalen Netzes, mit wenigstens einem Eingangswert, der den wenigstens einen Messwert umfasst, einen Korrekturwert als Ausgangswert zu bestimmen, um damit den modellbasierten Gewichtswert der Beladung zu korrigieren. Als (künstliche) neuronales Netz kommt hierbei insbesondere eines der Klasse "Multilayer Perceptron" (MLP) in Betracht. Denkbar ist aber ebenso die Anwendung eines CNN ("Convolutional Neural Network"). Andere datenba- sierte Korrekturverfahren, die im Rahmen der Erfindung verwendet werden können, sind z.B. "Gaussian Process Regression" (GPR), "Genetic Programming" (z.B. als GPTIPS), oder "Nonlinear System Identification" bzw. "Local Linear Model Trees" (LOLIMOT). Dies entspricht somit einer datenbasierten Korrektur, die für ein genaueres Ergebnis bzw. eine genauere Schätzung sorgt. Die erwähnten Ungenauigkeiten des physikalischen Streckenmodells können ausgeglichen werden. Zudem ist der beschriebene Ansatz mit dem physikalischen Modell in der Regel auf einen beschränkten dynamischen Zustand der Arbeitsmaschine hin optimiert und liefert außerhalb dieses Zustands weniger genaue Ergebnisse. Eine datenbasierte Korrektur hat hingegen das Potenzial , die Beschränkung des dynamischen Zustands derart auszuweiten, dass eine Nutzung des Ergebnisses für nachgelagerte Funktionen, z.B. Stabilitätsüberwachung, Kippschutz oder andere Aktion der mobilen Arbeitsmaschine, möglich wird. Ebenso kann eine Information über den korrigierten, modellbasierten Gewichtswert der Beladung, also auch der korrigierte Gewichtswert selbst, für einen Benutzer bzw. Maschinenführer ausgegeben werden, z.B. im Wege einer Anzeige auf einem Anzeigemittel.

Es wird somit als eine hybride Wiegefunktion vorgeschlagen. Der datenbasierte Anteil davon kann dabei im Vorfeld, d.h. vor der Anwendung im Betrieb der mobilen Arbeitsmaschine, ebenso aber während des Betriebs der mobilen Arbeitsmaschine trainiert werden. Denkbar ist natürlich auch eine Kombination davon. Auf das Trainieren soll nachfolgend noch näher eingegangen werden.

Als Eingangswerte für das datenbasierte Modell werden dabei dieselben Messwerte (oder Signale) wie für das physikalische Streckenmodell genutzt. Zusätzlich können aber Messwerte weiterer veränderlicher Messgrößen (bzw. Signale) als Eingangswerte genutzt werden, die nicht für das physikalische Streckenmodell genutzt werden, denen aber z.B. eine (gewisse) Relevanz zugemessen wird. So kann beispielweise die Öltemperatur - oder allgemein eine Temperatur eines Hydraulikfluids - als Eingangswert des datenbasierten Modells verwendet werden. Ebenso kommen aber z.B. Drücke, in Betracht, die nicht für die Ermittlung des modellbasierten Gewichtswerts genutzt werden, ebenso auch Stellsignale, die Information über eine Arbeitspunktverschiebung beinhalten. Wie sich gezeigt hat, ist ein Einfluss einer solchen Temperatur auf das Wiegeergebnis über das physikalische Streckenmodell sehr aufwendig zu modellieren. Über den datenbasierten Ansatz kann dies hingegen deutlich einfacher - dann im Wege einer Korrektur - berücksichtigt werden. Für das Training bzw. zum Trainieren (auch als Einlernen bezeichnet) des datenbasierten Modells wird vorgeschlagen, aus dem modellbasierten Gewichtswert der Beladung und einem Referenzgewichtswert hierfür ein Zielwert bzw. Sollwert für eine Ausgangsgröße des datenbasierten Modells zu bestimmen. Der Referenzgewichtswert kann für den tatsächlichen bzw. gemessenen Gewichtswert der Beladung stehen und z.B. durch eine Wägung ermittelt sein. So kann also z.B. beim Einlernen für eine bestimmte Beladung, deren tatsächliches Gewicht bekannt ist, eine geeigneter Zielwert bestimmt werden, den das datenbasierte Modell möglichst ausgeben soll, wenn ihm die entsprechenden Eingangswerte zugeführt werden.

Weiterhin wird im Rahmen des Trainierens dann unter Verwendung des datenbasierten Modells mit dem wenigstens einen Eingangswert ein Istwert der Ausgangsgröße des datenbasierten Modells bzw. ein (tatsächlicher) Ausgangswert bestimmt. Basierend auf dem Ausgangswert (hierbei handelt es sich letztlich um den vorher schon erwähnten Korrekturwert) und dem Zielwert können dann Parameter des datenbasierten Modells - hier handelt es sich z.B. um Gewichte, die die einzelnen Neuronen im künstlichen neuronalen Netz, wenn das datenbasierte Modell als solches implementiert wird, verknüpfen - angepasst werden. Hierzu können der Zielwert und der Ausgangswert einer Kostenfunktion zugeführt werden, sodass dann z.B. mittels eines Optimierungsalgorithmus die Parameter -möglichst optimal - angepasst werden können. Als Kostenfunktion bzw. Gütekriterium beim Trainieren kann hierbei der sog. "Root-Mean-Square Error" (RMSE) zwischen "Predicted Correction Value" (Ausgangswert) und "Target Correction Value" (Zielwert) herangezogen werden. Abhängig vom eingesetzten datenbasierten Modell kann dann ein Algorithmus verwendet werden, der den in der Kostenfunktion errechneten RMSE minimiert. Im Falle eines MLP-neuronalen Netzes ist dies z.B. ein Gradientenverfahren mit geeigneter Erweiterung.

Eine erfindungsgemäße Recheneinheit, z.B. ein Steuergerät oder eine Steuereinheit einer mobilen Arbeitsmaschine, ist, insbesondere programmtechnisch, dazu eingerichtet, ein erfindungsgemäßes Verfahren durchzuführen. Dies gilt sowohl für das Verfahren zum Bestimmen des Gewichtswerts der Beladung als auch das Verfahren zum Trainieren eines datenbasierten Modells. In beiden Fällen kann das datenbasierte Modell dabei auf der Recheneinheit hinterlegt sein. Gegenstand der Erfindung ist weiterhin eine mobile Arbeitsmaschine mit einem Arbeitswerkzeug, das mit einer Beladung beaufschlagbar ist, wenigstens einer Sensoreinrichtung zum Erfassen wenigstens einer veränderlichen Messgröße sowie einer erfindungsgemäßen Recheneinheit. Wie eingangs schon erwähnt, kommen hier verschiedene Arten mobiler Arbeitsmaschinen in Betracht wie z.B. Bagger, Radlader, Krane, Telehandler oder Gabelstapler.

In diesem Zusammenhang sei auch erwähnt, dass eine solche Recheneinheit auch im Wege einer Nachrüstung bei einer mobilen Arbeitsmaschine eingesetzt werden kann. Denkbar ist auch, eine vorhandene Recheneinheit, die z.B. bisher nur die auf dem physikalischen Modell basierte Wiegefunktion beherrscht, entsprechend auszutauschen oder zu aktualisieren.

Auch die Implementierung eines erfindungsgemäßen Verfahrens in Form eines Computerprogramms oder Computerprogrammprodukts mit Programmcode zur Durchführung aller Verfahrensschritte ist vorteilhaft, da dies besonders geringe Kosten verursacht, insbesondere wenn ein ausführendes Steuergerät noch für weitere Aufgaben genutzt wird und daher ohnehin vorhanden ist. Geeignete Datenträger zur Bereitstellung des Computerprogramms sind insbesondere magnetische, optische und elektrische Speicher, wie z.B. Festplatten, Flash-Speicher, EEPROMs, DVDs u.a.m. Auch ein Download eines Programms über Computernetze (Internet, Intranet usw.) ist möglich.

Weitere Vorteile und Ausgestaltungen der Erfindung ergeben sich aus der Beschreibung und der beiliegenden Zeichnung.

Es versteht sich, dass die vorstehend genannten und die nachfolgend noch zu erläuternden Merkmale nicht nur in der jeweils angegebenen Kombination, sondern auch in anderen Kombinationen oder in Alleinstellung verwendbar sind, ohne den Rahmen der vorliegenden Erfindung zu verlassen.

Die Erfindung ist anhand von Ausführungsbeispielen in der Zeichnung schematisch dargestellt und wird im Folgenden unter Bezugnahme auf die Zeichnung ausführlich beschrieben.

Figurenbeschreibung Figur 1 zeigt schematisch eine erfindungsgemäße mobile Arbeitsmaschine in einer bevorzugten Ausführungsform, mit der ein erfindungsgemäßes Verfahren durchführbar ist.

Figur 2 zeigt schematisch einen Ablauf eines erfindungsgemäßen Verfahrens in einer bevorzugten Ausführungsform.

Figur 3 zeigt schematisch einen Ablauf eines erfindungsgemäßen Verfahrens in einer weiteren bevorzugten Ausführungsform.

Detaillierte Beschreibung der Zeichnung

In Figur 1 ist schematisch eine erfindungsgemäße mobile Arbeitsmaschine 100 in einer bevorzugten Ausführungsform, hier in Form eines Baggers, dargestellt, mit der ein erfindungsgemäßes Verfahren durchführbar ist.

Der Bagger 100 weist ein Arbeitswerkzeug 110 in Form eines Baggerarms bzw. Arbeitsarms auf, der an einem Oberwagen 120 als Komponente der mobilen Arbeitsmaschine beweglich angeordnet bzw. befestigt ist. Der Oberwagen 120 wiederum ist z.B. um eine Hochachse des Baggers drehbar mit einem Unterwagen 130 verbunden.

Das Arbeitswerkzeug 110 weist beispielhaft zwei beweglich miteinander verbundenen Komponenten 111 und 112 sowie ein als Schaufel ausgebildetes Werkzeug 115 auf, um Material bzw. eine Beladung 160 aufzunehmen. Das Werkzeug 115 ist dabei wiederum beweglich an der Komponente 112 angeordnet Das Arbeitswerkzeug 110 weist weiterhin einen Hydraulikzylinder 114 sowie weitere, nicht explizit bezeichnete Hydraulikzylinder auf, mittels welcher die genannten Komponenten relativ zueinander bewegbar sind.

Am Arbeitswerkzeug 110 sind beispielhaft drei Sensoreinrichtungen bzw. Sensoren 121 , 122 und 125 angeordnet, jeweils an einer Komponente des Arbeitswerkzeugs 110, mittels welcher jeweils ein zugeordneter Winkel q>i , q>2 bzw. cps bestimmt werden kann. Zur Automatisierung sind mobile Arbeitsmaschinen ohnehin meist mit Sensoren oder Sensoreinrichtungen zur Erfassung der Lage des Arbeitswerkzeugs oder zur Erfassung der Gelenkwinkel ausgestattet. Andernfalls können solche auch zusätzlich vorgesehen werden. Derartige Sensoren oder Sensoreinrichtungen umfassen z.B. Inertialsensoren bzw. Inertialmesseinheiten (IMUs), Winkelsensoren (Encoder) und/oder in den Zylindern verbaute Wegsensoren, Encoder oder Seilzüge.

Der Winkel q>i gibt hier einen Winkel zwischen der Verbindungsgeraden der Gelenke der Komponente 112 (Ausleger) und dem Oberwagen 120 (bzw. dort einer Horizontalen) an, der Winkel q>2 gibt einen Winkel zwischen den Verbindungsgeraden der Gelenke der Komponente 111 und der Verbindungsgeraden der Gelenke der Komponente 112 an und der Winkel cps gibt einen Winkel zwischen der Verbindungsgeraden der Gelenke der Komponente 112 und der Verbindungsgeraden des Gelenks des Werkzeugs 115 und dessen Spitze an. Der Winkel <PL gibt einen Anstellwinkel an und ist z.B. durch die Öffnung des Werkzeugs 115 in Bezug zu einer Horizontalen H (entspricht einer Linie zwischen dem Gelenk des Werkzeugs 115 und dessen Spitze) definiert.

An den Schwerpunkten der verschiedenen Komponenten des Arbeitswerkzeugs 110 sind senkrecht nach unten gerichtete Pfeile gezeigt, die die Gewichtskräfte bzw. Massen der betreffenden Komponenten darstellen sollen. Diese Pfeile sind nicht näher bezeichnet. Am Werkzeug 115 ist neben dem nicht näher bezeichneten Pfeil (der für das Leergewicht des Werkzeugs steht) noch ein Pfeil Gz gezeigt, der für das Gewicht (bzw. den Gewichtswert) der Beladung 160 steht.

Anhand der Winkel q>i , <p2 bzw. cps sowie der zugehörigen geometrischen Abmessungen, die insbesondere Längen der Komponenten des Arbeitswerkzeugs h, l ₂ und l ₃ zwischen den Gelenken bzw. der Spitze des Werkzeugs umfassen, ergibt sich damit ein Moment M, das auf das Gelenk, an dem die Komponente 111 am Oberwagen 120 angeordnet ist, wirkt. Dieses Moment M setzt sich dabei aus einem Referenzmoment MR, das für ein Moment bei unbeladenem Werkzeug steht, sowie einem Moment MG, das für das Moment, das aus der Beladung resultiert, steht. Von der Hydraulik muss ein Gegenmoment M' aufgebracht werden, um das Arbeitswerkzeug in Position zu halten. Dies führt zu einer Kraft F auf den Hydraulikzylinder 114 bzw. einen Druck P darin. Da auch für diesen Druck ein Referenzwert bei unbeladenem Werkzeug bekannt ist (bzw. einfach bestimmt werden kann), kann anhand der Winkel sowie des Drucks der Gewichtswert Gz der Beladung 160 geschätzt werden. Weiterhin ist eine als Steuereinheit oder Steuergerät ausgebildete Recheneinheit 150 vorgesehen, mittels welcher z.B. Messwerte der Sensoren erfasst und das Arbeitswerkzeug angesteuert werden kann.

In Figur 2 ist schematisch ein Ablauf eines erfindungsgemäßen Verfahrens in einer bevorzugten Ausführungsform dargestellt, wonach ein Gewichtswert der Beladung bestimmt bzw. geschätzt und dann korrigiert wird.

Der Druck p als Messwert einer Messgröße 200 sowie die drei gezeigten Winkeln q>i , cpz bzw. cps als Messwerte von Messgrößen 202 (es versteht sich, dass auch andere Messgrößen in Betracht kommen) werden als Eingangsgrößen einem physikalischen Streckenmodell 204 des Arbeitswerkzeugs zugeführt. Dort werden dann unter Berücksichtigung geometrischer Parameter 206, die z.B. die erwähnten geometrischen Abmessungen sowie Längen der Komponenten des Arbeitswerkzeugs umfassen, ein modellbasierter Gewichtswert G*z als ein Schätzwert für das Gewicht der Beladung ermittelt.

Weiterhin werden die genannten Messgrößen 200, 202 außerdem für ein hier als künstliches neuronales Netz implementiertes datenbasiertes Modell 210 als Eingangsgrößen verwendet. Ergänzend umfasst dieses künstliche neuronale Netz 210 als Eingangsgröße noch einen Wert einer weiteren Messgröße 208, bei der es sich z.B. um eine Temperatur eines Hydraulikfluids, das im Hydrauliksystem der mobilen Arbeitsmaschine verwendet wird, handeln kann. Das künstliche neuronale Netz 210 liefert als Ausgangsgröße dann einen Korrekturwert K, mit dem der modellbasierte Gewichtswert G*z z.B. additiv korrigiert wird, sodass der korrigierte Gewichtswert G**z erhalten wird. Dieser kann dann z.B. auf einem Anzeigemittel 212 einem Benutzer angezeigt werden.

In Figur 3 ist schematisch ein Ablauf eines erfindungsgemäßen Verfahrens in einer weiteren bevorzugten Ausführungsform dargestellt, wonach das als künstliches neuronales Netz implementierte datenbasierte Modell, dessen Verwendung in Bezug auf Figur 2 beschrieben wurde, trainiert wird.

Zunächst wird, wie in Bezug auf Figur 2 erläutert, ein modellbasierter Gewichtswert G*z der Beladung bestimmt. Unter Berücksichtigung eines Referenzgewichtswerts GZ,R hierfür, z.B. einem gemessenen Gewichtswert der Beladung , wird dann ein Sollwert bzw. Zielwert Kz für einen - später vom neuronalen Netz auszugebenden - Korrekturwert bestimmt. Insbesondere soll der Korrekturwert eine Differenz zwischen dem modellbasierten Gewichtswert G*z und dem Referenzgewichtswerts GZ,R ausgleichen. Wenn der modellbasierte Gewichtswert G*z für einen konkreten Fall (mit bestimmter Beladung und bestimmter Position bzw. Stellung des Arbeitswerkzeugs) z.B. 5% höher als der Referenzgewichtswert GZ,R liegt, also der tatsächliche Gewichtswert zu hoch geschätzt wird, ist der Zielwert Kz negativ und beträgt in etwa 5% des Referenzgewichtswerts GZ,R.

Weiterhin wird, wie auch in Bezug auf Figur 2 erläutert, anhand der Messgrößen 200, 202 sowie der weiteren Messgröße 208 als Eingangsgrößen mittels des künstlichen neuronalen Netzes 210 ein tatsächlicher Ausgangswert K bestimmt. Hierbei ist darauf zu achten, dass die Messwerte der Messgrößen für denjenigen konkreten Fall gelten, für den der modellbasierte Gewichtswert G*z, der Referenzgewichtswert GZ,R sowie der Zielwert Kz gelten.

Der Zielwert Kz und der Ausgangswert K werden dann einer Kostenfunktion 300 zugeführt, unter deren Berücksichtigung im Rahmen eines Optimierungsalgorithmus 302 dann Parameter 304 - hierbei handelt es sich insbesondere um Gewichte im künstlichen neuronalen Netz - angepasst werden. Wenn in dem vorstehend genannten Beispiel der Korrekturwert K zunächst im Betrag z.B. nur ca. 3% des Referenzgewichtswerts GZ,R beträgt, so können die Parameter derart angepasst werden, dass der Korrekturwert höher wird.

Indem dieser Vorgang für verschiedene Stellungen des Arbeitswerkzeugs sowie verschiedene Gewichtswerte der Beladungen durchgeführt wird, kann das künstliche neuronale Netz 210 eingelernt bzw. trainiert werden. Dies kann im Vorfeld vor erstmaliger Verwendung (wie in Bezug auf Figur 2 beschrieben) erfolgen, zusätzlich aber auch immer wieder während des Betriebs.

Auf diese Weise kann also ein künstliches neuronales Netz bereitgestellt werden, mit dem eine Wiegefunktion bei einer mobilen Arbeitsmaschine, die auf einem physikalischen Modell beruht, mitunter deutlich verbessert werden kann. Alternativ könnte aber auch das zugrundeliegende physikalische Modell vereinfacht werden, ohne an Genauigkeit zu verlieren.