Generalisierbarkeit bisheriger Erkenntnisse

Im achten Kapitel sollen die gewonnenen Erkenntnisse bezüglich geeigneter Trainingsverfahren, Netzwerktopologie und Stabilisierungsmetriken simulativ für eine breitere Auswahl unterschiedlicher Szenarien erfolgen. Dabei werden sowohl die Streckengeometrie als auch die Systemdynamik variiert, um aufzuzeigen, dass ein stabiler Betrieb des neuronalen Netzwerkes in variablen, komplexen Umgebungsbedingungen möglich ist. Ein weiterer Aspekt der untersucht wird, ist die sukzessive Annäherung an die physikalischen Grenzen der zu Grunde liegenden Reifenmodelle, um das Verhalten des Netzwerkes mit Berücksichtigung implementierter Stabilisierungsmetriken, in grenzbereichsnahen Szenarien, bewerten zu können. Zuletzt werden die evaluierten Parameter bezüglich der Konvergenzgeschwindigkeit beim Aufschalten einer externen Störung untersucht und die Möglichkeit einer echtzeitfähigen Adaption an unvorhergesehene Systemzustände diskutiert.