�������������������������������������������� ������������������������������������������������ (Virtual Sensing - VS) - �������������������� ������������������������ �������������������������������������� �������������������������������� �������� ���������� ������������������������������ ������������������������������ �������������������������������������������� ��������������������������������. ������������ �������������������� ������������������ �������������������� �������������������������������������������� �������������������������������������������������������� ������������������������ �������������������������������������������� ���������������������������� ���� �������������������������������������������� �������� ���������������������� , �������������������������������������� ���������������������������������������� ���������� �������������������������������� ����������������������������. ���� ������������������������ ������������������������ ������������������������������������������������������������ ������������������������������������ �������������� ������������ ���� ������������������������������������������������������������ ���������������������������������������������������� ����, ��������������������������������������������������������, VS. ���� ���������������� ������������������������ �������������������������������� �������������������������������� ������������������������������������ ���������������������������� ����������������������������������������������������, ���������������������������������������� �������� ���������������������� , ������������������������ ���� ������������ �������������������� ������������������������������������������������ ���������������������������������������������������� ���� ������������������������������������ �������������� ������������. �������������������� ����������������, ������������ ������������������������������������������������ �������������������������������� ���������������������������������������������������� �������������� ������������ VS, �������� ���������������������������� �������������������������������������������������������������������� ���������������������������� �������������������������������������������� �������������������������������������������� ������������������������������������ ������������������������ ������������ ������������������������ ��������������������������������������������, ���������������������������������������������������������������������������� ���������������������������� ������������������������������������. ������������������������������������������������ �������� ���������������������������� VS �������������� �������������������� ��������������������������������: ���������������������������������������������������� ������������������������, �������������������������������������������������������� ������������������������, ������������������������������������ ���������������� ���� ������������������������ ������������������������, ������������������������������������������������ ���� ������������������������������������ ���������������� ������������������������ ���������������������������������������������������� ������������������������ (Long Short Term Memory - LSTM), ���� �������������������� ������������������������������������ �������������� ��������, ���������������������������������������� �������� �������������������������������������������������������� ���������������������������� ����������������������������, ���������������������������� �������������������� ������������������������������������������������ ������������ �������������������������������� ���������������������������������� ������������������������������������������ �������������������������������� ���� ���������������� ������������������������������������ �������������������������������������������������������� ������������������������������������ ���������������� (Physics-Informed Neural Network - PINN). �� �������������������������������� �������������� ������������ VS �������������������������������������������� ���� ���������������������������� ������������������������������������������������ ��������������������������������, �������������������������������������������� �������� ���������������������������� ���������������������������������������� �������������������������������������������� ���� ���������������������������������� , ���� �������������������� ���� ���������������������������� ���������������������� ��������������������������������. ��������������������������������, ������������ VS ������������������������������������������������������ �������������������������������� ������������������������������������ ������������������������ ������������������������������������ ��������-�������� ������������������������ ������������������������������������������������ ���������������������������� ������������������������ ���������������� ��������������������������������, ���������������� �������������������� �������������������������������������������� ���������������������������������������� ���������������������������� ��������������������. ���������������������������� �������������������������������������������� ���������������������������� ���������������������������������������������������� ������������ ������������������������ ������������������������������������������������ ������������ ������������������������������������������������������������������������������������ �������������������������������� ���������������������������� ������������������������������������. ������������ ������������������������ �������������������� ���������������� ������������������������ �������������������������������������������� �������� ������������������������������������������������������ ���������������������������� VS ���� ������������������������������������������������ ������������������������������������ - ��������������������, ������������������������, ��������������������������������, ������������ �������������������� ���������������������������� ������������������������ �������� �������������������������������������������� �������������������������������� �� ���������������������������������������������������� ������������������������������������������������ ����������������������������, Virtual Sensing (VS) is a method to replace physical sensors on technical systems by a software counterpart. In order to achieve this, a mathematical model of the physical sensor in dependency from other, measured parameters of the technical system has to be developed. This work reviews different approaches to mathematical modelling and therefore to VS. It is focused on data-driven modelling methods, but analytical and hybrid approaches are presented too. After the most promising VS approaches are presented, different methods are applied in a case study on a high-speed axial compressor in order to replace a physical, piezo-electric acceleration sensor. The VS approaches tested in the case study are: regression models, correlation models, feed-forward, recurrent, and LSTM neural networks as well a model-based approach based on the statistical energy analysis, which is also used in order to create a hybrid virtual sensor in form of a physics-informed neural network. The different VS approaches are assessed by the means of a mean absolute percentage error inspired quality factor, as well as by soft factors. It is shown that VS of actual acceleration signals is hard to achieve, due to the highly fluctuating nature of these kinds of signals, even when a steady operating point is set. Therefore, the virtual sensors are designed to estimate the e'ective or root-mean-square value of the acceleration signal. This task can be achieved by several of the presented VS methods with reasonable accuracy - it is worth noting however that more complex models do not necessarily improve the performance of the virtual sensor.