In dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes für die Fahrdynamikregelung eines autonomen Versuchsträgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein künstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne „Vorwissen“ implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden dabei sowohl in Simulationen, als auch in einem realen Versuchsträger durchgeführt. Die Versuche zeigen das Leistungsvermögen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine präzise Fahrzeugführung auch ohne KNN möglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhängige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zu Grunde liegenden Modells kompensiert und die Regelgüte verbessert. Dieses Verhalten kann durch geeignete Auswahl der Designparameter des KNN für jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermöglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgüte im Vergleich zum rein modellbasierten Basisregler. Der Autor Jonas Kaste studierte Maschinenbau mit der Vertiefungsrichtung Luft- und Raumfahrttechnik an der TU Braunschweig und promovierte berufsbegleitend in der Konzernforschung eines Automobilherstellers.


    Zugriff

    Download

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung


    Beteiligte:
    Kaste, Jonas (Autor:in)

    Erschienen in:

    Erscheinungsdatum :

    2024


    Format / Umfang :

    1 Online-Ressource (XXXVIII, 283 Seiten)


    Anmerkungen:

    Campusweiter Zugriff (Universität Hannover) - Vervielfältigungen (z.B. Kopien, Downloads) sind nur von einzelnen Kapiteln oder Seiten und nur zum eigenen wissenschaftlichen Gebrauch erlaubt. Keine Weitergabe an Dritte. Kein systematisches Downloaden durch Robots.




    Medientyp :

    Hochschulschrift


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch



    Klassifikation :

    DDC:    629.2




    Sliding-Mode-Lernverfahren für neuronale Netzwerke in adaptiven Regelungssystemen

    Schnetter, Philipp / Technische Universität Braunschweig | TIBKAT | 2017



    Sliding-Mode-Lernverfahren für neuronale Netzwerke in adaptiven Regelungssystemen

    Schnetter, Philipp / Technische Universität Braunschweig | GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2017


    Fahrdynamikregelung ESP

    Robert Bosch GmbH, Unternehmensbereich Kraftfahrzeugausrüstung, Abteilung Technische Information | SLUB | 1998