Flottendatenauswertung -- Modellbildung und Simulation -- Prüfzyklengenerierung.
André Ebel wertet Flottendaten eines batterieelektrischen Fahrzeuges hinsichtlich Fehlerbedingungen aus und generiert daraus unter Verwendung einer Gesamtfahrzeugsimulationsumgebung repräsentative Prüfzyklen zur zeitlichen Rekonstruktion der Fehlerbedingungen. Anhand der Flottendatenauswertung mit Methoden des Maschinellen Lernens identifiziert der Autor das schädigende Nutzungsverhalten fehlerhafter Fahrzeuge. Zur Generierung von kundennahen Prüfzyklen setzt er das tiefe Q-Lernen ein, ein Verfahren des bestärkenden Lernens. Die Kombination der Flottendatenauswertung mit der Prüfzyklengenerierung trägt zur zielgerichteten und realitätsnahen Erprobung von Antriebssträngen bei. Der Inhalt Flottendatenauswertung Modellbildung und Simulation Prüfzyklengenerierung Die Zielgruppen Dozierende und Studierende der Fachgebiet Fahrzeugtechnik, besonders Elektroantriebe Praktiker aus der Zulieferer- und Automobilindustrie in diesem Bereich Der Autor André Ebel hat seinen Master of Science in Elektromobilität an der Universität Stuttgart abgeschlossen und ist seit 2015 wissenschaftlicher Mitarbeiter am Forschungsinstitut für Kraftfahrwesen und Fahrzeugmotoren Stuttgart (FKFS), wo er im Bereich Kraftfahrzeugmechatronik promovierte.
Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens
1st ed. 2024.
2024
1 Online-Ressource(XXXII, 188 S. 55 Abb.)
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.
Buch
Elektronische Ressource
Deutsch
DDC: | 629.2 |
Inferenz von Kreuzungsinformationen aus Flottendaten
GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2017
|Schwingkomfortbewertung in Straßenbahnen mittels Maschinellen Lernens
TIBKAT | 2023
|