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.


    Zugriff

    Download

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens


    Beteiligte:
    Ebel, André. (Autor:in)


    Ausgabe :

    1st ed. 2024.


    Erscheinungsdatum :

    2024


    Format / Umfang :

    1 Online-Ressource(XXXII, 188 S. 55 Abb.)


    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 :

    Buch


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch



    Klassifikation :

    DDC:    629.2




    Inferenz von Kreuzungsinformationen aus Flottendaten

    Ruhhammer, Christian | GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2017

    Freier Zugriff

    Schwingkomfortbewertung in Straßenbahnen mittels Maschinellen Lernens

    Bettinger, Tobias | TIBKAT | 2023

    Freier Zugriff