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.


    Access

    Download

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung


    Contributors:
    Kaste, Jonas (author) / Technische Universität Braunschweig (degree granting institution)

    Published in:

    Publication date :

    2024


    Size :

    1 Online-Ressource (XXXVIII, 283 Seiten)


    Remarks:

    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.




    Type of media :

    Theses


    Type of material :

    Electronic Resource


    Language :

    German



    Classification :

    DDC:    629.2
    BKL:    55.24 Fahrzeugführung, Fahrtechnik



    Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung

    Kaste, Jonas / Technische Universität Braunschweig / Springer Fachmedien Wiesbaden | TIBKAT | 2024


    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