Die zuverlässige Bewertung von Simulationsdaten eines virtuellen Fahrzeuges hinsichtlich des von einem Benutzer empfundenen Komforts ist von großem Interesse, da sie bereits in einer frühen Phase des Produktentstehungsprozesses im Simulationsmodell eine Voroptimierung von Bauteilen ermöglicht und dadurch Entwicklungszeit und -kosten eingespart werden können. Hierzu sind Bewertungsmodelle notwendig, die eine Berechnung subjektiver Komforturteile aus objektiven charakteristischen Größen erlauben. Neben der Modellierung durch Regression als Standardmethode sind künstliche neuronale Netze (KNN) ein sehr vielversprechendes Werkzeug, um auf Basis objektiv messbarer Größen subjektive Komforturteile vorherzusagen1. Am Beispiel des automatisierten Anfahrvorgangs werden Bewertungsmodelle mittels multipler linearer Regression sowie Feed-Forward Backpropagation Netzen entwickelt und angewendet. Grundlage der Modellierung bilden Fahrversuche mit Laienbewertern in einem eigens für diesen Zweck aufgebauten Versuchsfahrzeug, dessen Anfahreigenschaften im kundenrelevanten Bereich variierbar sind. Die Komfortbeurteilung erfolgt anhand eines für Laienbewerter geeigneten Bewertungsschemas. Es wird eine Überprüfung der Modelle hinsichtlich Approximations- und Prognosegüte anhand eines Gütekriteriums, basierend auf dem Vergleich von berechneten und tatsächlich in Fahrversuchen ermittelten Komfortwerten, durchgeführt. Außerdem werden Richtlinien zum effektiven Umgang mit KNN für die Objektivierung von Komfortbeurteilungen erarbeitet, welche auf die Behandlung ähnlicher Problemstellungen übertragbar sind. U. a. werden speziell Maßnahmen aufgezeigt, die ein äAuswendiglernen? der Trainingsdaten ? und den damit einhergehenden Verlust an Generalisierungsfähigkeit ? unterbinden. Beim Methodenvergleich ist festzustellen, dass die KNN- den Regressionsmodellen in punkto Prognosegenauigkeit überlegen sind. Es wird gezeigt, dass die objektivierte Beurteilung sowohl realer, als auch virtueller (simulierter) Anfahrten aus Kundensicht möglich ist. Somit ist eine Abschätzung der Komforteigenschaften real vorhandener Anfahrten erreichbar, was den Applikationsaufwand, speziell für automatisierte Anfahrsysteme, beherrschbarer macht. Darüber hinaus ist bereits in einer frühen Phase des Produktentstehungsprozesses eine Komfortabschätzung für virtuelle Fahrzeuge möglich. Dies stellt einen entscheidenden Baustein für die Verkürzung von Entwicklungszeiten und die Reduktion von Entwicklungskosten mittels virtueller Methoden, bei gleichzeitiger Erhöhung der Kundenakzeptanz, dar.

    The reliable evaluation of simulation data of a virtual vehicle, with respect to the comfort felt by a user, is of great interest because it enables a pre-optimization of construction parts at a very early stage of the product development process and therefore economizes development time and costs. For this purpose, evaluation models are necessary that allow a calculation of subjective comfort ratings from objective characteristic quantities. Besides the standard method of modelling by regression, artificial neura l networks (ANN) are a very promising tool for predicting subjective comfort ratings on the basis of objectively measurable quantities2. On the example of the automated start-up procedure, evaluation models are developed and applied by means of multiple linear regressions and feed-forward back propagation networks. The basis for the modelling are drive tests with laymen evaluators in a test vehicle especially built for this purpose, with start-up properties which can be varied in the customer-relevant range. The comfort rating is realized with an evaluation scheme suitable for laymen evaluators. By means of a performance index based on the comparison of calculated and real comfort values determined in the drive test, a check of the models concerning approximation and prediction quality is carried out. Furthermore, guidelines are determined that deal with the effective application of ANN for the objectification of comfort ratings that are transferable to similar problems. Among others, measures are demonstrated that prevent a ?memorizingö of the training data and the consequent loss of generalization ability. By comparing the methods, it can be established that the ANN are superior to the regression models with respect to prediction accuracy. It is shown that the evaluation from the customer's point of view can be applied for real as well as for virtual (simulated) start-up procedures. As a result, it is possible to achieve estimations beyond those of the comfort properties of real start-up procedures, a fact which makes the application effort more manageable, especially for start-up systems. It is also possible to estimate the comfort for virtual vehicles at an early state of the product development process. This represents a significant element for the reduction of development time and costs by means of virtual methods, and at the same time increased customer acceptance.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Modellierung der Komfortbeurteilung aus Kundensicht am Beispiel des automatisierten Anfahrens


    Additional title:

    Modelling of comfort ratings from a customer's point of view on the example of the automated start-up procedure


    Contributors:


    Publication date :

    2005


    Size :

    147 Seiten, Bilder, Tabellen, Quellen



    Type of media :

    Theses


    Type of material :

    Print


    Language :

    German