In dieser Untersuchung wird die Anwendung neuronaler Netze auf die Bewertung des Schwingungskomforts in Kraftfahrzeugen vorgestellt. Neuronale Netze haben die Eigenschaft, anhand von Beispieldaten beliebige Zusammenhänge approximieren zu können. Sie haben deshalb das Potential, auch das Bewertungsverhalten von Testfahrern nachzubilden. Ohne den zeitlichen und finanziellen Aufwand für die Durchführung von Versuchsreihen mit realen Fahrzeugen werden mit rein virtuell erzeugten Daten zunächst Möglichkeiten der Anwendung neuronaler Netze auf die Komfortbewertung untersucht. Mithilfe von Mehrkörpersimulationsmodellen werden die Fahrzeugschwingungen für eine Fahrt über eine unebene Fahrbahn berechnet. Zur Beurteilung der virtuellen Fahrzeuge wird das Komfortmodell nach Kosfelder [7] verwendet. Ausgehend von in der Simulation aufgezeichneten Beschleunigungen sollen die Noten des Komfortmodells mit neuronalen Netzen approximiert werden. Dabei wird angenommen, dass Testfahrer die gleichen Komfortnoten wie das Komfortmodell vergeben würden. Mit der üblichen Vorgehensweise für die Anwendung neuronaler Netze wird basierend auf 18 Fahrzeugvarianten eine gute Approximation der Komfortnoten erreicht. Darüber hinaus lässt sich eine Verbesserung des Ergebnisses durch die Verwendung eines in Zeitsequenzen zerlegten Signals als Eingangsinformation erzielen. Um die Verarbeitung der in dieser Form aufbereiteten Daten zu ermöglichen, wird eine Methode für die sequentielle Berechnung der Netzausgabe und die zugehörige Modifikation des Trainingsalgorithmus vorgestellt. Bei der Verwendung von nur sechs der 18 Fahrzeugvarianten kann mit einem in Zeitsequenzen zerlegten Signal, einer geeigneten Aufteilung der zur Verfügung stehenden Daten und einer Mittelung der Ausgaben mehrerer Netze ebenfalls eine gute Approximation der Komfortnoten erreicht werden. Aufgrund der guten Ergebnisse bei der Approximation eines bestehenden Komfortmodells ist es vorstellbar, dass neuronale Netze, ausgehend von an realen Fahrzeugen gemessenen Beschleunigungen, auch die subjektiven Bewertungen realer Fahrer nachbilden können.
Neural Networks have the ability to approximate arbitrary functions by means of sample data. Therefore, they have the potential of being able to reproduce the comfort rating of test drivers. Using purely virtual data, different options for applying Neural Networks to evaluation of vehicle ride comfort are explored. Thus, the temporal and financial effort of test series with real vehicles is avoided for the time being. Utilizing multi-body simulation models, the vibrations of a vehicle traveling over a bumpy road are simulated. To rate the ride comfort of different virtual vehicles, the comfort criterion according to Kosfelder [7] is applied. Based on accelerations recorded in simulation, the comfort ratings are to be approximated by Neural Networks. Here it is assumed that real drivers would assign the same comfort rating as the comfort criterion. After identifying network parameters suitable for this particular application, the networks are trained using eighteen virtual vehicle models. In this case, the quality of the approximation of the comfort ratings is very good. It also does not matter whether the input data is preprocessed by modal decomposition, as it is required for calculating the comfort criterion, or remains in the form of accelerations measured at the vehicle body. A further improvement of results can be achieved by splitting up the time signal into segments and computing their power spectral density. To enable a Neural Network to process the split up input data, a method for sequential processing of the network inputs and the associated modification of the training algorithm is introduced. Using a signal split up into segments, an appropriate distribution of the available training data and an averaging of the outputs of several networks, a reproduction of the comfort criterion is even possible with only six vehicle models available. Both, the power spectral density of vehicle motions preprocessed by modal decomposition and the power spectral density of accelerations of the vehicle body provide the possibility to approximate the comfort ratings according to Kosfelder using the procedure described in this article. When a signal split up into segments is processed, even the very small number of six vehicle models is sufficient to reproduce the comfort criterion. These results indicate that by utilizing accelerations measured in the vehicle as input data the reproduction of comfort ratings of real drivers may also be possible using Neural Networks.
Anwendbarkeit künstlicher neuronaler Netze auf die Bewertung des Schwingungskomforts im Kraftfahrzeug - Eine Untersuchung im Rahmen der virtuellen Fahrzeugentwicklung
Usability of artificial neural networks to evaluate vehicle ride comfort - a study in the context of virtual vehicle development
2007
18 Seiten, 11 Bilder, 2 Tabellen, 11 Quellen
Conference paper
German
Vorhersage subjektiver Komforturteile mittels künstlicher neuronaler Netze
Tema Archive | 2002
|Modellierung von Mikro-Steuerstrategien mit Hilfe künstlicher neuronaler Netze
Online Contents | 1997
|Modellierung von Mikro-Steuerstrategien mit Hilfe künstlicher neuronaler Netze
Tema Archive | 1997
|Visualisierung der internen Prozesse Künstlicher Neuronaler Netze in Virtual Reality
German Aerospace Center (DLR) | 2019
|