Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens
De:
Ebel, AndréAndré 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.
février 2024, 224 pages, Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart, Allemand
Springer Gabler
978-3-658-44219-4
Springer Gabler
978-3-658-44219-4