Skip to main content

2024 | Buch

Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens

insite
SUCHEN

Über dieses Buch

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.

Inhaltsverzeichnis

Frontmatter
Kapitel 1. Einleitung
Zusammenfassung
Rückrufkationen verursachen einen finanziellen Schaden bei den betroffenen Automobilherstellern sowie einen Ansehensverlust bei den Kunden. Trotzdem sind in Deutschland die Rückrufaktionen des Kraftfahrt-Bundesamtes von durchschnittlich 180 Rückrufen in den Jahren 2010 - 2013 auf 575 in den Jahren 2018 - 2021 gestiegen [125], [123]. Dabei waren allein im Jahr 2021 ca. 3,4 Mio. Kraftfahrzeuge von Rückrufaktionen betroffen [125].
André Ebel
Kapitel 2. Stand der Technik
Zusammenfassung
Das Ziel der vorliegenden Dissertation ist, die Erprobung von Antriebssträngen durch bedarfsgerechte kundennahe Prüfzyklen zu verbessern. Dazu wird der Stand der Technik hinsichtlich der Themenschwerpunkte Fahrzeugerprobung in Kapitel 2.1, Flottendatenanalyse in Kapitel 2.2 und Erstellung von Prüfund Fahrzyklen in Kapitel 2.3 vorgestellt. Die Grundlage der Arbeit bilden die Daten eines BEV, für das in Kapitel 2.4 der elektrische Antriebsstrang eingeführt wird.
André Ebel
Kapitel 3. Grundlagen und Methoden
Zusammenfassung
Die Auswertung von Lastkollektiven nach Kapitel 2.2.3 sowie die Generierung von Prüfzyklen nach Kapitel 2.3 basieren auf Daten und der Anwendung von Methoden zur Datenanalyse und -verarbeitung. Die Datengrundlage, auf der die vorliegende Dissertation aufbaut, wird in Kapitel 3.1 eingeführt. In Kapitel 3.2 werden die eingesetzten Methoden und Algorithmen vorgestellt, wobei diese innerhalb des Bereichs des ML eingeordnet sind.
André Ebel
Kapitel 4. Flottendatenauswertung
Zusammenfassung
Die Analyse der Flottendaten hinsichtlich Fehlerbedingungen bildet die Grundlage für die Generierung von Prüfzyklen. In Kapitel 4.1 wird die entwickelte Methodik zur Ermittlung der relevanten Fehlerbedingungen vorgestellt. Anschließend werden in Kapitel 4.2 weitere Einflussfaktoren für die Prüfzyklengenerierung aus den Flottendaten identifiziert.
André Ebel
Kapitel 5. Modellbildung und Simulation
Zusammenfassung
Die im vorangegangenen Kapitel ermittelten Fehlerbedingungen, bestehend aus den internen Betriebsgrößen des Antriebsstrangs, sollen in der Prüfzyklengenerierung berücksichtigt werden. Dazu wird in diesem Kapitel eine Simulationsumgebung zur Berechnung der internen Betriebsgrößen des BEV eingeführt. Die funktionsorientierte Simulationsumgebung lässt sich in Anlehnung an Baumgartner [12] und Nollau [119] anhand der folgenden Merkmale klassifizieren.
André Ebel
Kapitel 6. Prüfzyklengenerierung
Zusammenfassung
Die Methode zur Generierung des Prüfzyklus sowie deren erzielte Ergebnisse werden im folgenden Kapitel vorgestellt. In der Einführung in Kapitel 6.1 werden die getroffenen Vorgaben und Annahmen für die Prüfzyklen aufgeführt und daraus eine Methodik abgeleitet. In Kapitel 6.2 wird anschließend die detaillierte Entwicklung der Methode und der darin enthaltenen Elemente erläutert.
André Ebel
Kapitel 7. Schlussfolgerungen
Zusammenfassung
Im Rahmen der vorliegenden Dissertation werden Flottendaten eines BEV hinsichtlich Fehlerbedingungen ausgewertet und daraus unter Verwendung einer Gesamtfahrzeugsimulationsumgebung ein repräsentativer Prüfzyklus zur zeitlichen Rekonstruktion der Fehlerbedingungen generiert. Das Vorgehen der erarbeiteten Methode ist in Abbildung 7.1 dargestellt.
André Ebel
Backmatter
Metadaten
Titel
Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens
verfasst von
André Ebel
Copyright-Jahr
2024
Electronic ISBN
978-3-658-44220-0
Print ISBN
978-3-658-44219-4
DOI
https://doi.org/10.1007/978-3-658-44220-0

    Premium Partner