Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz

verfasst von: Andreas Krätschmer

Verlag: Springer Fachmedien Wiesbaden

Buchreihe : Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart

Enthalten in: Springer Professional "Wirtschaft+Technik" , Springer Professional "Technik" , Springer Professional "Wirtschaft"

Einloggen, um Zugang zu erhalten

Über dieses Buch

Antriebsstrangprüfstände leisten einen signifikanten Beitrag im Fahrzeugentwicklungsprozess. Um diesen Vorteil weiter auszubauen, ist es notwendig, mit geeigneten Maßnahmen die Effektivität und Effizienz stetig zu steigern. Eine Maßnahme ist hierbei, die Abhängigkeit des Faktors Mensch bei Auftreten eines Fehlers am Prüfstand zu reduzieren. Um diesem Ziel einen großen Schritt näher zu kommen, wurde vorliegend eine KI-basierte Methodik entwickelt, mit deren Hilfe es möglich ist, die fehlerverursachende Komponente und den zugehörigen Fehlerzeitpunkt trotz der Wechselwirkung aufgrund der mechanischen Kopplung des Systems zu detektieren.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einleitung

Zusammenfassung

Der Faktor Mobilität spielt in unserer modernen Gesellschaft eine bedeutende und tragende Rolle. Hierbei sind nicht nur die öffentlichen Verkehrsmittel bedeutend, sondern insbesondere auch der Individualverkehr. Trotz einer Steigerung von Nutzungsanteilen in öffentlichen Verkehrsmitteln und dem Fahrrad, werden 57% aller Wege und 75% der Personenkilometer in Deutschland mit dem Personenkraftwagen (PKW) zurückgelegt [87].

Andreas Krätschmer

Kapitel 2. Stand der Technik

Zusammenfassung

In diesem Abschnitt werden die relevanten Grundlagen zum Verständnis dieser Arbeit dargestellt. Zusätzlich wird ein aktueller Stand der Technik in Bezug zu den im Rahmen dieser Arbeit verwendeten Fragestellungen und Methoden präsentiert. Zunächst erfolgt in Kapitel 2.1 eine kurze Einführung in das Themengebiet der modernen Fahrzeugentwicklung und der zukünftigen Herausforderungen.

Andreas Krätschmer

Kapitel 3. Datenerhebung und –vorverarbeitung

Zusammenfassung

Während einer Erprobung am ASP wird eine Vielzahl an Messdaten aufgezeichnet. Sie enthalten neben den für die Erprobung relevanten Daten zusätzliche Informationen zu den aufgetretenen Fehlern am Prüfstand. Das Ergebnis der Fehlerdiagnose hängt somit maßgeblich von der Qualität und Beschaffenheit der Messdaten am ASP ab und sie bilden folglich die Grundlage zur Fehlerauswertung dieser Arbeit.

Andreas Krätschmer

Kapitel 4. Modellierung und Auswertung durch künstliche Intelligenz

Zusammenfassung

Einen weiteren Schwerpunkt dieser Arbeit stellt die Entwicklung von KI-Modellen zur Fehlerdetektion basierend auf Messdaten des ASP dar. Zunächst findet dabei in Kapitel 4.1 eine Definition und Abgrenzung der Ziele dieses Abschnitts statt. Basierend auf dem Stand der Forschung und Literaturrecherchen werden hier drei AE-Architekturen mit unterschiedlichen Zellstrukturen entwickelt und untersucht.

Andreas Krätschmer

Kapitel 5. Anwendung und praktischer Nachweis

Zusammenfassung

Abschließend werden die entwickelten Methoden mit dem erhobenen Forschungsdatensatz zur Diagnose von Fehlerursachen validiert. Zunächst werden im folgenden Kapitel die Versuchsdurchführung beschrieben und anschließend die Ergebnisse in Form der Fehlerdetektionsrate mit den bekannten Performance-Metriken ausgewertet. Abschließend werden die ermittelten Ergebnisse in Form eines Fazits zusammengefasst und diskutiert.

Andreas Krätschmer

Kapitel 6. Zusammenfassung und Ausblick

Zusammenfassung

Die zentrale Fragestellung im Rahmen dieser Arbeit liegt auf der Entwicklung einer KI-basierten Methodik zur retrospektiven Diagnose von Fehlerursachen am Antriebsstrangprüfstand. Abgeleitet von diesem Sachverhalt ergeben sich mehrere Teilaspekte und -ziele.

Andreas Krätschmer

Backmatter

Titel: Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz
verfasst von: Andreas Krätschmer
Verlag: Springer Fachmedien Wiesbaden
Electronic ISBN: 978-3-658-44004-6
Print ISBN: 978-3-658-44003-9
DOI: https://doi.org/10.1007/978-3-658-44004-6

Springer Professional

Über dieses Buch

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einleitung

Kapitel 2. Stand der Technik

Kapitel 3. Datenerhebung und –vorverarbeitung

Kapitel 4. Modellierung und Auswertung durch künstliche Intelligenz

Kapitel 5. Anwendung und praktischer Nachweis

Kapitel 6. Zusammenfassung und Ausblick

Backmatter

Premium Partner