Datengetriebene KI-Methode zur Vorhersage von Tankschwappgeräuschen und Kabinenkomfort

Der Beitrag behandelt die Herausforderungen und Lösungen bei der Vorhersage von Tankschwappgeräuschen in Fahrzeugen. Durch den Einsatz datengesteuerter KI-Methoden, insbesondere mit der Software Monolith, können präzise Vorhersagen getroffen werden, die teure CFD-Simulationen und experimentelle Testkampagnen ersetzen. Die Kombination von 3-D-CAD-Daten und maschinellem Lernen ermöglicht es, komplexe physikalische Effekte zu modellieren und den Kabinenkomfort zu verbessern. Die entwickelten Methoden zeigen, wie Ingenieurinnen und Ingenieure durch den Einsatz von KI-Modellen Zeit und Ressourcen sparen können, während gleichzeitig die Genauigkeit der Vorhersagen erhöht wird. Die detaillierte Beschreibung der verwendeten Techniken und die präsentierten Ergebnisse bieten wertvolle Einblicke in die Anwendung von KI in der Automobilindustrie.