Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation

verfasst von: Marco Scheffmann

Verlag: Springer Fachmedien Wiesbaden

Buchreihe : Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart

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

Inhaltsverzeichnis

Über dieses Buch

Marco Scheffmann stellt einen neuartigen multikriteriellen Lösungsalgorithmus für die Erzeugung optimaler Datensätze von Fahrzeugsteuergeräten vor. Im Gegensatz zu verbreiteten, zumeist evolutionären Ansätzen wendet der Autor hier einen Ansatz des bestärkenden Lernens an. Infolge der eigenständigen Entwicklung zielgerichteter Handlungsstrategien kann damit auf sonst häufig eingesetzte vorangestellte Methoden der statistischen Versuchsplanung und der Metamodellbildung verzichtet werden. Zur subjektiven Betrachtung von optimierten Datensätzen dient ihm die echtzeitfähige Verkopplung der vollbeweglichen Fahrsimulation mit virtualisierten Steuergeräten. Seine abschließende Probandenstudie bestätigt die Ergebnisse des vorgestellten methodischen Ansatzes.

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einleitung und Motivation

Zusammenfassung

Seit dem Einzug der Mikrocontroller-Technik in das Automobil konnte in den vergangenen Jahrzehnten eine drastische Zunahme von Software-Funktionen beobachtet werden (Abbildung 1.1). Als Gründe sind hier die Verwirklichung von klassischen mechanischen oder hydraulischen Funktionen als Software-Lösung, zunehmende Komplexität in Triebstrang und Fahrwerk sowie gesteigerte Komfortund Entertainment-Funktionen zu nennen.

Marco Scheffmann

Kapitel 2. Stand der Technik

Zusammenfassung

Nach Sichtung der relevanten Literatur und Definition der Forschungsfragestellung, wird an dieser Stelle auf den Stand der Technik hinsichtlich der Themenschwerpunkte Fahrzeugsteuergeräte, Applikationszugriff und der automatisierten Datensatzapplikation eingegangen.

Marco Scheffmann

Kapitel 3. Grundlagen und Methoden

Zusammenfassung

Die Ausführungen in den nachfolgenden Kapiteln dieser Arbeit, insbesondere hinsichtlich der umgesetzten Methodik und im Rahmen der Ergebnisdiskussion, erfordern ein grundlegendes Verständnis auf den Gebieten des selbstverstärkten Lernens und der Fahrsimulation. Das vorliegende Kapitel dient zur Vermittlung der hierfür notwendigen theoretischen Grundlagen.

Marco Scheffmann

Kapitel 4. Virtuelle Steuergeräteapplikation

Zusammenfassung

Auf der vorangegangen grundlegenden Theorie aufbauend bildet die Behandlung des selbstlernenden Optimierungsansatzes das zentrale Element in dieser Arbeit. Die Virtualisierung des betrachteten Steuergerätes, die Ausführung der Simulationsumgebung sowie die Verkopplung des Fahrsimulators stellen weitere wesentliche Bestandteile zur Darstellung des vorgezogenen und realitätsnahen Applikationsprozesses dar.

Marco Scheffmann

Kapitel 5. Ergebnisse

Zusammenfassung

Die Ergebnisdiskussion beinhaltet drei wesentliche Themenschwerpunkte. Zunächst erfolgt eine Erhebung der Leistungsgüte des entworfenen Optimierungsansatzes. Anschließend wird dieser in einer SiL-Simulationsumgebung zur virtuellen Schaltkomfortoptimierung eingesetzt. Abschließend dient eine tiefergehende Untersuchung in einem Fahrsimulator zur subjektiven Evaluation der Ergebnisse.

Marco Scheffmann

Kapitel 6. Schlussfolgerung und Ausblick

Zusammenfassung

Detaillierte Simulationsmodelle, virtuelle Steuergeräte und Fahrsimulatoren bieten enormes Potential im aktuellen und zukünftigen Produktentstehungsprozess von Kraftfahrzeugen. Diese Arbeit verbindet die drei Elemente und nutzt jene gezielt vor dem Hintergrund der Auslegung optimaler Parametersätze für Steuergerätefunktionen.

Marco Scheffmann

Backmatter

Titel: Ein selbstlernender Optimierungsalgorithmus zur virtuellen Steuergeräteapplikation
verfasst von: Marco Scheffmann
Verlag: Springer Fachmedien Wiesbaden
Electronic ISBN: 978-3-658-41972-1
Print ISBN: 978-3-658-41971-4
DOI: https://doi.org/10.1007/978-3-658-41972-1