2024 | Buch

Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens

verfasst von: André Ebel

Buchreihe : Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart

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

Inhaltsverzeichnis

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

Titel: Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens
verfasst von: André Ebel
Verlag: Springer Fachmedien Wiesbaden
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