Maschinelles Lernen bei der Fahrwerksentwicklung

Der Fachbeitrag beleuchtet die Herausforderungen bei der Fahrwerksentwicklung, insbesondere den Zielkonflikt zwischen Fahrkomfort und Fahrsicherheit. Ford präsentiert eine innovative Lösung durch die Entwicklung aktiver Komponenten, die situationsabhängig agieren. Ein künstliches neuronales Netz wird in Echtzeit implementiert, um Vertikalschwingungen des Rads zu analysieren und zu regulieren. Dieses Netz wird gegen eine klassische Fast Fourier Transformation verglichen, wobei es sich als überlegen in Bezug auf Echtzeitfähigkeit und Genauigkeit erweist. Die Anwendung dieser Technologie in semi-aktiven Dämpfungssystemen wie dem Continuous Controlled Damping (CCD) von Ford und Lincoln zeigt vielversprechende Ergebnisse. Die detaillierte Analyse und der Vergleich der beiden Methoden bieten wertvolle Einblicke für die Weiterentwicklung von Fahrwerksystemen und die Verbesserung von Fahrkomfort und Fahrsicherheit.