Skip to main content

2024 | Buch

Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz

insite
SUCHEN

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.
k
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
Metadaten
Titel
Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz
verfasst von
Andreas Krätschmer
Copyright-Jahr
2024
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

Premium Partner