Generierung von Prufzyklen aus Flottendaten mittels bestarkenden Lernens
Av Andre Ebel, 2024.Del av serien Wissenschaftliche Reihe Fahrzeugtechnik Universitat Stuttgart.
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.
Ikke tilgjengelig for Klikk&Hent
Midlertidig tomt på lager
Bestillingsvare. Forventes sendt om ca 20 dager
Generierung von Prufzyklen aus Flottendaten mittels bestarkenden Lernens
Av Andre Ebel, 2024.Del av serien Wissenschaftliche Reihe Fahrzeugtechnik Universitat Stuttgart.
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.
Ikke tilgjengelig for Klikk&Hent
Midlertidig tomt på lager
Bestillingsvare. Forventes sendt om ca 20 dager
Ved å fullføre kjøpet aksepterer du kjøpsvilkårene.
