Nicht aus der Schweiz? Besuchen Sie lehmanns.de

Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz (eBook)

eBook Download: PDF
2024 | 1. Aufl. 2024
XXVIII, 138 Seiten
Springer Fachmedien Wiesbaden (Verlag)
978-3-658-44004-6 (ISBN)

Lese- und Medienproben

Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz - Andreas Krätschmer
Systemvoraussetzungen
62,99 inkl. MwSt
(CHF 61,50)
Der eBook-Verkauf erfolgt durch die Lehmanns Media GmbH (Berlin) zum Preis in Euro inkl. MwSt.
  • Download sofort lieferbar
  • Zahlungsarten anzeigen

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.



Andreas Krätschmer hat nach seinem Studium am Institut für Fahrzeugtechnik Stuttgart (IFS) der Universität Stuttgart im Bereich Kraftfahrzeugmechatronik promoviert. Er ist Projektleiter an einem Antriebsstrangprüfstand und Fachreferent für Datennetze und Restbussimulation.

Erscheint lt. Verlag 19.1.2024
Reihe/Serie Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart
Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart
Zusatzinfo XXVIII, 138 S. 44 Abb.
Sprache deutsch
Themenwelt Mathematik / Informatik Informatik Software Entwicklung
Technik Maschinenbau
Schlagworte Anomalieerkennung in Zeitreihendaten • Anomalie-Score • Antriebsstrangerprobung • Antriebsstrangprüfstand • Fahrzeugentwicklungsprozess • GRU-Autoencoder • Hyperparametertuning • Künstliche Intelligenz • LSTM-Autoencoder • machine learning • Merkmalsvektor • Stacked-Autoencoder • Uni- und multivariate Zeitreihendaten • V-Modell in der Fahrzeugentwicklung
ISBN-10 3-658-44004-X / 365844004X
ISBN-13 978-3-658-44004-6 / 9783658440046
Haben Sie eine Frage zum Produkt?
PDFPDF (Wasserzeichen)
Größe: 1,5 MB

DRM: Digitales Wasserzeichen
Dieses eBook enthält ein digitales Wasser­zeichen und ist damit für Sie persona­lisiert. Bei einer missbräuch­lichen Weiter­gabe des eBooks an Dritte ist eine Rück­ver­folgung an die Quelle möglich.

Dateiformat: PDF (Portable Document Format)
Mit einem festen Seiten­layout eignet sich die PDF besonders für Fach­bücher mit Spalten, Tabellen und Abbild­ungen. Eine PDF kann auf fast allen Geräten ange­zeigt werden, ist aber für kleine Displays (Smart­phone, eReader) nur einge­schränkt geeignet.

Systemvoraussetzungen:
PC/Mac: Mit einem PC oder Mac können Sie dieses eBook lesen. Sie benötigen dafür einen PDF-Viewer - z.B. den Adobe Reader oder Adobe Digital Editions.
eReader: Dieses eBook kann mit (fast) allen eBook-Readern gelesen werden. Mit dem amazon-Kindle ist es aber nicht kompatibel.
Smartphone/Tablet: Egal ob Apple oder Android, dieses eBook können Sie lesen. Sie benötigen dafür einen PDF-Viewer - z.B. die kostenlose Adobe Digital Editions-App.

Buying eBooks from abroad
For tax law reasons we can sell eBooks just within Germany and Switzerland. Regrettably we cannot fulfill eBook-orders from other countries.

Mehr entdecken
aus dem Bereich
Das umfassende Handbuch

von Jürgen Sieben

eBook Download (2023)
Rheinwerk Computing (Verlag)
CHF 65,85
Grundlagen, Menschen, Prozesse, Techniken

von Jochen Ludewig; Horst Lichter

eBook Download (2023)
dpunkt (Verlag)
CHF 48,75