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.
Der Inhalt
Erhebung eines repräsentativen Forschungsdatensatzes
Methoden zur Datenvorverarbeitung uni- und multivariater Zeitreihendaten
Modellierung und Auswertung durch künstliche Intelligenz
Anwendung und praktischer Nachweis
Die Zielgruppen
Dozierende und Studierende im Umfeld der Kraftfahrzeugtechnik und künstlichen Intelligenz
Entwickler und Betreiber von Antriebsstrangprüfständen
Der Autor
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.
