Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprfstnden mithilfe [Paperback]

Antriebsstrangpr?fst?nde leisten einen signifikanten Beitrag im Fahrzeugentwicklungsprozess. Um diesen Vorteil weiter auszubauen, ist es notwendig, mit geeigneten Ma?nahmen die Effektivit?t und Effizienz stetig zu steigern. Eine Ma?nahme ist hierbei, die Abh?ngigkeit des Faktors Mensch bei Auftreten eines Fehlers am Pr?fstand zu reduzieren. Um diesem Ziel einen gro?en Schritt n?her zu kommen, wurde vorliegend eine KI-basierte Methodik entwickelt, mit deren Hilfe es m?glich ist, die fehlerverursachende Komponente und den zugeh?rigen Fehlerzeitpunkt trotz der Wechselwirkung aufgrund der mechanischen Kopplung des Systems zu detektieren.

Erhebung eines repr?sentativen Forschungsdatensatzes.- Methoden zur Datenvorverarbeitung uni- und multivariater Zeitreihendaten.- Modellierung und Auswertung durch k?nstliche Intelligenz.- Anwendung und praktischer Nachweis.

Andreas Kr?tschmer hat nach seinem Studium am Institut f?r Fahrzeugtechnik Stuttgart (IFS) der Universit?t Stuttgart im Bereich Kraftfahrzeugmechatronik promoviert. Er ist Projektleiter an einem Antriebsstrangpr?fstand und Fachreferent f?r Datennetze und Restbussimulation.

Antriebsstrangpr?fst?nde leisten einen signifikanten Beitrag im Fahrzeugentwicklungsprozess. Um diesen Vorteil weiter auszubauen, ist es notwendig, mit geeigneten Ma?nahmen die Effektivit?t und Effizienz stetig zu steigern. Eine Ma?nahme ist hierbei, die Abh?ngigkeit des Faktors Mensch bei Auftreten eines Fehlers am Pr?fstand zu reduzieren. Um diesem Ziel einen gro?en Schritt n?her zu kommen, wurde vorliegend eine KI-basierte Methodik entwickelt, mit deren Hilfe es m?glich ist, die fehlerverursachende Komponente und den zugeh?rigen Fehlerzeitpunkt trotz der Wechselwirkung aufgrund der mechanischen Kopplung des Systems zu detektieren.