- Hauptmenü-

Katalogdatenanzeige

Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung

Kataloginformation Katalogdatensatz500402670 .

Kataloginformation
Feldname	Details
Vorliegende Sprache	ger
Hinweise auf parallele Ausgaben	1859482848 Erscheint auch als (Druck-Ausgabe): ‡Kaste, Jonas: Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung
ISBN	978-3-658-43108-2
Name	Kaste, Jonas ¬[VerfasserIn]¬
Körperschaft	Technische Universität Braunschweig ¬[Grad-verleihende Institution]¬
T I T E L	Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung
Verlagsort	Wiesbaden
Verlag	Springer Vieweg
Erscheinungsjahr	2024
Erscheinungsjahr	2024
Umfang	1 Online-Ressource (XXXVIII, 283 Seiten)
Reihe	AutoUni - Schriftenreihe ; Band 171
Reihe	AutoUni-Schriftenreihe
Band	Band 171
Hochschulschriftenvermerk	$bDissertation$cTechnische Universität Carolo-Wilhelmina zu Braunschweig$d2023
Enthaltene Werke	$tMotivationund Stand der Technik -- Theorie künstlicher neuronaler Netzwerke -- Adaptive Fahrdynamikregelung -- Effekte auf die Adaptionsgeschwindigkeit des KNN im geschlossenen Regelkreis -- Langzeitstabilität des neuronalen Netzwerkes im geschlossenen Regelkreis -- Auswertung der Fahrversuche.
Titelhinweis	Erscheint auch als (Druck-Ausgabe): ‡Kaste, Jonas: Künstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung
ISBN	ISBN 978-3-658-43109-9
Klassifikation	TRC
	TEC009090
	629.2
Kurzbeschreibung	In dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes für die Fahrdynamikregelung eines autonomen Versuchsträgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein künstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne „Vorwissen“ implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden dabei sowohl in Simulationen, als auch in einem realen Versuchsträger durchgeführt. Die Versuche zeigen das Leistungsvermögen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine präzise Fahrzeugführung auch ohne KNN möglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhängige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zu Grunde liegenden Modells kompensiert und die Regelgüte verbessert. Dieses Verhalten kann durch geeignete Auswahl der Designparameter des KNN für jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermöglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgüte im Vergleich zum rein modellbasierten Basisregler. Der Autor Jonas Kaste studierte Maschinenbau mit der Vertiefungsrichtung Luft- und Raumfahrttechnik an der TU Braunschweig und promovierte berufsbegleitend in der Konzernforschung eines Automobilherstellers.
SWB-Titel-Idn	1877504017
Signatur	Springer E-Book
Bemerkungen	Elektronischer Volltext - Campuslizenz
Elektronische Adresse	$uhttps://doi.org/10.1007/978-3-658-43109-9
Internetseite / Link	Resolving-System

ISBD-Anzeige Katalogdatensatz500402670

Kategorien-Anzeige Katalogdatensatz500402670

Bände anzeigen Katalogdatensatz500402670

Titel zur Titelsammlung hinzufügen Katalogdatensatz500402670

Kataloginformation500402670 Datensatzanfang . Kataloginformation500402670 Seitenanfang .

Titel vormerken Katalogdatensatz500402670

Vollanzeige Katalogdaten

Auf diesem Bildschirm erhalten Sie Katalog- und Exemplarinformationen zum ausgewählten Titel.

Im Bereich Kataloginformation werden die bibliographischen Details angezeigt. Per Klick auf Hyperlink-Begriffe wie Schlagwörter, Autoren, Reihen, Körperschaften und Klassifikationen können Sie sich weitere Titel des gewählten Begriffes anzeigen lassen.

Der Bereich Exemplarinformationen enthält zum einen Angaben über den Standort und die Verfügbarkeit der Exemplare. Zum anderen haben Sie die Möglichkeit, ausgeliehene Exemplare vorzumerken oder Exemplare aus dem Magazin zu bestellen.