No abstract

ZusammenfassungIm Spannungsfeld steigender Erwartungen an Fahrkomfort und Energieeffizienz stoßen aktuelle Entwicklungsmethoden der Modellbildung und Optimierung für Fahrzeugkupplungen an ihre Grenzen. In diesem Beitrag wird der Einsatz von KI-Methoden für die Kupplungsentwicklung untersucht und ein Überblick anhand verschiedener Anwendungsbeispiele in aktuellen Forschungsprojekten der Mercedes-Benz AG gegeben. Mittels überwachten Lernens und tiefen neuronalen Netzen werden ein Reibungszahlmodell sowie ein Temperaturmodell einer Kupplung mit hoher Abbildungsgüte entwickelt. Verstärkendes Lernen mit tiefen neuronalen Netzen wird zur Synthese von Regelungen für verschiedene Gangwechsel eingesetzt. Fahrzeugmessdaten werden mit Cluster-Algorithmen analysiert, um Handlungsempfehlungen für die Applikation des Motorwiederstarts eines hybriden Antriebsstrangs abzuleiten. Mit den gezeigten Methoden steigt das Automatisierungspotential in der Entwicklung und der Aufwand für die Übernahme komplexer Entwicklungsprozesse auf neue Getriebevarianten sinkt.

No abstract

No abstract

No abstract