Benutzer: Gast  Login
Originaltitel:
Evaluation of Machine Learning Methods for Diagnosing Automotive Damper Defects
Übersetzter Titel:
Evaluation von Machine Learning Methoden zur Diagnose defekter Fahrzeugdämpfer
Autor:
Zehelein, Thomas
Jahr:
2021
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Maschinenwesen
Betreuer:
Lienkamp, Markus (Prof. Dr.)
Gutachter:
Lienkamp, Markus (Prof. Dr.); Althoff, Matthias (Prof. Dr.)
Sprache:
en
Fachgebiet:
VER Technik der Verkehrsmittel
TU-Systematik:
VER 020
Kurzfassung:
Changing conditions of automotive use-cases are setting new opportunities for vehicle health state monitoring. This thesis evaluates machine learning methods for diagnosing automotive damper defects using driving data of Electronic Stability Control sensors. A comparison of the performance of machine learning methods with a signal-based damper diagnosis approach shows the competitiveness of these approaches. A stochastic observability analysis generates theoretical insights on beneficial driving...     »
Übersetzte Kurzfassung:
Veränderte Bedingungen der Fahrzeugnutzung eröffnen neue Möglichkeiten für die Überwachung des Fahrzeuggesundheitszustands. In dieser Arbeit wird die Eignung von Methoden des maschinellen Lernens zur Diagnose von defekten Fahrzeugdämpfern auf Basis von Sensordaten der elektronischen Stabilitätskontrolle analysiert. Ein Vergleich der Resultate mit einem signalbasierten Dämpferdiagnose-Ansatz zeigt die Wettbewerbsfähigkeit. Eine stochastische Beobachtbarkeitsanalyse liefert Erkenntnisse über vorte...     »
WWW:
https://mediatum.ub.tum.de/?id=1580031
Eingereicht am:
04.12.2020
Mündliche Prüfung:
04.05.2021
Dateigröße:
7027605 bytes
Seiten:
179
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210504-1580031-1-7
Letzte Änderung:
27.05.2021
 BibTeX