Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Maschinelle Optimierung der Antriebsauslegung zur Reduktion von CO2-Emissionen und Kosten im Nutzfahrzeug
Übersetzter Titel:
Machine Optimization of the Powertrain Design for the Reduction of CO2-Emissions and Costs in Commercial Vehicles
Autor:
Fries, Michael Josef
Jahr:
2019
Dokumenttyp:
Dissertation
Fakultät/School:
Fakultät für Maschinenwesen
Betreuer:
Lienkamp, Markus (Prof. Dr.)
Gutachter:
Lienkamp, Markus (Prof. Dr.); Wachtmeister, Georg (Prof. Dr.)
Sprache:
de
Fachgebiet:
DAT Datenverarbeitung, Informatik; ELT Elektrotechnik; MAS Maschinenbau; VER Technik der Verkehrsmittel
Stichworte:
Machine learning, Hybridfahrzeuge, Antriebsoptimierung, Betriebsstrategie, Total Cost of Ownership, CO2-Emissionen
Übersetzte Stichworte:
machine learning, hybrid vehicle, powertrain optimization, operational strategy, total cost of ownership, CO2-emissions
TU-Systematik:
VER 020d
Kurzfassung:
Die CO2-Emissionen und die Total Cost of Ownership sind entscheidende Kriterien zur Bewertung von zukünftigen Nutzfahrzeugantrieben. Ein maschinelles Lernverfahren wird zur optimalen Antriebsauslegung angewendet. Am Beispiel von Diesel-, HPDI-, LNG/CNG-Motoren, Hybridisierung, vorausschauender Tempomat, Getriebeauslegung, Schaltstrategie und Anpassung der Achsübersetzung zeigt sich das Potenzial einer systematischen und automatisierten Lösungssuche innerhalb der Antriebsauslegung.
Übersetzte Kurzfassung:
The CO2-emissions and the Total Cost of Ownership are essential criteria for evaluating future commercial vehicle powertrain concepts. A machine learning method is used for optimum powertrain design.The potential of a systematic and automated search for a solution is demonstrated, using the example of Diesel-, HPDI-, LNG/CNG-engines, hybridization, predictive cruise control, transmission design, shifting strategy, and rear axle ratio adjustment. A generic operating strategy has been developed fo...     »
Serie / Reihe:
Schriftenreihe des Lehrstuhls für Fahrzeugtechnik der Technischen Universität München
ISBN:
978-3-8439-3988-1
WWW:
https://mediatum.ub.tum.de/?id=1444356
Eingereicht am:
23.05.2018
Mündliche Prüfung:
31.01.2019
Letzte Änderung:
17.06.2019
 BibTeX