Maschinelle Optimierung der Antriebsauslegung zur Reduktion von CO<sub>2</sub>-Emissionen und Kosten im Nutzfahrzeug

Fries, Michael Josef

Lehrstuhl für Fahrzeugtechnik (Prof. Lienkamp)

Back
Back to start of result list
Permanent link for displayed object

Original title:: Maschinelle Optimierung der Antriebsauslegung zur Reduktion von CO₂-Emissionen und Kosten im Nutzfahrzeug
Translated title:: Machine Optimization of the Powertrain Design for the Reduction of CO₂-Emissions and Costs in Commercial Vehicles
Author:: Fries, Michael Josef
Year:: 2019
Document type:: Dissertation
Faculty/School:: Fakultät für Maschinenwesen
Advisor:: Lienkamp, Markus (Prof. Dr.)
Referee:: Lienkamp, Markus (Prof. Dr.); Wachtmeister, Georg (Prof. Dr.)
Language:: de
Subject group:: DAT Datenverarbeitung, Informatik; ELT Elektrotechnik; MAS Maschinenbau; VER Technik der Verkehrsmittel
Keywords:: Machine learning, Hybridfahrzeuge, Antriebsoptimierung, Betriebsstrategie, Total Cost of Ownership, CO2-Emissionen
Translated keywords:: machine learning, hybrid vehicle, powertrain optimization, operational strategy, total cost of ownership, CO2-emissions
TUM classification:: VER 020d
Abstract:: 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.
Translated abstract:: 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 for energy-efficient control of the components. The developed method generates detailed powertrain solutions. «
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... »
Series:: Schriftenreihe des Lehrstuhls für Fahrzeugtechnik der Technischen Universität München
ISBN:: 978-3-8439-3988-1
WWW:: https://mediatum.ub.tum.de/?id=1444356
Date of submission:: 23.05.2018
Oral examination:: 31.01.2019
Last change:: 17.06.2019
BibTeX