User: Guest  Login
Original title:
Evaluation of Machine Learning Methods for Diagnosing Automotive Damper Defects
Translated title:
Evaluation von Machine Learning Methoden zur Diagnose defekter Fahrzeugdämpfer
Author:
Zehelein, Thomas
Year:
2021
Document type:
Dissertation
Faculty/School:
Fakultät für Maschinenwesen
Advisor:
Lienkamp, Markus (Prof. Dr.)
Referee:
Lienkamp, Markus (Prof. Dr.); Althoff, Matthias (Prof. Dr.)
Language:
en
Subject group:
VER Technik der Verkehrsmittel
TUM classification:
VER 020
Abstract:
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...     »
Translated abstract:
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
Date of submission:
04.12.2020
Oral examination:
04.05.2021
File size:
7027605 bytes
Pages:
179
Urn (citeable URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20210504-1580031-1-7
Last change:
27.05.2021
 BibTeX