User: Guest  Login
Less Searchfields
Simple search
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 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