• Medientyp: Elektronische Hochschulschrift; Dissertation; E-Book
  • Titel: Self-Learning Enhancement of the Measurement Quality for Electric Power Trains ; Selbstlernende Erhöhung der Messqualität im E-Antrieb
  • Beteiligte: Pfeiffer, Jakob [VerfasserIn]
  • Erschienen: Technical University of Munich; Technische Universität München, 2021-07-16
  • Sprache: Englisch
  • Schlagwörter: Informatik
  • Entstehung:
  • Anmerkungen: Diese Datenquelle enthält auch Bestandsnachweise, die nicht zu einem Volltext führen.
  • Beschreibung: My goal is to increase the measurement quality of electric power trains. To keep the manual calibration effort as low as possible, the correction is executed with self-adjusting methods from the field of Machine Learning. The measurement correction shall be feasible for the standard hardware of common series EVs. This means that I correct measurement values based only on the information carried by measurement signals without additional sensors. Furthermore, all considered algorithms shall be feasible for execution on automotive Electronic Control Units. ; Mein Ziel ist die Messqualität von elektrischen Antriebssträngen zu erhöhen. Um den manuellen Kalibrieraufwand so gering wie möglich zu halten, wird die Korrektur mit selbstjustierenden Methoden des Maschinelen Lernens durchgeführt. Die Messkorrektur muss für die Standardhardware gängiger Serien-E-Fahrzeuge anwendbar sein. Das bedeutet, dass ich Messwerte nur auf Grundlage der Informationen korrigiere, die von Messsignalen ohne zusätzliche Sensoren übertragen werden. Darüber hinaus sollen alle betrachteten Algorithmen auf automobilen Steuergeräten ausführbar sein.
  • Zugangsstatus: Freier Zugang