| 书目名称 | Generierung von Prüfzyklen aus Flottendaten mittels bestärkenden Lernens |
| 编辑 | André Ebel |
| 视频video | |
| 概述 | Zielgerichtete und realitätsnahe Erprobung von Antriebssträngen.Kombination von Flottendatenauswertung mit Prüfzyklengenerierung.Prüfzyklengenerierung durch tiefes Q-Lernen |
| 丛书名称 | Wissenschaftliche Reihe Fahrzeugtechnik Universität Stuttgart |
| 图书封面 |  |
| 描述 | .André Ebel wertet Flottendaten eines batterieelektrischen Fahrzeuges hinsichtlich Fehlerbedingungen aus und generiert daraus unter Verwendung einer Gesamtfahrzeugsimulationsumgebung repräsentative Prüfzyklen zur zeitlichen Rekonstruktion der Fehlerbedingungen. Anhand der Flottendatenauswertung mit Methoden des Maschinellen Lernens identifiziert der Autor das schädigende Nutzungsverhalten fehlerhafter Fahrzeuge. Zur Generierung von kundennahen Prüfzyklen setzt er das tiefe Q-Lernen ein, ein Verfahren des bestärkenden Lernens. Die Kombination der Flottendatenauswertung mit der Prüfzyklengenerierung trägt zur zielgerichteten und realitätsnahen Erprobung von Antriebssträngen bei.. |
| 出版日期 | Book 2024 |
| 关键词 | Flottendaten; Lastkollektivdaten; Machine Learning; Reinforcement Learning; Bestärkendes Lernen; Tiefes Q |
| 版次 | 1 |
| doi | https://doi.org/10.1007/978-3-658-44220-0 |
| isbn_softcover | 978-3-658-44219-4 |
| isbn_ebook | 978-3-658-44220-0Series ISSN 2567-0042 Series E-ISSN 2567-0352 |
| issn_series | 2567-0042 |
| copyright | Der/die Herausgeber bzw. der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden Gmb |
发表于 2025-3-21 17:13:30
