KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb
In der Entwicklung emissionsarmer Antriebstechnologien bieten batterieelektrische Fahrzeuge durch den hohen Gesamtwirkungsgrad und die lokal emissionsfreie Betriebsweise einen vielversprechenden Lösungsansatz. Gleichzeitig stehen ihnen Herausforderungen wie die notwendige Ladeinfrastruktur und in de...
Đã lưu trong:
| Tác giả chính: | |
|---|---|
| Định dạng: | Online |
| Ngôn ngữ: | Tiếng Đức |
| Được phát hành: |
Logos Verlag Berlin
2025
|
| Những chủ đề: | |
| Truy cập trực tuyến: | ONIX_20250425_9783832559403_16 |
| Các nhãn: |
Không có thẻ, Là người đầu tiên thẻ bản ghi này!
|
| _version_ | 1869527371992793088 |
|---|---|
| author | Gehra, Tobias |
| author_browse | Gehra, Tobias |
| author_facet | Gehra, Tobias |
| author_sort | Gehra, Tobias |
| collection | Directory of Open Access Books |
| description | In der Entwicklung emissionsarmer Antriebstechnologien bieten batterieelektrische Fahrzeuge durch den hohen Gesamtwirkungsgrad und die lokal emissionsfreie Betriebsweise einen vielversprechenden Lösungsansatz. Gleichzeitig stehen ihnen Herausforderungen wie die notwendige Ladeinfrastruktur und in der Regel geringere Reichweiten gegenüber. Hybridfahrzeuge können diese Nachteile kompensieren, indem sie die Vorteile elektrischer und konventioneller Antriebe vereinen. Um das Potenzial von Hybridantrieben auszuschöpfen, sind Betriebsstrategien für die optimale Lastverteilung notwendig. Diese lassen sich effizient in virtuellen Umgebungen entwickeln, was unter anderem eine präzise Abbildung des Fahrzeugs erfordert. Vor diesem Hintergrund setzt sich die vorliegende Arbeit mit der Modellierung von Emissionen im hochtransienten Motorbetrieb auseinander. Neben den physikalisch-phänomenologischen Ansätzen kommen auch Methoden des Maschinellen Lernens (ML) zum Einsatz, die besonders bei dynamischen Fahrzyklen überzeugen. Durch die Kombination beider Modellansätze (Hybridmodelle) wird eine noch genauere Emissionsvorhersage ermöglicht. Die Ergebnisse zeigen, dass das parallele Hybridmodell zu einer deutlichen Präzisionssteigerung (ca. 25 % gegenüber dem reinen ML-Modell) führt und durch eine effiziente Architektur für Echtzeit-Anwendungen prädestiniert ist. Dies gilt nicht nur für die vorliegende Problemstellung, sondern könnte sich auch auf andere Forschungsbereiche ausweiten lassen. |
| format | Online |
| id | doab-20.500.12854ir-158912 |
| institution | Directory of Open Access Books |
| language | ger |
| publishDate | 2025 |
| publishDateRange | 2025 |
| publishDateSort | 2025 |
| publisher | Logos Verlag Berlin |
| publisherStr | Logos Verlag Berlin |
| record_format | ojs |
| spelling | doab-20.500.12854ir-1589122025-04-25T11:49:31Z KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb Gehra, Tobias Maschinelles Lernen Künstliche Intelligenz Fahrzeugantriebe Emissionen Simulation thema EDItEUR::P Mathematics and Science::PB Mathematics::PBT Probability and statistics thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBC Engineering: general thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBJ Maths for engineers thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TG Mechanical engineering and materials::TGB Mechanical engineering::TGBN Engines and power transmission thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TH Energy technology and engineering::THF Fossil fuel technologies thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMB Algorithms and data structures thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMX Programming and scripting languages: general thema EDItEUR::U Computing and Information Technology::UB Information technology: general topics thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQN Neural networks and fuzzy systems In der Entwicklung emissionsarmer Antriebstechnologien bieten batterieelektrische Fahrzeuge durch den hohen Gesamtwirkungsgrad und die lokal emissionsfreie Betriebsweise einen vielversprechenden Lösungsansatz. Gleichzeitig stehen ihnen Herausforderungen wie die notwendige Ladeinfrastruktur und in der Regel geringere Reichweiten gegenüber. Hybridfahrzeuge können diese Nachteile kompensieren, indem sie die Vorteile elektrischer und konventioneller Antriebe vereinen. Um das Potenzial von Hybridantrieben auszuschöpfen, sind Betriebsstrategien für die optimale Lastverteilung notwendig. Diese lassen sich effizient in virtuellen Umgebungen entwickeln, was unter anderem eine präzise Abbildung des Fahrzeugs erfordert. Vor diesem Hintergrund setzt sich die vorliegende Arbeit mit der Modellierung von Emissionen im hochtransienten Motorbetrieb auseinander. Neben den physikalisch-phänomenologischen Ansätzen kommen auch Methoden des Maschinellen Lernens (ML) zum Einsatz, die besonders bei dynamischen Fahrzyklen überzeugen. Durch die Kombination beider Modellansätze (Hybridmodelle) wird eine noch genauere Emissionsvorhersage ermöglicht. Die Ergebnisse zeigen, dass das parallele Hybridmodell zu einer deutlichen Präzisionssteigerung (ca. 25 % gegenüber dem reinen ML-Modell) führt und durch eine effiziente Architektur für Echtzeit-Anwendungen prädestiniert ist. Dies gilt nicht nur für die vorliegende Problemstellung, sondern könnte sich auch auf andere Forschungsbereiche ausweiten lassen. 2025-04-25T11:49:30Z 2025-04-25T11:49:30Z 2025 book ONIX_20250425_9783832559403_16 9783832559403 https://directory.doabooks.org/handle/20.500.12854/158912 ger Antriebe in der Fahrzeugtechnik image/jpeg Attribution-NonCommercial-NoDerivatives 4.0 International https://www.logos-verlag.de/cgi-bin/engbuchmid?isbn=5940&lng=eng&id= https://www.logos-verlag.de/ebooks/OA/978-3-8325-5940-3.pdf Logos Verlag Berlin Logos Verlag Berlin 10.30819/5940 In der Entwicklung emissionsarmer Antriebstechnologien bieten batterieelektrische Fahrzeuge durch den hohen Gesamtwirkungsgrad und die lokal emissionsfreie Betriebsweise einen vielversprechenden Lösungsansatz. Gleichzeitig stehen ihnen Herausforderungen wie die notwendige Ladeinfrastruktur und in der Regel geringere Reichweiten gegenüber. Hybridfahrzeuge können diese Nachteile kompensieren, indem sie die Vorteile elektrischer und konventioneller Antriebe vereinen. Um das Potenzial von Hybridantrieben auszuschöpfen, sind Betriebsstrategien für die optimale Lastverteilung notwendig. Diese lassen sich effizient in virtuellen Umgebungen entwickeln, was unter anderem eine präzise Abbildung des Fahrzeugs erfordert. Vor diesem Hintergrund setzt sich die vorliegende Arbeit mit der Modellierung von Emissionen im hochtransienten Motorbetrieb auseinander. Neben den physikalisch-phänomenologischen Ansätzen kommen auch Methoden des Maschinellen Lernens (ML) zum Einsatz, die besonders bei dynamischen Fahrzyklen überzeugen. Durch die Kombination beider Modellansätze (Hybridmodelle) wird eine noch genauere Emissionsvorhersage ermöglicht. Die Ergebnisse zeigen, dass das parallele Hybridmodell zu einer deutlichen Präzisionssteigerung (ca. 25 % gegenüber dem reinen ML-Modell) führt und durch eine effiziente Architektur für Echtzeit-Anwendungen prädestiniert ist. Dies gilt nicht nur für die vorliegende Problemstellung, sondern könnte sich auch auf andere Forschungsbereiche ausweiten lassen. 10.30819/5940 04b263a1-7fba-4491-9eae-1c394ac42fc3 9783832559403 Logos Verlag Berlin 4 143 Berlin open access |
| spellingShingle | Maschinelles Lernen Künstliche Intelligenz Fahrzeugantriebe Emissionen Simulation thema EDItEUR::P Mathematics and Science::PB Mathematics::PBT Probability and statistics thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBC Engineering: general thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBJ Maths for engineers thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TG Mechanical engineering and materials::TGB Mechanical engineering::TGBN Engines and power transmission thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TH Energy technology and engineering::THF Fossil fuel technologies thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMB Algorithms and data structures thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMX Programming and scripting languages: general thema EDItEUR::U Computing and Information Technology::UB Information technology: general topics thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQN Neural networks and fuzzy systems Gehra, Tobias KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb |
| title | KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb |
| title_full | KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb |
| title_fullStr | KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb |
| title_full_unstemmed | KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb |
| title_short | KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb |
| title_sort | ki unterstutzte hybride modellierung von emissionen im hochtransienten motorbetrieb |
| topic | Maschinelles Lernen Künstliche Intelligenz Fahrzeugantriebe Emissionen Simulation thema EDItEUR::P Mathematics and Science::PB Mathematics::PBT Probability and statistics thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBC Engineering: general thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBJ Maths for engineers thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TG Mechanical engineering and materials::TGB Mechanical engineering::TGBN Engines and power transmission thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TH Energy technology and engineering::THF Fossil fuel technologies thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMB Algorithms and data structures thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMX Programming and scripting languages: general thema EDItEUR::U Computing and Information Technology::UB Information technology: general topics thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQN Neural networks and fuzzy systems |
| topic_facet | Maschinelles Lernen Künstliche Intelligenz Fahrzeugantriebe Emissionen Simulation thema EDItEUR::P Mathematics and Science::PB Mathematics::PBT Probability and statistics thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBC Engineering: general thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TB Technology: general issues::TBJ Maths for engineers thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TG Mechanical engineering and materials::TGB Mechanical engineering::TGBN Engines and power transmission thema EDItEUR::T Technology, Engineering, Agriculture, Industrial processes::TH Energy technology and engineering::THF Fossil fuel technologies thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMB Algorithms and data structures thema EDItEUR::U Computing and Information Technology::UM Computer programming / software engineering::UMX Programming and scripting languages: general thema EDItEUR::U Computing and Information Technology::UB Information technology: general topics thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQM Machine learning thema EDItEUR::U Computing and Information Technology::UY Computer science::UYQ Artificial intelligence::UYQN Neural networks and fuzzy systems |
| url | ONIX_20250425_9783832559403_16 |
| work_keys_str_mv | AT gehratobias kiunterstutztehybridemodellierungvonemissionenimhochtransientenmotorbetrieb |