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...
Na minha lista:
| Autor principal: | |
|---|---|
| Formato: | Online |
| Idioma: | alemão |
| Publicado em: |
Logos Verlag Berlin
2025
|
| Assuntos: | |
| Acesso em linha: | https://library.oapen.org/handle/20.500.12657/101868 |
| Tags: |
Sem tags, seja o primeiro a adicionar uma tag!
|
| _version_ | 1869514944562593792 |
|---|---|
| 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-159516 |
| 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-1595162025-07-29T15:07:34Z KI-unterstützte hybride Modellierung von Emissionen im hochtransienten Motorbetrieb Gehra, Tobias Mathematics Technology & Engineering Construction Computers Computer Science bic Book Industry Communication::P Mathematics & science::PB Mathematics bic Book Industry Communication::T Technology, engineering, agriculture::TN Civil engineering, surveying & building::TNK Building construction & materials bic Book Industry Communication::U Computing & information technology::UY Computer science 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. 2025-05-16T05:50:17Z 2025-05-16T05:50:17Z 2025-05-16T02:30:54Z 2025 book https://library.oapen.org/handle/20.500.12657/101868 https://directory.doabooks.org/handle/20.500.12854/159516 ger open access image/jpeg image/jpeg n/a n/a https://library.oapen.org/bitstream/20.500.12657/101868/1/external_content.pdf https://library.oapen.org/bitstream/20.500.12657/101868/1/external_content.pdf Logos Verlag Berlin Logos Verlag Berlin 04b263a1-7fba-4491-9eae-1c394ac42fc3 Knowledge Unlatched Knowledge Unlatched (KU) KU Open Services Logos Verlag Berlin open access |
| spellingShingle | Mathematics Technology & Engineering Construction Computers Computer Science bic Book Industry Communication::P Mathematics & science::PB Mathematics bic Book Industry Communication::T Technology, engineering, agriculture::TN Civil engineering, surveying & building::TNK Building construction & materials bic Book Industry Communication::U Computing & information technology::UY Computer science 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 | Mathematics Technology & Engineering Construction Computers Computer Science bic Book Industry Communication::P Mathematics & science::PB Mathematics bic Book Industry Communication::T Technology, engineering, agriculture::TN Civil engineering, surveying & building::TNK Building construction & materials bic Book Industry Communication::U Computing & information technology::UY Computer science |
| topic_facet | Mathematics Technology & Engineering Construction Computers Computer Science bic Book Industry Communication::P Mathematics & science::PB Mathematics bic Book Industry Communication::T Technology, engineering, agriculture::TN Civil engineering, surveying & building::TNK Building construction & materials bic Book Industry Communication::U Computing & information technology::UY Computer science |
| url | https://library.oapen.org/handle/20.500.12657/101868 |
| work_keys_str_mv | AT gehratobias kiunterstutztehybridemodellierungvonemissionenimhochtransientenmotorbetrieb |