Um für die assistierten Fahrzeuglängsführung eine optimierte Geschwindigkeitstrajektorie zur Effizienzsteigerung zu planen ist im Optimierungsprozess das Antriebsmoment des Fahrzeugs modellbasiert zu prädizieren. Bei Plug-In-Hybrid-Elektrischen-Fahrzeugen (PHEV) wird das erforderliche Antriebsmoment steuerungsintern auf die beiden Antriebe aufgeteilt. Diese Momentenaufteilung gilt es im Rahmen dieser Arbeit bestmöglich zu modellieren.

Aufgaben

Um bei der assistierten Fahrzeuglängsführung eine vorausschauende Fahrweise zu gewährleisten und dabei gleichzeitig den individuellen Fahrerwunsch im Zielkonflikt eines geringen Energiebedarfs und einer kurzen Fahrtdauer zu berücksichtigen, bietet es sich an Streckeninformationen des bevorstehenden Routenabschnittes (Longrange) sowie Fahrzeugführungspräferenzen des Fahrers zu berücksichtigen. Im Rahmen dieser Arbeit soll ein Verfahren entwickelt werden, mit dem eine Fahrzeuggeschwindigkeitstrajektorie geplant und optimiert werden kann. Dazu sollen verschiedene Optimierungsmethoden vergleichen und am Fahrzeug implementiert werden.

Aufgaben

Aufgabe:

Zu Demonstrationszwecken in Forschung und Lehre wurde am Institut für Mechatronische Systeme ein inverses Pendel gebaut und in Betrieb genommen. Inzwischen sind einige Funktionen wie das Balancieren in der oberen, instabilen Gleichgewichtslage und eine Aufschwingregelung für Einfach- & Doppelpendel implementiert worden. Hierfür kommen überwiegend modellbasierte Methoden zum Einsatz. Im Rahmen dieser Masterarbeit sollen darüber hinaus Methoden des maschinellen Lernens untersucht werden. Besonders das Reinforcement Learning stellt sich als vielversprechender Ansatz für die Regelung heraus.

Arbeitspunkte:

• Einarbeitung in den Prüfstand und in das vorhandene Simulationsmodell
• Umsetzung einer Reinforcement Learning Umgebung anhand des Simulationsmodells & Validierung der Ergebnisse
• Übertragung der Umgebung auf den realer Prüfstand & Validierung der Ergebnisse

Voraussetzungen:

• Vorkenntnisse in Matlab/ Simulink 
• Vorkenntnisse mit Methoden des maschinellen Lernens wünschenswert
• Gute Programmierkenntnisse

Für die Regelung der Fahrzeuglängsbeschleunigung im Zusammenhang mit Assistenzfunktionen wie Adaptive Cruise Control (ACC) ist eine genaue Kenntnis der Beschleunigung über Grund erforderlich. Hierfür stehen verschiedene Sensor- und Modellsignale zu Verfügung wie ein Beschleunigungssensor, Raddrehzahlsensoren, E-Maschinendrehzahlen und Modellbeschleunigungen, deren Signale unterschiedlichen Störungen unterliegen und diverse Einschränkungen in unterschiedlichen Arbeitspunkten aufweisen. In aktuellen Fahrzeugprojekten wird auf Basis dieser Eingangssignale mittels Sensordatenfusion ein Beschleunigungs- und Geschwindigkeitssignal ermittelt, das für unterschiedliche Assistenzsysteme im Bereich der Geschwindigkeits- und Beschleunigungsregelung genutzt wird.

Aufgabe 

Zur Verbesserung der Signalgüte des fusionierten Beschleunigungs- und Geschwindigkeitssignals soll in dieser Arbeit die aktuelle Schlupfschätzung der vier zu Verfügung stehenden Raddrehzahlinformationen weiterentwickelt werden. Auf deren Basis gilt es eine Anpassung des bestehenden Sensordatenfusionsalgorithmus durchzuführen. Hierbei ist sowohl die aktuelle Struktur zu überarbeiten als auch eine neue Parametrierung des Fusionsalgorithmus zu erstellen.

Im Rahmen eines EU-Projektes soll ein anatomiegerechtes Laryngoskop entwickelt werden. Hierfür soll als Basis ein statistisches Form-Modell des Larynx auf Basis von segmentierten CT-Daten trainiert werden. Statistische Formmodelle sind ein interessantes Instrument in der medizinischen Bildverarbeitung, da sie die vielfältigen, individuellen Form-Eigenschaften einer anatomischen Struktur in ihrer Ähnlichkeit und ihrer Variabilität innerhalb einer Patientengruppe vereinen und abbilden können. Diese Arbeit gibt neben der medizinischen Bildverarbeitung auch Einblicke in die Mustererkennung und Klassifizierung.

• Teaser ins Thema von der Universität Basel: www.youtube.com/watch