StudiumStudien- und Abschlussarbeiten
Aktuell ausgeschriebene studentische Arbeiten

BESTIMMUNG FAHRDYNAMISCHER ZUSTÄNDE AUS ROUTEN-DATEN ZUR PRÄDIKTIVEN VERSCHLEIßABSCHÄTZUNG IM LKW

Bereich Betreuer Art 
Identifikation & RegelungSimon Ehlers & Zygimantas ZiaukasStudien- und Masterarbeit

Beschreibung

Durch diverse Vorarbeiten am imes bestehen validierte Modelle unterschiedlicher Detailgrade sowie Zustands-beobachter, die eine echtzeitfähige Simulation und Schätzung fahrdynamischer Zustände im LKW ermöglichen. In einem nächsten Schritt sollen Ansätze erforscht werden, um gezielt fahrdynamische Systemzustände (z.B. Reifenkräfte, Knickwinkel, Gierraten etc.) bereits vor Fahrtantritt auf Basis der geplanten Route vorherzusagen. Damit kann perspektivisch der Verschleißzustand ausgewählter Fahrwerkskomponenten prädiziert und somit entsprechende Maßnahmen zur Verhinderung von sicherheitskritischen Situationen oder Ausfällen abgeleitet werden. Ansätze dieser Art sind u.a. als Condition Monitoring & Predictive Maintenance bekannt.  

Aufgaben

  • Literaturrecherche zum Stand der Forschung und Einordnung des eigenen Vorhabens darin

  • Auswahl eines geeigneten Navigationsdienstes und automatisierte Extraktion relevanter Routeninformationen (z.B. GPS-Positionen, Tempolimits etc.)
  • Erarbeitung & Umsetzung einer Methode zur Überführung der Routendaten in ausgewählte fahrdynamische Zustände
  • Validierung der Methode anhand vorhandener Messdaten aus dem öffentlichen Straßenverkehr

Voraussetzungen

  • Engagierte und selbständige Arbeitsweise
  • Sehr gute Matlab-Kenntnisse
  • Kenntnisse im Bereich der Fahrdynamik von Vorteil
  • Vorkenntnisse mit modellbasierten und datenbasierten Methoden

 Beginn: Ab sofort (Juni 2022)

Laufzeit: 6 Monate

Praediktion_Zustaende_LKW.pdf
PDF, 280 KB

KOMBINATION MODELL- UND DATENBASIERTER VERFAHREN FÜR DIE REIBWERTSCHÄTZUNG

Bereich Betreuer Art 
Identifikation & RegelungNicolas LampeStudien- und Masterarbeit

Beschreibung

Für die Verbesserung von Fahrerassistenzsystemen bietet die frühzeitige Kenntnis des maximalen Reibwerts des Reifen-Fahrbahn-Kontakts ein erhebliches Potential. Im Rahmen des Projekts werden Verfahren zur Schätzung des maximalen Reibwerts anhand der im Fahrzeug verbauten Sensorik entwickelt. Primär werden dafür rein modell- oder datenbasierte Ansätze verwendet. Im Rahmen dieser Arbeit soll über die Kombination modell- und datenbasierter Ansätze ein hybrider Reibwertschätzer entwickelt werden, der die Vorteile beider Ansätze kombiniert und eine Verbesserung der bestehenden Verfahren der Reibwertschätzung ermöglicht. Datenbasis für die Durchführung der Arbeit sind Messungen experimenteller Versuchsfahrten durchgeführt mit einem Dacia Duster.

Aufgaben

  • Literaturrecherche

  • Entwicklung geeigneter Kombinationen modell- und datenbasierter Ansätze für die Reibwertschätzung
  • Test und Analyse des hybriden Reibwertschätzers im Vergleich zu den bestehenden Ansätzen

Voraussetzungen

  • Engagierte und selbstständige Arbeitsweise
  • Sehr gute Matlab/Simulink und Python Kenntnisse

  • Vorkenntnisse im Bereich des maschinellen Lernens (vorzugsweise mit künstlichen neuronalen Netzen)
  • Vorkenntnisse im Bereich der Fahrdynamik

Beginn: Ab sofort

Laufzeit: 6 Monate

E-Mail Adresse: n.lampe@hs-osnabrueck.de

Aushang_Hybride_Reibwertschaetzung.pdf
PDF, 185 KB

KOMBINATION MODELLBASIERTER UND DATENGETRIEBENER ZUSTANDSSCHÄTZUNG IN LKW-TRAILERN

Bereich Betreuer Art 
Identifikation & RegelungSimon EhlersStudien- und Masterarbeit

Beschreibung

Um fahrdynamisch relevante Zustände und Parameter der Quer- und Wankdynamik im LKW-Anhänger zu schätzen, wurde am imes ein fahrdynamisches Modell eines Sattelzuges entwickelt. Auf Basis dieses Modells wurde ein Unscented Kalman-Filter (UKF) implementiert und getestet. Ziel der Arbeit ist es, die Schätzung des Kalman-Filters zu verbessern, indem modellbasierte und datengetriebene Methoden kombiniert werden (hybride Methode). Im Fokus steht vor allem ein Ansatz, in dem die Kalmanverstärkung mit einem neuronalen Netz (z.B. einem rekurrenten neuronalem Netz, RNN) berechnet wird. Für die Arbeit steht ein Datensatz zur Verfügung, der mit einem Versuchsfahrzeug und unterschiedlichen Beladungszuständen erstellt wurde. Die Arbeit soll in MATLAB/Simulink durchgeführt werden.

Aufgaben

  • Literaturrecherche zur hybriden Zustandsschätzung in Fahrzeugen
  • Entwicklung und Implementierung der hybriden Zustandsschätzung

  • Test der hybriden Zustandsschätzung auf einem bereits bestehenden Datensatz

Voraussetzungen

  • Engagierte und selbständige Arbeitsweise
  • Sehr gute Matlab-Kenntnisse
  • Kenntnisse im Bereich der Fahrdynamik und Zustandsschätzung mit Kalman-Filtern von Vorteil
  • Kenntnisse im Bereich des maschinellen Lernens (idealerweise mit rekurrenten neuronalen Netzen) von Vorteil

 Beginn: Ab sofort

Laufzeit: 6 Monate

ANOMALIEDETEKTION AM FAHRZEUGREIFEN

Bereich Betreuer Art 
Identifikation & RegelungSimon EhlersStudien- und Masterarbeit

Beschreibung

Im Fahrwerk und an Reifen von Personenkraftwagen oder Nutzfahrzeugen können eine Vielzahl von Schädigungsfällen auftreten (z.B. Schäden an Radlager, Feder, Dämpfer, Reifen,…). Häufig führen die Schadensfälle zu einem veränderten Fahrzeugverhalten (z.B. Vibrationen) gegenüber dem ursprünglichen Verhalten im „Gutfall“. Um diese Schadensfälle (Anomalien) automatisiert zu detektieren, können künstliche neuronale Netze (z.B. Autoencoder) eingesetzt werden. In dieser Arbeit sollen Methoden zur Anomaliedetektion untersucht werden, wobei für das Training nur Daten des „Gutfalls“ verwendet werden sollen, da häufig nur diese in der Praxis verfügbar sind. Ein Beispieldatensatz für die Anomalie der Reifenunwucht steht bereits zur Verfügung.

Aufgaben

  • Literaturrecherche zur datenbasierten Anomaliedetektion
  • Entwicklung und Implementierung von Methoden zur Anomaliedetektion

  • Validierung und Vergleich der Methoden auf einem Datensatz zur Reifenunwucht

Voraussetzungen

  • Engagierte und selbständige Arbeitsweise
  • Vorkenntnisse in Matlab und Python
  • Vorkenntnisse im Umgang mit künstlichen neuronalen Netzen
  • Interesse im Bereich der Fahrzeugtechnik

 Beginn: Ab sofort

Laufzeit: 6 Monate

Aushang_Anomaliedetektion_PKW_Reifen.pdf
PDF, 227 KB

ONLINE OPTIMIERUNG DER FAHRZEUGLÄNGSGESCHWINDIGKEIT AUF WEITEM STRECKENHORIZONT

Bereich Betreuer Art 
Identifikation & RegelungDaniel FinkStudien- oder Masterarbeit

Beschreibung

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, auf dynamischer Programmierung (DP) basierendes, Verfahren zur Planung und Optimierung der Fahrzeuggeschwindigkeitstrajektorie echtzeitfähig umgesetzt und an einem Versuchsfahrzeug implementiert werden. 

Aufgaben

  • Literaturrecherche

  • Umsetzung einer adaptiven Suchraumdiskretisierung in einem
    DP-basiertem Optimierungsverfahren zur Recheneffizienzsteigerung    
  • Analyse und Ermittlung geeigneter Optimierungshyperparameter
  • Einarbeitung in die ETAS-Software INCA und INTECRIO
  • Prototypische Implementierung sowie Test einer Online-Longrangeoptimierung am Fahrzeug
  • Evaluation von Rechenzeit und Echtzeitfähigkeit unter Berücksichtigung von Gütekriterien (wie z.B. mögliche Länge des Streckenhorizontes und Optimierungsergebnis)

Voraussetzungen

  • Führerschein (Klasse B)
  • Sehr gute MATLAB-Kenntnisse
  • INCA / INTECRIO–Kenntnisse wünschenswert   
  • Vorkenntnisse im Bereich der Fahrzeugmechatronik 
  • Selbstständige und verantwortungsvolle Arbeitsweise

 

Beginn: Ab sofort (März 2021)