Interpretierbare datenbasierte Modellierung für die Anwendung in Motorsteuergeräten

Björn Kolewe

doi:10.18453/rosdok_id00002089

Björn Kolewe

Interpretierbare datenbasierte Modellierung für die Anwendung in Motorsteuergeräten

Universität Rostock, 2018

https://doi.org/10.18453/rosdok_id00002089

Abstract: Es wird eine datenbasierte Modellstruktur zur Approximation komplexer, hochdimensionaler Prozesse für die ressourcenschonende Berechnung in Motorsteuergeräten vorgestellt, die als lokal unabhängiges, paralleles Modellnetz entworfen wurde sowie gut über Prozesswissen validierbar ist. Es wird eine iterative Versuchsplanung vorgestellt, die das mit der Modellierung wachsende Prozesswissen zur optimalen Platzierung der nächsten Versuchspunkte nutzt. Sie garantiert eine optimale Verteilung der Versuchspunkte innerhalb des vorgestellten Modellansatzes und vermeidet Überanpassungen an die Messdaten.

Dissertation Freier Zugang

Titel:

Interpretierbare datenbasierte Modellierung für die Anwendung in Motorsteuergeräten

Beteiligte Personen:

Björn Kolewe[VerfasserIn]
	1161753478
Torsten Jeinsch , Prof. Dr.-Ing.[AkademischeR BetreuerIn]
	1066882940
	Universität Rostock, Lehrstuhl Regelungstechnik, Institut für Automatisierungstechnik
Bert Buchholz , Prof. Dr.-Ing.[AkademischeR BetreuerIn]
	137022670
	Universität Rostock, Lehrstuhl für Kolbenmaschinen und Verbrennungsmotoren
Ping Zhang , Prof. Dr.[AkademischeR BetreuerIn]
	1069517526
	Technische Universität Kaiserslautern, Lehrstuhl für Automatisierungstechnik

Beteiligte Körperschaften:

Universität Rostock, Fakultät für Informatik und Elektrotechnik[Grad-verleihende Institution]
	10085032-7

Zusammenfassung:

Es wird eine datenbasierte Modellstruktur zur Approximation komplexer, hochdimensionaler Prozesse für die ressourcenschonende Berechnung in Motorsteuergeräten vorgestellt, die als lokal unabhängiges, paralleles Modellnetz entworfen wurde sowie gut über Prozesswissen validierbar ist. Es wird eine iterative Versuchsplanung vorgestellt, die das mit der Modellierung wachsende Prozesswissen zur optimalen Platzierung der nächsten Versuchspunkte nutzt. Sie garantiert eine optimale Verteilung der Versuchspunkte innerhalb des vorgestellten Modellansatzes und vermeidet Überanpassungen an die Messdaten. [Deutsch]

Dokumenttyp:

Dissertation

Einrichtung:

Fakultät für Informatik und Elektrotechnik

Sprache:

Deutsch

Sachgruppe der DNB:

620 Ingenieurwissenschaften und Maschinenbau

Veröffentlichung /
Entstehung:

Rostock

Rostock: Universität Rostock

2018