Monte Carlo Sampling zur präzisen Bestimmung der Modellunsicherheit von Gesamtfahrzeugsimulationen

Institut
Lehrstuhl für Fahrzeugtechnik
Typ
Semesterarbeit / Masterarbeit /
Inhalt
experimentell / theoretisch /  
Beschreibung

Du interessiert dich für neue Fahrzeugkonzepte und Antriebstopologien? Du möchtest einen Einblick in die Konzeptentwicklung von Fahrzeugen bekommen und weitere Erfahrungen sammeln? Dann könnte folgende Aufgabenstellung interessant für dich sein:

Zu Beginn des Entwicklungsprozesses eines Fahrzeuges existieren viele Freiheiten die gestellten Fahrzeuganforderungen zu realisieren. Um die verschiedenen Möglichkeiten zu vergleichen, ist es in der Konzeptphase wichtig, möglichst früh viele Eigenschaften des Endproduktes abzuschätzen. Aus diesem Grund ist die Systemsimulation ein wesentliches Werkzeug, die eine hohe Bedeutung für die Qualität der Forschungs- und Entwicklungsarbeit hat.

Da in der Systemsimulation Modelle ein Abbild der Realität sind, weichen die Ergebnisse von der Wirklichkeit ab. Bei der Auswahl von Modellen und der Verwendung von Simulationsergebnissen für Entscheidungsprozesse ist es daher entscheidend die Zuverlässigkeit der Simulationsergebnisse zu quantifizieren. Einen großen Einfluss auf das Ergebnis hat das Modell selbst und seine zugehörigen Parameter, welche sich gegenseitig beeinflussen. Deshalb ist das Ziel dieser Arbeit, mit Hilfe von geschicktem Monte Carlo Sampling möglichst präzise die Modellunsicherheit von Gesamtfahrzeugsimulationen unabhängig von ihren Parametern zu bestimmen. Monte-Carlo Sampling wird im Bereich des maschinellen Lernens verwendet, dient dazu, statistische Phänomene abzubilden und hat deshalb das Potenzial das Problem zu lösen. Dieser Ansatz soll in dieser Studienarbeit verfolg werden. Als Grundlage steht eine Datenbasis von Verbrauchsmessungen von einem Elektro Smart Versuchsfahrzeug und ein zugehöriges Simulationsmodell zur Verfügung.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Einarbeitung in den Stand der Technik zur Quantifizierung von Unsicherheiten in Simulationsmodellen
  • Literaturrecherche zu Monte Carlo Simulationen
  • Entwicklung einer Monte Carlo Sampling Methode zur präzisen Bestimmung von Modellunsicherheiten.
  • Implementierung und Test der Methode am Beispiel eines Elektro Smarts
  • Diskussion und Zusammenfassung der Ergebnisse

Falls du Interesse hast, melde dich bitte per Mail bei mir. Bitte schick mir einen aktuellen Lebenslauf und Notenauszug mit und erläutere in ein paar Sätzen warum du die Aufgabe übernehmen möchtest.

Voraussetzungen
  • Offenheit für Neues
  • Kritisches Hinterfragen
  • Systematische Arbeitsweise
  • Interesse an maschinellem Lernen
Verwendete Technologien
Monte Carlo, machine learning
Tags
FTM Fahrzeugkonzepte, FTM Danquah
Möglicher Beginn
sofort
Kontakt
Benedikt Danquah, M. Sc.
Raum: MW 3510
Tel.: +49.89.289.15888
danquahftm.mw.tum.de
Ausschreibung