Recurrent Neural Networks zur Schätzung des Bremsbelagverschleißes

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

Das Automobil der Zukunft ist autonom, elektrifiziert und vernetzt. Durch die Übergabe der Fahraufgabe an das Fahrzeug und die deutlich längeren Wartungsintervalle von Elektrofahrzeugen werden defekte und verschlissene Komponenten womöglich zu spät erkannt. Die Fahrzeugbremse ist von hoher Sicherheitsrelevanz, sodass dem Zustand der Bremsbeläge besondere Aufmerksamkeit geschenkt werden muss. Im Rahmen des Forschungsprojekts „Predictive Maintenance von Fahrwerkskomponenten“ wird daher eine Lösung zur Schätzung der Belagdicke während der Fahrt entwickelt.

Dabei soll auf zusätzliche Sensorik verzichtet werden und die Belagdicke rein auf Grundlage bestehender Sensorik (z.B. Bremsdruck, Längsbeschleunigung, Geschwindigkeit) ermittelt werden. Recurrent Neural Networks haben sich in vielfältigen Bereichen der Zeitreihenanalyse als leistungsfähig bewährt und sollen im Rahmen dieser Studienarbeit evaluiert und implementiert werden.

Für die Entwicklung liegt ein umfangreicher Datensatz mit realen Fahrtdaten vor, der über die gesamte Lebensdauer eines Bremsbelags erstellt wurde. Die aktuelle Belagdicke wurde kontinuierlich mithilfe von Zusatzsensorik gemessen und dient als Ground Truth.

Folgende Arbeitspakete umfasst die zu vergebende Studienarbeit:

  • Literaturrecherche zu bestehenden Ansätzen für die Schätzung des Bremsbelagverschleißes
  • Begründete Auswahl und Implementierung eines Recurrent Neural Networks zur Verschleißschätzung (Regressionsmodell)
  • Analyse der Feature Importance
  • Diskussion der Ergebnisse gegenüber binärer Klassifikation (neu/verschlissen)
  • Schriftliche Dokumentation der Vorgehensweise und der Ergebnisse
Voraussetzungen
  • Interesse an Machine Learning und Predictive Maintenance
  • Programmierkenntnisse in Python
  • Kreativität und Selbständigkeit
Verwendete Technologien
Python
Tags
FTM Studienarbeit, FTM AV, FTM AV Perception, FTM Huber, FTM Informatik
Möglicher Beginn
sofort
Kontakt
Sebastian Huber, M.Sc.
Raum: HB 3.4.09
Tel.: +49.89.289.15340
sebastian-hubertum.de