KIT | KIT-Bibliothek | Impressum | Datenschutz
Open Access Logo
§
Volltext
DOI: 10.5445/KSP/1000081063
Veröffentlicht am 07.06.2018
Die gedruckte Version dieser Publikation können Sie hier kaufen.

Intelligentes Gesamtmaschinenmanagement für elektrische Antriebssysteme

Pohlandt, Christian

Abstract:
Elektrische Antriebssysteme werden zunehmend in das Anwendungsgebiet Mobiler Arbeitsmaschinen übertragen, mit dem Ziel eine Optimierung des Arbeitsprozesses zu erreichen. Durch den Einsatz eines intelligenten lernfähigen Gesamtmaschinenmanagements werden zukunftsweisende Ergebnisse zur Arbeitsprozessoptimierung erzielt. Es wird in virtuellen Fahrversuchen nachgewiesen, dass Mobile Arbeitsmaschinen wiederkehrende Arbeitsprozesse mit unterschiedlichen Fahrern erlernen und prädizieren können.

Abstract (englisch):
Innovative electric propulsion systems are increasingly applied to off-highway machines, to gain efficiency optimization of the work process. This book focuses on the aspect of work process optimization and achieves forward-looking results through the use of intelligent, adaptive overall machine management.


Zugehörige Institution(en) am KIT Institut für Fahrzeugsystemtechnik (FAST)
Publikationstyp Hochschulschrift
Jahr 2018
Sprache Deutsch
Identifikator ISBN: 978-3-7315-0774-1
ISSN: 1869-6058
URN: urn:nbn:de:0072-810631
KITopen ID: 1000081063
Verlag KIT Scientific Publishing, Karlsruhe
Umfang XVI, 150 S.
Serie Karlsruher Schriftenreihe Fahrzeugsystemtechnik / Institut für Fahrzeugsystemtechnik ; 60
Abschlussart Dissertation
Fakultät Fakultät für Maschinenbau (MACH)
Institut Institut für Fahrzeugsystemtechnik (FAST)
Prüfungsdatum 20.10.2017
Referent/Betreuer Prof. M. Geimer
Schlagworte Elektrische Antriebssysteme, Intelligentes Gesamtmaschinenmanagement, Künstliche Intelligenz, Data Mining, Maschinelles Lernen, Deep Learning, Electric propulsion systems, off-highway machines, artificial intelligence, data mining, machine learning, deep learning
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft KITopen Landing Page