KIT | KIT-Bibliothek | Impressum | Datenschutz

Der Nutzen einer Fahr- und Arbeitszustandserkennung am Beispiel eines Radladers

Brinkschulte, Lars; Daiß, Kevin; Geimer, Marcus ORCID iD icon

Abstract:

Im Rahmen des Beitrages wird eine Methode zur Erkennung von wiederkehrenden Arbeitsspielen einer mobilen Arbeitsmaschine und deren Nutzen vorgestellt. Dies geschieht am Beispiel eines Radladers bei der Durchführung von Verladeprozessen nach dem Y-Zyklus. Ziel der Methode ist die von Fahrer und Umwelt unabhängige Erkennung von vollständigen Arbeitsspielen während eines Arbeitseinsatzes und die Zuordnung von Maschinen- und Betriebszuständen in jedem dieser Arbeitsspiele. Die hierdurch zur Verfügung stehenden Informationen können sowohl in die Betriebsstrategie der Maschine einfließen, als auch dazu genutzt werden, um nach erfolgtem Arbeitseinsatz Arbeitsspiele einzelner Fahrer automatisiert zu analysieren. ... mehr

Abstract (englisch):

In this article, a method for recognition of recurring work cycles of a mobile machine is presented. This is done using the example of a wheel loader when carrying out loading cycles based on the Y-cycle. The aim of the method is the recognition of complete work cycles during a measurement run and the assignment of machine and operating states in each of these work cycles, independent of driver and environment. The information thus available can be incorporated into the operating strategy of the machine and can also be used to automatically analyze work cycles of individual drivers after they have completed their work. ... mehr


Postprint §
DOI: 10.5445/IR/1000087695
Veröffentlicht am 20.12.2018
Cover der Publikation
Zugehörige Institution(en) am KIT Institut für Fahrzeugsystemtechnik (FAST)
Publikationstyp Proceedingsbeitrag
Publikationsjahr 2018
Sprache Deutsch
Identifikator ISBN: 978-3-18-092332-1
ISSN: 0083-5560
urn:nbn:de:swb:90-876952
KITopen-ID: 1000087695
Erschienen in Land. Technik - Agricultural Engineering - Das Forum für agrartechnische Innovationen, Leinfelden-Echterdingen, 20. - 21. November 2018
Verlag VDI Verlag
Seiten 41-50
Serie VDI Bericht ; 2332
Bemerkung zur Veröffentlichung VDI-MEG
Schlagwörter Zustandserkennung, Machine Learning, Bagged Trees, Radlader, Y-Zyklus
KIT – Die Forschungsuniversität in der Helmholtz-Gemeinschaft
KITopen Landing Page