Retrospektive Diagnose von Fehlerursachen an Antriebsstrangprüfständen mithilfe künstlicher Intelligenz

Antriebsstrangprüfstände leisten einen signifikanten Beitrag im Fahrzeugentwicklungsprozess. Um diesen Vorteil weiter auszubauen, ist es notwendig, mit geeigneten Maßnahmen die Effektivität und Effizienz stetig zu steigern. Eine Maßnahme ist hierbei, die Abhängigkeit des Faktors Mensch bei Auftreten eines Fehlers am Prüfstand zu reduzieren. Um diesem Ziel einen großen Schritt näher zu kommen, wurde vorliegend eine KI-basierte Methodik entwickelt, mit deren Hilfe es möglich ist, die fehlerverursachende Komponente und den zugehörigen Fehlerzeitpunkt trotz der Wechselwirkung aufgrund der mechanischen Kopplung des Systems zu detektieren.

Erhebung eines repräsentativen Forschungsdatensatzes. - Methoden zur Datenvorverarbeitung uni- und multivariater Zeitreihendaten. - Modellierung und Auswertung durch künstliche Intelligenz. - Anwendung und praktischer Nachweis.