Neuronale Netzmengen für die Fehlerdiagnose in komplexen Fahrzeugsystemen
Die Komplexität heutiger Fahrzeuge ist in den letzten Jahren stark gestiegen. Dies sorgt für immer schwerer diagnostizierbare Fahrzeuge, an denen die heute eingesetzten Offboard-Diagnosesysteme an ihre Grenzen stoßen. Es sind neue innovative Diagnoseverfahren notwendig, um die Komplexität zukünftig handhaben zu können. Der Vortrag stellt ein neues heuristisches Diagnoseverfahren vor, welches mittels Mengen neuronaler Netze aus vergangenen Reparaturfällen lernt und das erlernte Wissen für künftige Reparaturfälle zur Unterstützung der Fehlersuche zur Verfügung stellt.
Incremental insertion of complex mechatronic systems in the vehicles leads to a serious need of a parallel development of new methods and approaches for a safe-based diagnosis in the vehicles' factory. The idea behind this is to improve both the detection and the evaluation processes of faulty systems using new techniques for the diagnosis process. The adopted approach is to enable the diagnostic system to learn from the data of the past repairing cases based on neural networks, which involve artificial intelligence methodologies. These methodologies enable the diagnostic system to learn -from the coherence and independences involved in the past data- the needed know how, which can be further used for future repairing cases.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved