Forschungsarbeit der TH Köln in Zusammenarbeit mit GKN Driveline International GmbH veröffentlicht

Im Rahmen einer Master- und Forschungsarbeit zwischen der Fakultät für Anlagen, Energie- und Maschinensysteme der TH Köln und der GKN Driveline International GmbH entstand das Paper „Feasibility Study of Wheel Torque Prediction with a Recurrent Neural Network Using Vehicle Data“. Es wurde von Frau Miriam Weinkath, Herrn Simon Nett und Herrn Dr. Chong Dae Kim verfasst.

Ein besonderer Dank gilt Karen Schneider (Fakultät für Anlagen, Energie- und Maschinensysteme) und Professorin Dr. Anja Richert (Dekanin der Fakultät für Anlagen, Energie- und Maschinensysteme) für die tatkräftige Unterstützung bei der Entstehung und Veröffentlichung der Arbeit.

Die Künstliche Intelligenz (KI) bekommt in der heutigen Zeit immer mehr Bedeutung und wird durch Chatbots wie Chat GPT für jeden zugänglich. Auch in der Automobilindustrie bekommt die KI immer mehr Aufmerksamkeit und wird sowohl in die Prozesse als auch in die Fahrzeuge integriert. Somit ist autonomes Fahren nicht mehr nur eine Zukunftsversion, sondern wird immer mehr Realität.

In dem veröffentlichten Paper geht es um eine Machbarkeitsstudie, bei der überprüft wurde, ob und mit welcher Genauigkeit ein Drehmomentsignal eines Fahrzeugs vorhergesagt werden kann. Ähnliche Versuche wurden bereits in anderen Arbeiten unternommen, nur, dass in diesen Arbeiten Fahrdaten aus speziell definierten Fahrmanövern mit kalibrierter Messtechnik verwendet wurden. In diesem Paper wurden Fahrdaten aus dem Alltag genommen, die mit einem Datalogger aufgezeichnet wurden, und zwar ohne kalibrierte Messtechnik. Zur Vorhersage wurde ein Neuronales Netz trainiert und getestet. Auf Basis dieses Papers und der Vorhersage des Drehmoments könnte in Zukunft ein virtueller Sensor entwickelt werden. Mit diesem neuen Dienstleistungsprodukt können Drehmoment-Sensoren im Fahrzeug ersetzt werden. Kosten und Ressourcen (wie zum Beispiel Gewicht etc.) können somit entscheidend eingespart werden.