基于机器学习的车队数据分析
作者:
作者单位:

1.Research Institute of Automotive Engineering and Vehicle Engines Stuttgart (FKFS), 斯图加特 70569, 德国;2.Institute of Automotive Engineering (IFS), University of Stuttgart, 斯图加特 70569, 德国

作者简介:

EBEL André(1988—), 男,理学硕士, 主要研究方向为汽车机电一体化。E-mail: andre.ebel@fkfs.de

通讯作者:

中图分类号:

U461

基金项目:


Analysis of Fleet Data Using Machine Learning Methods
Author:
Affiliation:

1.Research Institute of Automotive Engineering and Vehicle Engines Stuttgart (FKFS), 70569 Stuttgart, Germany;2.Institute of Automotive Engineering (IFS), University of Stuttgart, 70569 Stuttgart, Germany

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    为了增强新一代车辆的功能和安全性,收集了大量的车辆行驶历史数据,利用机器学习方法创建基于规则的计算模型,以检测车队中的故障车辆。详细介绍了模型的设计步骤,并通过低压电池的电气故障测试进行该方法的有效性验证。分析结果可供后续车型台架测试参考。

    Abstract:

    To enhance the functions and improve the safety of the new generation of vehicles, this paper collected abundant history data of vehicles and then created a rule-based model by using machine learning methods, so as to detect the faulty vehicle in a fleet. Several steps were designed for detailed illustration, and the validation of the method was conducted through electrical fault of the LV (lithium-cobalt) battery. The results can be used as input for the test bench tests of the following vehicle generations.

    参考文献
    相似文献
    引证文献
引用本文

EBELAndré,RIEMER Thomas, REUSS Hans-Christian.基于机器学习的车队数据分析[J].同济大学学报(自然科学版),2021,49(S1):186~193

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2021-08-30
  • 最后修改日期:
  • 录用日期:
  • 在线发布日期: 2023-02-28
  • 出版日期:
文章二维码