Knstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung

Name: Knstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung
Brand: Springer Nature
SKU: 9783658431082
Availability: InStock

Best Price (Coupon Required):
Buy Knstliche neuronale Netzwerke zur adaptiven Fahrdynamikregelung for $72.00 at @ Link.springer.com when you apply the 10% OFF coupon at checkout.
Click “Get Coupon & Buy” to copy the code and unlock the deal.

Set a price drop alert to never miss an offer.

1 Offer Price Range: $79.99 - $79.99

BEST PRICE

Single Product Purchase

$72.00

@ Link.springer.com with extra coupon

Price Comparison

Seller	Contact Seller	List Price	On Sale	Shipping	Best Promo	Final Price	Volume Discount	Financing	Availability	Seller's Page
BEST PRICE 1 Product Purchase @ Link.springer.com		$79.99	$79.99		10% OFF This deals requires coupon	$72.00		See Site	In stock	Visit Store

Product Details

Brand

Springer Nature

Manufacturer

N/A

Part Number

GTIN

9783658431082

Condition

New

Product Description

In dem vorliegenden Buch wird der Einsatz eines hybriden Regelungskonzeptes fr die Fahrdynamikregelung eines autonomen Versuchstrgers untersucht. Dabei wird ein modellbasierter, kaskadierter Querdynamikregler um ein knstliches neuronales Netzwerk (KNN) erweitert. Das KNN wird ohne Vorwissen implementiert und aktiv im geschlossenen Regelkreis trainiert. Die Untersuchungen werden dabei sowohl in Simulationen, als auch in einem realen Versuchstrger durchgefhrt. Die Versuche zeigen das Leistungsvermgen des hybriden Regelungskonzeptes. Bei geringer Fahrzeugdynamik ist eine przise Fahrzeugfhrung auch ohne KNN mglich. Bei hoher Dynamik resultieren jedoch Abweichungen vom Sollkurs, die durch das iterativ lernende Netzwerk schrittweise reduziert werden. Durch die situationsabhngige Optimierung der Netzwerkgewichte wird der Einfluss des systematischen Fehlers des zu Grunde liegenden Modells kompensiert und die Regelgte verbessert. Dieses Verhalten kann durch geeignete Auswahl derDesignparameter des KNN fr jedes der betrachteten Szenarien aufgezeigt werden. Die Anpassung der Netzwerkgewichte ermglicht sowohl im Fehlerfall als auch bei hoher Fahrzeugdynamik und ungenauer Systemidentifikation eine Verbesserung der Regelgte im Vergleich zum rein modellbasierten Basisregler.

Available Colors

N/A

Available Sizes

N/A