Wahrscheinlichkeitsnetzwerke stellen eine sehr leistungsstarke Methode zur Beschreibung von Fehlerauswirkungen in komplexen Systemzusammenhängen dar. Gleichzeitig können mit diesen Fehlermodellen in anderer Richtung die modellierten Fehler, anhand der Fehlerauswirkungen identifiziert werden. Gerade Bayessche Netzwerke bieten sich für die Diagnose von Kraftfahrzeugen an. Leider bieten Bayessche Netzwerke keine einfache Möglichkeit, dynamisches Verhalten zu beschreiben. Die Arbeit zeigt deshalb, wie dynamisches Verhalten durch die Kombination aus Signalidentifikation und Wahrscheinlichkeitsberechnung im statischen Bayesschen Netzwerk bewertet werden kann. Das Verfahren ermöglicht damit eine einfache Einbindung von kleinen dynamischen Fahrzeugteilsystemen in ein größeres statisches Gesamtfahrzeugnetzwerk. Telematikeinheiten ermöglichen die nachträgliche Modifikation von Onboard-Diagnosefunktionen im Fahrzeug. So kann zur Begrenzung des Ressourcenbedarfs auch in mehreren Diagnoseschritten jeweils nur ein Teil der Fehler diagnostiziert werden. Die dabei erstellten Diagnoseergebnisse können nachträglich zu einem Gesamtergebnis zusammengefasst werden. Der zweite Teil der Arbeit zeigt dazu eine Vorgehensweise, bei der die Fehlerwahrscheinlichkeiten der einzelnen unvollständigen Diagnosevorgänge durch einen weiteren Diagnosevorgang miteinander in Bezug gesetzt werden.
Dezentraler Diagnoseansatz für dynamische und mechatronische Systeme
adistributed diagnosis concepts for dynamic and mechtronic systems
Berichte aus der Elektrotechnik ; 1-123
2004
123 Seiten, Bilder, Tabellen, 47 Quellen
Theses
German
Mechatronische Systeme im Automobil
Tema Archive | 2002
|Fahrzeugbremsen als mechatronische Systeme
Tema Archive | 2003
|Mechatronische Systeme fuer Produktionsmaschinen
Automotive engineering | 2011
|Mechatronische Systeme – eine kurze Einführung
Springer Verlag | 2017
|