Product Type
Condition
Binding
Collectible Attributes
Free Shipping
Seller Location
Seller Rating
Published by Disserta Verlag Aug 2012, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: BuchWeltWeit Ludwig Meier e.K., Bergisch Gladbach, Germany
Book Print on Demand
Taschenbuch. Condition: Neu. This item is printed on demand - it takes 3-4 days longer - Neuware -Im Rahmen der Arbeit wird eine Methode zur Klassifizierung von Unfallszenarien entwickelt, wobei es sich bei den Unfällen um Pfahlkollisionen handelt. Die Klassifizierung eines Unfallszenarios erfolgt durch die Abschätzung der bevorstehenden Fahrzeuggeschwindigkeitsänderungen in Fahrzeuglängs- und Fahrzeugquerrichtung sowie der Positionsabschätzung des Pfahls. Zudem ist eine genaue Abschätzung der genannten Unfallparameter bereits 10 ms nach dem Pfahlaufprall möglich.Für eine genaue Abschätzung der Unfallparameter werden Beschleunigungs- und Gierratensignale des Fahrzeugs benötigt, die mithilfe von FE-Gesamtfahrzeugsimulationen gewonnen werden. Sowohl die Beschleunigungs- als auch die Gierratensignale erfahren im Anschluss eine Wavelettransformation. Zudem wird der Betrag der Wavelettransformierten im Zeit- und im Frequenzbereich diskretisiert. Dies ist notwendig, um wesentliche Informationen in einer geeigneten Form aus den Signalen ziehen zu können, damit diese als Eingangsparameter für künstliche neuronale Netze nutzbar sind. Mithilfe der künstlichen neuronalen Netze erfolgt die Abschätzung der wesentlichen bereits oben genannten Unfallparameter. Zudem können diese Unfallparameter nach einem erfolgreichen Training eines künstlichen neuronalen Netzes auch für unbekannte Unfallszenarien bestimmt werden, wobei die äußeren Grenzen der Trainingsmenge einzuhalten sind.Aufgrund der frühzeitigen Unfallparameterabschätzungen ist eine Anpassung der Auslösealgorithmen der Rückhaltesysteme möglich. Der bedarfsgerechte Einsatz von Rückhaltesystemen in einem Unfallszenario könnte dadurch zu einer erheblichen Verringerung der Verletzungsschwere führen.Die Untersuchungen in dieser Arbeit beziehen sich ausschließlich auf Kollisionen mit einem Pfahlhindernis, welches sich frontal vor dem Fahrzeug befindet. Die erzielten Ergebnisse sind insbesondere bei der Abschätzung der Aufprallgeschwindigkeit in Fahrzeuglängsrichtung und der Pfahlpositionen sehr genau. Zudem besitzt die Methode ein sehr stabiles Verhalten bezüglich Gewichtsänderungen am Fahrzeug im gesamten zulässigen Gewichtsbereich. Auch auf erhebliche Größenänderungen des Pfahldurchmessers kann ein künstliches neuronales Netz durch ein entsprechendes Training angepasst werden, sodass auch in diesen Unfallszenarien genaue Abschätzungen möglich sind. Zuletzt wird in der Arbeit dargelegt, dass die guten Ergebnisse nicht auf Zufälligkeiten beruhen, sondern in den charakteristischen Eigenschaften der verwendeten Eingangsgrößen begründet sind. 192 pp. Deutsch.
Published by disserta verlag, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: Ria Christie Collections, Uxbridge, United Kingdom
Book Print on Demand
Condition: New. PRINT ON DEMAND Book; New; Fast Shipping from the UK. No. book.
Published by disserta verlag 2012-08, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: Chiron Media, Wallingford, United Kingdom
Book
PF. Condition: New.
Published by disserta Verlag, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: Lucky's Textbooks, Dallas, TX, U.S.A.
Book
Condition: New.
Published by Disserta Verlag, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: PBShop.store US, Wood Dale, IL, U.S.A.
Book Print on Demand
PAP. Condition: New. New Book. Shipped from UK. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.
Published by Disserta Verlag, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: AHA-BUCH GmbH, Einbeck, Germany
Book Print on Demand
Taschenbuch. Condition: Neu. nach der Bestellung gedruckt Neuware - Printed after ordering - Im Rahmen der Arbeit wird eine Methode zur Klassifizierung von Unfallszenarien entwickelt, wobei es sich bei den Unfällen um Pfahlkollisionen handelt. Die Klassifizierung eines Unfallszenarios erfolgt durch die Abschätzung der bevorstehenden Fahrzeuggeschwindigkeitsänderungen in Fahrzeuglängs- und Fahrzeugquerrichtung sowie der Positionsabschätzung des Pfahls. Zudem ist eine genaue Abschätzung der genannten Unfallparameter bereits 10 ms nach dem Pfahlaufprall möglich.Für eine genaue Abschätzung der Unfallparameter werden Beschleunigungs- und Gierratensignale des Fahrzeugs benötigt, die mithilfe von FE-Gesamtfahrzeugsimulationen gewonnen werden. Sowohl die Beschleunigungs- als auch die Gierratensignale erfahren im Anschluss eine Wavelettransformation. Zudem wird der Betrag der Wavelettransformierten im Zeit- und im Frequenzbereich diskretisiert. Dies ist notwendig, um wesentliche Informationen in einer geeigneten Form aus den Signalen ziehen zu können, damit diese als Eingangsparameter für künstliche neuronale Netze nutzbar sind. Mithilfe der künstlichen neuronalen Netze erfolgt die Abschätzung der wesentlichen bereits oben genannten Unfallparameter. Zudem können diese Unfallparameter nach einem erfolgreichen Training eines künstlichen neuronalen Netzes auch für unbekannte Unfallszenarien bestimmt werden, wobei die äußeren Grenzen der Trainingsmenge einzuhalten sind.Aufgrund der frühzeitigen Unfallparameterabschätzungen ist eine Anpassung der Auslösealgorithmen der Rückhaltesysteme möglich. Der bedarfsgerechte Einsatz von Rückhaltesystemen in einem Unfallszenario könnte dadurch zu einer erheblichen Verringerung der Verletzungsschwere führen.Die Untersuchungen in dieser Arbeit beziehen sich ausschließlich auf Kollisionen mit einem Pfahlhindernis, welches sich frontal vor dem Fahrzeug befindet. Die erzielten Ergebnisse sind insbesondere bei der Abschätzung der Aufprallgeschwindigkeit in Fahrzeuglängsrichtung und der Pfahlpositionen sehr genau. Zudem besitzt die Methode ein sehr stabiles Verhalten bezüglich Gewichtsänderungen am Fahrzeug im gesamten zulässigen Gewichtsbereich. Auch auf erhebliche Größenänderungen des Pfahldurchmessers kann ein künstliches neuronales Netz durch ein entsprechendes Training angepasst werden, sodass auch in diesen Unfallszenarien genaue Abschätzungen möglich sind. Zuletzt wird in der Arbeit dargelegt, dass die guten Ergebnisse nicht auf Zufälligkeiten beruhen, sondern in den charakteristischen Eigenschaften der verwendeten Eingangsgrößen begründet sind.
Published by Disserta Verlag, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: PBShop.store UK, Fairford, GLOS, United Kingdom
Book Print on Demand
PAP. Condition: New. New Book. Delivered from our UK warehouse in 4 to 14 business days. THIS BOOK IS PRINTED ON DEMAND. Established seller since 2000.
Published by disserta Verlag, 2012
ISBN 10: 3954250241ISBN 13: 9783954250240
Seller: Mispah books, Redhill, SURRE, United Kingdom
Book
Paperback. Condition: Like New. Like New. book.