Deep Learning analysiert Low-Speed-Crash

Gemeinsam mit der IoT Venture GmbH startet Tecosim das Forschungsprojekt Low-Speed-Crash-Detector. [...]

Ein IoT-Modul kann Low-Speed-Crash-Ereignisse am Fahrzeug erfassen und sofort senden. (c) TECOSIM
Ein IoT-Modul kann Low-Speed-Crash-Ereignisse am Fahrzeug erfassen und sofort senden. (c) TECOSIM

Intelligente Sensoren (IoT-Devices) können Zustände automatisch überwachen und Aktionen auslösen. Im konkreten Fall kann ein IoT-Modul Low-Speed-Crash-Ereignisse am Fahrzeug erfassen, analysieren und unmittelbar an den Verleiher oder Besitzer senden. Eine zeitintensive Nachkontrolle entfällt. Tecosim und IoT Venture nutzen für das Projekt die neuartige Narrowband Internet-of-Things-Technologie. Diese sehr effiziente Übertragungsmöglichkeit wird in Deutschland seit diesem Jahr sukzessive ausgerollt.

Low-Speed-Crash-Detector: Algorithmus erkennt Crashs

Mit dem Forschungsprojekt verfolgt Tecosim das Ziel eine solche Lösung anzubieten. Die Funktionsweise wird durch die neue IoT-Technologie möglich: Ein Beschleunigungssensor misst am Fahrzeug auftretende Erschütterungen und identifiziert daraus mögliche Aufprallereignisse. Die Software analysiert die Beschleunigungssignale und stellt fest, ob ein Low-Speed-Crash vorliegt oder ein anderes Ereignis das Signal ausgelöst hat. Das System unterscheidet also, ob ein kleiner Parkunfall oder ein großes Schlagloch die Ursache ist.

Tecosim-Crash-Simulationsdaten: Deep Learning für Algorithmen

Der Fokus des Tecosim-Forschungsprojekts liegt somit auf der Steigerung der Lernfähigkeit sowie der Programmierung der benötigten Software. Bei der Entwicklung der Algorithmen nutzt Tecosim sein jahrzehntelanges Know-how in der Crash-Simulation und greift auf die daraus gewonnenen Erkenntnisse zurück. Zusätzlich fließen die vorhandenen Simulationsdaten aus dem eigenentwickelten Reverse Engineering Prozess TEC|BENCH mit ein. Bei diesem Verfahren werden auf dem Markt verfügbare Fahrzeuge gescannt und die gewonnenen Geometriedaten in CAE-Modelle zur Crashsimulation aufbereitet. Bei der Verarbeitung und Zuordnung der Daten verwendet Tecosim „Deep Learning“. Die Methode nutzt künstliche Intelligenz und lernt durch neuronale Netzwerke Muster und Gesetzmäßigkeiten anhand von Beispieldaten auch in unbekannten Informationen zu erkennen.

Tecosim GmbH und IoT Venture GmbH: Synergien gezielt nutzen

Das gemeinsame Forschungsprojekt ist auf zwei Jahre angelegt und wird gefördert durch das Zentrale Innovationsprogramm Mittelstand (ZIM) des Bundesministerium für Wirtschaft und Energie. Mit dem Programm sollen die Innovationskraft und die Wettbewerbsfähigkeit von Unternehmen nachhaltig unterstützt werden. Das Forschungsteam des Projektes setzt sich aus Mitarbeitern von Tecosim und der IoT Venture zusammen. Beide Unternehmen nutzen ihre digitale Kompetenz um das Internet der Dinge im Alltag zu etablieren.

Werbung

Mehr Artikel

Unnötige Unterbrechungen durch zunehmenden E-Mail-Verkehr schädigen die Führungskompetenz. (c) pixabay
News

Mails verringern Produktivität von Managern

Der Versuch, dem E-Mail-Verkehr Herr zu werden, lenkt Führungskräfte zu sehr von wichtigen Tätigkeiten ab, reduziert ihre Produktivität und hat negative Folgen auf ihre Führungskompetenz. Zu diesem Ergebnis kommen Forscher der Michigan State University (MSU). Demnach brauchen Manager pro Arbeitstag rund 90 Minuten, um sich von E-Mail-Unterbrechungen zu erholen. […]

Laboranlage zur Herstellung von Natriumpulver an der Pudue University. (c) Purdue University
News

Forscher kommen Natrium-Batterie näher

Wissenschaftler der Pudue University haben auf dem Weg vom Lithium-Ionen- hin zum Natrium-Ionen-Akku einen Meilenstein erreicht und alte Probleme gelöst. Denn beim Laden gingen bisher Ionen verloren, sodass der Wirkungsgrad sank. Zudem reduzierte sich die Kapazität durch Selbstentladung. […]

Hinterlasse jetzt einen Kommentar

Kommentar hinterlassen

E-Mail Adresse wird nicht veröffentlicht.


*


This site uses Akismet to reduce spam. Learn how your comment data is processed.