AVL und der Lehrstuhl für Fahrzeugtechnik an der Technischen Universität München (TUM) haben gemeinsam eine Berechnungsmethode entwickelt, bei der unterschiedliche Fahrzeugflotten jeweils ein neuronales Netz trainieren. Das dort Erlernte wird dann ein globales Modell weitergegeben, ohne dass auf die Originaldaten der OEMs zugegriffen werden muss. Das KI-Modell steht dann als Basis für die Berechnung der Restlebensdauer der Batterie zur Verfügung. Dank dieses Federated Learning Ansatzes konnte die verbleibende Batterielebensdauer gegenüber dem einzelnen Flottenmodel wesentlich genauer vorhergesagt werden – der Fehlerwert reduzierte sich durchschnittlich um 32 Prozent. (jr)
Exklusiv
Bayerische Forscher fordern Bündelung der Anstrengungen beim autonomen Fahren
Ohne Zusammenarbeit der verschiedenen Stakeholder wird autonomes Fahren noch länger auf sich warten lassen. Bayerische Forscher fordern daher die Intensivierung der Zusammenarbeit der Stakeholder. […]
Medienspiegel
Positionspapier: How to make Euro 7 more effective
Das ICCT analysiert die im Euro-7-Vorschlag der Europäischen Kommission enthaltenen regulatorischen Änderungen und fordert Nachbesserungen. […]
Technologie-Radar
Lebensverlängerung für gealterte Batterien
Forschende der Universität Bayreuth haben gezeigt, dass sich mit der Elektrochemischen Impedanzspektroskopie bestimmen lässt, ob es zu einer inhomogenen Verteilung bei der Alterung der Batteriezellen eines Batteriepacks gekommen ist. […]