Simulationsmodelle in der Fahrzeugentwicklung besser verstehen durch ML
In der virtuellen Fahrzeug-Entwicklung kommen bereits seit Jahrzehnten CAE-Methoden (Computer Aided Engineering) zum Einsatz, um den Bau von Prototypen zu reduzieren. Hier werden mit virtuellen Simulationen verschiedene Disziplinen u.a. aus den Bereichen Sicherheit, Komfort und Lebensdauer bewertet.
Die verwendeten Simulationsmodelle sind von hoher Komplexität. Der Zusammenhang zwischen Ein- und Ausgangsdaten ist oft nur über einzelne aufwändige Simulationen analysierbar und muss von erfahrenen Experten bewertet werden. Maschinelles Lernen ermöglicht hier ein globales Verständnis der Simulationsmodelle und damit einen entscheidenden Schritt zum automatisierten Entwicklungsprozess.
Lernziele
- Der Vortrag behandelt die Anwendung von Maschinellem Lernen im Bereich Computer Aided Engineering (CAE) in der virtuellen Fahrzeugentwicklung.
- Die CAE-Herausforderungen werden erläutert und darauf aufbauend die Anwendung von Methoden des Maschinellen Lernens motiviert.
- In diesem Umfeld spielen Neuronale Netze eher eine untergeordnete Rolle, vielmehr geht es um maschinelle Lernverfahren für vergleichsweise kleine Datensätze.