Abstract
In diesem Beitrag präsentieren wir das sog. IdenT-System, welches im Rahmen des gleichnamigen Forschungsprojekts für LKW-Trailer entwickelt wird. Wir betrachten eine spezifische Teilkomponente, nämlich die Online-Identifikation von Straßenprofilen und -rauigkeiten basierend auf Trailer-Messungen, einfachen Modellen und maßgeschneiderten mathematischen Verfahren. Die Rauigkeit des befahrenen Straßensegments wird mithilfe des sog. IRIs (International Roughness Index) aus dem Profil abgeleitet und dient u.a. der Detektion besonders beanspruchender und kritischer Straßensegmente. Für solche wird im IdenT-System u.a. ein Signal ausgelöst, das den auf der Cloud-Plattform befindlichen Offline-Zwilling startet, der für solche Straßenabschnitte höher aufgelöste Informationen generiert. Die basierend auf den identifizierten Straßeneigenschaften gewonnenen Informationen dienen der Überwachung des Trailerzustands und können zukünftig einen Beitrag dazu leisten, Sattelzüge sicherer zu betreiben.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Kässer, M.: Delivering change - The transformation of commercial transport by 2025. McKinsey&Company (2016)
Käsgen, J., Kobler, J.-P., Möller, R.: Kingpin load measurement of a truck trailer. In: Berns, K. et al. (eds): Commercial Vehicle Technology 2022. Proceedings. Springer Vieweg, Wiesbaden.
Burger, M., Speckert, M., Müller, R., Weiberle, D.: Model-Based Identification of Road Profiles and Roughness Indicators Using Vehicle Measurements. In: Berns, K. et al. (eds): Commercial Vehicle Technology 2018. Proceedings. Springer Vieweg, Wiesbaden.
Burger, M., Dreßler, K., Speckert, M.: Load Assumption Process for Durability Design Using New Data Sources and Data Analytics. International Journal of Fatigue 145 (2021), Art. 106116.
Locatelli, A.: Optimal Control. Birkhäuser, Basel (2001).
Johannesson, P., Rychlik, I.: Modelling of Road Profiles Using Roughness Indicators. International Journal of Vehicle Design 66 (2014), 317-346.
Author information
Authors and Affiliations
Corresponding author
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2022 Der/die Autor(en), exklusiv lizenziert an Springer Fachmedien Wiesbaden GmbH, ein Teil von Springer Nature
About this paper
Cite this paper
Kobler, JP., Brand, A., Weßel, S., Jung, T., Steidel, S., Burger, M. (2022). Online-Identifikation von Straßenrauigkeiten am LKW-Trailer für sicheres autonomes Fahren. In: Berns, K., Dressler, K., Kalmar, R., Stephan, N., Teutsch, R., Thul, M. (eds) Commercial Vehicle Technology 2022. ICVTS 2022. Proceedings. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-40783-4_15
Download citation
DOI: https://doi.org/10.1007/978-3-658-40783-4_15
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-40782-7
Online ISBN: 978-3-658-40783-4
eBook Packages: Computer Science and Engineering (German Language)