Zur Seitenansicht
 

Titelaufnahme

Titel
Ein Beitrag zur erfahrungsbasierten Selbstoptimierung einer Menge technisch homogener fahrerloser Fahrzeuge / Peter Scheideler
AutorScheideler, Peter In der Gemeinsamen Normdatei der DNB nachschlagen
Erschienen2006
HochschulschriftPaderborn, Univ., Diss., 2006
SpracheDeutsch
SerieHNI-Verlagsschriftenreihe ; 200
DokumenttypDissertation
ISSN2365-4422
URNurn:nbn:de:hbz:466-2007040429 Persistent Identifier (URN)
Dateien
Ein Beitrag zur erfahrungsbasierten Selbstoptimierung einer Menge technisch homogener fahrerloser Fahrzeuge [2.72 mb]
zusfasng [9.17 kb]
abstract [8.61 kb]
Links
Nachweis
Klassifikation

Deutsch

Für die Steuerung und Planung eines komplexen, dynamischen, dezentralen Transportsystems ist es notwendig, dass die, in diesem System operierenden, technisch homogenen fahrerlosen Fahrzeuge ihre Entscheidungen selbständig treffen, bewerten und verbessern können. Dies gilt insbesondere dann, wenn es darum geht, zur Laufzeit auf die dynamischen Veränderungen der Umwelt zu reagieren. Um hierbei verschiedene Probleme (logistische als auch technische Probleme (z.B. Verbesserung des Komforts, der Spurführung oder des Bremsverhaltens)) gleichzeitig lösen zu können, müssen die fahrerlosen Fahrzeuge aufgrund ihrer technischen Komplexität hierarchisch in einzelne Module (z.B. Bremsmodul, Spurführungsmodul) untergliedert werden können. Jedes dieser Module muss in der Lage sein, durch eine Rückkopplung der Ereignisse zu lernen und sich dadurch selbständig zu verbessern. Dabei verbessern sich die Module entsprechend ihrer Ziele. Diese können sich im Laufe der Zeit und aufgrund von externen oder internen Einflüssen ändern. Dies bedeutet, dass die Gewichtungen der Ziele angepasst, neue Ziele selektiert oder alte Ziele verworfen werden können. Über die geänderten Ziele ist das fahrerlose Fahrzeug in der Lage, neue Erfahrungen zu sammeln. Dieser Prozess führt zu einer kontinuierlichen erfahrungsbasierten Selbstoptimierung des Verhaltens der einzelnen Module und damit zu einer ingesamten erfahrungsbasierten Selbstoptimierung des Verhaltens eines fahrerlosen Fahrzeugs.

English

For the controlling and planning of a complex, dynamic, decentral transport sys-tem it is necessary that the operative, technical homogenous driver-less vehicles of such a system can individually select, evaluate and improve their decisions. This is especially needed if those vehicles should react to the dynamic changes of the environment at runtime. To thereby solve heterogeneous problems simultaneously (logistic as well as technical problems (e.g. the improvement of the comfort, the rail guidance or the breaking behaviour) the driver-less vehicles must be divided into sub-modules to control their technical complexity. Each of those sub-modules must be capable of learning to improve themselves individually based on external and internal impulses. Thereby the sub-modules improve themselves based on their goals and the overall goal of the vehicle. Those goals can be changed continuously based on internal or external changing conditions. This means that the weights of the goals can be adjusted, new goals can be selected and/or former goals can be deleted. Based on the continuously changing goals the vehicle with its sub-modules is capable of constantly generating new experiences. This process leads to a continuously experienced-based self-optimization of the behaviour of the individual sub-modules and with it an experience based self-optimization of the behaviour of the vehicle.