InternetIntelligenz 2.0

kostenlos Pressemitteilungen einstellen | veröffentlichen | verteilen

Pressemitteilungen

 

Forschungsprojekt: Deep learning analysiert Low-Speed-Crash

ID: 1627153

Gemeinsam mit der IoT Venture GmbH startet Tecosim jetzt das Forschungsprojekt Low-Speed-Crash-Detector / Das Vorhaben nutzt die Internet-of-Things-Technologie um Low-Speed-Crashs bei Mietfahrzeugen in Echtzeit zu analysieren und zu melden


(PresseBox) - Internet-of-Things-Technologie vereinfacht Alltagsprozesse

Das Internet der Dinge (Internet of Things ? IoT) kann solche Prozesse künftig vereinfachen. 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.

Tecosim ist mit rund 460 Mitarbeitern ein starker Partner für den Entwicklungsprozess und ein weltweit führender Spezialist für Computer Aided Engineering (CAE). Die international tätige Gruppe hat ihren Hauptsitz in Rüsselsheim und ist mit sieben Niederlassungen in Deutschland sowie Standorten in Großbritannien, Indien, Japan und Österreich vertreten. Tecosim unterstützt Kunden aus den Geschäftsfeldern Mobilität, Energie, Industrie sowie Gesundheit. Die Ingenieure bearbeiten anspruchsvolle Aufgabenstellungen aus den Bereichen Design, Konstruktion, Simulation, Elektronik sowie Softwareentwicklung. Methoden zur Prozessoptimierung runden das Angebot ab. Als Innovationstreiber setzt Tecosim richtungsweisende Verfahren ein und berät umfassend - von ersten Konzepten bis hin zu serienreifen Komplettlösungen. 2017 feierte das Unternehmen sein 25jähriges Firmenjubiläum.

www.tecosim.com


Themen in diesem Fachartikel:


Unternehmensinformation / Kurzprofil:

Tecosim ist mit rund 460 Mitarbeitern ein starker Partner für den Entwicklungsprozess und ein weltweit führender Spezialist für Computer Aided Engineering (CAE). Die international tätige Gruppe hat ihren Hauptsitz in Rüsselsheim und ist mit sieben Niederlassungen in Deutschland sowie Standorten in Großbritannien, Indien, Japan und Österreich vertreten. Tecosim unterstützt Kunden aus den Geschäftsfeldern Mobilität, Energie, Industrie sowie Gesundheit. Die Ingenieure bearbeiten anspruchsvolle Aufgabenstellungen aus den Bereichen Design, Konstruktion, Simulation, Elektronik sowie Softwareentwicklung. Methoden zur Prozessoptimierung runden das Angebot ab. Als Innovationstreiber setzt Tecosim richtungsweisende Verfahren ein und berät umfassend - von ersten Konzepten bis hin zu serienreifen Komplettlösungen. 2017 feierte das Unternehmen sein 25jähriges Firmenjubiläum.www.tecosim.com



Leseranfragen:



PresseKontakt / Agentur:



drucken  als PDF  an Freund senden  Möchte man Ihr Auto stillegen?
Dank der Diesel-Affäre ist nun mit dem Flughafen Berlin Brandenburg „Willy Brandt“ und VW ein denkmalwürdiges Gesamtkunstwerk entstanden.
Bereitgestellt von Benutzer: PresseBox
Datum: 03.07.2018 - 11:30 Uhr
Sprache: Deutsch
News-ID 1627153
Anzahl Zeichen: 0

Kontakt-Informationen:
Ansprechpartner:
Stadt:

Rüsselsheim


Telefon:

Kategorie:

Automobilindustrie


Anmerkungen:


Dieser Fachartikel wurde bisher 54 mal aufgerufen.


Der Fachartikel mit dem Titel:
"Forschungsprojekt: Deep learning analysiert Low-Speed-Crash
"
steht unter der journalistisch-redaktionellen Verantwortung von

TECOSIM Technische Simulation GmbH (Nachricht senden)

Beachten Sie bitte die weiteren Informationen zum Haftungsauschluß (gemäß TMG - TeleMedianGesetz) und dem Datenschutz (gemäß der DSGVO).


Alle Meldungen von TECOSIM Technische Simulation GmbH



 

Wer ist Online

Alle Mitglieder: 50.253
Registriert Heute: 1
Registriert Gestern: 0
Mitglied(er) online: 0
Gäste Online: 356


Bitte registrieren Sie sich hier. Als angemeldeter Benutzer nutzen Sie den vollen Funktionsumfang dieser Seite.