Methode zur Klassifizierung von Unfallszenarien mithilfe von FE-Gesamtfahrzeugsimulationen, Wavelettransformierten und künstlichen neuronalen Netzen

Im Rahmen der Arbeit wird eine Methode zur Klassifizierung von Unfallszenarien entwickelt, wobei es sich bei den Unf llen um Pfahlkollisionen handelt. Die Klassifizierung eines Unfallszenarios erfolgt durch die Absch tzung der bevorstehenden Fahrzeuggeschwindigkeits nderungen in Fahrzeugl ngs- und Fahrzeugquerrichtung sowie der Positionsabsch tzung des Pfahls. Zudem ist eine genaue Absch tzung der genannten Unfallparameter bereits 10 ms nach dem Pfahlaufprall m glich. F r eine genaue Absch tzung der Unfallparameter werden Beschleunigungs- und Gierratensignale des Fahrzeugs ben tigt, die mithilfe von FE-Gesamtfahrzeugsimulationen gewonnen werden. Sowohl die Beschleunigungs- als auch die Gierratensignale erfahren im Anschluss eine Wavelettransformation. Zudem wird der Betrag der Wavelettransformierten im Zeit- und im Frequenzbereich diskretisiert. Dies ist notwendig, um wesentliche Informationen in einer geeigneten Form aus den Signalen ziehen zu k nnen, damit diese als Eingangsparameter f r k nstliche neuronale Netze nutzbar sind. Mithilfe der k nstlichen neuronalen Netze erfolgt die Absch tzung der wesentlichen bereits oben genannten Unfallparameter. Zudem k nnen diese Unfallparameter nach einem erfolgreichen Training eines k nstlichen neuronalen Netzes auch f r unbekannte Unfallszenarien bestimmt werden, wobei die u eren Grenzen der Trainingsmenge einzuhalten sind. Aufgrund der fr hzeitigen Unfallparameterabsch tzungen ist eine Anpassung der Ausl sealgorithmen der R ckhaltesysteme m glich. Der bedarfsgerechte Einsatz von R ckhaltesystemen in einem Unfallszenario k nnte dadurch zu einer erheblichen Verringerung der Verletzungsschwere f hren. Die Untersuchungen in dieser Arbeit beziehen sich ausschlie lich auf Kollisionen mit einem Pfahlhindernis, welches sich frontal vor dem Fahrzeug befindet. Die erzielten Ergebnisse sind insbesondere bei der Absch tzung der Aufprallgeschwindigkeit in Fahrzeugl ngsrichtung und der Pfahlpositionen sehr genau. Zudem besitzt die Meth