Für die nachfolgenden Semester hier kurz mein Eindruck sowie Erfahrung von der Vorlesung im SoSe2023.
Alle Vorlesungen stehen online als Video zur Verfügung und können somit gut selbst unabhängig vom Besuch der Vorlesung erarbeitet werden. Die Foliensätze zu den jeweiligen Vorlesungen sind dabei größtenteils selbsterklärend und übersichtlich aufgebaut, trotzdem fand ich die Vorlesungsvideos zum besseren Verständnis hilfreich. Die Videos und Folien sind auf Englisch, die Prüfung selbst ist in Deutsch und Englisch.
Zum Lernen lohnt es, sich an den Lernzielen am Ende der jeweiligen Vorlesungseinheit zu orientieren. Diese haben 95% der in der Klausur gestellten Fragen abgedeckt. Die Klausur bestand aus 5 Aufgaben zu je einer Vorlesungseinheit. Die meisten Fragen ließen sich in ein paar wenigen Stichpunkten/Sätzen einfach beantworten. Zur Benotung kann ich noch keine Aussage treffen, jedoch hat die Klausur einen fairen Eindruck auf mich gemacht.
Die Vorlesung ist gut um einen Einblick und Überblick über die aktuellen Themen im Automotive Themenfeld zu bekommen. Der Lernaufwand ist gering und, vor allem wenn man bereits ein paar Vorkenntnisse bereits hat.
Im folgenden ein grobes Gedächtnisprotokoll.
- The release of Automated Vehicles
- Nenne Herausforderungen bei Autonomen Fahren, Approval Trag erklären
- Road categorization approach erklären
- Externally observable behavior erklären und intendend functionallity erklären
- Behavior-Semantic Scenery Description auf ein Beispiel anwenden
- Optimiziation of e-Drives
- Nenne die 4 Hauptkomponenten
- Corner point und field weakening erklären und Diagramm Torque over Speed dafür zeichnen
- Anforderungen für die Auslegung einer E-Maschine nennen
- Typische Gearbox benennen, schematisch zeichnen sowie typische Übersetzung zeichnen
- Pareto Kriterium an einem Beispiel anwenden
- Driving Simulator
- Nenne die 4 Vorteile von Driving Simulators
- Welche 4 Reize müssen vom Driving Simulator abgedeckt werden
- Simulator Adaptive Syndrom erklären sowie Ursachen nennen
- Abbildung zum Motion Cueing Algorithm mit Begriffen vervollständigen und deren Funktionsweise erklären
- Neigung des Hexpods einzeichnen wenn der Simulator in Ausgangsposition zurückfährt
- Gefühlte Beschleunigung bei Neigung des Hexapods berechnen
- Vehicle State Estimation
- Warum wird State Estimation benötigt
- Wann sind Zustände nicht unterscheidbar
- Nenne 4 Reifenmodelle
- Gleichungen (Lineares Einspurmodell mit Reifenmodell) in System- und Eingangsmatrix überführen
- Ja/Nein Statements zu den vorgestellten Observern ankreuzen
- Safe Trajectory Planing
- Für die System Architektur zu Proreta 5 Begriffe aus einer Liste zuordnen
- Ja/Nein Statements zu Einspurmodell, Zweipsurmodell sowie Punktmassen Modell ankreuzen
- Unterschied Pfad zu Trajektorie sowie die zwei vorgestellen Arten der Trajektorie erläutern
- Fragen zum Vehicle Reference Point
- benötigte Spurweite links und rechts einzeichnen
- Herleitung der benötigten Spurweite Links und Rechts in Abhängigkeit des Referenzpunktes
- Instantaneus center für Kurvenfahrt einzeichnen
- Welchen Radius muss man fahren, wenn der Referenzpunkt auf der Mitte der Hinterachse liegt und auf der Trajektorie liegen soll
