Veljko Vucinic, M.Sc.

Veljko Vucinic, M.Sc.

  • Engesserstr. 5

    76131 Karlsruhe

Lebenslauf

  • Wissenschaftliche Mitarbeiterin am ITIV seit November 2022

  • Softwareentwickler bei RA Consulting seit Oktober 2022

  • Master in Regelungstechnik an der Fakultät für Maschinenbau in Belgrad, Serbien

    • Abgeschlossen im Juni 2022

    • Titel der Abschlussarbeit: "Intelligente Steuerung des Bremssystems von Anhängern"

  • Bachelor in Maschinenbau an der Fakultät für Maschinenbau in Belgrad, Serbien

    • Abgeschlossen im August 2020

    • Titel der Arbeit: "Vorläufiger Entwurf des elektromechanischen Antriebssystems"

Forschung

Diagnose im Entwicklungszyklus des autonomen Elektrofahrzeugsystems

Autonome Elektrofahrzeuge (EAVs) haben sich als vielversprechende Alternative zum herkömmlichen Verkehr entwickelt, um die Mobilität und Nachhaltigkeit zu erhöhen. Die Sicherstellung ihrer zuverlässigen Leistung und Haltbarkeit auf der Straße stellt jedoch im Vergleich zu herkömmlichen Lösungen neue Herausforderungen dar. Dies ist eine Folge der unvollständigen Revolution bei der Diagnose von EAV-Antriebssystemen, wie z. B. dem elektromotorischen Antriebsstrang, der Batterie, dem Batteriemanagementsystem, der Leistungselektronik, usw. Das Diagnosesystem spielt eine entscheidende Rolle bei der Gewinnung von Erkenntnissen, die die Entwicklung von EAVs beschleunigen und ihre Zuverlässigkeit erhöhen können.

AI-Anwendungen für die Diagnose von Elektrofahrzeugen

Um die Zuverlässigkeit, den ordnungsgemäßen Betrieb und die Wartung von Elektrofahrzeugen (EVs) zu gewährleisten, ist ein robustes und effizientes Diagnosesystem unerlässlich. KI-basierte Diagnosetechniken bieten eine vielversprechende Lösung, um den Anforderungen von Elektrofahrzeugen gerecht zu werden. Anwendungen des maschinellen Lernens (ML), die sich mit datenbasierten Modellen, Fuzzy-Logik unter Einbeziehung von Expertenwissen und deren Kombinationen befassen, können das Feld der vorausschauenden Diagnose, Wartung und Überwachung revolutionieren. Durch die Vorhersage möglicher zukünftiger Systemfehler, Fehlverhaltens oder Wartungsbedarfs kann dieser Ansatz die Elektromobilität zugänglicher und nachhaltiger machen.

Entwicklung von Systemen zur Fernüberwachung von Fahrzeugen

Beim Betrieb autonomer Fahrzeuge wirft das Fehlen eines menschlichen Fahrers kritische Zukunftsfragen auf. Zum Beispiel kann der Fahrer auf unbekannte Vibrationen, Geräusche, Gerüche, Dynamik usw. im Fahrzeug reagieren. Außerdem können Probleme mit den Antriebssystemen nicht einfach mit der Motorprüfleuchte angezeigt werden. Da eines der wichtigsten Überwachungssysteme (der menschliche Fahrer) nicht mehr zur Verfügung steht, steigt der Bedarf an sicheren und zuverlässigen Fernüberwachungs- und Diagnosesystemen. Die Kopplung dieser Systeme mit V2X stellt eine große Herausforderung dar.

Offene Studentische Arbeiten
Titel Typ Datum

Betreute studentische Arbeiten

  • MA: "Entwicklung und Vergleich von Modellen zur Erzeugung synthetischer Daten für On-Board-Diagnose-Daten".

Publikationen


Exploring Metamorphic Testing for Self-learning Functions with User Interactions
Stang, M.; Seidel, L.; Vučinić, V.; Sax, E.
2024. Human Interaction and Emerging Technologies (IHIET 2024), 195–206, AHFE International. doi:10.54941/ahfe1004569
USID - Unsupervised Identification of the Driver for Vehicle Comfort Functions
Vučinić, V.; Seidel, L.; Stang, M.; Sax, E.
2024. Human Interaction and Emerging Technologies (IHIET-AI 2024): Artificial Intelligence and Future Applications, 142–152, AHFE International. doi:10.54941/ahfe1004564