Der Blätterkatalog benötigt Javascript.
Bitte aktivieren Sie Javascript in Ihren Browser-Einstellungen.
The Blätterkatalog requires Javascript.
Please activate Javascript in your browser settings.
30 Elektronik automot ive Entwicklung und tEst Situation aufgezeichnet sondern nur die relevanten Szenen Die automatische Vorauswahl der richtigen Daten basiert auf einer intelligenten KI im Hintergrund Diese KI entscheidet welche Daten benötigt werden und führt eine Komprimierung durch Sol - che Prozesse sind rechenintensiv und erzeugen viel Abwärme Während der Testfahrten müssen die Hardwarekomponenten extremen Tem - peraturen standhalten die weit über den ursprünglichen Spezif ikationen liegen Die Hardware muss diese Abwärme effektiv abführen um Überhitzung und Throttling zu vermeiden Eine effiziente Kühlung wird daher immer wichtiger Die Mayflower-Q12 ist mit einer selbst entwickelten hybriden Flüssigkeitskühlung ausgestattet Spezielle Kühlblöcke die an die CPU und GPU angebunden sind führen die bei der Datenverarbeitung entstehende Wärme effektiv ab Die Wasserkühlung in der Mayflower-Q12 wurde speziell für den Einsatz im Fahrzeug entwickelt und sorgt dafür dass die Hardware auch unter extremen Bedingungen zuverlässig arbeitet Im Vergleich zu luftgekühlten Systemen wird mit der Wasserkühlung ein deutlich höherer Wirkungsgrad erzielt da Wasser eine höhere Wärmeaufnahmekapazität besitzt und sich somit besser zur Kühlung eignet Bild 3 EDGAR der autonome Fahrzeugprototyp der TUM setzt auf die InoNet Mayflower als Datenlogger Bild InoNet Test und Validierung – heute und in Zukunft Der Wandel im Automotive-Bereich von der Datenaufnahme im Fahrzeug hin zur Datensimulation im HiL erfordert innovative Lösungen die sowohl die enormen Datenmengen verarbeiten als auch die spezifischen Anforderungen der OEMs und Zulieferer erfüllen können InoNet bietet mit dem »Automotive Computing Ecosystem« Lösungen die speziell für Testund Validierungsanwendungen im Automotive-Bereich entwickelt wur - den – vom Datenlogging im Fahrzeug bis zur HiL-Simulation im Labor mit leistungsstarken Servern und einer kompatiblen Speicherlösung zur einfachen Datenübertragung Die Plattformen können kundenspezifisch angepasst werden Von der Datenaufnahme zur HiL-Simulation Die rasante Entwicklung in der Sensorik hat die Anforderungen an die Datenverarbeitung erheblich verändert Herkömmliche ADAS-Entwicklungen basieren auf umfangreichen Datenerfassungen während Testfahrten im Fahrzeug die zahlreiche Stunden und erhebliche Kosten für die Sammlung und Analyse der realen Fahrdaten in Anspruch nehmen Bild 2 Trotz ihrer Vorteile stoßen diese Methoden in einer zunehmend komplexen Entwicklungsumgebung an ihre Grenzen und werden durch Hardwareinthe-Loop HiL -Simulationen ergänzt HiL-Tests integrieren reale Fahrzeugkomponenten in eine simulierte Umgebung um das Systemverhalten unter verschiedenen Bedingungen zu testen und zu validieren So lassen sich Fehler frühzeitig erkennen und beheben Diese Simulationen ermöglichen es reale Fahrbedingungen im Labor nachzubilden und Fahrerassistenzsysteme präzise und kontrolliert zu prüfen Autonomes Fahren mit der Technischen Unicersität München Die Zusammenarbeit zwischen der Technischen Universität München TUM und InoNet zeigt wie innova - tive Lösungen die Entwicklung autonomer Systeme vorantreiben und praxisnah in realen Anwendungsfällen eingesetzt werden können Die TUM setzt in ihrem autonomen Forschungsfahrzeug EDGAR auf die leistungsstarke Plattform von InoNet Bild 3 Im Rahmen eines Projekts wurde EDGAR sogar als autonomes Shuttle zum Oktoberfest eingesetzt EDGAR nutzt als