Modellbasierte Entwicklungsmethoden werden für den technischen Fortschritt im Zuge der Digitalisierung immer relevanter. Für die Entwicklung von Kraftfahrzeugen stellen Simulationen eine zeit- und kosteneffiziente Methode dar, um innovative Systeme zu entwerfen und den Einfluss einzelner Fahrzeug- und Systemeigenschaften zu bewerten. Herkömmliche Modellierungsansätze besitzen in der Regel die Form einer physikalischen Beschreibung oder einer mathematischen Approximation der Fahrzeugdynamik. Die vorliegende Arbeit stellt eine Methode zur Abbildung der Fahrzeugdynamik mit Hilfe Künstlicher Neuronaler Netze vor. Im Gegensatz zu herkömmlichen Ansätzen werden für die Abbildung der Fahrzeugdynamik mit Künstlichen Neuronalen Netzen Fahrdaten im Voraus benötigt. Die in dieser Arbeit entwickelte Methode wird mit Felddaten aus einer Simulator-Studie namens ALFASY umgesetzt und validiert. Künstliche Neuronale Netze werden zunehmend für die Modellierung der Fahrzeugdynamik eingesetzt. Der Einsatz ist bislang nur auf die Modellierung automobiler Teilsysteme beschränkt. Nach bestem Wissen des Autors gibt es keine veröffentlichten Ansätze zur Abbildung der Gesamtfahrzeugdynamik mit Künstlichen Neuronalen Netzen. Für diese Arbeit werden Daten aus der Simulator-Studie auf Basis des Fahrzeugsimulationsmodells nach Schramm et al. [1] untersucht. Da die im Feld gewonnenen Fahrdaten aus kontinuierlichen Zeitreihen bestehen, werden für die Abbildung der Fahrzeugdynamik Long Short-Term Memory Zellen und rekurrente Netzwerkarchitekturen untersucht.
Im Rahmen dieser Arbeit wurden vier Architekturen neuronaler Fahrzeugmodelle ausgearbeitet und hinsichtlich ihrer Eignung, die Fahrzeugdynamik abzubilden, untersucht. Eine zentrale Erkenntnis der Untersuchungen ist die gute Eignung eines Netzwerkes aus Long Short-Term Memory Zellen zur Abbildung langfristiger Wir-kungen der Fahrereingaben auf Zustandsgrößen des Fahrzeugs. Kurzfristige Wechselwirkung zwischen Fahrereingaben und Fahrzeugzustand können präzise durch ein Rekurrentes Neuronalen Netzwerk mit Rückführung der Zustandsgrößen abge-bildet werden.