DH-Lab

Wir haben schon zahlreiche Forschungsprojekte erfolgreich durchgeführt und arbeiten auch aktuell an zukunftsweisenden Projekten. Hier geben wir einen Überblick über aktuelle Forschungsprojekte und deren Projektziele sowie unsere Aufgaben als DH electronics.

1. Reinforcement Learning basierte Verkehrsoptimierung sowie Folge- und Nutzenabschätzung für urbane Regionen
   Fokus des Projektes ist die innerstädtische Verkehrsoptimierung über Reinforcement Learning (RL). Um die notwendige Datenbasis für die RL-basierte Optimierung und weitere Anwendungen im Bereich der Smart City zu schaffen, wird einerseits eine autarke Sensorlösung entwickelt, welche in der Lage ist Zustände an Verkehrsknotenpunkten umfassend zu erfassen und andererseits eine cloudbasierte Lösung für die Datennutzung aufgebaut, welche die Grundlage für Datenhaltung, einheitliche Schnittstellen, Simulation und Machine Learning (ML) darstellt. Im Projekt wird außerdem eine realistische Verkehrssimulation einer Stadt in Bayern erweitert und eine KI-basierte Vorhersage für Verkehrsmodelle entwickelt, welche die Grundlagen für die RL-basierte Verkehrsoptimierung bilden. Dabei soll auf Basis innovativer Algorithmen und neuartiger Ansätze eine deutliche Verbesserung des Verkehrsflusses für die betrachteten Verkehrsteilnehmer erfolgen. Des Weiteren sollen Nutzen- und Folgeabschätzungen ermöglicht werden, welche den technologischen Wandel (z. B. autonome Fahrzeuge) im Hinblick auf zukünftiges Verkehrspotential vorhersagen, sowie Potentiale einer Smart City adressieren. Abschließend ist ein Testlauf der Sensorlösung und Optimierungsalgorithmen im realen Verkehrssystem der Stadt geplant. 
   
   DH electronics ist in diesem Projekt als Systemintegrator für die Gesamtlösung verantwortlich, die sich aus den Komponenten der einzelnen Projektteilnehmer und insbesondere dem Sensorsystem zusammensetzt. DH electronics steuert in dem Projekt umfassendes Know-how in Sachen Embedded Systems bei und bietet mit einem System on Module die geeignete Plattform. Zudem besteht für DH hier auch die Möglichkeit erste Erfahrungen im Bereich „autarke Energieversorgung“ mittels Photovoltaik und Akkutechnologie als Speicher aufzubauen.
    
2. Advanced Deep-Learning System Control
   Die effiziente Nutzung von Energie ist eine wesentliche Voraussetzung für den wirtschaftlichen Betrieb von Anlagen und Maschinen. Ein großes Einsparpotential liegt insbesondere in der betrieblichen Optimierung von Kältesystemen. Dieses Potential wird jedoch nur unzureichend genutzt, da sich der Betriebszustand von Kälteanlagen aufgrund der komplexen thermodynamischen Zusammenhänge meist nicht vollständig erfassen lässt. 
   
   Ziel des Projektes ist ein innovatives Verfahren zur optimalen Steuerung unvollständig bekannter Systeme bzw. Prozesse und dessen Umsetzung in einen Edge-Controller. Der Ansatz basiert auf der Deep-Learning-Technologie und wird am Beispiel gewerblicher Kälteanlagen erprobt. Der Controller verfügt über eine neuartige Hardware, die den neuronalen Algorithmus optimal unterstützt.