Article in yearbook 2023

Tractors Ride Dynamics – Ride Safety – Driver's Place

Abstract:

Optimizing the driving dynamics and driving safety of tractors continues to be a high priority in agricultural research. Investigations in the field of driving dynamics are primarily aimed at increasing energy efficiency. Predicting traction values for autonomous vehicles is also an up-and-coming area of research. Autonomous driving also plays a role in research into driving safety. Investigations are being carried out into the avoidance of road accidents, as well as possibilities for lane detection. Classic approaches such as rollover detection and prevention also remain a subject of research. The detection and reduction of vibration is also the subject of research in order to increase driving comfort. As is the optimization of the vehicle cabin through a new design or the integration of new technology.

For translation of the long version into your preferred language, we recommend using free online tools such as Google Translate, DeepL or others.
Long version

Fahrdynamik

Die Steigerung der Energieeffizienz, die Einflüsse moderner Reifen sowie die Vorhersage von Traktionswerten für autonome Fahrzeuge sind die Treiber der aktuellen Forschung im Bereich der Fahrdynamik. Für ein besseres Systemverständnis untersuchen Angelucci et al. [1] zwei verschiedene Prüfverfahren zur Ermittlung des Triebkraftbeiwertes, des Laufwerkwirkungsgrades und der Power Delivery Efficiency (dem Verhältnis der Motorausgangsleistung zur Zugleistung) auf dem Feld in Bezug zur Reproduzierbarkeit, Variabilität und Wiederholgenauigkeit. Die Intention ist der kombinierte Test von Traktoren und Reifen, die meist nur getrennt getestet werden, um die Einflüsse der Traktor-Reifen-Kombination beurteilen zu können. Es wird zudem ein Augenmerk auf die Nutzung von Traktoren mit stufenlosem Getriebe (CVT-Getriebe) und VF-Reifen (Very High Flexion Reifen) gelegt [1].

Das Rampenverfahren zeigt in den Verläufen des Triebkraftbeiwertes, des Laufwerkwirkungsgrades und der Power Delivery Efficiency über den Schlupf Änderungen durch Beschleunigungs- und Verzögerungsvorgänge. Zudem treten bei diesem Verfahren unkontrollierte variable Übersetzungsverhältnisse des Getriebes auf. Bei dem stationären Verfahren sind diese Beeinflussung durch Beschleunigungs- und Verzögerungsvorgänge in den Verläufen des Triebkraftbeiwertes und des Laufwerkwirkungsgrades nicht zu erkennen. Die Getriebedrehzahl wird bei diesem Prüfverfahren konstant gehalten. Die unterschiedlichen Verläufe der Power Delivery Efficiency über den Schlupf bei dem stationären Verfahren werden auf die unterschiedlichen Wirkungsgrade des Getriebes bei den beiden untersuchten Geschwindigkeiten zurückgeführt [1].

Durch die Möglichkeit moderne Reifen mit sehr geringem Luftdruck bei hohen Belastungen fahren zu können, bedarf es der Überprüfung bereits geleisteter Forschungsarbeiten auf ihre Gültigkeit für den Einsatz mit solchen Reifen. Hamm et al. [2] untersuchen aus diesem Grund die Gleichungen zur Vorhersage der Traktion nach Brixus. Es zeigt sich, dass die Gleichungen die Änderung des Reifendrucks zur Vorhersage der Triebkraft nicht vollständig abbilden [2].

Die Vorhersage der benötigten Leistung spielt für autonomen Fahrzeuge eine große Rolle. Im Gelände oder auf dem Feld stellt sich dies jedoch als besondere Herausforderung heraus. Verschiedene Forschungsarbeiten betrachten die Spurtiefe oder das Spurprofil, um Rückschlüsse auf die Traktionswerte zu erhalten. Pytka et al. [3] führen Versuche zur Bestimmung der Zugkraft und des Rollwiderstandes über die Reifenspur im Boden durch, die mittels Photogrammmetrie aufgenommen wird. Die Zugkraft und der Rollwiderstand werden aus den 3D‑Rekonstruktionen der Reifen-Boden-Grenzfläche mit dem Bekker-Modell berechnet. Die berechneten und gemessenen Zugkraft- und Rollwiderstandswerte zeigen gute bis sehr gute Übereinstimmung, jedoch gibt es Einschränkungen. Die Ermittlung der Gesamttraktion eines Traktors ist infolge der unterschiedlich großen Reifen und Achslasten problematisch [3].

White et al. [4] ermitteln über zwei Stereokameras in Echtzeit die Spurtiefe, eines Ackerschlepperreifens auf feinem, trockenem Sand, am Einzelradprüfstand in der Bodenrinne. Eine Stereokamera ist vor und eine hinter dem Einzelrad wie in Bild 1 positioniert [4].

Bild 1: Schematischer Kameraaufbau [4].

Figure 1: Diagram of camera setup [4].

 

Die vordere Kamera nimmt den unverformten Boden vor dem Reifen und die hintere Kamera das Tiefenprofil der Reifenspur nach der Überfahrt auf. Zudem wird über die Spurtiefe der Einlauf‑Radwinkel ermittelt, da der Boden als unelastisch betrachtet wird, beträgt der Auslauf‑Radwinkel null Grad. Mehrere Tiefenbilder werden zur Ermittlung Spurtiefe genutzt. Diese werden gemittelt und verglichen, da die Spurtiefe starken Schwankungen unterliegt. In Bild 2 ist ein so ermitteltes, RGB-eingefärbtes Tiefenprofil der Reifenspur dargestellt [4].

 

Bild 2: RGB-eingefärbtes Tiefenprofil der Reifenspur [4].

Figure 2: Colored depth values and the RGB image of the corresponding rut [4].

 

Es sind Tests für verschiedene Schlupfwerte bei konstanter Normalkraft durchgeführt und die über die Stereokameras ermittelten Spurtiefen mittels 3D-Scanner überprüft worden. Die Werte konvergieren zu einer echten Spurtiefe, jedoch sind Unterschiede in den Maximalwerten vorhanden [4].

Neben den Traktionswerten kann die Spurtiefe auch Rückschlüsse auf die Bodenverdichtung geben. Poteko et al. [5] untersuchen verschiedene Messverfahren und Sensoren zur fortlaufenden Messung der Spurtiefe von Traktoren, um Rückschlüsse auf die Bodenverdichtung ziehen zu können. In den Feldversuchen wird zudem der Einfluss des Reifendrucks, der Fahrgeschwindigkeit und der Bodenfeuchte auf die Spurtiefe untersucht. Als Verfahren ist die Laufzeitmessung von hochfrequenten Schallimpulsen und Photogrammetrie zur Messung der Spurtiefe untersucht worden. In der ersten Messkampagne sind kostengünstige Ultraschallsensoren und eine Action-Kamera zum Einsatz gekommen. Die Messungen mit den eingesetzten Ultraschallsensoren zeigen eine deutliche Abweichung zur Referenzmethode (Messlatte und Gliedermaß), jedoch decken sich die über die Referenzmethode ermittelten Zusammenhänge zwischen dem Reifendruck und der Spurtiefe sowie der Bodenfeuchte und der Spurtiefe. Die von der eingesetzten Kamera aufgenommenen Bilder konnten nur in drei Varianten mit je sechs Messreihen zur Ermittlung der Spurtiefe genutzt werden, da die Überlappung der Bilder in den übrigen Varianten nicht ausreichte. Es zeigen sich auch hier große Unterschiede zum Referenzverfahren und die Ergebnisse sind nicht konsistent. Auch die in der zweiten Messkampagne eingesetzten Ultraschallsensoren haben eine erhebliche Abweichung der Messwerte im Vergleich zu den Referenzwerten gezeigt. Die Bilddaten in der zweiten Messkampagne werden über eine Kamera aufgenommen, die an einem unbemannten Luftfahrzeug angebracht ist. Die aus den Bilddaten ermittelten Spurtiefen sind stark von dem Berechnungsverfahren abhängig. Auch hier zeigen sich starke Abweichungen [5].

Infolge der teilweise hohen Verlustleistungen im Rad-Boden-Kontakt sind Steigerung der Effizienz mittels aktiver Momentenverteilung im Antriebstrang von Traktoren ein wiederkehrender Ansatz. Wiest [6] entwickelt eine Methodik, die das Potential einer Effizienzsteigerung durch eine aktive stufenlose Momenten- und Drehzahlverteilung zwischen den Achsen bei einem allradgetriebenen Standardtraktor mit Verbrennungskraftmaschine und mechanisch angetriebener Hinterachse bereits in der Konzeptionsphase bewertbar macht. Durch die aktive stufenlose Momenten- und Drehzahlverteilung kann Gleichlauf eingeregelt werden, was einen höheren Laufwerkwirkungsgrad oder eine höhere Zugkraft bei gleicher Leistung zur Folge hat. Die Effizienz von Traktoren kann anhand der Kriterien Flächenleistung oder Energieaufwand beurteilt werden [6].

Durch die aktive stufenlose Momenten- und Drehzahlverteilung zwischen den Achsen wird die Verspannung der Antriebsachsen mit dem Boden verhindert, was sich positiv auf die Boden- und Pflanzenschonung auswirkt und den Reifenverschleiß verringert. Zudem sinken die Bauteilbelastung und es muss vom Motor nicht zusätzlich die Verlustleistung der Blindleistungsflüsse bereitgestellt werden. Darüber hinaus können höhere Brems- und Seitenkräfte von den Rädern auf den Boden übertragen werden. Der Allradantrieb kann in vielen Bereichen aktiviert bleiben, bei denen er bei einem konventionellen Allradantrieb bereits deaktiviert wäre, was eine vorteilhafte Zugkraftentwicklung wie auch eine höhere Fahr- und Bremssicherheit zur Folge hat. Der Vorgehensplan der entwickelten Methodik gliedert sich in sechs sequenzielle Teilschritte, die über Iterationsschleifen mehrfach durchlaufbar sind. Beginnend mit einer Zielformulierung folgt eine Einsatzanalyse und die Festlegung der zu verfolgenden Effizienzstrategie. Auf deren Basis erfolgt die Ermittlung des Ausgleichsbedarfs und anschließend die Konzepterstellung und Bewertung [6].

Auch Zhang et al. [7] beschäftigen sich mit der Effizienzsteigerung durch eine aktive Momentenverteilung. Sie untersuchen an einem elektrisch angetrieben Kleintraktor, mit Einzelradantrieb der Hinterachse, unterschiedliche Regelungsmethoden zur aktiven Momentenverteilung von linker zu rechter Fahrzeugseite beim Pflügen. Ziel ist es, den Laufwerkwirkungsgrad und somit die Energieeffizienz zu verbessern. Am Forschungstraktor lassen sich drei Strategien umsetzen: eine gleichmäßige Verteilung des Drehmomentes von linker zu rechter Fahrzeugseite wie bei einem konventionellen Hinterradantrieb mit offenem Differential, eine zur statischen Radlast proportionale Verteilung des Drehmomentes und eine aktive Steuerung des Drehmoments bei der die Schlupfwerte der Antriebsräder in Echtzeit gelöst und eine Gleitregimeregelung zur Steuerung des Motordrehmoments eingesetzt wird. Hierfür werden die dynamischen Radlasten unter Berücksichtigung des Reifen-Boden-Kontaktes und den Geländeunebenheiten mit einbezogen. Beim Pflügen können durch die aktive Steuerung des Drehmoments die Schlupfwerte von linker und rechter Fahrzeugseite gleich gehalten werden, was die Energieeffizienz im Vergleich zu den anderen beiden untersuchten Regelungsmethoden steigert [7].

Die Steigerung der Energieeffizienz beim Pflügen ist auch bei Wang et al. [8] der Ansatz. Sie untersuchen an einem elektrisch angetriebenen Traktor mit verschiebbarer Traktionsbatterie eine Energieeffizienzsteigerung beim Pflügen mit konstanter Bearbeitungsqualität. Es soll ein Schlupfwert von 20 % der Hinterachse und eine konstante Bearbeitungstiefe gehalten werden. Die Zugkraftschwankungen sollen über eine Geschwindigkeitsanpassung und die Verschiebung der Traktionsbatterie kompensiert werden. Wang et al. erstellen ein Simulationsmodell, um die Regelstrategie auszuwählen und testen diese anschließend an einem Versuchstraktor. Die Feldversuche zeigen, dass durch die ausgewählte Regelstrategie eine Energieeffizienzsteigerung und eine konstante Bearbeitungstiefe erreicht wird. Der Laufwerkswirkungsgrad konnte im Vergleich zu einer Zugkraftregelung über die Bearbeitungstiefe um über 22 % gesteigert werden [8].

Eine Steigerung der Energieeffizienz bei der Bodenbearbeitung streben auch Kazenwadel et al. [9] an, die dafür Algorithmen zur Vorhersage des energieeffizientesten Betriebspunktes untersuchen. Die Algorithmen betrachten Betriebspunkte innerhalb definierter Grenzen für Arbeitsqualität und Arbeitsgeschwindigkeit und ermitteln die energieeffizienteste Arbeitsgeschwindigkeit. Beide Algorithmen zeigten in Feldtests eine Steigerung der Energieeffizienz im Vergleich zum menschlichen Referenzfahrer [9].

Zur Steigerung der Produktivität untersuchen Schaub und Schütte [10] die Getriebesteuerung von kleinen und mittelgroßen Standardtraktoren mit stufenlosem Getriebe (CVT-Getriebe) bei Frontladeanwendungen. Über eine reine Softwareanpassungen soll im neuen Frontlader‑Fahrmodus eine schnelle Abbremsung bei Ladearbeiten gewährleistet sowie durchdrehende Räder und des Abwürgens des Motors beim Eingraben in das Haufwerk verhindert werden. Eine direkte Steuerung der Schubkraft durch den Bediener soll ebenfalls gegeben sein. Hierzu wurde die Charakteristik von Radlader-Antriebssträngen analysiert und die Steuerung des CVT-Getriebes an die Eigenschaften angepasst, die bei einem Radlader mit Drehmomentwandler ermittelt wurden. In Fahrversuchen zeigten sich bei den Versuchstraktoren in den Fahrmanövern Verbesserungen in die angestrebte Richtung. Die Produktivität kann durch eine kürzere Dauer der einzelnen Ladezyklen infolge der direkteren Reaktion auf die Fahrerbefehle und die bessere Manövrierfähigkeit gesteigert werden [10].

Fahrdynamikmodelle können nicht nur zur Verbesserung der Fahrdynamikeigenschaften oder zur Steigerung der Effizienz genutzt werden, sondern auch für die strukturelle Optimierung des Antriebsstrangs. Shao et al. [11] erstellen für einen zentral angetriebenen Allradtraktor mit Gruppenschaltgetriebe ein Simulationsmodell, was den Antriebsstrang, die Reifen-Boden-Interaktion und die Traktordynamik beinhaltet. Durch die Wechselwirkung zwischen Reifen und Boden unter schwerer Last beim Pflügen besteht das Risiko eines Ermüdungsbruchs der Getriebeeingangswelle. Das Simulationsmodell soll Anhaltspunkte für die strukturelle Optimierung des Antriebsstrangs bieten. Zur Verifikation des Simulationsmodell werden Feldversuche durchgeführt [11].

Fahrsicherheit

Nicht nur fahrdynamische Aspekte bieten einen Ansatz für Optimierungen. Auch die Verhütung von Unfällen im Straßenverkehr besitzt weiterhin Verbesserungspotential, da sich Unfälle zwischen Traktoren und anderen am Verkehr teilnehmenden Personen oder Fahrzeugen durch eine besondere schwere auszeichnen. Zu dieser Erkenntnis kommen Borrack et al. [12] in einem für die Unfallforschung der Versicherer formulierten Forschungsberichts. Hierfür sind die amtlichen Unfallstatistiken der Jahre 2005 bis 2021 in Deutschland betrachtet und ausgewertet worden. Dabei zeigt sich über den betrachteten Zeitraum ein geringer Anteil von landwirtschaftlichen Zugmaschinen am Gesamtunfallgeschehen (min.: 0,56 % - max.: 0,71 %), jedoch ist der Anteil mit tödlichen Folgen weitaus höher (min.: 1,29 % - max.: 2,63 %) [12].

In dieser Studie umfasst der Begriff landwirtschaftliche Zugmaschinen neben Traktoren ebenfalls Mähdrescher, Hoflader und Lastkraftwagen, wobei Traktoren mit 93 % den mit Abstand größten Anteil ausmachen. Es zeigt sich, dass vor allem drei Arten von Unfällen auftreten, die mit 80 % den größten Anteil ausmachen. Zu diesen gehören die Kollision mit einbiegenden oder kreuzenden Fahrzeugen, mit vorausfahrenden oder wartenden Fahrzeugen und mit entgegenkommenden Fahrzeugen [12].

Neben der reinen Analyse der amtlichen Unfallstatistik beschäftigen sich Borrack et al. [12] ebenfalls mit Maßnahmen zur Verhütung von Unfällen. Hierbei schlagen die Autoren als langfristige Maßnahme unter anderem die Fahrzeug-zu-Fahrzeug-Kommunikation (V2V) vor, wodurch sich bis zu 70 % der Unfälle vermeiden ließen [12]. Diesen Umstand greifen Witte et al. [13] in ihrer Forschung auf und beschäftigen sich mit einer Möglichkeit zur markenunabhängigen Lösung für die Kommunikation zwischen Landmaschinen und anderen Fahrzeugen. Hierbei kooperieren die Agricultural Industry Electronics Foundation und das Projekt "LANDNETZ", um die Anzahl an tödlichen Unfällen zu minimieren. Dabei sollen die für ein kooperatives intelligentes Verkehrssystem (C-ITS) notwendigen Daten aus dem ISOBUS von Traktoren ermittelt werden. Dies ist insbesondere wichtig, da durch die Feldarbeit unter Umständen die Sicherheitssensorik verschmutzt oder defekt sein kann. Zusätzlich ermöglicht dies eine markenunabhängige Integration in alle landwirtschaftlichen Fahrzeuge [13].

In einem ersten Versuch ist eine Unfallsituation simuliert worden. Dabei sendete ein liegengebliebenes Fahrzeug eine Decentralized Enviromental Notification Message (DENM), die die Informationen über eine aktive Warnblinkanlage und eine Geschwindigkeit von 0 km/h enthielt. Die DENM ist von einer sich nähernden Zugmaschine ab einer Entfernung von 500 m detektiert worden, was der fahrzeugführenden Person ermöglichte, die Geschwindigkeit bereits zu reduzieren, bevor das liegengebliebene Fahrzeug überhaupt in Sichtweite gewesen ist [13].

Die Einführung von C-ITS ermöglicht weiterhin eine einfachere Integration des autonomen Fahrens in landwirtschaftliche Maschinen. Hierfür ist die reine Kommunikation zwischen Fahrzeugen nicht ausreichend, sondern es muss weiterhin eine Personenerkennung insbesondere auf Feldern bei schlechten Sichtverhältnissen integriert werden. Mit dieser beschäftigen sich Krause et al. [14], die ein Testfeld aufgebaut haben, auf welchem unterschiedliche Bedingungen (Bodenbearbeitung, Mähen, Ernten) simuliert und so Algorithmen zur Personenerkennung aus Bilddaten erprobt werden können. Dabei kommen vor allem künstliche Intelligenzen (KI) zum Einsatz [14].

Neben der Personenerkennung spielt auch die Navigation beim autonomen Fahren eine besondere Rolle. Für gewöhnlich erfolgt die Navigation über ein Real-Time Kinematic Global Navigation Satellite System (RTK-GNSS). Jedoch kann die Signalübertragung nicht an allen Standorten gewährleistet werden. Aus diesem Grund haben Saha et al. [15] sich mit einem bildgestützten Straßenerkennungssystem in Echtzeit beschäftigt, mit dem Sie eine maximale seitliche Positionsabweichung von 0,2 m bei unbefestigten Straßen und von 0,4 m bei befestigten Straßen erreichen [15].

Da sich Traktoren, die meiste Zeit abseits von Feldwegen oder befestigten Straßen bewegen, ist zusätzlich die Möglichkeit des autonomen Fahrens innerhalb von Feldern essenziell. Hierfür liefern Blume und Neumann [16] einen Ansatz, der auf RTK-GNSS beruht und eine Kombination aus KI und Bildauswertung verwendet. Ihre Forschung zielt auf den Aufbau eines Assistenzsystems für die fahrende Person ab, das die Lenkung übernimmt, sodass sich die fahrzeugführende Person um die Überwachung der Anbaugeräte kümmern kann. Umgesetzt werden soll das Assistenzsystem mit Hilfe einer KI, die durch selbstüberwachtes Lernen aus aufgenommenen Kamerabildern und den dazu dazugehörigen GNSS-Daten die Fahrgasse erkennt und verfolgen kann. Damit dies präzise funktioniert, ist insbesondere die genaue Kameraposition zur Fahrspur während der Aufnahme entscheidend. Hierfür ist ein Transformationsbaum erstellt worden, der die relative Kameraposition zur GNSS-Position des Traktors herstellt. Mit Hilfe dieses Transformationsbaumes und einer weiteren Umwandlung von 3D-Pfadpunkten in 2D-Pixelkoordinaten, lassen sich die gefahrene Fahrspur in die aufgenommenen Bilder einbetten und so eine automatische Annotation herstellen. Auf diese Weise wurden 5300 Testdatensätze generiert und automatisch gelabelt. Beim anschließenden Training inklusive Validierung zeigte sich, dass eine Vorhersagegenauigkeit von ca. 78% erreicht werden kann [16].

Aber neben modernen Forschungsansätzen, die sich mit einer Erhöhung der Fahrsicherheit durch autonomes Fahren beschäftigen, spielen weiterhin klassische Ansätze wie die Bestimmung des Überrollwinkels und entsprechende Verhütungsmaßnahmen eine entscheidende Rolle. Die Verhinderung des Überrollens ist besonders in unwegsamen oder bergigen Regionen wichtig. So zeigte eine im Jahr 2021 angelegte Studie, dass in Italien im Schnitt pro Jahr mehr als 100 fatale Unfälle durch Überrollen entstehen [17]. Diesen Umstand greifen Carabin et al. [18] auf und entwickeln ein vereinfachtes mathematisches Modell, um das Stabilitätsverhalten eines allradangetriebenen Traktors zu simulieren und im Anschluss auf einem Prüfstand zu verifizieren.

Der Prüfstand der Freien Universität Bozen ermöglicht die Einstellung der Neigung bis zu 55° und zusätzlich die Drehung der Auflagefläche zwischen -175° und 175°. Weiterhin lassen sich Traktoren mit einer Grundfläche von ca. 6 m x 4 m und einem Gewicht von bis zu 10 Tonnen testen, siehe Bild 3.

Bild 3: Prüfstand zur Überprüfung der Traktorstabilität [18].

Figure 3: Test stand for checking tractor stability [18].

 

Mit Hilfe dieses Prüfstands ist das mathematische Modell zum Stabilitätsverhalten des Traktors des Typs New Holland TN75V überprüft worden. Dabei zeigte sich, eine gute Überstimmung zwischen mathematischem Modell und dem Versuch am realen Fahrzeug, siehe Bild 4. Es ist ersichtlich, dass die seitliche Überrollstabilität am geringsten ist und es schon bei ca. 27° Neigung zu einem Überrollen kommt [18].

Um Überrollen zu verhindern, bildet der Einsatz eines automatischen aktiven Lenkimpulses bei Detektion eines kritischen Neigungswinkels einen Ansatz. Der automatische Lenkimpuls kann dabei durch einen Regler beeinflusst werden. Um zwei verschiedene Regelstrategien zu untersuchen, arbeiten He et al. [19] mit einem 15 PS starken Kleintraktor, den sie in einem Testfeld über verschiedenförmige Hindernisse fahren lassen. Dabei zeigt sich, dass der aufgebaute Gleitregimeregler einem PID-Regler überlegen ist und bessere Stabilitätsergebnisse liefert [19].

Bild 4: Grafische Darstellung der Überrollstabilität des Traktors New Holland TN75V in Abhängigkeit der Neigung (α) und der Orientierung (β) [18].

Figure 4: Graphic illustration of the rollover stability of the New Holland TN75V tractor as a function of slope (α) and orientation (β) [18].

 

Doch nicht nur kritische Geländeneigungen können zu einem Überschlag eines Traktors führen. Ein Überschlag kann ebenfalls durch holprige Feldwege ausgelöst werden, die zu einem Aufschwingen eines Traktors führen. Sollten die Schwingungen zu groß werden, können einzelne Räder kurzzeitig den Bodenkontakt verlieren, was bei erneuter Kontaktaufnahme zwischen Reifen und Boden einen Stoß verursacht, der zu Instabilitäten und im schlimmsten Fall zu Umstürzen führt. Um dies zu verhindern, werden bei größeren Traktoren in den USA und Europa Achsfederungen eingesetzt, was jedoch bei vielen kleineren Traktoren in Japan nicht erfolgt. Aus diesem Grund stellen Watanabe et al. [20] eine mathematische Simulation auf, die einen Vergleich zwischen einem Traktor ohne Achsfederung, mit einfacher Vorderachsfederung und mit semi-aktiver Vorderachsfederung bei Anregung mit einer sinusförmigen Straßenfunktion liefert. Es zeigt sich hierbei, dass die semi-aktive Achsfederung, die Schwingung signifikant reduzieren kann [20].

Fahrerplatz

In aktuellen Veröffentlichungen werden jedoch nicht nur die Auswirkungen von Schwingungen auf die Stabilität des Traktors überprüft, sondern auch deren Auswirkungen auf den menschlichen Körper. So haben Singh et al. [21 - 23] im Jahr 2023 drei unterschiedliche Veröffentlichungen auf einem Versuchstraktor mit 55 PS durchgeführt und dabei Vibrationsauswirkungen auf den menschlichen Körper untersucht.

In einer Studie wird der Fahrkomfort während der Bodenbearbeitung auf Basis der Overall Vibration Value (OVV) bei unterschiedlichen Fahrgeschwindigkeiten, Bearbeitungstiefen und Zugkräften ermittelt, wofür die Beschleunigung an drei Messpunkten bestimmt worden ist (Fußraum, Sitzschale und Rückenlehne). Dabei zeigt sich, dass die detektierten Vibrationen über den Grenzwerten der ISO 2631-1 (1997) liegen. Zusätzlich sind aufgezeichneten Daten genutzt worden, um verschiedenen Arten des maschinellen Lernens zu trainieren und den Fahrkomfort vorherzusagen. Weiterhin ist eine Varianzanalyse durchgeführt worden, die ermittelt, dass die Fahrgeschwindigkeit den größten Einfluss auf Vibrationen und damit auf die OVV hat [21].

Das Ergebnis, dass die Fahrgeschwindigkeit den größten Einfluss auf die Vibrationen hat, bestätigt auch die zweite Veröffentlichung von Singh et al. [22], in der die Seat Effectiv Amplitude Transmissibility (SEAT) bei Variation der oben genannten Fahrparameter ermittelt worden ist. Hierfür sitzen Beschleunigungssensoren an Sitzschale und Fußraum, die mit einem Schwingungsmessgerät verbunden sind. Die so ermittelten Daten werden mittels ESP 8266 cloudbasiert in Echtzeit ausgewertet und visualisiert. Dies ermöglicht es, die fahrzeugführende Person auf Überschreitungen von Grenzwerten hinzuweisen, sodass Maßnahmen zur Schwingungsreduktion getroffen werden können [22].

In der dritten Veröffentlichung von Singh et al. [23] sind die Ergebnisse bzgl. des größten Einflusses der Fahrgeschwindigkeit erneut bestätigt worden. Darüber hinaus ist die SEAT bestimmt und mittels Power Spectral Density Resonanzfrequenzen ermittelt worden, die im Bereich von 4 - 7 Hz und 8 - 12 Hz liegen [23].

Mit ähnlichen Frequenzen von 3 und 7 Hz arbeitet auch die Simulation von Zhang und Guo [24], die sich mit der Untersuchung der Lendenwirbelsäule bei unterschiedlichen Winkeln der Rücklehne beschäftigt. Dabei ist festgestellt worden, dass die Belastungen bei einem Winkel zwischen Sitz und Rückenlehne von 95° - 100° am geringsten sind [24].

Während sich die oben genannten Simulationen meist nur auf die Simulationen der Interaktion zwischen Mensch und Sitz beschränken, beschäftigen sich Hoffmann et al. [25] mit der Integration von Fahrzeugsitz inklusive Mensch in die Gesamtfahrzeugsimulation. Die dafür entwickelte Methode basiert auf der Erstellung einer Substruktur in der Finite-Elemente (FE)-Software Abaqus, die im Anschluss in die Mehrkörpersimulationssoftware SIMPACK überführt wird. Dabei muss das Verhalten der Substruktur in SIMPACK mit Hilfe eines Vergleichs von Eigenmoden und der modalen Dämpfungsfaktoren validiert werden. Die anschließende Bestimmung der Sitzübertragungsfunktion in SIMPACK zeigt eine gute Übereinstimmung mit der von Abaqus. Eine abschließende Gesamtfahrzeugsimulation liefert ebenfalls gute Ergebnisse, sodass dieses Vorgehen als Grundlage für weitere Noise Vibration Harshness (NVH)- und Fahrkomfortsimulationen dienen kann [25].

Im Bereich der Auswertung von Ganzkörperschwingungen stellt das Institut für Arbeitsschutz der deutschen Unfallversicherer (IFA) eine neue Software vor, mit der aufgenommene Schwingungen umfassend ausgewertet werden können [26].

Doch nicht nur die Simulation und Auswertung von Schwingungen sind Gegenstand der Forschung, sondern auch deren wirksame Reduktion. Hierfür liefert Wolf von John Deere [27] innerhalb der R6-Serie einen semiaktiven hydropneumatischen Ansatz der Kabinenfederung. Dieser Ansatz besteht aus zwei Gummi-Isolatoren im vorderen Teil der Kabine und im hinteren Teil aus zwei Zylindern mit Druckspeicher. Weiterhin ist die Kabine mit einem Panhardstab ausgestattet, um seitliche Kabinenbewegungen einzuschränken. Besondere Herausforderungen bilden hierbei das Spannungsfeld zwischen einer weichen Fahrzeugkabinenfederung, um sekundären Fahrkomfort im Bereich 10 - 20 Hz zu gewährleisten und einer möglichst starren Kabinenfederung, um im Bereich 0 - 10 Hz Fahrkomfort zu erreichen. Zusätzlich haben Anbaugeräte einen signifikanten Einfluss auf die Eigenfrequenzen des Traktors und verschieben diese in den Bereich von 1 Hz, was zu einer rechnerischen, statischen Einfederung von ca. 250 mm der Kabinenfederung führt. Dies umzusetzen, führt allerdings zu einem Unwohlsein der fahrzeugführenden Person, weswegen ein maximaler Federweg von 100 mm vorgesehen wird, der durch das semi-aktive System ausreichend ist. Ein weiterer Vorteil eines semi-aktiven Systems liegt in der Abmilderung von Fahrmanövern, wie abrupten Bremsungen [27].

Neben der Federung der Fahrzeugkabine steht auch der Aufbau landwirtschaftlichen Fahrzeugkabinen im Fokus neuer Entwicklungen. Das Konsortium Fahrerkabine 4.0 - OnField beschäftigt sich dabei mit der Integration anderer Hofprozesse durch digitale Vernetzung in die Fahrzeugkabine. Ein neues Kabinenkonzept für Erntemaschinen stellen Lehr et al. [28] vor. Dieses Konzept sieht einen Wechsel zwischen Arbeits-, Entspannungs- und Büromodus durch Rotation des Sitzes vor. Ermöglicht wird dies durch das Entfernen der Lenksäule und hinzufügen zweier Multifunktionsarmlehnen. Je nach Betriebsmodus erhält die fahrzeugführende Person über Head-up-Display dem Betriebsmodus entsprechende Inhalte angezeigt. Zur Validierung des Konzepts ist eine Demonstratorkabine aufgebaut worden, die die Steuerungs- und Bedienbefehle der nutzenden Person mittels CAN-Bus und Mikrocontroller an den Landwirtschaftssimulator 19 übergibt. Aufgrund der eingegebenen Befehle liefert der Landwirtschaftssimulator 19 Ausgangsdaten die von einem Matlab/Simulink-Simulationsmodell eingelesen und verarbeitet werden. So lassen sich mit Hilfe eines neuronalen Netzes unter anderem Ernteverluste abschätzen. Insgesamt entsteht so eine realitätsnahe Umgebung [28].

Einen vergleichbaren Ansatz liefert Campanella [29], die mit Virtual-Relaity-Tools aktiv in den Produktentstehungsprozess eingreifen will, um eine Senkung der Kosten sowie Entwicklungs- und Produktionszeiten zu erreichen. Die dafür entwickelte Methode besteht aus drei Phasen. Die erste Phase umfasst die Erfassung von physiologischen und physischen Daten von nutzenden Personen währen der Interaktion mit einem Traktor mittels verschiedener Sensoren und Eye-Tracking. In der zweiten Phase wird basierend auf den Erkenntnissen der ersten Phase ein digitaler Zwilling mit Hilfe des Programms Jack erstellt, sodass diese in virtuelle Maschinenlayouts integriert und damit Größenverhältnisse überprüft werden können. Die abschließende dritte Phase nutzt das Bewegungserfassungssystem Xsens, um die Bewegungen eines realen Nutzers zu erfassen und in der virtuellen Umgebung darzustellen, vgl. Bild 5 [29].

Auch bei der Optimierung der Traktorbeleuchtung kommen VR-Technologien zum Einsatz. Di Vetta und Ladinger [30] optimieren die Beleuchtung eines Steyr Terrus durch den Einsatz von Raytracing, um so das reale Lichtverhalten nachzubilden. Hierfür werden innerhalb eines CAD-Modells dem Traktor alle Materialien und Texturen genau zugeordnet, sodass die Simulation das reale Verhalten abbilden kann. In einem ersten Schritt ist die Anzahl der Scheinwerfer von 18 auf 12 reduziert worden, bis sich bei 16 Schweinwerfern das Optimum einstellte, bei dem das Traktorumfeld ausreichend beleuchtet wurde und die fahrzeugführende Person nicht geblendet wird. Validiert wurde dies mit einem realen Modell [30].

 

Bild 5: Beispiel eines realen Menschens (links) und dessen digitaler Zwilling (rechts) [29].

Figure 5: Example of a real person (left) and their digital twin (right) [29].

 

Doch nicht nur die Beleuchtung eines Traktors ist für ein effektives Arbeiten entscheidend, auch die Integration von Anbaugeräten unterschiedlicher Hersteller ist essenziell. An einer einfachen Integration der damit einhergehenden unterschiedlichen Bedienungsmöglichkeiten innerhalb der Fahrzeugkabine arbeiten Hülle et al. [31] aus dem Projekt "Adaptive Schnittstellensysteme in landwirtschaftlichen Traktoren 2.0" (aISA 2.0). Ziel ist die Entwicklung eines modularen Auxcontrollers auf ISOBUS-Basis, der in die Armlehnen verschiedener Hersteller integriert werden kann und so eine einfache Integration der Funktionspalette unterschiedlicher Anbaugeräte ermöglicht [31].

Auf die Integration einer Recheneinheit in verschiedene Landmaschinen setzt auch die Firma TTControl GmbH, die die Recheneinheit Fusion entwickelt hat. Diese besitzt unterschiedliche Datenschnittstellen, die je nach Anwendungsfall zum Einsatz kommen. Die Recheneinheit ist vor allem für den Einsatz von künstlicher Intelligenz als Edge-System oder Internet-of-Things (IoT)-Anwendungen gedacht, sodass hiermit der Einsatz von Smart-Farming unterstützt werden kann. Weiterhin lassen sich damit auch Arbeits-, Sicherheits-, Komfort- und Assistenzfunktionen umsetzten und Over-the-Air-Softwarupdates durchführen [32].

Den Aspekt Fahrkomfort und Muskelermüdung während der Traktorfahrt greifen Zhang et al. [33] auf. Hierfür wird die mittels SolidWorks aufgebaute Traktorkabine eines Dongfanghong LX804 in die Software The AnyBody Modeling System importiert, in der zuvor ein Ganzkörpermodell des menschlichen Bewegungsapparats mit den Standardwerten von chinesischen Männern aufgebaut worden ist. Mit Hilfe dieses Modells lässt sich die Muskelaktivität der Beinmuskulatur bei der Kupplungsbetätigung simulieren, nachdem das Modell zuvor durch elektromyographische Messung validiert worden ist. Es zeigte sich ein relativer Fehler im Bereich von 4 % - 16 % [33].

Das aufgebaute Modell ist in einer zweiten Studie genutzt worden, um die Position des Kupplungspedals und dessen Federsteifigkeit zu optimieren und damit eine geringe Ermüdung der Muskulatur und Belastung der Gelenke zu erreichen. Es zeigte sich, dass die Belastung am geringsten ist, wenn der Abstand zwischen Seat Index Point (SIP) und Anbringungspunkt der Kupplung in horizontaler Richtung 72 - 76 cm und in vertikaler Richtung 36 - 40 cm beträgt. Die Federsteifigkeit sollte dabei im Bereich 14 - 22 Nm/rad liegen [34].

Doch nicht nur der Fahrkomfort und die damit verbundene Erhöhung der Sicherheit während des Betriebs ist gegenwärtig Forschungsgegenstand. Irumva et al. [35] untersuchen auch eine Möglichkeit zum Schutz der fahrzeugführenden Person während des Ein- bzw. Aussteigens. Hierfür ist ein System unter Einsatz eines neuronalen Netzes entwickelt worden, dass die ein- bzw. aussteigende Person in Echtzeit warnt, wenn ein risikoreiches Verhalten in der Kabinenkameraaufnahme erkannt wird [35].

Zusammenfassung

In den Bereichen Fahrdynamik, Fahrsicherheit und Fahrerplatz werden gegenwärtig unterschiedliche Forschungsansätze diskutiert. Die Forschungsberichte innerhalb der Fahrdynamik beschäftigen sich mit der Effizienzsteigerung, der Vorhersage von Traktionswerten für das autonome Fahren, sowie die Ableitung von Traktionswerten moderner Reifen auf Basis der Spurtiefe und oder des Spurprofils. Auch innerhalb der Forschung zur Fahrsicherheit gewinnt das autonome Fahren an Bedeutung. Hierbei werden unter anderem Ansätze zur Spurerkennung und Verhütung von Unfällen im Straßenverkehr auf Grundlage von Kooperativen Intelligenten Verkehrssystemen untersucht. Doch auch klassische Untersuchungen zur Überrollstabilität und dessen Verhinderung durch den Einsatz von Reglern werden betrachtet. Im Bereich des Fahrerplatzes ist weiterhin die Erkennung von Vibrationen und deren Reduktion Gegenstand von Forschungen. Dabei werden neben simulativen Modellen auch weiterhin reale Messungen vorgenommen. Auch die Optimierung der Kabine mit Hilfe moderne Techniken wie KI oder VR werden zunehmend untersucht, da trotz eines fortschreitenden Automatisierungsgrades die fahrzeugführende Person bisher nicht ersetzt werden kann.

Literatur

[1]     Angelucci, L.; Mattetti, M.; Pinet, F.; Vertura, A.: Traction test methods to assess the energy efficiency of agricultural tractors and tires. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 263-268.

[2]     Hamm, A. R.; Kordestani, A.; Steward, B. L.; Birrell, S. J.: Modelling Tire Tractive Performance at Lower Inflation Pressures – 2023 ASABE Annual International Meeting. ASABE Paper No. 2300141, St. Joseph, MI: ASABE 2023, DOI: 10.13031/aim.202300141.

[3]     Pytka, J.; Śliczniak, T.; Gardyński, L.; Czajka, A.; Tarkowski, S.: Determination of the tractive forces of a tractor based on the reconstruction of tire – soil contact surface obtained by means of photogrammetry. 16th European-African Regional Conference of the ISTVS (2023), S. 3507.

[4]     White, H.; Sandu, C.; Mukherjee, J.; L'Afflitto, A.; Gorsich, D.; Cole, M.: Real-time measurement of tire sinkage using stereo cameras. 16th European-African Regional Conference of the ISTVS (2023), S. 6630.

[5]     Poteko, J.; Volk, L.; Noack, P. O.: Vergleichende Untersuchung von Messverfahren zur Bestimmung der Spurtiefe von Traktoren. Landtechnik 78 (2023) H. 1, S. 10-23.

[6]     Wiest, D. C.: Untersuchungen zur Effizienzsteigerung allradgetriebener Standardtraktoren durch aktive Momenten- und Drehzahlverteilung im Antriebsstrang. Berlin: Technische Universität Berlin 2023, DOI: 18204.

[7]     Sheng-li Zhang; Chang-kai Wen; Wen Ren; Zhen-hao Luo; Bin Xie; Zhong-xiang Zhu; Zhong-ju Chen: A joint control method considering travel speed and slip for reducing energy consumption of rear wheel independent drive electric tractor in ploughing. Energy 263 (2023), S. 126008.

[8]     Qi Wang; Xudong Wang; Wei Wang; Yuling Song; Yongjie Cui: Joint control method based on speed and slip rate switching in plowing operation of wheeled electric tractor equipped with sliding battery pack. Computers and Electronics in Agriculture 215 (2023), S. 108426.

[9]     Kazenwadel, B.; Becker, S.; Michiels, L.; Geimer, M.: Data-driven algorithms for predicting energy-efficient operating points in agricultural soil tillage. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 519–527.

[10]   Schaub, C.; Schütte, R.: Performance optimization of CVT standard tractors in front loading application. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 21-28.

[11]   Xuedong Shao; Zihan Yang; Samir Mowafy; Bowen Zheng; Zhenghe Song; Zhenhao Luo; Weijie Guo: Load characteristics analysis of tractor drivetrain under field plowing operation considering tire-soil interaction. Soil and Tillage Research 227 (2023), S. 105620.

[12]   Borrack, M.; Unger, D.; Behl, T.; Hegerfeld, R.; Kühn, M.: Unfallrisiko von Traktoren. Unfallforschung der Versicherer (Hrsg.), 21.07.2023.

[13]   Witte, J.; Striller, B.; Hecker, A.; Holfeld, J.; Pohle, M.; Wolniak, N.; Nothdurf, T.: Adapting and enhancing V2X communication to agricultural machinery to address road safety via C-ITS. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 371-378.

[14]   Krause, J. C.; Iqbal, N.; Niemeyer, M.; Thy, B.; Plagge, L.; Hollmeier, H.; Ruckelshausen, A.; Röttgermann, S.; Tauber, A.; Herbers, J.; Menke, S.; Hertzberg, J.: AI-TEST-FIELD – A Test Environment for the Automated Evaluation of Methods for Robust and Reliable Environment Perception. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 547-554.

[15]   SAHA, S.; MORITA, T.; NOGUCHI, N.: A vision-based road detection system for the navigation of an agricultural autonomous tractor. Engineering in Agriculture, Environment and Food 16 (2023) H. 2, S. 43-52.

[16]   Blume, T.; Neumann, L.: Self-supervised learning for an agriculture driver assistant system. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 471–476.

[17]   Facchinetti, D.; Santoro, S.; Galli, L. E.; Pessina, D.: Agricultural Tractor Roll-Over Related Fatalities in Italy: Results from a 12 Years Analysis. Sustainability 13 (2021) H. 8.

[18]   Carabin, G.; Becce, L.; Mandler, A.; Mazzetto, F.: Integrated Determination of Tractor Centre of Gravity and Lateral Rollover Angle. Opatija. In: University of Zagreb, Faculty of Agriculture Department of Agricultural Engineering (Hrsg.): Actual Tasks on Agricultural Engineering, 2023, S. 23-32.

[19]   Zhizhu He; Zhansheng Song; Longlong Wang; Xu Zhou; Junxiao Gao; Kangda Wang; Minli Yang; Zhen Li: Fasting the stabilization response for prevention of tractor rollover using active steering: Controller parameter optimization and real-vehicle dynamic tests. Computers and Electronics in Agriculture 204 (2023), S. 107525.

[20]   Watanabe, M.; Kazama, K.; Sakai, K.: Development of nonlinear bouncing tractor model with semi-active axle suspension system – 2023 ASABE Annual International Meeting. ASABE Paper No. 2300048, St. Joseph, MI: ASABE 2023, DOI: 10.13031/aim.202300048.

[21]   Amandeep Singh; Naser Nawayseh; Harwinder Singh; Yash Kumar Dhabi; Siby Samuel: Internet of agriculture: Analyzing and predicting tractor ride comfort through supervised machine learning. Engineering Applications of Artificial Intelligence 125 (2023), S. 106720.

[22]   Amandeep Singh; Naser Nawayseh; Yash Kumar Dhabi; Siby Samuel; Harwinder Singh: Transforming farming with intelligence: Smart vibration monitoring and alert system. Journal of Engineering Research (2023).

[23]   Amandeep Singh; Siby Samuel; Yash Kumar Dhabi; Harwinder Singh: Whole-body vibration: Characterization of seat-to-head transmissibility for agricultural tractor drivers during loader operation. Smart Agricultural Technology 4 (2023), S. 100164.

[24]   Chi Zhang; Li-Xin Guo: Analysis of lumbar spine injury with different back inclinations under whole-body vibration: A finite element study based on whole human body models. International Journal of Industrial Ergonomics 95 (2023), S. 103447.

[25]   Hofmann, J.; Lu, Y.-Y.; Veerararghavan, A. R.; Enns, G. C.: Interaktion Mensch – Sitz – Fahrzeug: Methodik zur Integration des Menschen in die Gesamtfahrzeugsimulation. In: 9. VDI-Fachtagung Humanschwingungen 2023 : Vibrations- und Schwingungseinwirkungen auf den Menschen : 09. und 10. Mai 2023, Würzburg, VDI-Berichte BV000016148 2411, Düsseldorf: VDI Verlag GmbH 2023, ISBN: 9783180924113, S. 23-34.

[26]   Ulrich, M.; Freitag, C.; Hermanns-Truxius, I.: Entwicklung einer Software zur Auswertung von Ganzkörpervibrationen. Institut für Arbeitsschutz der Deutschen Gesetzlichen Unfallversicherung (2023) H. 06.

[27]   Wolf, G.: Ride Comfort on Tractors. In: 9. VDI-Fachtagung Humanschwingungen 2023 : Vibrations- und Schwingungseinwirkungen auf den Menschen : 09. und 10. Mai 2023, Würzburg, VDI-Berichte BV000016148 2411, Düsseldorf: VDI Verlag GmbH 2023, ISBN: 9783180924113, S. 3-9.

[28]   Lehr, P.; Metzger, S.; Geimer, M.; Budde, L.: Validierungsumgebung für ein neues Kabinenkonzept am Beispiel eines Mähdreschers. ATZheavy duty 16 (2023) H. 1, S. 34-37.

[29]   Campanella, C.: User experience evaluation, based on Ergonomics and Virtual Reality tools on CNHi agricultural tractors. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 363-370.

[30]   Di Vetta, G. S.; Ladinger, J.: Work light modularity, research for real 360° visibility, focus on hidden areas to increase safety and performance for the customer. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 357-362.

[31]   Hülle, B.-G.; Böttinger, S.; Racs, M.; Schempp, T.: Design and development of adaptive control elements on agricultural tractors based on ISOBUS communications. In: VDI-Berichte 2427, Düsseldorf: VDI Verlag 2023, S. 275-282.

[32]   Purkrabek, A.: Steuerungstechnik mit künstlicher Intelligenz für die softwarezentrierte Landmaschine. ATZheavy duty 16 (2023) H. 2, S. 20-25.

[33]   Wenjie Zhang; Qichao Wang; Zheng Xu; Yujun Shang; Hongmei Xu: Development of a tractor operator-operation environment coupled biomechanical model and analysis of lower limb muscle fatigue. International Journal of Industrial Ergonomics 93 (2023), S. 103407.

[34]   Wenjie Zhang; Hao Yang; Yalin Li; Yabing Zhao; Hongmei Xu: An optimization model of tractor clutch pedal design parameters based on lower limb biomechanical characteristics. International Journal of Industrial Ergonomics 98 (2023), S. 103519.

[35]   Irumva, T.; Mwunguzi, H.; Pitla, S. K.; Lowndes, B.; Yoder, A. M.; Siu, K.-C.: Agricultural Machinery Operator Monitoring System (Ag-OMS): A Machine Learning Approach for Real-Time Operator Safety Assessment. Journal of Agricultural Safety and Health 29 (2023) H. 2, S. 85-97.

 

Autorendaten

M.Sc. Tobias Richard Rosenthal ist wissenschaftlicher Mitarbeiter am Fachgebiet Konstruktion von Maschinensystemen an der Technischen Universität Berlin.

Dr.-Ing. Daniel Christian Wiest ist wissenschaftlicher Mitarbeiter am Fachgebiet Konstruktion von Maschinensystemen an der Technischen Universität Berlin.

Prof. Dr.-Ing. Henning J. Meyer ist Leiter des Fachgebietes Konstruktion von Maschinensystemen an der Technischen Universität Berlin.

Keywords:
ride safety, ride comfort, ride dynamics, driver assistance systems
Citable URL:
Copy Visit URL
Recommended form of citation:
Rosenthal, Tobias Richard; Wiest, Daniel Christian; Meyer, Henning Jürgen: Ride Dynamics – Ride Safety – Driver's Place. In: Frerichs, Ludger (Hrsg.): Jahrbuch Agrartechnik 2023. Braunschweig: TU Braunschweig / Institut für mobile Maschinen und Nutzfahrzeuge, 2024. – pp. 1-17
Review date 20.02.2024

Go back