Minhao Qiu

Dr.-Ing. Minhao Qiu

Department Informatik (INF)
Lehrstuhl für Informatik 7 (Rechnernetze und Kommunikationssysteme)

Raum: Raum 06.125
Martensstr. 3
91058 Erlangen

Kurzvita

Minhao Qiu is currently working as a Ph.D. student in the computer science department at the Friedrich-Alexander University Erlangen-Nürnberg (FAU) in cooperation with the AUDI AG. He received his Bachelor of Engineering degree in telecommunication engineering at the Zhejiang GongShang University in 2016. Afterwards, he studied Information and Communication Technology at the Friedrich-Alexander University Erlangen-Nürnberg in which received his Master of Science degree in 2019. His research interests include performance and dependability analysis of automated driving systems, machine learning, and deep learning.

Weitere Informationen

2023

2022

2021

  • Zuverlässigkeitsbewertung für Multi-Sensorsysteme

    (Drittmittelfinanzierte Einzelförderung)

    Laufzeit: 2020-01-01 - 2023-06-30
    Mittelgeber: andere Förderorganisation

    Zukünftige Fahrfunktionen benötigen Multi-Sensorsysteme, deren Zuverlässigkeit durch Methoden der Sensordatenfusion (Aggregation, Filterung, Mehrheitsentscheidung und weitere Mechanismen zur Fehlervermeidung) gesteigert werden müssen. Dadurch treten Fehler sehr selten auf, es existieren jedoch Abhängigkeiten der Fehler von aufeinanderfolgenden Sensorwerten („Fehlerbursts“) und auch Abweichungen zwischen Sensoren (z.B. bei schlechten Umgebungsbedingungen).

    Für eine Auslegung hinsichtlich der Sicherheit müssen Fehlerwahrscheinlichkeiten von Multi-Sensorsystemen bestimmt werden. Sowohl ein bestehendes analytisches Modell basierend auf Markov-Ketten als auch ein Simulationsmodell für Multi-Sensorsysteme ausgebaut werden, um die zu bestimmen.

    In diesem Projekt soll auf den Vorarbeiten des INI.FAU-Projekts aufgebaut werden und sowohl das bestehende analytische Modell basierend auf Markov-Ketten als das Simulationsmodell für Multi-Sensorsysteme ausgebaut werden. Die angestrebten wissenschaftlichen Erkenntnisse bestehen in der Weiterentwicklung des analytischen Markov-Modells, das bereits Fehlerbursts einzelner Sensoren sowie Abhängigkeiten zwischen zwei Sensoren berücksichtigt, dem Ausbau auf mehr Sensoren, der Berücksichtigung weiterer Fehlervermeidungsstrategien und einer Werkzeugumsetzung. Weiterhin sollen Erkenntnisse beim Einsatz von Rare-Event-Simulation erzielt werden, um detailliertere Simulationsmodelle von Multi-Sensorsystemen in praktikablen Laufzeiten auszuführen und damit statistisch gesicherte Ergebnisse abzuleiten. Die Simulation erlaubt eine noch realistischere Systemnachbildung und eine Validierung der analytischen Modellierung. Es entsteht eine wissenschaftlich fundierte Methodik zur Ermittlung der Zuverlässigkeit von Multisensorsystemen.