Hast Du Interesse an einem robotergestützten Zapfprozess in der Campus-Brauerei mitzuarbeiten? Dann schreib deine Studienarbeit am IMES und mache den Schankroboter noch schneller, robuster oder interaktiver!

Zur automatisierten Kameraführung bei Dreharbeiten existiert eine aufgebaute Konzeptstudie für einen Kamerakran. In der Masterarbeit soll Sensorik, Aktorik und Regelung integriert werden und ein programmierter Betrieb ermöglicht werden.

In meinem Forschungsprojekt beschäftige ich mich mit der Reichweitensteigerung von Kontinuumsrobotern für die Triebwerksendoskopie. Das Ziel ist es, dass sich der Roboter im Triebwerk abstützen kann, um an der Spitze eine ausreichende Steifigkeit zu haben. In vorherigen Arbeiten wurde bereits die Bahnplanung zu einer versteiften Pose sowie die Schätzung der Pose und Kontakte entwickelt. Diese Vorarbeiten soll nun zur modellbasierten Online-Regelung der Pose kombiniert werden.

In meinem Forschungsprojekt beschäftige ich mich mit der Reichweitensteigerung von Kontinuumsrobotern für die Triebwerksendoskopie. Das Ziel ist es, dass sich der Roboter im Triebwerk abstützen kann, um an der Spitze eine ausreichende Steifigkeit zu haben. Um den Kontakt auszunutzen, müssen die Kontaktstellen bekannt sein. In dieser Arbeit sollen die Kontaktstellen mit Hilfe eines vorhandenen mechanischen Modells des Roboteres und einer zusätzlichen Kamera an der Spitze geschätzt werden.

Viele reale Systeme (z.B. Personenkraftwagen, Roboter und Züge) weisen komplexe nichtlineare Systemdynamik auf. Die Kontrolle dieser Systeme bleibt selbst heute eine anspruchsvolle Aufgabe. Um neue Ansätze für innovative Regelungstechniken zu finden, führen wir grundlegende Forschung an einem two-wheeled inverted pendulum robot (TWIPR, siehe Bild) durch. Mit deiner Abschlussarbeit wirst du den TWIPR um eine zusätzliche Pendelstange erweitern, die mit einem nichtstarren Gelenk befestigt ist und komplexe nichtlineare Systemdynamik erzeugt. Zudem implementierst du fortschrittliche Regler zur Stabilisierung des modifizierten TWIPR. Mit deiner Arbeit trägst du zur Entwicklung zukünftiger Regelungsmethoden bei.

The automated detection of bearing damage is a highly researched field. While classical approaches detect bearing damage by vibration measurements, these are not usable for applications e.g. in the automotive sector due to the large disturbing influences. An alternative is the detection of bearing damage based on currents of an electric motor or generator, which has been little investigated so far.

Main tasks

• Literature research on the state of the art for the detection of bearing damage by means of motor currents
• Conception and training of a ML-model for the detection of bearing damages
• Evaluation and comparison with state of the art methods

Prerequisites

• Basic programming knowledge 
• Basic Python and PyTorch knowledge
• Previous knowledge/experience in the area of Machine Learning desirable

This work is part of the RekuTrax project and is carried out in close cooperation with the industrial partners BPW and RefuDrive as well as KIT.

Currently, truck trailers are cooled by a diesel generator. In order to reduce CO2 emissions and transport costs, research is being conducted into hybrid systems that draw most of the required energy from a battery in combination with a generator. These systems need a control system that minimizes CO2 emissions while ensuring the supply security of the genset at all times. The goal of this work is to design such a control system.

Main tasks

• Literature research on the state of the art
• Implementation of an energy demand model of a refrigerated trailer in Matlab/Simulink
• Design of a control strategy for the refrigerated trailer

Prerequisites

• Basic programming knowledge 
• Previous knowledge/experience in Matlab/Simulink desirable

This work is part of the RekuTrax project and is carried out in close cooperation with the industrial partners BPW and RefuDrive as well as KIT.

Many application domains require controlling the output of a system despite unknown, nonlinear dynamics such that it tracks a desired reference signal for a finite duration of time. In prior work (https://youtu.be/tttkFFD81Qw), we have developed a method named Automatic Neural ODE Control (ANODEC) that can efficiently design neural ODE feedback controllers from input-output data. However, ANODEC has a single data collecting phase and the amount of required data must be known a-priori. In this thesis, we aim to overcome this limitation by developing an iterative version of ANODEC. This further poses two new challenges: Firstly, the exploreexploit tradeoff must be balanced, secondly, safe operation of the intermediate controllers must be guaranteed.