StudiumStudien- und Abschlussarbeiten
Aktuell ausgeschriebene studentische Arbeiten

FAHRERPROFILANALYSE IM KONTEXT ENERGIEOPTIMALER FAHRWEISE

Bereich Betreuer Art 
Identifikation & RegelungDaniel FinkStudien- oder Masterarbeit

Beschreibung

Für die teilautomatisierte Längsführung von Kraftfahrzeugen bietet die Planung und Optimierung einer Geschwindigkeitstrajektorie erhebliches Potential zur Steigerung der Energieeffizienz. Hierbei gilt es innerhalb des Optimierungsprozesses zwischen einer kurzen Fahrtdauer und einem niedrigen Energieaufwand abzuwägen. Im Rahmen dieser Arbeit soll analysiert werden inwieweit sich der allgemeine Fahrerwunsch in diesem Zielkonflikt berücksichtigen lässt. 

Aufgaben

  • Literaturrecherche zu Fahrerprofilanalysen
  • Ermittlung erforderlicher Messgrößen zur Erfassung individueller Fahrerprofile
  • Umsetzung und Implementierung einer Messdatenaufnahme
  • Durchführung von Testfahrten zur Aufzeichnung von Messdaten
  • Methodische Analyse der Messdaten zur Definition von Fahrerprofile
    • Anlernen von Modellen und/oder neuronaler Netze
  • Validierung der Methoden durch Rekonstruktion von Fahrerprofilen aus Messdaten
  • Implementierung einer online Fahrerprofilanalyse auf Basis der validierten Modelle

Voraussetzungen

  • Führerschein (Klasse B)
  • Sehr gute MATLAB-Kenntnisse
  • INCA–Kenntnisse wünschenswert   
  • Vorkenntnisse im Bereich der Fahrzeugmechatronik 
  • Selbstständige und verantwortungsvolle Arbeitsweise

 Hinweis

  • Die Arbeit wird voraussichtlich in Kooperation mit der IAV durchgeführt

REINFORCEMENT LEARNING ZUR AUFSCHWINGREGELUNG & STABILISIERUNG EINES INVERSEN DOPPELPENDELS

Bereich Betreuer Art 
Identifikation & RegelungZygi ZiaukasMasterarbeit

Aufgabe:

Zu Demonstrationszwecken in Forschung und Lehre wurde am Institut für Mechatronische Systeme ein inverses Pendel gebaut und in Betrieb genommen. Inzwischen sind einige Funktionen wie das Balancieren in der oberen, instabilen Gleichgewichtslage und eine Aufschwingregelung für Einfach- & Doppelpendel implementiert worden. Hierfür kommen überwiegend modellbasierte Methoden zum Einsatz. Im Rahmen dieser Masterarbeit sollen darüber hinaus Methoden des maschinellen Lernens untersucht werden. Besonders das Reinforcement Learning stellt sich als vielversprechender Ansatz für die Regelung heraus.

 

Arbeitspunkte:

  • Einarbeitung in den Prüfstand und in das vorhandene Simulationsmodell
  • Umsetzung einer Reinforcement Learning Umgebung anhand des Simulationsmodells & Validierung der Ergebnisse
  • Übertragung der Umgebung auf den realer Prüfstand & Validierung der Ergebnisse

 

Voraussetzungen:

  • Vorkenntnisse in Matlab/ Simulink 
  • Vorkenntnisse mit Methoden des maschinellen Lernens wünschenswert
  • Gute Programmierkenntnisse

AKTUELLE MASTERARBEIT (KOOPERATION MIT DAX-UNTERNEHMEN)

Bereich Betreuer Art 
Medizintechnik & BildverarbeitungMax-H. LavesMasterarbeit

Bildbasierte Bauteilklassifikation mit Deep Learning für die Instandhaltung von Investitionsgütern

Motivation

Die Reparatur und Instandhaltung von wertvollen und komplexen Investitionsgütern (z.B. Maschinen, Anlagen, Turbinen, Windräder) ist für produzierende Wirtschaftsunternehmen von großer Bedeutung. Eine wichtige Voraussetzung für die Instandhaltung ist die Erkennung defekter Bauteile. Dieser langwierige Prozess erfordert ein hohes Maß an Expertenwissen.

Im Rahmen dieser Arbeit sollen Bauteile mittels bildbasiertem Deep Learning klassifiziert werden, um ihren Zustand automatisch zu analysieren. Nach einer Literaturrecherche für geeignete Verfahren sollen die Daten eines Projektpartners (DAX-Unternehmen) aufbereitet werden. Ein Machine-Learning-Modell soll implementiert und trainiert werden. Abschließend soll das Modell unter produktionsnahen Bedingungen beim Projektpartner evaluiert werden. Voraussetzung für diese Arbeit sind eigene Vorarbeiten im Bereich des Machine Learnings.

Stichworte: Bildverarbeitung, Machine Learning, Bauteilprüfung

Die Aufgabe beinhaltet insbesondere folgende Punkte:

  • Literaturrecherche
  • Datenaufbereitung
  • Erstellung einer Bauteilklassifikation im Bereich der Reparaturentwicklung
  • Evaluation beim Projektpartner

ENTWICKLUNG EINER SCHLUPFSCHÄTZUNG FÜR DIE SENSORDATENFUSION ZUR BESCHLEUNIGUNGSERMITTLUNG (EXTERN: IAV-GIFHORN)

Bereich Betreuer Art 

Fahrzeuglängsdynamikregelung & Prädiktion

Identifikation & Regelung

Dr.-Ing Christoph Schweers (IAV)

Daniel Fink, M.Sc. (imes)

Studien-/Bachelor-/Masterarbeit

Thema: Entwicklung einer Schlupfschätzung für die Sensordatenfusion zur Beschleunigungsermittlung (extern: IAV-Gifhorn)

 

Motivation

Für die Regelung der Fahrzeuglängsbeschleunigung im Zusammenhang mit Assistenzfunktionen wie Adaptive Cruise Control (ACC) ist eine genaue Kenntnis der Beschleunigung über Grund erforderlich. Hierfür stehen verschiedene Sensor- und Modellsignale zu Verfügung wie ein Beschleunigungssensor, Raddrehzahlsensoren, E-Maschinendrehzahlen und Modellbeschleunigungen, deren Signale unterschiedlichen Störungen unterliegen und diverse Einschränkungen in unterschiedlichen Arbeitspunkten aufweisen. In aktuellen Fahrzeugprojekten wird auf Basis dieser Eingangssignale mittels Sensordatenfusion ein Beschleunigungs- und Geschwindigkeitssignal ermittelt, das für unterschiedliche Assistenzsysteme im Bereich der Geschwindigkeits- und Beschleunigungsregelung genutzt wird.

Aufgabe 

Zur Verbesserung der Signalgüte des fusionierten Beschleunigungs- und Geschwindigkeitssignals soll in dieser Arbeit die aktuelle Schlupfschätzung der vier zu Verfügung stehenden Raddrehzahlinformationen weiterentwickelt werden. Auf deren Basis gilt es eine Anpassung des bestehenden Sensordatenfusionsalgorithmus durchzuführen. Hierbei ist sowohl die aktuelle Struktur zu überarbeiten als auch eine neue Parametrierung des Fusionsalgorithmus zu erstellen.

REGELUNG ZUR EFFIZIENZSTEIGERUNG VON INDUSTRIELLEN GLEICHSTROMNETZEN

Bereich Betreuer Art 
Regelung zur Effizienzsteigerung von industriellen Gleichstromnetzen Elias Knöchelmann Studien-/ Bachelor-/ Masterarbeit

Thema

Durch die Umwandlung des industrietypischen Drehstromnetzes in ein Gleichstromnetz kann die Energieeffizienz in der Produktion und die Flexibilität im Hinblick auf schwankende Energieangebote erhöht werden. Die Erarbeitung einer Lösungsstrategie zur energie-/ kostenoptimale Regelung eines DC-Netzes ist Ziel des Projektes. Nach  Absprache können verschiedene Aufgaben vergeben werden (siehe Anhang). 

STATISTICAL SHAPE MODEL DES HALS-RACHEN-RAUMS

Bereich Betreuer Art 
Medizintechnik & BildverarbeitungSontje Ihler Studien-/ Bachelor-/ Masterarbeit

Thema

Im Rahmen eines EU-Projektes soll ein anatomiegerechtes Laryngoskop entwickelt werden. Hierfür soll als Basis ein statistisches Form-Modell des Larynx auf Basis von segmentierten CT-Daten trainiert werden. Statistische Formmodelle sind ein interessantes Instrument in der medizinischen Bildverarbeitung, da sie die vielfältigen, individuellen Form-Eigenschaften einer anatomischen Struktur in ihrer Ähnlichkeit und ihrer Variabilität innerhalb einer Patientengruppe vereinen und abbilden können. Diese Arbeit gibt neben der medizinischen Bildverarbeitung auch Einblicke in die Mustererkennung und Klassifizierung.