BILDBASIERTE SCHÄTZUNG DER SPIRALFORM DER MENSCHLICHEN COCHLEA
| Bereich | Betreuer | Art |
|---|---|---|
| Medizintechnik & Bildverarbeitung | Max Laves | Studien- oder Masterarbeit |
Motivation
Das menschliche Innenohr hat eine komplizierte Spiralform, die oft mit Schalen von Weichtieren verglichen wird, insbesondere der Nautilusschale. Die Annahme über die Form hat viele funktionelle Hörtheorien inspiriert, doch die Gründe für diese komplexe Geometrie sind nach wie vor ungeklärt.
Im Rahmen dieser Arbeit soll ein Algorithmus entwickelt werden, der bestimmte Landmarken und Messpunkte auf mikroskopischen Aufnahmen von Abformungen menschlicher Cochleae automatisch lokalisiert. Ein Datensatz mit händischen Annotationen ist am VIANNA (Prof. Andrej Kral) verfügbar (siehe Bild). Moderne Methoden des maschinellen Lernens können für diesen Zweck eingesetzt werden. Die Arbeit wird in enger Zusammenarbeit mit Prof. Kral durchgeführt.
Stichworte: Bildverarbeitung, Medizintechnik, Machine Learning
Die Aufgabe beinhaltet insbesondere folgende Punkte:
- Literaturrecherche
- Datenaufbereitung
- Erstellung einer Methode zur Erkennung der anatomischen Landmarken auf Cochlea-Abformungen
- Evaluation der Methode
- Dokumentation
Voraussetzungen:
- Kenntnisse in Programmierung (z.B. Python, Matlab) und Bildverarbeitung notwendig
- Kenntnisse im Umgang mit PyTorch, TensorFlow, Scikit-Image, OpenCV (o.ä.) von Vorteil
- Hohe Motivation und selbstständiges wissenschaftliches Arbeiten
- Spaß und Kreativität beim Umgang mit technischen Fragestellungen
MODELLIERUNG DER MOMENTENAUFTEILUNG IN EINEM PHEV
| Bereich | Betreuer | Art |
|---|---|---|
| Identifikation & Regelung | Daniel Fink | Studien- oder Masterarbeit |
Beschreibung
Um für die assistierten Fahrzeuglängsführung eine optimierte Geschwindigkeitstrajektorie zur Effizienzsteigerung zu planen ist im Optimierungsprozess das Antriebsmoment des Fahrzeugs modellbasiert zu prädizieren. Bei Plug-In-Hybrid-Elektrischen-Fahrzeugen (PHEV) wird das erforderliche Antriebsmoment steuerungsintern auf die beiden Antriebe aufgeteilt. Diese Momentenaufteilung gilt es im Rahmen dieser Arbeit bestmöglich zu modellieren.
Aufgaben
- Literaturrecherche zu Black- und Greybox Modellierungsmethoden
- Ermittlung erforderlicher Messgrößen zur Modellbildung
- Planung und Durchführung von Testfahrten zur Aufzeichnung geeigneter Messdaten
- Modellierung der Momentenaufteilung mit verschiedenen Ansätze
- Aufbau von Modellen und Anlernen neuronaler Netzen
- Vergleich der verschiedenen Modellierungsansätze
- Validierung der Modellen anhand aufzunehmender Messdaten
Voraussetzungen
- Führerschein (Klasse B)
- Sehr gute MATLAB-Kenntnisse
- INCA–Kenntnisse wünschenswert
- Vorkenntnisse im Bereich der Fahrzeugmechatronik
- Selbstständige und verantwortungsvolle Arbeitsweise
LONGRANGEOPTIMIERUNG DER FAHRZEUGLÄNGSGESCHWINDIGKEIT
| Bereich | Betreuer | Art |
|---|---|---|
| Identifikation & Regelung | Daniel Fink | Studien- oder Masterarbeit |
Beschreibung
Um bei der assistierten Fahrzeuglängsführung eine vorausschauende Fahrweise zu gewährleisten und dabei gleichzeitig den individuellen Fahrerwunsch im Zielkonflikt eines geringen Energiebedarfs und einer kurzen Fahrtdauer zu berücksichtigen, bietet es sich an Streckeninformationen des bevorstehenden Routenabschnittes (Longrange) sowie Fahrzeugführungspräferenzen des Fahrers zu berücksichtigen. Im Rahmen dieser Arbeit soll ein Verfahren entwickelt werden, mit dem eine Fahrzeuggeschwindigkeitstrajektorie geplant und optimiert werden kann. Dazu sollen verschiedene Optimierungsmethoden vergleichen und am Fahrzeug implementiert werden.
Aufgaben
Literaturrecherche
- Einarbeitung in Fahrzeug- und Energiebedarfsmodelle sowie deren Erweiterung
- Analyse, Umsetzung und Vergleich verschiedener Optimierungsverfahren
- Untersuchung verschiedener Kostenfunktionsansätze
- Validierung der Verfahren und Modelle anhand von Messdaten
- Implementierung einer prototypischen Longrangeoptimierung am Fahrzeug
Voraussetzungen
- Führerschein (Klasse B)
- Sehr gute MATLAB-Kenntnisse
- INCA–Kenntnisse wünschenswert
- Vorkenntnisse im Bereich der Fahrzeugmechatronik
- Selbstständige und verantwortungsvolle Arbeitsweise
REINFORCEMENT LEARNING ZUR AUFSCHWINGREGELUNG & STABILISIERUNG EINES INVERSEN DOPPELPENDELS
| Bereich | Betreuer | Art |
|---|---|---|
| Identifikation & Regelung | Zygi Ziaukas | Masterarbeit |
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
