StudiumStudien- und Abschlussarbeiten
Aktuell ausgeschriebene studentische Arbeiten

MODELLIERUNG DER MOMENTENAUFTEILUNG IN EINEM PHEV

Bereich Betreuer Art 
Identifikation & RegelungDaniel FinkStudien- 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 & RegelungDaniel FinkStudien- 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 & 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-/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.