Donnerstag, 04. April 2024
Machine Learning-gestützte Dimensionierung von E-Maschinen für Nutzfahrzeuge
Thema und Ziel der Arbeit
Die direkte Abhängigkeit des Getriebe- und somit auch des Gesamtantriebskonzeptes von den Eigenschaften der E-Maschine, macht eine holistische Optimierung auf der Systemebene unerlässlich.
Da die Performance und das Design der E-Maschine von vielen Faktoren abhängig sind, soll im Rahmen der Abschlussarbeit eine kombinierte Methode entwickelt werden, die die klassische Motorauslegung mit Machine Learning kombiniert.
Der Umfang wird an die Art der Arbeit angepasst
Arbeitspunkte
- Markt-, Literatur- & Patentrecherche
- Übersicht von aktuellen Methoden zur E-Motorauslegung und deren Integration in die holistische Antriebsauslegung
- Ausarbeitung und Implementierung eines ML-Algorithmus zur Prädiktion der Motoreigenschaften im Nfz-Bereich basierend auf existierenden E-Maschinen für Nfz, Pkw und Rennwagen
- Einarbeitung in ika-Entwicklungsumgebung
- Vergleich der Ergebnisse der Machine Learning-gestützten bzw. datenbasierten Grobdimensionierung mit der modellbasierten Auslegung
Anforderungen
- Interesse an der Entwicklung und der Elektrifizierung von Mobilitätskonzepten
- Zuverlässigkeit, Engagement und Motivation
- Erste Erfahrung in Matlab / Python von Vorteil
Hinweis: Bitte kurzen Lebenslauf und eine Notenübersicht anhängen.
Kontakt
Anna Rozum M.Sc.
+49 241 80 25704
E-Mail
Art der Arbeit
Bachelorarbeit, Masterarbeit
Beginn
ab sofort
Vorkenntnisse
–
Sprache
Deutsch, Englisch
Forschungsbereich
Energiemanagement & Antriebe