Studien-/Abschlussarbeit: Lager- und Schraubendiagnose mit smarter Unterlegscheibe und Edge AI

Ausschreibung für die Fachrichtungen wie z. B.: Automatisierungstechnik, Informatik, Kybernetik, Luft- und Raumfahrttechnik, Maschinenbau, Mechatronik, Physik, Softwareengineering, technische Informatik oder vergleichbare.

In industriellen Antrieben und Energieanlagen, wie etwa in Seilbahnen oder Generatoren, führen unentdeckte Wälzlagerschäden und sich lösende Schraubenverbindungen schnell zu kritischen Sicherheitsrisiken und teuren, ungeplanten Stillständen. Um solche Fehler frühzeitig zu detektieren, entwickeln wir gemeinsam mit Industriepartnern eine KI-gestützte Zustandsüberwachung (Condition Monitoring). Als kostengünstiger und robuster Sensor dient dabei eine kraftmessende, intelligente Unterlegscheibe, deren Signale direkt vor Ort auf energiesparenden Mikrocontrollern ausgewertet werden.

Im Rahmen Ihrer Abschlussarbeit untersuchen Sie, ob eine solche im Kraftfluss eines Lagerbocks platzierte Unterlegscheibe hochfrequente Lagerschäden an einem Generator zuverlässig erkennt und gleichzeitig, getrennt davon, den Vorspannzustand ihrer eigenen Verschraubung gemäß VDI 2230 überwachen kann. Um den hohen Bedarf an aufwendig gelabelten Prüfstandsdaten zu senken, nutzen Sie domänenspezifisches Physikwissen und numerische Simulationen. Sie spannen dabei den Bogen von der theoretischen Modellierung über praktische Versuche an einem vorhandenen E-Motor- und Lagerprüfstand (inklusive kleinerer konstruktiver Anpassungen) bis hin zur finalen Implementierung der KI-Modelle auf dem Mikrocontroller.

Hier sorgen Sie für Veränderung

• Simulation: Modellierung und Simulation von typischen Wälzlager-Schadenssignalen in MATLAB inklusive eines physikalischen Sensormodells der kraftmessenden Unterlegscheibe unter Berücksichtigung der Schraubenberechnung nach VDI 2230

• Prüfstand und Konstruktion: Mechanische und messtechnische Integration der Sensorscheibe in einen vorhandenen E-Motor-/Lagerprüfstand (inkl. kleinerer konstruktiver Anpassungen) sowie Durchführung von Messkampagnen mit vorgeschädigten Lagern und variierenden Schraubenvorspannkräften

• Modellentwicklung: Entwurf von Physics-Informed Machine Learning Modellen, die physikalisches Vorwissen und synthetische Simulationsdaten nutzen, sowie deren Transfer auf die realen Sensordaten des Prüfstands

• Edge-Integration: Portierung und Optimierung der trainierten Modelle für einen energieeffizienten STM32-Mikrocontroller sowie systematische Evaluation hinsichtlich Speicherbedarf, Latenz und Energieverbrauch

Hiermit bringen Sie sich ein

• Gültige Immatrikulation im Masterstudium der Fachrichtung Maschinenbau, Mechatronik, Elektrotechnik, Informatik oder eines vergleichbaren Studiengangs innerhalb Deutschlands/der EU

• Fundierte Grundlagen in der digitalen Signalverarbeitung sowie im Bereich Machine Learning mit Python und/oder MATLAB

• Freude an praktischer Versuchsarbeit am Prüfstand sowie Grundverständnis für konstruktive Zusammenhänge und Maschinenelemente (z.B. Schraubenverbindungen nach VDI 2230, Wälzlager)

• Strukturierte und eigenständige Arbeitsweise sowie gute Deutsch- oder Englischkenntnisse

Was wir für Sie bereithalten

• Vielseitige Aufgaben in der angewandten Forschung und aktive Mitarbeit in einem laufenden Verbundprojekt mit Industriepartnern

• Hervorragende technische Ausstattung mit direktem Zugriff auf einen E-Motor-/Lagerprüfstand, moderne Messtechnik, eine leistungsstarke GPU-Workstation und Mikrocontroller-Boards

• Enge fachliche Betreuung durch wissenschaftliche Mitarbeitende mit dem klaren Ziel einer gemeinsamen wissenschaftlichen Veröffentlichung

• Freundliches und engagiertes Team

Die Vergütung erfolgt je nach Qualifikation.

Wir wertschätzen und fördern die Vielfalt der Kompetenzen unserer Mitarbeitenden und begrüßen daher alle Bewerbungen – unabhängig von Alter, Geschlecht, Nationalität, ethnischer und sozialer Herkunft, Religion, Weltanschauung, Behinderung sowie sexueller Orientierung und Identität. Schwerbehinderte Menschen werden bei gleicher Eignung bevorzugt eingestellt. Unsere Aufgaben sind vielfältig und anpassbar – für Bewerber*innen mit Behinderung finden wir gemeinsam Lösungen, die ihre Fähigkeiten optimal fördern.

Mit ihrer Fokussierung auf zukunftsrelevante Schlüsseltechnologien sowie auf die Verwertung der Ergebnisse in Wirtschaft und Industrie spielt die Fraunhofer-Gesellschaft eine zentrale Rolle im Innovationsprozess. Als Wegweiser und Impulsgeber für innovative Entwicklungen und wissenschaftliche Exzellenz wirkt sie mit an der Gestaltung unserer Gesellschaft und unserer Zukunft.

Bereit für Veränderung? Dann bewerben Sie sich jetzt, und machen Sie einen Unterschied! Nach Eingang Ihrer Online-Bewerbung erhalten Sie eine automatische Empfangsbestätigung. Dann melden wir uns schnellstmöglich und sagen Ihnen, wie es weitergeht.

Frau Jennifer Leppich

Recruiting

+49 711 970-1415

jennifer.leppich@ipa.fraunhofer.de

Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA

www.ipa.fraunhofer.de

Kennziffer: 86145 Bewerbungsfrist: