Elektrische Antriebe stehen im Zentrum der modernen Mechatronik, und die Branche bewegt sich zunehmend in Richtung sensorloser Regelung, um Rotorpositionen mithilfe von Software statt durch physische Sensoren zu schätzen. Diese Abschlussarbeit untersucht, wie Künstliche Intelligenz und neuronale Netze traditionelle Regelungsarchitekturen grundlegend weiterentwickeln können. Ziel ist es, fortschrittliche Konzepte neuronaler Netze zu erforschen und zu entwerfen, die Regelungs- und Schätzaufgaben erlernen. Durch die Abbildung von Systemmessgrößen auf Regelungszustände soll diese Forschung den Weg für die nächste Generation intelligenter, softwaredefinierter Regelung elektrischer Antriebe ebnen.
Während Ihrer Abschlussarbeit erwerben Sie ein fundiertes Verständnis der physikalischen Modelle elektrischer Antriebe (z. B. elektrische Maschinen, Wechselrichter) sowie der Simulationsumgebung. Sie analysieren aktuelle Ansätze aus dem Bereich Machine Learning und neuronale Netze, die auf die sensorlose Regelung elektrischer Antriebe angewendet werden. Darüber hinaus entwickeln Sie neuartige KI-basierte Regelungsarchitekturen und untersuchen sowohl modulare als auch End-to-End-Designs neuronaler Netze. Sie implementieren, testen und validieren Ihre Regelungsalgorithmen mithilfe hochpräziser Simulationsmodelle elektrischer Antriebe. Abschließend dokumentieren Sie Ihre Methodik, analysieren die Ergebnisse und präsentieren Ihre Erkenntnisse dem Entwicklungsteam.
