Marco Hopper 2 allows to compare bioinspired control strategies and designs. In this thesis, the potential of Pneumatic Artificial Muscles (PAM) and motor-muscle collaboration will be explored

Ziel dieser Arbeit ist es Methoden zur Identifikation, Analyse, Extraktion und Synthese von relevanten Informationen aus vorhanden Signalen zu untersuchen, um bestmöglich das reale Systemverhalten abzubilden. Die zu erstellenden Ansätze sollen an den Beispielen des Lenk- sowie Feder-Dämpfer-Systems eines Tesla Model 3 entworfen und anhand von Messdaten getestet und validiert werden.

Ziel dieser Arbeit ist die Erweiterung eines bestehenden Algorithmus, um repräsentative betriebsfestigkeitsbezogene Fahrzyklen für den Antriebsstrang eines Tesla Model 3 zu generieren. Dafür soll eine Methode entwickelt werden, um auf Basis von realen Lastkollektiven eines Tesla Model 3 realistische Transitionen zwischen den Fahrzuständen zu erzeugen. Diese Methode soll für unterschiedliche Antriebsstrangkomponenten des Elektrofahrzeugs anwendbar.

Am IMS werden magnetgelagerte Schwungmassenspeicher entwickelt und aufgebaut. Um die Betriebsfestigkeit der Schwungmasse aus kohlefaserverstärktem Kunststoff (CFK) zu untersuchen, wurde ein Dauerlaufprüfstand aufgebaut. Bei diesem wird durch eine aktiv magnetgelagerte Spindel ein CFK-Probekörper im Vakuum zyklisch auf 30.000 U/min beschleunigt und wieder abgebremst.

Die Zugscheibe des axialen Magnetlagers konnte hierbei nicht geblecht ausgeführt werden, sodass Änderungen des magnetischen Flusses starke Wirbelströme zur Folge haben. Wirbelströme verschlechtern die Performance der axialen Positionsregelung und führen zu einer starken Rotorerwärmung. Daher ist es Ziel der Arbeit einen Positionsregler zu entwerfen der das dynamische Verhalten des Rotors und die Wirbelströme berücksichtigt sowie die rotorseitigen Verluste minimiert. Der Regler soll anschließend am Prüfstand implementiert und getestet werden.

Ziel dieser Arbeit ist es, verschiedene Ansätze analytischer oder numerischer Methoden einer Modellierungsstrategie zu bewerten und eine Auswahl von Lösungen zu implementieren um eine fundierte Entscheidungsbasis zu gewinnen.

In einem zum Test von Fanglagern entwickelten Prüfstand werden die Kräfte nur an einem von sechs Fanglagerelementen gemessen. Um zu beurteilen, ob die Kräfte auf die anderen Lager unzulässig hoch sind, soll eine Verfahren entwickelt werden, mit dem die Kräfte aus anderen Sensordaten (Positions-, Temperatur-, Drehzahlsensoren) berechnet oder abgeschätzt werden können.

Es wird erwartet, dass die Kräfte während eines Rotorbsturzes durch zusätzliche Feder-Dämpfer-Elemente wie zum Beispiel einen Toleranzring reduziert werden. Daher soll im Rahmen der Arbeit ein Modell für Toleranzringe in ANEAS implementiert werden und Validierungsversuche durchgeführt werden.

Im Rahmen dieses ARPs soll eine Literatur- und Patentrecherche zum Thema Fanglager durchgeführt werden. Zum einen sollen verschiedene Bauformen recherchiert werden. Zum anderen soll ein Überblick über verschiedene Klassen von Feder-Dämpfer-Elementen, die in Fanglagern eingesetzte werden, erarbeitet werden. Ggf. soll ein Modell für die Simulation von Toleranzblechen erstellt werden.

Im Rahmen dieses ADPs soll ein Lager konstruiert werden, bei dem die Aktoren mit der Welle mitrotieren. Ein besonderer Fokus soll hierbei auf der Energieversorgung der Aktoren liegen. Es soll untersucht werden, ob eine Versorgung über Eigeninduktion möglich ist.

Zur Darstellung der Akustik in einem ein Fahrzeugsimulator zur Abbildung längsdynamischer Fahrmanöver sollen den Probanden in Echtzeit Fahrgeräusche eingespielt werden. Eine Methode zur Generierung der Fahrgeräusche in Matlab/Simulink ist bereits in Grundzügen vorhanden. Ziel dieser Arbeit ist es, die Methode zu optimieren, in Betrieb zu nehmen sowie eine Datenbasis für verschiedene Fahrgeräusche aufzubauen.

Ziel dieser Arbeit ist es, die Virtuelle Realität des am IMS entwickelten Fahrsimulators Driveception – einer Testumgebung zur Bewertung und Beurteilung von längsdynamischen Fahrmanövern – zu optimieren. Dazu sollen anhand einer Literaturrecherche die wichtigsten Aspekte für ein gutes Realitätsempfinden gesammelt und daraus ein konkretes Konzept entwickelt werden. Eine Auswahl der erarbeiteten Ideen soll am Fahrsimulator umgesetzt werden.

Im Rahmen des Forschungsverbundes Fahrzeug 5.0 forscht das IMS an verschiedenen Verfahren, um Fahrzeugantriebe basierend auf individuellen und flottenbezogenen Fahrdaten zu optimieren. Die Aufgabengebiete befassen sich mit Themen der Fahrzeugsimulation, der Optimierung, Big Data und des Machine-Learning. In diesem Themenkomplex sind regelmäßig arbeiten zu vergeben.

Ziel der Abschlussarbeit ist es, eine Methodik zu entwickeln, mit der die Komponenten von Planetenautomatgetrieben automatisiert vorausgelegt werden können.

Die Arbeit wird in Zusammenarbeit mit einem Industriepartner durchgeführt

Der Wirkungsgrad des Fahrzeuggetriebes ist aufgrund der steigenden Anforderungen an die Reduktion des Energieverbrauchs ein Forschungsschwerpunkt. Ihre Vorhersage mittels mathematischer Modelle ermöglicht einen effizienteren Entwicklungsprozess. Oft ist die Qualität der Vorhersage aber unklar. Ziel der Arbeit ist es daher, die aktuellen Modelle intelligent zu optimieren. Dazu sollen die unsicheren Parameter durch Parametersensitivität analysiert werden.

Mit dem Car-in-the-Loop-Prüfstand wird das Fahrzeugverhalten unter realen Lastbedingungen simuliert. Im Rahmen dieser Arbeit soll eine Regelung für den Bremsmotor implementiert werden, die einer Solldrehzahl genau folgt und unerwünschte Vibrationen reduziert. Dafür ist ein Modell für die Regelung erforderlich.

Am IMS werden selbstlernende Regelungsalgorithmen für die Fahrzeuglängsdynamik entwickelt, die eine intelligente, autonome Fahrzeugbewegung ermöglichen sollen. Diese Algorithmen sind im Feld des Machine Learning eingeordnet und bieten das Potential, im simulativen Trainingsbetrieb eine Kontrollstrategie selbstständig zu erlernen. Eine Klasse von Algorithmen sind neuroevolutionäre Ansätze, deren Eignung für diesen Anwendungsfall im Rahmen dieser Arbeit untersucht werden soll.

Im Rahmen der Energiewende leistet die Entwicklung effizienter Systeme ein wichtigen Beitrag. Im Fall von Robotern kann beispielsweise durch eine optimale Wahl der Kombination aus Motor und Getriebe ein hoher Wirkungsgrad bei geringem Gewicht erreicht werden, was aber unter Umständen zu einem Zielkonflikt führt.

Im Rahmen dieser Arbeit soll die Wahl optimaler Gelenkaktoren als Optimierungsproblem für einen Roboter implementiert und untersucht werden.

Am IMS werden selbstlernende Regelungsalgorithmen für die Fahrzeuglängsdynamik entwickelt, die eine intelligente, autonome Fahrzeugbewegung ermöglichen sollen. Diese Algorithmen sind im Feld des Machine Learning eingeordnet und bieten das Potential, im simulativen Trainingsbetrieb eine Kontrollstrategie selbstständig zu erlernen. In diesem Zusammenhang soll eine Verkehrsumgebung konzipiert und entwickelt werden, die ein möglichst effizientes Training ermöglicht.