KNESTEL entwickelt und produziert seit 40 Jahren kundenspezifische elektronische und mechatronische Sonderlösungen. Unsere Schwerpunkte liegen dabei in den Bereichen Hard- und Software, Bildverarbeitung, MSR-Technik, Spurengasanalytik, Bussysteme und Funk. Das Leistungsspektrum reicht von der Idee bis zur Umsetzung in einer technisch hochmodernen ausgestatteten Produktion für den Geräte- und Schaltschrankbau, die Baugruppenfertigung, die Montage sowie die mechanische Bearbeitung.
Darum geht’s:
Ziel der Arbeit ist es, einen „Virtuellen Geber“ zu entwickeln, der mit Hilfe von Machine-Learning-Algorithmen die für die Regelung elektrischer Antriebe erforderlichen Größen (z. B. Drehzahl, Rotorposition) zuverlässig ermittelt. Darüber hinaus soll das System eine hohe Adaptivität aufweisen, sodass es sich auf unterschiedliche Motortypen übertragen lässt. Hierzu ist vorgesehen, Mechanismen zu implementieren, die ein automatisiertes Anlernen neuer Motoren sowie eine selbstständige Ermittlung und Anpassung der relevanten Modell- und Regelungsparameter ermöglichen.
Was dich erwartet:
- Analyse sensorloser Regelungs- und Beobachterkonzepte
- Auswahl geeigneter Machine-Learning-Algorithmen (z. B. neuronale Netze)
- Entwicklung eines ML-basierten virtuellen Gebers zur Bestimmung von Drehzahl und Rotorposition
- Aufbau einer Simulationsumgebung (MATLAB/Simulink, Python)
- Training und Validierung des Modells anhand simulierter und gemessener Daten
- Implementierung von Adaptivitätsmechanismen für unterschiedliche Motortypen
- Vergleich der Regelgüte mit klassischen Sensorkonzepten
Was du mitbringst:
- Grundwissen in elektrischer Antriebstechnik und Regelungstechnik
- Erfahrung mit Python und MATLAB / Simulink
- Kenntnisse in Machine Learning / Künstlicher Intelligenz (z.B. neuronale Netze)
- Programmierkenntnisse in C / C++
- Analytisches Denken und Interesse an praxisnaher Forschung
Was du studierst:
- Elektro- und Informationstechnik
- Mechatronik
- Informatik