Masterarbeit: Entwicklung von Machine Learning basierten Ersatzmodellen zur Vorhersage der Ringwanderneigung von Wälzlagern in WEA-Getrieben

Der Chair for Wind Power Drives erforscht das Verhalten von Antriebssystemen in modernen Multimegawatt-Windenergieanlagen. Forschungsziele sind die Steigerung der Verfügbarkeit, der Robustheit und der Energieeffizienz der Windenergieanlagen (WEA) sowie die Senkung der Stromgestehungs-kosten. Hierzu werden Software-Entwicklungswerkzeuge und moderne Systemprüfstände im Verbund eingesetzt.

Die Reduktion der schadensbedingten Stillstandzeiten ist eine Möglichkeit zur Senkung der Stromgestehungskosten. Die längsten Stillstandzeiten resultieren aus Getriebeschäden, die häufig auf Lagerschäden zurückzuführen sind. Im Forschungsprojekt „WEA-RiWa“ wird das Planetenträgerlager hinsichtlich Schäden aufgrund von Ringwandern untersucht. Ringwandern ist die Bewegung eines Wälzlagerrings relativ zum Gehäuse (oder alternativ zur Welle) und wird wesentlich durch die Wälzkörperkräfte sowie Deformation des Lagersitzes beeinflusst.

Zur simulativen Untersuchung von Ringwandern mittels Finite Elemente Methode (FEM) wird derzeit ein rechenintensives Getriebe-Modell verwendet. Mit diesem FEM-Modell soll eine Datenmenge erzeugt werden, um ein Machine Learning (ML) Modell zur Vorhersage des Ringwanderverhaltens zu trainieren.

Das Ziel der Masterarbeit ist ein funktionsfähiges ML-Modell, mit dem das Ringwanderverhalten neuer Designvarianten hinreichend genau vorhergesagt werden kann.

Aufgaben:

• Erstellung eines simulativen Versuchsplans mittels Design of Experiment (DoE)
• Ausführung des Versuchsplans mit dem vorhandenen FEM-Modell
• Postprocessing zur Aufbereitung der Simulationsergebnisse
• Identifizierung und Training von geeigneten Machine Learning Modellen
• Bewertung der Modellgenauigkeit durch Abgleich mit Simulationsergebnissen

Voraussetzung:

• Motivation zu selbstständigem und eigenverantwortlichem Arbeiten
• Bereitschaft sich eigenständig in neue Themengebiete einzuarbeiten
• Vorkenntnisse im Bereich FEM (Abaqus) und/oder Programmierung (Python/Matlab) vorteilhaft

Wir bieten:

• Angenehmes Arbeitsklima und intensive Betreuung
• Flexible Arbeitszeiten und Möglichkeit zum Arbeiten im Homeoffice
• Kontakt zur Industrie und Zusammenarbeit mit anderen Forschungsstätten
• Möglichkeit zur anschließenden Tätigkeit am Institut als Wissenschaftlicher Mitarbeiter
• Sofortiger Beginn möglich oder nach Absprache

Auf deine aussagekräftige Bewerbung per E-Mail freut sich:

Pascal Bußkamp, M. Sc.
Chair for Wind Power Drives

Campus-Boulevard 61, 52074 Aachen
pascal.busskamp@cwd.rwth-aachen.de