Bachelor- / Masterarbeit: Durchführung und Analyse von Surface Acoustic Wave- Messungen zur Differenzierung kritischer Verschleißmechanismen an einem Gleitlagerprüfstand

Der Chair for Wind Power Drives (CWD) erforscht das Verhalten von Antriebssystemen in modernen Multimegawatt Windenergieanlagen (WEA). Forschungsziele sind die Steigerung der Verfügbarkeit, der Robustheit und der Energieeffizienz der WEA sowie die Senkung der Stromgestehungskosten. Hierzu werden modernste Ingenieurssoftware und Systemprüfstände eingesetzt.

Zur Senkung der Stromgestehungskosten an modernen WEA wird eine Anhebung der Leistungsdichte der Planetengetriebe in WEA angestrebt. Hierzu bietet sich die Verwendung von Gleitlagern an, die bereits seit einigen Jahren in der Industrie eingesetzt werden. Bisher gibt es jedoch kein echtzeitfähiges Condition Monitoring System (CMS), um kritische Betriebspunkte frühzeitig vorherzusagen und zu vermeiden. Am CWD wird daher an einem modernen CMS-Netzwerk geforscht. In bisherigen Untersuchungen konnte gezeigt werden, dass sich mithilfe der Surface Acoustic Wave (SAW) Technologie Rückschlüsse auf den Reibungszustand in Gleitlagern ziehen lassen. Bisher ist es jedoch noch nicht möglich, den Schweregrad der Mischreibung anhand der Messungen zu definieren. Darüber hinaus soll künftig anhand der Messsignale frühzeitig zwischen verschiedenen Verschleißmechanismen (Abrasion und Adhäsion) unterschieden werden können.

Im Rahmen dieser studentischen Arbeit soll ein Auswertungs- und Machine Learning gestützter Überwachungsalgorithmus anhand von Messergebnissen einer Testkampagne auf einem 120 mm Gleitlagerprüfstand (weiter-) entwickelt werden.

Aufgaben:

• Recherche des Stands der Technik und Einarbeitung in die Methode
• Unterstützung bei der Durchführung von Experimenten an einem Komponentenprüfstand
• Auswertung von Messergebnissen
• (Weiter-) Entwicklung eines Algorithmus für die Zustandsüberwachung von Gleitlagern mittels SAW

Voraussetzungen:

• Motivation zu selbstständigem und eigenverantwortlichem Arbeiten, Kommunikations- und Teamfähigkeit, sowie eine sichere Beherrschung der deutschen oder englischen Sprache
• Interesse an Windenergie, an Getriebe- und Gleitlagertechnik sowie Machine Learning
• Programmiererfahrung in Python wünschenswert
• Vorkenntnisse auf dem Gebiet des Machine Learnings wünschenswert

Wir bieten:

• Wissenschaftliches Arbeiten in einem hoch motivierten, interdisziplinären Team
• Arbeit an einem Thema mit hoher industrieller Relevanz
• Spannende Kombination aus Theorie und Praxis
• Angenehmes Arbeitsklima und intensive Betreuung
• Option zur Beteiligung an einer wissenschaftlichen Veröffentlichung
• Sofortiger Beginn möglich

Auf deine aussagekräftige Bewerbung per E-Mail freut sich:

Tim Scholz, M. Sc. RWTH
Chair for Wind Power Drives

Campus-Boulevard 61, 52074 Aachen
tim.scholz@cwd.rwth-aachen.de