Bachelor- / Masterarbeit: ML4JB-Simulation Machine learning für Gleitlagersimulationen
![Chair for Wind Power Drives](https://fsmb.rwth-aachen.de/wp-content/uploads/job-manager-uploads/company_logo/2024/04/Logo-Chair-Fachschaft_3-2-80x80.png)
Webseite Chair for Wind Power Drives
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 sowie die Senkung der Stromgestehungskosten. Hierzu werden Software-Entwicklungswerkzeuge und moderne Systemprüfstände im Verbund eingesetzt.
Zur Senkung der Stromentstehungskosten an modernen Windenergieanlagen (WEA) wird eine Anhebung der Leistungsdichte der Planetengetriebe in WEA angestrebt. Hierzu bietet sich die Verwendung von kompakten, gleitgelagerten Planetenrädern an. Am CWD wird daher an der Gleitlagerung von Planetenrädern in WEA-Getrieben geforscht.
Elasto-hydrodynamische Simulationen (EHD) werden verwendet, um die Leistung des Planetengleitlagers zu analysieren. Die Einbeziehung eines solch detaillierten Simulationsmodells in das Gesamtsystemmodell des Antriebsstrangs einer Windenergieanlage (WEA) ist nicht effizient. Daher wird die Vereinfachung dieser Lager untersucht. Die Kopplung von Simulationsmodellen mit Machine Learning Algorithmen ist ein Schwerpunkt der Forschung der letzten Jahre, auf den sich diese Arbeit konzentriert.
Aufgaben:
- Recherche des Stands der Technik
- Einarbeitung in die FE-, MKS und EHD-Modellierung
- Generierung eines großen Datensatzes mit detaillierten EHDSimulationsergebnissen für eine Vielzahl von
Betriebsbedingungen von Windenergieanlagen - Trainieren von Regressions und Machine Learning Modells auf diesen Daten, dessen Ergebnisse in eine vollständige Windturbine integriert werden können
Voraussetzungen:
- Motivation zu selbstständigem und eigenverantwortlichem Arbeiten, Kommunikations- und Teamfähigkeit, sowie eine sichere Beherrschung der deutschen oder englischen Sprache
- Interesse and Gleitlagertechnik, Windenergie, Machine Learning und Simulationstechnik
- Vorkenntnisse auf dem Gebiet der Simulation sowie der Programmierung (z.B. MATLAB/PYTHON) sind wünschenswert, aber nicht zwingend erforderlich
Wir bieten:
- Eine Bachelor-/Masterarbeit mit industrienaher Thematik und klarer Relevanz sowie die Möglichkeit der Mitgestaltung einer klimaneutralen Zukunft
- Intensive Betreuung in einem hoch motivierten, interdisziplinären Team bei sehr gutem Arbeitsklima
- Option zur Beteiligung an einer Veröffentlichung
- Zügige Bearbeitung und Home-Office möglich
Auf deine aussagekräftige Bewerbung per E-Mail freut sich:
Math Lucassen, M. Sc.
Chair for Wind Power Drives
Campus-Boulevard 61, 52074 Aachen
math.lucassen@imse.rwth-aachen.de
Um sich für diesen Job zu bewerben, sende deine Unterlagen per E-Mail an math.lucassen@imse.rwth-aachen.de