Bachelor- / Masterarbeit: Numerische und experimentelle Optimierung eines auf akustischen Oberflächenwellen basierenden Zustandsüberwachungssystems für Gleitlager

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 modernste Ingenieurssoftware und Systemprüfstände im Verbund eingesetzt.

Zur Senkung der Stromgestehungskosten 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 gleitgelagerten Planetenrädern in WEA-Getrieben geforscht. Hierbei liegt der Fokus auf der Zustandsüberwachung (Condition Monitoring) der Gleitlager mithilfe modernster Messtechnik (Surface acoustic wave Technologie). Diese Methode hat hohes Potential, jedoch hängt die Qualität des akustischen Messergebnisses von vielen verschiedenen Systemparametern ab. Dies lässt sich optimieren.

Die Idee für diese studentische Arbeit ist daher die Entwicklung einer Software für das Tuning der SAW-Methode live am Prüfstand. Die Optimierung soll durch die Unterstützung von machine learning erfolgen. Hierdurch entsteht ein einzigartiges und robustes CMS für Gleitlager.

Aufgaben:

• Recherche des Stands der Technik und Einarbeitung in die verwendete Messtechnik: Surface Acoustic Wave (SAW)
• Auswertung von bestehenden Messdaten
• Planung und Durchführung von Versuchen an einem Prüfstand für Gleitlager in Windenergieanlagen
• Entwicklung einer intelligenten Methodik für die Optimierung der SAWMesstechnik mittels machine learning
• Umsetzung der Methode in einer Software zum in-situ Tuning der SAW-Methode

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 maschinellen Lernmethoden
• Programmiererfahrung in Python ist wünschenswert, aber nicht zwingend erforderlich

Wir bieten:

• Wissenschaftliches Arbeiten in einem hoch motivierten, interdisziplinären Team
• Arbeit an einem Thema mit hoher industrieller Relevanz
• Erlernen von praxisrelevanten Simulationsmethoden
• Angenehmes Arbeitsklima und intensive Betreuung
• Option zur Beteiligung an einer wissenschaftlichen Veröffentlichung
• Sofortiger Beginn möglich

Auf deine aussagekräftige Bewerbung per E-Mail freut sich:

Thomas Decker, M. Sc. RWTH
Chair for Wind Power Drives

Campus-Boulevard 61, 52074 Aachen
thomas.decker@cwd.rwth-aachen.de