Masterarbeit: Klassifikation von Acoustic-Emission-Daten mit Machine Learning zur Zustandsüberwachung von Wälzlagern
![Institut für Maschinenelemente und Systementwicklung](https://fsmb.rwth-aachen.de/wp-content/uploads/job-manager-uploads/company_logo/2024/04/Logo-MSE-Fachschaft_3-80x80.png)
Webseite Institut für Maschinenelemente und Systementwicklung
Das Institut für Maschinenelemente und Systementwicklung erforscht das grundlegende strukturelle und tribologische Verhalten von Maschinenelementen und bildet dieses in experimentell validierten Modellbeschreibungen ab. Diese Modellbeschreibungen werden genutzt, um das Funktions-, Verlust- und Geräuschverhalten gesamthafter technischer Systeme mit Fokus auf die Antriebstechnik zu analysieren und zu gestalten. Die entwickelten Modelle dienen zudem der Erforschung und Entwicklung von Methoden des Model Based Systems Engineering als zentrales Element künftiger, industrieller Produktentstehungsprozesse.
Um im Rahmen einer intelligenten Wartungsstrategie Stillstandszeiten von Maschinen zu minimieren, werden Bauteile mittels Zustandsüberwachung hinsichtlich entstehender Schäden überwacht. Mit der Analyse der Acoustic-Emission (AE) von Wälzlagern kann eine besonders lange Vorwarnzeit erreicht werden, da Schäden detektiert werden können, bevor sie die Bauteiloberfläche erreichen. In dieser Masterarbeit soll eine Datenauswertung realisiert und bewertet werden, die trotz der großen anfallenden Datenmengen eine Klassifikation von AE-Daten ermöglicht.
Mögliche Aufgaben:
- Literaturrecherche zur Zustandsüberwachung von Wälzlagern
- Implementierung einer Deep-Learning-Methode für die Klassifikation von Acoustic-Emission-Daten
- Bewertung des Modells und Analyse von Einflussfaktoren (z.B. aufgetretener Schadenstyp, Sensorposition oder -abtastrate) auf die Klassifikationsgüte
- Ggf. Empfehlung eines Vorgehens zur Datenaufnahme und Datenanalyse
Voraussetzung:
- Interesse an Machine Learning und interdisziplinären Fragestellungen
- Python-Kenntnisse erforderlich
- Kenntnis eines Deep-Learning-Toolkits (z.B. Tensorflow, PyTorch) von Vorteil
- Eigenständige, zuverlässige Arbeitsweise
Wir bieten:
- Flexible Gestaltung der Arbeitsschwerpunkte
- Zügige Bearbeitungsmöglichkeit
- Nutzung von Arbeitsplätzen am Institut möglich
- Intensive Betreuung
- Sofortiger Beginn oder nach Absprache
Auf deine aussagekräftige Bewerbung per E-Mail freut sich:
Nico Gregarek, M. Sc.
Institut für Maschinenelemente und Systementwicklung
Schinkelstraße 10, 52062 Aachen
nico.gregarek@imse.rwth-aachen.de
Um sich für diesen Job zu bewerben, sende deine Unterlagen per E-Mail an nico.gregarek@imse.rwth-aachen.de