The Chair for Wind Power Drives researches the behaviour of drive systems in modern multi-megawatt wind turbines. The research goals are to increase the availability, robustness, and energy efficiency of wind turbines and to reduce electricity production costs. To this end, software development tools and modern system test benches are used in combination.
As part of a student thesis, two MBS models of a modern 6MW wind turbine with different drivetrain architectures are to be constructed and investigated. Existing MBS models of older turbines can be used for this purpose. The work covers the entire tool chain from the creation of CAD models and FEM calculations to integration into the MBS simulation. Furthermore, realistic turbulent wind loads and a turbine wind control system are to be integrated into the models.
The aim of the project is to develop an efficient tool for the prediction of structure-borne and aeroacoustics-induced noise emission of different wind turbine architectures. Specific focus is on the investigation of the drivetrain suspensions on the overall NVH behaviour. For this purpose, both loads and vibrations can be simulated and analysed on the finished models.

Tasks:

• Literature research and familiarisation with the subject matter
• Modelling and refinement of detailed MBS models of a 6MW wind turbine based on existing models
• Simulation of loads and vibrations of the wind turbine model
• Identify and investigate the difference in critical operating points of different drivetrain architectures
• Generate knowledge on optimal fidelity levels of such models

Prerequisites:

• Motivation to work independently and autonomously, communication and teamwork skills
• Prior knowledge of MBS (SIMPACK), FEM (Abaqus) or MatLab/Simulink is useful but not essential.
• Prior knowledge in the field of wind turbine dynamics is desirable.

We offer:

• Scientific work in a highly motivated, interdisciplinary team
• Intensive support
• A thesis with an industry-related topic and high relevance
• Learning practical simulation methods
• Immediate commencement is possible

 

We look forward to your application by email:

Vishal Mohan M. Sc. RWTH
Chair for Wind Power Drives

Campus-Boulevard 61, 52074 Aachen
vishal.mohan@cwd.rwth-aachen.de

Das Institut für Maschinenelemente und Systementwicklung (MSE) der RWTH Aachen beschäftigt sich mit interdisziplinären Forschungsfragen rund um die Entwicklung technischer Systeme. Ein besonderer Fokus liegt auf der Reduktion der hohen Arbeitsaufwände in frühen Phasen heutiger Produktentstehungsprozesse.

Im Kontext des Klimawandels werden für mobile Baumaschinen neue, nachhaltige Antriebsstrangkonzepte benötigt. Für die sichere Auswahl des technisch und wirtschaftlich optimalen Konzeptes müssen dabei viele in Frage kommenden Konzepte multikriteriell optimiert werden. Benötigte Optimierungsworkflows müssen heute jedoch noch für jedes einzelne Konzept aufwendig manuell implementiert werden.

Zur Reduktion dieser Aufwände entwickelt das MSE Methoden und Software, mit denen Optimierungsworkflows automatisiert in MATLAB erzeugt werden können. Die Grundlage bilden umfangreiche Bibliotheken modular kombinierbarer Simulationsmodelle. Für eine Anwendung in der Antriebstechnik fehlen bislang jedoch noch geeignete Modelle.

Das Ziel dieser Arbeit ist daher die Entwicklung modular kombinierbarer MATLAB-Modelle für die Optimierung elektromechanischer Antriebsstränge unter Berücksichtigung des physikalischen Verhaltens, Wirkungsgrades sowie der Lebensdauer, Anschaffungs- und Betriebskosten. Die Modelle werden mit einem realen Use-Case validiert, die Entwicklung und Optimierung des Antriebsstrangs einer mobilen Baumaschine.

Aufgaben:

• Entwicklung modular kombinierbarer MATLAB-Modelle für die Simulation des physikalischen Verhaltens, Wirkungsgrades und der Lebensdauer, Anschaffungs- und Betriebskosten von Komponenten elektromechanischer Antriebsstränge (z.B. für Batterien, Brennstoffzellen, Leistungselektronik und Getriebe).
• Optimierung mehrerer elektromechanischer Antriebsstrangkonzepte einer mobilen Baumaschine.

Voraussetzung:

• Interesse für Antriebstechnik und multikriterielle Optimierung.
• Grundlegende MATLAB-Kenntnisse von Vorteil, jedoch nicht zwingend erforderlich.

Wir bieten:

• Flexible Definition der Forschungsschwerpunkte nach individuellem Interesse.
• Intensive Betreuung und Austausch in der Forschungsgruppe.

 

Auf deine aussagekräftige Bewerbung per E-Mail freut sich:

Lukas Irnich, M. Sc. RWTH
Institut für Maschinenelemente und Systementwicklung

Eilfschornsteinstr. 18, 52062 Aachen
lukas.irnich@imse.rwth-aachen.de

Die Fraunhofer-Gesellschaft (www.fraunhofer.de) ist eine der weltweit führenden Organisationen für anwendungsorientierte Forschung. 75 Institute entwickeln wegweisende Technologien für unsere Wirtschaft und Gesellschaft – genauer: 32 000 Menschen aus Technik, Wissenschaft, Verwaltung und IT.

Am Fraunhofer-Institut für Produktionstechnologie IPT in Aachen gestalten wir mit mehr als 450 Mitarbeitenden die Produktion der Zukunft – digital, nachhaltig und resilient. In der Gruppe »Digitale Infrastrukturen« beschäftigen wir uns mit der Integration von 5G in die Produktion. Dazu nutzen und testen wir unser 5G-Netzwerk, implementieren digitale Lösungen und verwenden digitale Zwillinge für den Informationsaustausch zwischen Produktion und Netzwerk.

Im Rahmen deiner Abschlussarbeit untersuchst du, welche der vielen internen Netzwerkparameter, auf die wir bei unserem 5G-Netz Zugriff haben, relevant für die Produktion sind. Echtzeitinformationen vom Netzwerk unterstützen eine stabile Nutzung und erlauben auf Störungen, Änderungen oder Überlastungen zu reagieren und so eine zuverlässige Mobilfunkversorgung und resiliente Anwendungen sicherzustellen.

Die Tätigkeit erfordert eine regelmäßige Anwesenheit in unserem Institut in Aachen.

Hier sorgst du für Veränderung

• Erarbeitung von beispielhaften Szenarien für die Nutzung von Netzwerkinformationen in der Produktion
• Analyse der vorhandenen Netzwerkparameter auf Relevanz für die Produktion in den verschiedenen Szenarien
• Praktische Versuche im 5G-Netz zur Validierung der Auswirkung der Parameter

Hiermit bringst du dich ein

• Du studierst Maschinenbau, Wirtschaftsingenieurwesen, Informatik, Elektrotechnik oder eine vergleichbare Fachrichtung
• Erste Kenntnisse über Produktionsanforderungen und Rahmenbedingungen sind von Vorteil
• Erste Erfahrungen im Umgang mit Mobilfunk und Netzwerktechnik
• Eine selbstständige Arbeitsweise und Freude an interdisziplinärer Teamarbeit
• Gute Sprachkenntnisse in Deutsch und/oder Englisch

Was wir für dich bereithalten

• Wissenschaftliche Bearbeitung eines aktuellen und praxisrelevanten Themas
• Eine professionelle Betreuung und fachliche Unterstützung bei der Erstellung deiner Abschlussarbeit
• Mitwirkung in innovativen Forschungs- und Entwicklungsprojekten mit namhaften Industriepartnern
• Ein hochmoderner Maschinenpark, ausgestattet mit Edge-Cloud-Systemen und einer 5G-Infrastruktur

Bereit für Veränderung? Dann bewirb dich jetzt online und mache einen Unterschied!

Auf deine Fragen zu dieser Abschlussarbeit freut sich:
Janina Gauß M. Sc.
Wissenschaftliche Mitarbeiterin »Produktionsmesstechnik«
Telefon: +49 241 8904-483

The Fraunhofer-Gesellschaft (www.fraunhofer.com) currently operates 75 institutes and research institutions throughout Germany and is the world’s leading applied research organization. Around 32,000 employees work with an annual research budget of 3.6 billion euros.

The »High-Performance Cutting« department develops technologies and application-oriented solutions for machining along the entire process chain – from process design and process simulation to real-time data acquisition during production, consulting, and prototype manufacturing. Graph neural networks provide an opportunity to operate on Mesh structured data utilized in Finite Element Method (FEM) simulations and offer time-saving benefits. We are looking for a dedicated and motivated student to assist us in implementing a novel Graph Neural Network based algorithm that can act as surrogate for FEM and accelerate process stability calculation for machining process.

What you will do

• Investigate various ML-based methods and their suitability as a surrogate for FEM
• Creation and preparation of dataset for appropriate use cases
• Implementation of selected ML model and validation of results
• Preparation and documentation of results

What you bring to the table

• You are studying mechanical engineering, industrial engineering, computer science or a comparable subject
• You have good experience in Python
• You have basic knowledge of the theory and methods in machine learning
• Good language skills in German and/or English

What you can expect

• Professional supervision and collaboration in a dedicated team
• You become part of the team from the very beginning, can contribute your ideas and take on tasks on your own responsibility
• A state-of-the-art machine park equipped with edge cloud systems and 5G infrastructure

Interested? Apply online now. We look forward to getting to know you!

For any further information on this position please contact:
Aakash Singh M.Sc.
Research Assistant »High Performance Cutting«
Phone: +49 241 8904- 587