Untersuchung von KI-basierten Ansätzen zur Anomalie-Detektion bei der Durchführung von Batterietests

Institut

Lehrstuhl für Fahrzeugtechnik

Typ

Semesterarbeit / Masterarbeit /

Inhalt

theoretisch /  

Beschreibung

Ausgangssituation:

Im Designprozesses von Elektrofahrzeugen werden gegenwärtig umfangreiche und kostenintensive Prüfstandsversuche durchgeführt, um die Leistungsmerkmale einer neuen Traktionsbatterie (EoL, Leistung, Reichweite, ...) zu bewerten und zu verifizieren. Eine Möglichkeit, den Testaufwand zu reduzieren, ist der Einsatz von KI und insbesondere Machine Learning Algorithmen, die reale Batterietests ergänzen oder sogar ersetzen können.

 

Zielsetzung:

Im Rahmen dieser Studienarbeit soll ein Framework zur automatischen Detektion von Anomalien bei der Durchführung von Batterietests entwickelt werden. Hierzu soll zuerst analysiert werden, welche Fehler typischerweise auftreten und dann Methoden entwickelt werden, um diese Fehler automatisiert detektieren zu können. Hierbei sollen insbesondere KI-basierte Ansätze untersucht werden, um eine einfache Anwendbarkeit bei unterschiedlichen Batterien sicherzustellen.  

Voraussetzungen

Anforderungsprofil:

•Interesse an Künstlicher Intelligenz und Machine Learning

•Interesse an Elektromobilität

•Erfahrungen mit Machine-Learning (idealerweise Zeitreihenprädiktion)

•Selbständige und gründliche Arbeitsweise

•Sehr gute Deutsch- oder Englischkenntnisse 

 

 

Bewerbungen bitte mit vollständigen Unterlagen (Lebenslauf und Leistungsnachweis)

Verwendete Technologien

Programming, Lithium-Ion Batteries, Machine Learning, Python

Tags

FTM Studienarbeit, FTM EV, FTM Kroeger, FTM Informatik

Möglicher Beginn

sofort

Kontakt

Thomas Kröger, M.Sc.
Raum: MW3511
Tel.: 089 289 10333
thomas.kroegertum.de

Ausschreibung