Analyse von Schweißnahteigenschaften mittels maschinelles Lernen (BA/SA/MA)

Institut

Institut für Werkzeugmaschinen und Betriebswissenschaften

Typ

Bachelorarbeit / Semesterarbeit / Masterarbeit /

Inhalt

experimentell /  

Beschreibung

Ausgangssituation

Friction Stir Processing (FSP) ist ein vom Rührreibschweißen (engl: Friction Stir Welding, FSW) abgeleitetes Verfahren. Es wird verwendet, um lokale Veränderungen in Metallen herbeizuführen, wie z. B. eine Verbesserung der mechanischen Eigenschaften. Zudem können mittels FSP neue Legierungen mit einzigartigen Eigenschaften geschaffen werden. Daher ist dieses Verfahren für viele Forschungsgebiete wie z. B. dem Leichtbau relevant.

Zielsetzung

Das Ziel dieser Arbeit ist die Erstellung und anschließende Analyse von FSP Proben, um die Zusammenhang zwischen den Prozess-Eingangsgrößen (Vorschub, Drehzahl, usw.) und den daraus resultierenden Nahteigenschaften mithilfe von maschinellem Lernen (z.B. Gaussian Process Regression, GPR) untersucht, um eine Vorhersage der Nahteigenschaften generieren zu können.

Voraussetzungen

Anforderungsprofil

Eigeninitiative, Zuverlässigkeit und Engagement, eine organisierte und detailorientierte Arbeitsweise. Matlab- oder Python kenntnisse sind von Vorteil.

Möglicher Beginn

sofort

Kontakt

Amanda Zens
Raum: 1308
Tel.: -15567
amanda.zensiwb.mw.tum.de

Ausschreibung