Magnetische Levitation stellt eine revolutionäre Antriebstechnik dar, die insbesondere im Bereich des intelligenten Produkttransports in der industriellen Automation neue Maßstäbe setzt. Zukünftige Systeme werden in der Lage sein, Produktmanipulation und -transport miteinander zu verbinden und für einen immensen Leistungsschub in der Produktivität zu sorgen. Trotz ihres Potenzials gibt es komplexe Herausforderungen, die eine einfache und intuitive Anwendung solcher Systeme zu diesem Zeitpunkt verhindern. Ein kritischer Punkt ist die Vermeidung von Kollisionen bei der gleichzeitigen Ansteuerung mehrerer Mover während des hoch- dynamischen Verfahrens. Maschinelles Lernen könnte hierbei eine Lösung bieten, da es die Fähigkeit besitzt, trotz der immensen Komplexität, potenziell optimale Lösungen zu generieren. Aktuell untersuchen wir in diesem Bereich lokale und globale Steuerungsmechanismen, die auf der Basis von ML-Methoden effiziente, optimale und sichere Lösungen für den intelligenten Produkttransport erzeugen. Dabei muss in geeigneter Weise mit dem Black-Box-Charakter solcher neuronalen Lösungen umgegangen werden, um zu jeden Zeitpunkt Kollisionen zu vermeiden.
In diesem Projekt soll dazu ein hybrides Verfahren entwickelt werden, welches klassische Ansätze mit maschinellen Lernalgorithmen kombiniert und die Sicherheit der Trajektorienplanung garantieren kann. Dabei soll eine Kollisionserkennung und eine Kollisionsvermeidung konzipiert, implementiert und analysiert werden. Die Arbeiten sollen zuerst in einer Simulation erarbeitet und getestet werden, um sie dann bei Erfolg auf ein reales System zu überführen
Dieses Thema kann nach Absprache auch zum Teil als Projekt und im Anschluss weiter in der Masterarbeit bearbeitet werden. Der Arbeitsumfang wird entsprechend angepasst.
Frequency | Weekday | Time | Format / Place | Period | |
---|---|---|---|---|---|
by appointment | n. V. | 07.10.2024-31.01.2025 |
Module | Course | Requirements | |
---|---|---|---|
39-M-Inf-P Projekt | Projekt | Ungraded examination
|
Student information |
39-M-Inf-P1_NWI Projekt 1 | Projekt 1 | Ungraded examination
|
Student information |
FH-BMPro-2043 Projekt Biomechatronik | Projekt BioMechatronik | Graded examination
|
Student information |
The binding module descriptions contain further information, including specifications on the "types of assignments" students need to complete. In cases where a module description mentions more than one kind of assignment, the respective member of the teaching staff will decide which task(s) they assign the students.