deutsch  | Home | Impressum | Data Protection | Sitemap | KIT

Analyse der Potentiale von Reinforcement Learning im Kontext von automobilen Antriebssträngen

Analyse der Potentiale von Reinforcement Learning im Kontext von automobilen Antriebssträngen
Subject:Analyse der Potentiale von Reinforcement Learning im Kontext von automobilen Antriebssträngen
Type:Bachelor- / Masterarbeit
Date:ab sofort
Tutor:

M.Sc. Stefan Altenburg

Person in Charge:offen
Links:PDF-Download

Im Kontext immer kürzerer Produktlebenszyklen findet ein Großteil der Entwicklung virtuell statt. Große Potentiale bieten hierbei neuartige Methoden der Künstlichen Intelligenz, z.B. Reinforcement Learning zur Unterstützung der Schaltungsapplikation in Automatikgetrieben. Für eine effiziente und zielführende Anwendung dieser Methoden ist eine reine Simulationsumgebung als Basis des Trainings nötig.

 

Aufgabe:
 
Sie erarbeiten durch eine umfassende Analyse einen Überblick über den derzeitigen Stand der Forschung bezüglich der Anwendung von Machine Learning, insbesondere Reinforcement Learning im automobilem Umfeld (Produktion, Fahrstrategien, Entwicklungsunterstützung).
Anschließend erstellen Sie ein Matlab/Simulink oder Adams Modell eines vereinfachten Antriebsstrangs mit 2-Gang-Getriebe, Kupplung und minimalem Motormodell aufbauend auf bereits vorhandenen Modellen.
Sie leiten daraus ein FMU-Interface ab und entwickeln eine Methodik zur Untersuchung verschiedener Machine Learning Ansätze in Matlab oder Python.
 
 
Profil:
  • Studierender im Bachelor- oder Masterstudium im Bereich Maschinenbau, Ingenieurswissenschaften oder ähnlichem Studiengang
  • Interesse an Antriebstechnik und KI
  • Selbstständige und zuverlässige Arbeitsweise
  • Gute Kenntnisse in Deutsch und Englisch
  • Kenntnisse in Mehrkörpersimulationsprogrammen (z.B. Matlab/Simulink, Adams)