Ausgeschriebene Arbeiten
Auf dieser Seite halten wir Themen für Studien- und Diplomarbeiten bereit.
Sollte Interesse an einem der vorgeschlagenen Themen bestehen, kontaktieren Sie einfach den zuständigen Mitarbeiter. Die Bearbeitungszeit für die Diplomarbeit beträgt 23 Wochen. Eine Verlängerung der Bearbeitungszeit kann im Einzelfall auf begründeten Antrag um höchstens dreizehn Wochen verlängert werden.
--> Unbedingt die am Institut gültige "Richtlinie zur Anfertigung wissenschaftlicher und studentischer Arbeiten" beachten !
Weitere Hinweise (Diplomprüfungsordnung, Empfehlung für die Ausarbeitung wissenschaftlicher Arbeiten...) finden Sie auf den Info-Seiten zum Studium an der Fakultät Elektrotechnik und Informationstechnik.
Die nachfolgenden Themen sollen einen Beitrag zu einem interdisziplinären Forschungsprojekt mit folgendem Schwerpunkt liefern:
Electronic combined textiles, sog. E-Textiles sind Stoffe oder Gestricke, in die leitfähige Garne und elektronischen Baugruppen eingebettet werden. Eine besondere Herausforderung bei der Herstellung stellen Technologien zur Kontaktierung dar, die sowohl den Eigenschaften der Textilien und der elektrischen Komponenten gerecht werden müssen als auch den Anforderungen der späteren Benutzung. Eine geeignete Auswahl passender Materialien und Technologien erfordert demzufolge eine multikriterielle Auswertung von Eigenschaften der beteiligten Materialien, Geräte und Verfahren.
Thema 1:
Kleben, Löten oder Krimpen, welche Fügetechnologie eignet sich wofür ?
Voraussetzung dafür ist die Erfassung relevanter Eigenschaften aller beteiligen Materialien. Aufgabe dieser studentischen Arbeit ist eine Analyse von möglichen Fügeprozessen wie Kleben oder Niedrigtemperaturlöten und deren Anwendbarkeit für bestimmte Garne und Maschinen. Die Ergebnisse sollen systematisch abstrahiert und strukturiert in einer Datenbank gespeichert werden. Die Analyse der Fügeprozesse erfolgt in enger Abstimmung mit dem Institut für Feinwerktechnik und Elektronik-Design (IFTE).
Ansprechpartner: Dipl.-Ing. Patrick Suwinski, Dr.-Ing. A. Braune
Thema 2:
Digitale Zwillinge in der Textilindustrie - was davon ist nutzbar ?
In der Textilindustrie gibt es bereits Digitale Zwillinge für verschiedene Aspekte der Fertigung oder der Logistik. Die Aufgabe dieser Arbeit besteht deshalb darin, den Stand der Technik für diese Branche zu analysieren und mit den gefundenen Lösungen in diesem Projekt zu vergleichen. Die existierende Datenbank der digitalen Zwillinge soll entsprechend ergänzt und getestet werden.
Ansprechpartner: Dipl.-Ing. Patrick Suwinski, Dr.-Ing. A. Braune
Thema 3:
Entwicklung eines Konzepts zur Prüfbarkeit von KI-Algorithmen anhand einer Fallstudie in der Textilindustrie.
Download der Aufgabenstellung für eine Diplomarbeit
Ansprechpartner: Dipl.-Ing. Patrick Suwinski, Dr.-Ing. A. Braune
Thema 4:
Entwicklung eines Konzepts zum Nachweis der Vertrauenswürdigkeit und Überprüfbarkeit von KI-Algorithmen
Download der Aufgabenstellung für eine Diplomarbeit
Ansprechpartner: Dipl.-Ing. Patrick Suwinski, Dr.-Ing. A. Braune
Thema 5:
Entwicklung einer Beratungssoftware für Architekturoptimierungen künstlicher neuronaler Netze in der Raumfahrt.
Download der Aufgabenstellung für eine Diplomarbeit
Ansprechpartner: Dipl.-Ing. Patrick Suwinski, Dr.-Ing. A. Braune
(Diplomarbeit und Masterarbeit)
Die Navigation in der mobilen Robotik umfasst sowohl die Bestimmung der Position und Orientierung eines mobilen Roboters (Lokalisierung) als auch die Bestimmung einer Karte der Umgebung.
Der Cartographer ist ein GraphSLAM-Algorithmus zur Kartenerstellung und zur gleichzeitigen Lokalisierung unter Verwendung von Laserscans als primären Eingangsdaten (engl. SLAM – Simultaneous Localisation and Mapping). Für den Algorithmus gibt es eine Open Source Implementierung in C++ sowie ein Package für das Robot Operating System (ROS).
Die Aufgabe der Arbeit besteht in Analyse, Erprobung und notwendiger Anpassung des implementierten Algorithmus mit Schwerpunkt auf die Lokalisierung eines mobilen Roboters.
Im Rahmen der Arbeit sind die folgenden Aufgaben zu bearbeiten:
- Ein ausführlicher Überblick zum Stand der Technik bzgl. des GraphSLAM-Algorithmus Cartographer anhand verfügbarer Literatur sowie Abgrenzung des eigenen Beitrags.
- Eine strukturierte Anforderungsdefinition für ein Testsystem zur Erprobung des Cartographers.
- Systementwurf inkl. einer Darstellung möglicher und Auswahl geeigneter Entwurfsvarianten zur Umsetzung der Anforderungen.
- Eine prototypische Entwicklung des Testsystems unter ROS.
- Integration des Algorithmus Cartographer in das Testsystem und Erprobung des Algorithmus in Hinblick auf die Lokalisierung sowie notwenige Anpassung.
- Der Nachweis der Funktionstüchtigkeit und der Leistungen des Algorithmus anhand einer Fallstudie.
- Detaillierte Dokumentation.
Voraussetzungen (alle obligatorisch!): Sehr gute Kenntnisse in: Navigation mobiler Roboter; Programmierung in C, C++; Programmierung unter Linux.
Ansprechpartner:
Dr.-Ing. E. Dueblenk, Tel. 463-31913
(Diplomarbeit und Masterarbeit)
Odometrie ist ein Lokalisierungsverfahren zur Bestimmung von relativen Roboterposen mithilfe von verschiedenen Sensordaten wie z.B. Daten über Rotation der Räder oder Daten einer Inertialen Messeinheit (engl. IMU). Die Odometrie-Verfahren unter Nutzung von einem Datentyp haben eigene Vorteile, die bei einer geeigneten Fusion effektiv ausgenutzt werden können.
Die Aufgabe der Arbeit umfasst Entwicklung eines Algorithmus für Lokalisierung mobiler Roboter mithilfe von IMU- und Rad-Daten, Implementierung des Algorithmus in C++ sowie Tests in einer Testbench. Die erforderliche Testbench soll unter Robot Operating System (ROS) und Gazebo entwickelt werden.
Im Rahmen der Arbeit sind die folgenden Aufgaben zu bearbeiten:
- Ein ausführlicher Überblick zum Stand der Technik bzgl. odometrischer Lokalisierung mobiler Roboter anhand verfügbarer Literatur sowie Abgrenzung des eigenen Beitrags.
- Eine strukturierte Anforderungsdefinition für das zu entwickelnde System.
- Systementwurf inkl. einer Darstellung möglicher und Auswahl geeigneter Entwurfsvarianten zur Umsetzung der Anforderungen.
- Eine prototypische Entwicklung der Software mit dem Algorithmus.
- Entwicklung einer Testbench unter Verwendung von ROS und Gazebo.
- Integration der Software mit dem Algorithmus in die Testbench und Erprobung des Algorithmus in Hinblick auf die Lokalisierung sowie notwenige Optimierungen.
- Der Nachweis der Funktionstüchtigkeit und der Leistungen des Algorithmus anhand einer Fallstudie.
- Detaillierte Dokumentation.
Voraussetzungen:
Sehr gute Kenntnisse in: Sehr gute Kenntnisse in: Navigation mobiler Roboter; Programmierung in C++; Programmierung unter Linux.
Ansprechpartner:
Dr.-Ing. E. Dueblenk, Tel. +49 351 463-31913
(Diplomarbeit und Masterarbeit)
Die Navigation in der mobilen Robotik umfasst sowohl die Bestimmung der Position und Orientierung eines mobilen Roboters (Lokalisierung) als auch die Bestimmung einer Karte der Umgebung. Gleichzeitige Lösung von diesen Aufgaben ist unter dem Namen Simultaneous-Localisation-and-Mapping (SLAM) bekannt.
Häufig wird dabei die Umgebung mithilfe von 2D-Kameras erfasst. Eine besondere Herausforderung stellen dabei lokal ähnliche Umgebungen mit mehreren lokalen Orten, die für die Roboterkamera ähnlich aussehen.
Die Aufgabe der Arbeit besteht in Analyse von vorhandenen SLAM-Algorithmen mithilfe von 2D-Kameras, Auswahl, Anpassung der Implementierung und Test in lokal ähnlichen Umgebungen.
Im Rahmen der Arbeit sind die folgenden Aufgaben zu bearbeiten:
- Ein ausführlicher Überblick zum Stand der Technik bzgl. der SLAM-Algorithmen für mobile Roboter mithilfe von 2D-Kameras anhand verfügbarer Literatur sowie Abgrenzung des eigenen Beitrags.
- Eine strukturierte Anforderungsdefinition für ein SLAM-System sowie für ein simulationsbasiertes Testsystem.
- Systementwurf inkl. einer Darstellung möglicher und Auswahl geeigneter Entwurfsvarianten zur Umsetzung der Anforderungen.
- Eine prototypische Entwicklung des simulationsbasierten Testsystems unter Gazebo und Robot Operating System (ROS).
- Anpassung der Implementierung eines ausgewählten SLAM-Algorithmus und Integration in das Testsystem.
- Nachweis der Funktionstüchtigkeit und der Leistungen des implementierten SLAM-Algorithmus anhand von Tests in simulierten lokal ähnlichen Umgebungen.
- Detaillierte Dokumentation.
Voraussetzungen: (alle obligatorisch!): Sehr gute Kenntnisse in: Navigation mobiler Roboter; Programmierung in C++; Programmierung unter Linux und in ROS/Gazebo.
Ansprechpartner:
Dr.-Ing. E. Dueblenk, Tel. 463-31913
MOBATSim is a simulation framework based on MATLAB Simulink that allows the user to assess vehicle level and traffic level safety by a 3D traffic simulation. It is used to simulate urban city traffic, design intersection management algorithms for the infrastructure or path planning algorithms for vehicles and test the efficiency of autonomous driving functions by PC-based simulations. Simulink 3D Animation with V-Realm are used to visualize the driving scenarios.
MOBATSim is still being developed to make it a complete tool for comprehensive testing. Its main task is to test autonomous vehicles and their functions in the presence of various faults. New fault libraries are being defined. An automatic report generator is being developed in accordance with the ISO 26262 standard. Possible Studien- and Diplomarbeit topics can be given to the students who are interested in autonomous vehicle modeling, simulation and safety assessment. The students who want to be a part of the project should know coding and modeling in MATLAB and Simulink, and be highly proficient in both spoken and written English. Detailed information about MOBATSim can be obtained from: https://mobatsim.com.
The students who want to be a part of the project should know coding and modeling in MATLAB and Simulink, and be highly proficient in both spoken and written English. Detailed information about MOBATSim can be obtained from: https://mobatsim.com.
To watch the award winning video of MOBATSim for the worldwide Simulink Competition 2018:
https://www.youtube.com/watch?v=rG8B0ip4dpk
Contact: Dr.-Ing. Mustafa Saraoğlu.
Mustafa.saraoglu (at) tu-dresden.de
(Studienarbeit, Diplomarbeit und Masterarbeit)
Die Navigation in der mobilen Robotik umfasst sowohl die Bestimmung der Position und Orientierung eines mobilen Roboters als auch die Bestimmung einer Umgebungskarte. Die modernen Ansätze der Künstlichen Intelligenz mit künstlichen neuronalen Netzen (KNN) werden heutzutage zunehmend zur Lösung verschiedener Teilaufgaben in der Navigation mobiler Roboter verwendet. In Rahmen dieser Aufgabe, des vielversprechenden Ansatzes Deep Learning und auf dem Anwendungsgebiet der Navigation von Raumfahrzeugen möchten wir Ihnen eine Reihe von Themen für Studien-, Diplom- und Masterarbeiten anbieten, vor allem:
- Objekterkennung und hochauflösende Segmentierung von 2D- und 3D-Daten (Diplomarbeit oder Masterarbeit)
Ansprechpartner:
Dr.-Ing. V. Chernykh, Dr.-Ing. E. Dueblenk - Analyse und Optimierung eines künstlichen neuronalen Netzes für semantische Segmentierungen von Objekten in 2D-Bildern (Studienarbeit oder Diplomarbeit), Entwurf der Aufgabenstellung
Ansprechpartner:
Dipl.-Ing. P. Suwinski - Development of a runtime-optimized alternative for a 2D Convolutional Layer with advanced signal processing methods (Studienarbeit oder Diplomarbeit)
Entwurf der Aufgabenstellung
Ansprechpartner:
Dipl.-Ing. P. Suwinski - Entwicklung eines Testkonzeptes für eine Multi-KI-Entwicklungsumgebung (Diplomarbeit)
Entwurf der Aufgabenstellung (Deutsch)
Entwurf der Aufgabenstellung (Englisch)
Ansprechpartner:
Dipl.-Ing. P. Suwinski, Dipl.-Ing. A. Liesch
Voraussetzungen:
- Sehr gute Kenntnisse: in MATLAB/Simulink; in einem KI-Framework wie z.B. Tensorflow, PyTorch, MATLAB Deep Learning Toolbox; in Programmierung in Python, MATLAB, C, C++; in Programmierung unter Windows und Linux für PC und für eingebettete Rechner.
SafeTown project shows how Lego EV3 Robots, UDP and a detector camera can be used to simulate a SafeTown using Simulink models. SafeTown is a project where we only use Simulink and Add-on Toolboxes to control a group of autonomous vehicle robots (LEGO EV3) and manage the traffic on a small scale map using image recognition with a camera and a workstation. We use all of them in coordination using real-time communication (UDP). The challenge in this project is to apply the developed models on Simulink to real life where the hardware components cause a lot of unexpected troubles, such as noisy sensors, changing environmental conditions, and the effect of the changing states of batteries on the vehicles. The goal is to have a "SafeTown" where autonomous vehicle robots drive freely without colliding with each other. This project is open to innovations from multidisciplinary fields such as: sensor fusion, computer vision, deep learning and reinforcement learning.
The traffic should be controlled using a camera mounted on top, trying to recognize vehicles and send pass/wait commands through a workstation to the vehicles using UDP. The students who want to be a part of the project should know coding and modeling in MATLAB and Simulink, and be highly proficient in both spoken and written English.
To watch the award winning video of SafeTown for the worldwide Simulink Competition 2019:
https://www.youtube.com/watch?v=Vsq4WfuFVyE
Contact: Dr.-Ing. Mustafa Saraoğlu