Entwicklung und Anwendung von Regressionsmodellen zur Bestimmung des Drehmoments aus Kapazitäts-, Temperatur- und Zeitmessungen
Entwicklung und Anwendung von Regressionsmodellen zur Bestimmung des Drehmomentsaus Kapazitäts-, Temperatur- und Zeitmessungen
In den letzten Jahren wurde die Integration von Sensorik in standardisierte Maschinenelementen stark vorangetrieben. Elastische Kupplungen wie die Zahnkranzkupplung bieten dabei als sensorintegriertes Maschinenelement ein enormes Potenzial für die qualitative Messdatenerfassung. Ziel ist es, mit Hilfe einer Kapazitäts- und Temperaturmessung Rückschlüsse auf das wirkende Dent zu ziehen.
Eine wesentliche Herausforderung bei der Entwicrehmomklung einer solchen sensorintegrierenden Kupplung ist die Auswertung der Messdaten. Durch die Abhängigkeit der Drehmomentenkennlinie von der (i) Temperatur, (ii) Amplitude der Belastung und (iii) der Dehnrate bildet sich bei der Messung der Kapazität über dem Drehmoment eine Hysterese aus. Das Ziel der Arbeit ist es ein geeignetes Modell zu erstellen, welches die Anahnd der gemessenen Kapazität, Zeit und Temperatur möglichst genau und mit einem geringen Ressourcenbarf das Drehmoment vorhersagen kann.
Wesentliche Inhalte der Arbeit sind:
- Literaturrecherche zu Regressionsmodellen von hysteresenbehafteten Messdaten, z.B. (i) Fensterung der Daten, (ii) Recurrent Neural Networks, und den Ressourcenbedarf der verwendeten Operationen
- Implementierung von mind. zwei der untersuchten Modellen in Python
- Anwenden der Modelle auf experimentelle oder numerische Messdaten
- Resiliienzprüfung der Modelle
- Entwicklung einer Methode zur Abschätzung des Ressourcenbedarf (Rechenoperationen und Speicherbedarf)
- Auswahl eines geeigneten Modells unter den Kriterien: Genauigkeit und Ressourcenbedarf (Rechenoperationen und Speicherbedarf)
© MMFS
Dipl.-Ing. Johannes Menning
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Mechanik multifunktionaler Strukturen
Besucheradresse:
Zeunerbau, Zimmer 344 George-Bähr-Straße 3c
01069 Dresden
Deutschland