Predictive Maintenance für die e-Mobilität
![EFRE-Förderung & Sachsen fördert](https://tu-dresden.de/ing/maschinenwesen/ifkm/nefm/ressourcen/bilder/forschung/projekte/amtwin/foerderung/Logo_EFRE-Sachsen.png/@@images/474e6c0c-6aa6-493a-9189-8e5ae14a1d4e.png)
Förderung
Inhalt
Das Projekt adressiert mehrere Aspekte momentaner Entwicklungen. Hierzu gehören gesellschaftliche Veränderungen wie das Mobiltätverhalten und daraus resultierende Mobilitätskonzepte. Doch auch technische Veränderungen sind maßgeblich für die Notwendigkeit weiterführender Forschungen. Insbesondere die e-Mobilität in Verbindung mit der stetig fortschreitenden Digitalisierung werden im Vorhaben untersucht. Als Demonstrator aus dem Bereich der e-Mobilität werden Belastungs- und Beanspruchungssituationen an e-Bikes ermittelt. Hierdurch können Methoden entwickelt werden, die eine Zuverlässigkeitsbewertung der Fahrräder gestatten, welche jedoch anschließend generell auf beliebige e-Fahrzeuge übertragbar sind. Eine besondere Herausforderung entsteht ebenso durch die hohe Funktionsintegration bei Elektroantrieben wie auch infolge des zu untersuchenden Ermüdungsverhaltens faserverstärkter Kunststoffe im Fahrradrahmen.
Projektziele
Beanspruchungsermittlung und -bewertung
Mit zunehmender Digitalisierung der Fahrzeuge stehen dem Nutzer aber auch dem Hersteller immer größere Datenmengen aus standardmäßig verbauter Sensorik zur Verfügung. Diese Senorinformationen gestatten Rückschlüsse auf den Einsatz und die daraus resultierende Belastung auf die Fahrzeuge. Mit Hilfe der Methoden des maschniellen Lernens können Korrelationen zwischen identifizierten Manövern und Beanspruchungen hergestellt werden. Diese Methoden gilt es zu untersuchen, zu bewerten und zu erweitern, um eine bestmögliche Abschätzung der Beanspruchungen im Fahrrad zu erhalten. In Kombination mit ingenieurmäßigen Betrachtungen und Modellbildungen können auch Verfahren angelernt werden, welche die Zuverlässigkeit verschiedener Fahrzeugkomponenten abschätzt und als Information zur Verfügung stellt.
Materialmodellierung und numerische Methoden
Die Methoden des maschinellen Lernens bieten ein breites Einsatzsprektrum zum hocheffizienten berechnen komplexter Sachverhalte. Diese Eigenschaft stellt besonders im Bereich der numerischen Methoden des Maschinenbaus einen wesentlichen Untersuchungsaspekt dar. So soll untersucht werden, inwieweit sich rechenintensive mehrskalige Materialmodelle durch maschinelles Lernen beschleunigen oder ganz ersetzen lassen. Hiermit wird die Möglichkeit gegeben, auf einfachen Rechnerarchitekturen umfangreiche Rechenergebnisse zu generieren, was eine Grundvoraussetzung für IoT im mobilen Einsatz darstellt. In Kombination mit den ermittelten Beanspruchungen und deren Bewertungen entsteht so ein digitaler Zwilling jedes einzelnen Fahrzeuges.
Digitaler Zwilling
Der digitale Zwilling, welcher sich aus der entwickelten IoT-Lösung ergibt, ist das abschließende technische Ziel des Projektes. Schnelle Algorithmen bieten eine onboard-Sofortaussage zum Zustand des e-Bikes. Hiermit können Nutzer rechtzeitig über anstehende Wartungen informiert werden und Hersteller erhalten wesentliche Informationen zur Verbesserung ihrer zukünftigen Produkte.
Nutzen
Die Ergebnisse des Projektes leisten einen wesentlichen Beitrag zur Weiterentwicklung des Freistaates Sachsen und des Wissenschaftsstandortes Dresden. Durch die entickelten Methoden werden lokale Unternehmen in ihrer Wettbewerbsfähigkeit gestärkt. Ebenso werden die Attraktivität und die Zukunftssicherheit des Freistaates Sachsen und der TU Dresden durch die Integration des entstandenen Wissens in die Lehre gesteigert, womit ein wesenticher Standortvorteil entsteht.
Projektleitung/Verbundkoordination
![Markus Kästner](https://tu-dresden.de/ing/maschinenwesen/ifkm/nefm/ressourcen/bilder/professur/DSC_1550.jpg/@@images/20bcdbcc-b7c0-44d5-9de3-51b5183360e6.jpeg)
Inhaber der Professur für Numerische und Experimentelle Festkörpermechanik
NameProf. Dr.-Ing. habil. Markus Kästner
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Numerische und Experimentelle Festkörpermechanik
Professur für Numerische und Experimentelle Festkörpermechanik
Besuchsadresse:
Zeunerbau, Zimmer 352 George-Bähr-Straße 3c
01069 Dresden
Projektmitarbeiter
![Dr. Peter Hantschke](https://tu-dresden.de/ing/maschinenwesen/ifkm/nefm/ressourcen/bilder/professur/portraits-beschaeftigte/Hantschke_Peter.jpg/@@images/39c1db13-205e-4aab-945b-d4adc8ffc6de.jpeg)
Dr.-Ing. Peter Hantschke
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Numerische und Experimentelle Festkörpermechanik
Professur für Numerische und Experimentelle Festkörpermechanik
Besuchsadresse:
MAR30, Zimmer 156 Marschnerstraße 30
01307 Dresden
![Leonhard Heindel](https://tu-dresden.de/ing/maschinenwesen/ifkm/nefm/ressourcen/bilder/professur/portraits-beschaeftigte/picture_L_Heindel.jpg/@@images/3be7f9fe-e7e3-4bdc-9121-1a6f13dfb904.jpeg)
Dipl.-Ing. Leonhard Heindel
Eine verschlüsselte E-Mail über das SecureMail-Portal versenden (nur für TUD-externe Personen).
Professur für Numerische und Experimentelle Festkörpermechanik
Professur für Numerische und Experimentelle Festkörpermechanik
Besuchsadresse:
MAR30, Zimmer 056 Marschnerstraße 30
01307 Dresden
Projektpartner
Beim vorliegenden Projekt handelt es sich um eine Forschungskooperation von:
- Prof. Dr.-Ing. Maik Gude, Professur für Leichtbaudesign und Strukturbewertung am Institut für Leichtbau und Kunststofftechnik der TU Dresden, ILK
- Dr.-Ing. Mike Röllig,Fraunhofer Institut für Keramische Technologien und Systeme, IKTS in Dresden