Elektrische Antriebe sind eine grundlegende Komponente in fast allen komplexen mechatronischen Systemen und bestehen aus Motor, Getriebe, Encoder, Bremse und Wechselrichter. Ihre ursprüngliche Auslegung in Systemen basiert oft auf vereinfachten analytischen Formeln, die eine grobe Schätzung der erforderlichen Parameter liefern. Um jedoch die Zuverlässigkeit und Leistung des Gesamtsystems zu gewährleisten, ist eine detailliertere Validierung mithilfe physikalisch basierter Simulationen unerlässlich. Diese Simulationen können dynamische Wechselwirkungen erfassen oder Systembeschränkungen variieren.
Derzeit wird die Auswertung solcher Simulationen in der Regel manuell von Fachleuten durchgeführt. Diese Experten interpretieren die Ergebnisse, identifizieren potenzielle Schwachstellen oder Verbesserungsmöglichkeiten und leiten Empfehlungen für die Konstruktion ab. Dieser Prozess ist nicht nur zeitaufwändig, sondern hängt auch stark von der individuellen Fachkompetenz und Erfahrung ab, was zu Inkonsistenzen und einer eingeschränkten Skalierbarkeit führen kann.

ZIELE:

Das Ziel dieser Arbeit ist die Entwicklung von Strategien zur automatisierten Auswertung von Simulationsergebnissen im Zusammenhang mit der Konstruktion elektrischer Antriebssysteme. Ein Ansatz, der in Betracht gezogen werden könnte, ist die Fuzzy-Logik, um die Art der ungenauen, auf Erfahrung basierenden Entscheidungsfindung nachzuahmen, auf die sich menschliche Experten häufig stützen. Dies ermöglicht eine flexiblere und menschenähnlichere Interpretation von Simulationsdaten.
Auf der Grundlage der automatisierten Auswertung sollte das System dann auf eine formale Wissensbasis zugreifen, die als OWL-Ontologie dargestellt wird, um konkrete Konstruktionsempfehlungen abzuleiten. Diese sollten als Leitfaden für eine iterative Verbesserung der Konstruktion des Antriebssystems dienen.
Im Rahmen der Arbeit wird ein ausgewählter Ansatz unter Verwendung einer bereits vorhandenen Modelica-basierten Simulationsumgebung implementiert und getestet, um die Machbarkeit und Wirksamkeit der vorgeschlagenen Methode zu demonstrieren.

HILFREICHE VORKENNTNISSE:

• Grundlegende Kenntnisse über mechatronische und elektrische Antriebssysteme
• Programmierkenntnisse
• Vorlesungen Digital Twin Engineering oder Cyber Physical Modeling
• Erste Erfahrungen mit Modelica-Simulationen