Masterarbeit KI-basierte Regelung der Leistungselektronik (wmdiv.)

Moderne leistungselektronische Systeme insbesondere AC/DC- und DC/DC-Wandler bilden das unverzichtbare Rückgrat der Technologielandschaft von morgen: In der EMobilität ermöglichen sie ultraschnelle hocheffiziente Onboard-Ladesysteme sowie eine robuste der Robotik treiben sie hochdynamische präzise Aktuatoren und elektrische Antriebe an die für kollaborative und autonome Systeme erforderlich Rechenzentren stellen sie maximale Energieeffizienz hohe Leistungsdichte und einen unterbrechungsfreien Betrieb sicher. Um die strengen Anforderungen an Wirkungsgrad und Bauraum dieser Anwendungen zu erfüllen setzt die moderne Leistungselektronik zunehmend auf fortschrittliche SoftSwitchingTopologien. Diese Topologien reduzieren zwar die Schaltverluste deutlich und maximieren die Leistungsdichte weisen jedoch stark nichtlineare Dynamiken auf. Gleichzeitig erfordern Kosten- und Bauraumoptimierung kleinere Energiespeicherkomponenten (Kondensatoren und Induktivitäten) was die Systeminstabilität und das komplexe dynamische Verhalten weiter verstärkt. Traditionelle lineare Regelungsverfahren (wie StandardPIRegler) haben unter diesen anspruchsvollen Bedingungen Schwierigkeiten eine optimale Performance aufrechtzuerhalten.

Diese Masterarbeit zielt darauf ab ClosedLoopRegelalgorithmen der nächsten Generation zu untersuchen zu vergleichen und zu implementieren um diese Nichtlinearitäten zu beherrschen und die Leistungsgrenzen von Wandlern weiter zu verschieben. Im Rahmen Ihrer Arbeit wählen Sie das vielversprechendste Regelungskonzept aus und entwickeln eine maßgeschneiderte Regelstrategie auf Basis eines bereits vorhandenen Simulationsmodells unserer NextGenerationLadegeräteWandlertopologien. Sie untersuchen fortgeschrittene ClosedLoopRegelungsmethoden die für stark nichtlineare leistungselektronische Systeme geeignet sind mit Fokus auf Model Predictive Control (MPC) neuronalen Netzwerk-basierten Regelarchitekturen sowie ReinforcementLearning(RL)Ansätzen für Leistungswandler. Darüber hinaus implementieren Sie den entwickelten Regelalgorithmus in einer Simulationsumgebung (z. B. MATLAB/Simulink Python oder PLECS). Außerdem validieren und benchmarken Sie das Regelungskonzept unter realistischen Betriebsbedingungen und bewerten dabei das Transientenverhalten den Wirkungsgrad und die Stabilität im Vergleich zu etablierten Referenzreglern. Sie analysieren und vergleichen die identifizierten Regelstrategien hinsichtlich Rechenaufwand Dynamik Robustheit gegenüber Parameteränderungen sowie Eignung für eine Echtzeitimplementierung. Abschließend erstellen Sie die Dokumentation und präsentieren die Ergebnisse.

Qualifications :

• Ausbildung: Masterstudium im Bereich Elektrotechnik Regelungstechnik Mechatronik Kybernetik Informatik oder eine vergleichbare Qualifikation
• Erfahrung und Kenntnisse: Fundierte Kenntnisse in Regelungssystemen (Zustandsraum nichtlineare Regelung oder prädiktive moderne Regelungsverfahren); sicherer Umgang mit Simulationswerkzeugen wie MATLAB/Simulink und/oder Python mit Machine-Learning-Frameworks wie PyTorch; Kenntnisse in der Leistungselektronik (AC/DC- und DC/DC-Wandler) sind von Vorteil
• Persönlichkeit und Arbeitsweise: Sie sind eine zielorientierte und motivierte Person mit einer lösungsorientierten Denkweise
• Arbeitsmodell: Wir bieten Ihnen die Möglichkeit in einem hybriden Arbeitsmodell zu arbeiten
• Begeisterung: Hohe Motivation an zukunftsweisender Forschung an der Schnittstelle von Leistungselektronik und intelligenten Regelungssystemen (Machine Learning Reinforcement Learning) zu arbeiten
• Sprachen: Verhandlungssicheres Englisch oder Deutsch

Zusätzliche Informationen :

Start: nach vorheriger Vereinbarung Dauer: 6 Monate Voraussetzung für diese Abschlussarbeit ist die Immatrikulation an einer Hochschule/Universität. Bitte fügen Sie Ihren Lebenslauf Ihren Notenspiegel (Transcript of Records) die Prüfungsordnung sowie falls erforderlich eine gültige Arbeits- und Aufenthaltserlaubnis bei. Vielfalt und Inklusion sind für uns nicht nur Trends sondern fest in unserer Unternehmenskultur verankert. Daher begrüßen wir alle Bewerbungen unabhängig von Geschlecht Alter Behinderung Religion ethnischer Herkunft oder sexueller Identität. Benötigen Sie weitere Informationen zur Stelle Michael Jiptner (Fachbereich) 49 8 Work #LikeABosch startet hier: Jetzt bewerben! #LI-DNI

Remote Work :

No

Employment Type :

Full-time