Beginn: Ab sofort
Art der Arbeit: Simulativ, Theoretisch, Studienarbeit, Masterarbeit
Ansprechpartner: Oscar Martinez Medina
Ziel dieser Arbeit ist die Zustandsprognose von Batteriezellen. Hierzu werden relevante Einflussparameter identifiziert und deren zeitabhängiges Verhalten untersucht. Basierend auf diesen Erkenntnissen werden maschinelle Lernverfahren entwickelt und implementiert, um die Batterielebensdauer vorhersagen zu können.
Die Arbeit umfasst folgende Punkte:
Literaturrecherche zur Lebensdauerberechnung von Batterien
Anwendung überwachter und unüberwachter maschineller Lernverfahren zur Prognose der Lebensdauer von Batteriezellen
Evaluierung der Prognosegenauigkeit der verwendeten maschinellen Lernverfahren
Beschreibung möglicher Prozesse zur Anwendung von Modellen für die Echtzeitprognose der Batterielebensdauer in Fahrzeugen
Vorkenntnisse im Bereich Energiespeicherung Lithium-Ionen-Batterien wünschenswert
Grundkenntnisse in Signalverarbeitung
Erfahrung mit Zeitreihenanalyse und Datenverarbeitung
Kenntnisse in Maschinelles Lernen, z. B. Python (Scikit-Learn, TensorFlow, …)
Analytische Fähigkeiten und Problemlösungskompetenz
Hohes Maß an Motivation, Eigeninitiative und strukturiertes Arbeiten