Masterarbeit: Robuste Identifikation zusammengesetzter elektrischer Antriebsmodelle — Identifizierbarkeit, Sensitivität & Anregungsanalyse (w/m/div.)

Während Ihrer Abschlussarbeit vertiefen Sie sich in physikbasierte Modelle elektrischer Antriebe sowie in unsere Python-Komponentenbibliothek und sichten gleichzeitig die aktuelle Literatur zur robusten Systemidentifikation und zur Versuchsplanung (Design of Experiments). Darüber hinaus entwickeln Sie innovative Robustheitsdiagnostiken für unsere bestehende Identifikations-Pipeline – unter Berücksichtigung der Parameteridentifizierbarkeit, Sensitivität und des Konvergenzverhaltens – und implementieren sowie quantifizieren geeignete Gegenmaßnahmen. Zusätzlich analysieren Sie den Anregungsgehalt vorhandener Datensätze, bewerten relevante Kriterien und verknüpfen diese Erkenntnisse mit der erreichbaren Identifikationsqualität. Sie evaluieren den von Ihnen entwickelten Ansatz umfassend anhand eines praxisnahen Benchmark-Anwendungsfalls. Zudem dokumentieren und präsentieren Sie Ihre Forschungsergebnisse klar und verständlich. Abschließend erweitern Sie den Ansatz, um teilweise beobachtbare Effekte zu adressieren, die aus Zuständen resultieren, die nicht direkt messbar sind, wie beispielsweise Temperaturen.

Function: Research
Experience Level: Not Applicable