Ziel ist es einen Drehmomentsensor mit Künstlicher Intelligenz (KI) zu entwickeln, welcher Ineffizienzen erkennt und präventive Instandhaltungsmaßnahmen vorschlägt. Damit soll die Langlebigkeit und Nachhaltigkeit des Sensors sowie der damit überwachten Systeme erhöht werden.
Im Gegensatz zu statischen und kabelgebundenen Messungen bei Kraftsensoren stellen rotierende Messwellen mit drahtloser Signalübertragung höhere Anforderungen an die Entwicklung. Neben der mechanischen Auslegung des Sensors sind auch komplexere Fragestellungen zur störungsresistenten, elektromagnetischen Übertragung der Sensorsignale zu berücksichtigen. Die Fertigungs- und Justageprozesse sind aufgrund der größeren Anzahl von Komponenten aufwändiger.
Die Kombination von Drehmomentmesstechnik und KI-basierter Datenverarbeitung stellt eine deutliche Herausforderung für das Team dar und geht weit über die Routineaufgaben hinaus. Dies beinhaltet die Modellbildung, Datenerfassung und Vorbereitung von Trainingsdaten für die KI.
Konventionelle Systeme nutzen oft eine Methode zur Übertragung von Messsignalen von einer rotierenden Welle, die auf elektrischen Schleifkontakten basiert. Diese Methode hat jedoch Nachteile, da sie zu Verschleiß und Verlusten führt und wartungsintensiv ist.
Im Gegensatz dazu verwendet die Projektlösung eine kontaktlose Methode zur Übertragung von Messsignalen von der rotierenden Welle, wodurch die oben genannten Nachteile vermieden werden.
Einige Mitbewerber bieten ebenfalls kontaktlose Verfahren zur Drehmomentmessung an. Allerdings fehlt diesen Systemen eine integrierte sensorbasierte Datenverarbeitung, die auf künstlicher Intelligenz (KI) basiert. Diese ermöglicht eine detaillierte Prozessanalyse und liefert wertvolle Hinweise auf Ineffizienzen und Maßnahmen zur vorbeugenden Wartung.
Ziel ist ein neuartiges System zur kontaktlosen Drehmomentmessung an rotierenden Wellen mit Echtzeit-Datenerfassung, Übertragung und KI-gestützter Datenverarbeitung auf einem im Sensor intergrierten Prozessor. Für die dafür erforderliche Platz- und Energieeffizienz sind eine spezielle Elektronikeinheit zu entwickeln und geeignete Prozessortechnologien auszuwählen. Für die Datenverarbeitung sind KI-Modelle zu entwerfen und mit simulierten und gemessenen Daten zu trainieren. Dabei ist zu beachten, dass die Ausführung auf einem Embedded-System mit eingeschränkter Rechenkapazität und geringem Energieverbrauch erfolgt.
Die interdisziplinäre Natur der Entwicklungsarbeiten, einschließlich Bereiche wie Mechanik-Design, Rotordynamik, Elektronik, Elektromagnetik, Embedded-Programmierung und KI-Modelle, birgt ein inhärentes Risiko. Ein Produkt, das sowohl industrie- als auch fertigungstauglich ist, muss sehr hohen Anforderungen gerecht werden und robust gegenüber Fertigungs- und Materialtoleranzen sowie Prozessschwankungen sein.
Die Herausforderung besteht insbesondere darin, Robustheit für Embedded KI-Anwendungen zu erreichen, ein Bereich, in dem es bisher keine Erfahrungen oder Referenzen gibt. Darüber hinaus ist die Umsetzung komplexer KI-Modelle in kompakten und energieeffizienten Embedded-Systemen eine anspruchsvolle Aufgabe. Das Risiko wird durch die Notwendigkeit verstärkt, eine ausreichende Menge an Trainingsdaten für die KI zu generieren, die auch in Bezug auf Qualität und Varianz den Anforderungen entsprechen müssen.
Trotz der erheblichen Risiken bietet das Projekt eine Chance, technologische Innovationen voranzutreiben. Mit dem richtigen Team, robusten Designprinzipien, intensiver Forschung und effektivem Daten- und Risikomanagement können die Herausforderungen gemeistert werden.
Dieses Projekt hat das Potenzial, den Weg für zukünftige Entwicklungen in diesem spannenden Bereich zu ebnen. Es zeigt, dass mit Risiko auch große Möglichkeiten einhergehen.
English 
español 
Ελληνικά