Forscher der Uni Paderborn haben eine Software zur Temperaturvorhersage im E-Motor entwickelt. Der Clou: Sie ermittelt die Temperatur auf Basis von künstlicher Intelligenz und ist daher genauer als herkömmliche Methoden.
Im Fachgebiet "Leistungselektronik und Elektrische Antriebstechnik" an der Uni Paderborn entwickeln Wissenschaftler mithilfe von künstlicher Intelligenz eine Software zur Temperaturvorhersage im E-Motor.
Universität Paderborn / Besim Mazhiqi
Die Temperaturentwicklung kann in elektrischen Motoren aktuell nicht vollständig durch Messtechnik ermittelt werden. Entsprechende Sensoren und deren Einbau sind derzeit zu teuer – vor allem im rotierenden Teil des Motors. Wissenschaftler der Universität Paderborn arbeiten daher an der Entwicklung einer Software, die die Temperatur auf Basis von künstlicher Intelligenz an kritischen Stellen, beispielsweise bei den kostspieligen und sensiblen Dauermagneten, berechnet. Das Konzept nennt sich "Überwachtes Maschinelles Lernen".
Die Wissenschaftler arbeiten mit Modellen, die mathematische Funktionen und künstliche neuronale Netze, also Methoden der abstrakten Informationsverarbeitung, beinhalten. "Die Modelle sind in einer Software dargestellte mathematische Funktionen, beispielsweise tiefe künstliche neuronale Netze, die ohne physikalische Gleichungen auskommen. Es bestehen somit mehr Freiheitsgrade, um auf Basis verfügbarer Messdaten wie der Drehzahl oder des durch die Motorwicklungen fließenden Stroms auf die Temperatur zu schließen", erklärt der verantwortliche Projektingenieur Wilhelm Kirchgässner.
Datengetriebener Ansatz
Mithilfe des maschinellen Lernens sollen neuartige Ansätze zur Temperaturschätzung in Antrieben und anderen energietechnischen Anwendungen gefunden werden, die sich von den etablierten Methoden der Ingenieurswissenschaften grundlegend unterscheiden. "Statt bekanntes Systemwissen zur Modellbildung heranzuziehen, werden bei uns ausschließlich datengetriebene Black-Box-Ansätze mittels experimenteller Prüfstandsmessungen trainiert. Jetzt stehen wir vor der Herausforderung, geeignete Modellstrukturen aus einer großen Masse möglicher Lösungskandidaten zu identifizieren, mit denen sich die Temperaturschätzung möglichst genau und robust realisieren lässt", sagt Kirchgässner.
Und es gibt noch eine Herausforderung: Die Modelle dürfen nicht beliebig komplex sein. "Sonst können sie nicht auf kostengünstigen und eher schwachen Mikroprozessoren wie dem Steuergerät im E-Fahrzeug in Echtzeit berechnet werden", erklären die Experten. Bis das Vorhaben 2021 beendet ist, sollen entsprechende Ansätze vorliegen und dann von der akademischen Grundlagenforschung in die industrielle Anwendung überführt werden.