Themenspecial ?Künstliche Intelligenz“
Im vom Bundesministerium für Bildung und Forschung (BMBF) gef?rderten Wissenschaftsjahr dreht sich 2019 alles um das Thema Künstliche Intelligenz (KI). Schon heute bestimmen Anwendungen, die auf Digitalisierung und Maschinellem Lernen beruhen, weite Bereiche unseres Lebens: Von virtuellen Assistenzsystemen über Industrieroboter bis hin zu humanoiden Pflegekr?ften – die intelligenten Maschinen nehmen uns viel Arbeit ab. Wie diese Systeme funktionieren und welche gesellschaftlichen Implikationen es dabei gibt, er?rtern Paderborner Wissenschaftler*innen im Rahmen eines Themenspecials. Dabei liegt der Fokus auf ihrer Forschung, mit der sie die Entwicklung mitgestalten.
Temperaturvorhersage im Elektromotor mithilfe von Künstlicher Intelligenz
Ein pl?tzlicher Motorausfall auf der Autobahn oder ein Brand unter der Haube: Um diese Horrorszenarien zu vermeiden, muss die Temperatur in elektrischen Motoren dauerhaft überprüft werden. Bisherige Systeme k?nnen das allerdings nur ann?hrend leisten. Schuld daran sind zu hohe Kosten für notwendige Sensoren. Wissenschaftler*innen der Universit?t Paderborn arbeiten daher an der Entwicklung einer Software, die die Temperatur auf Basis von Künstlicher Intelligenz an kritischen Stellen berechnet. Das Konzept nennt sich ??berwachtes Maschinelles Lernen“.
?Die Temperaturentwicklung kann in elektrischen Motoren, insbesondere für eine Nutzung im Rahmen der Elektromobilit?t, aktuell nicht vollst?ndig durch Messtechnik ermittelt werden. Entsprechende Sensoren und deren Einbau sind schlichtweg zu teuer – vor allem im rotierenden Teil des Motors. Daher brauchen wir Ersatzmodelle, die die Temperatur im Betrieb an definierten Stellen sch?tzen – beispielsweise bei den kostspieligen und sensiblen Dauermagneten“, erkl?rt Dr. Oliver Wallscheid, Forschungsgruppenleiter im Fachgebiet ?Leistungselektronik und Elektrische Antriebstechnik“ an der Universit?t.
Solche Ersatzmodelle basieren aktuell auf physikalischen Gleichungen und müssen für jeden Motortyp neu aufgestellt werden. Dazu Wallscheid: ?Das kann problematisch sein, wenn Motoren einer Gro?produktionsserie nicht exakt gleich sind – in diesem Fall müssen zus?tzliche Sicherheitsreserven vorgesehen werden, die dazu führen, dass nur ein Teil der gesamten Motorleistung abgerufen werden kann. Ebenso wenig k?nnen alle auftretenden physikalischen Effekte durch bisherige Modelle nachgebildet werden, sodass immer eine gewisse Sch?tzungsungenauigkeit zurückbleibt.“
Die L?sung: datengetriebene Ans?tze. Dazu arbeiten die Wissenschaftler*innen um Wallscheid mit Modellen, die mathematische Funktionen und künstliche neuronale Netze, also Methoden der abstrakten Informationsverarbeitung, beinhalten. Das Projekt, das von der Deutschen Forschungsgemeinschaft (DFG) gef?rdert wird, ist angesiedelt im Bereich der Künstlichen Intelligenz: ?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 flie?enden Stroms auf die Temperatur zu schlie?en“, erkl?rt der verantwortliche Projektingenieur Wilhelm Kirchg?ssner.
Arbeiten an der Schnittstelle von Elektrotechnik, Informatik und Mathematik
Mithilfe des Maschinellen Lernens sollen neuartige Ans?tze zur Temperatursch?tzung 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 ausschlie?lich datengetriebene Black-Box-Ans?tze mittels experimenteller Prüfstandsmessungen trainiert. Jetzt stehen wir vor der Herausforderung, geeignete Modellstrukturen aus einer gro?en Masse m?glicher L?sungskandidaten zu identifizieren, mit denen sich die Temperatursch?tzung m?glichst genau und robust realisieren l?sst“, sagt Kirchg?ssner.
Und es gibt noch eine Herausforderung: Die Modelle dürfen nicht beliebig komplex sein. ?Sonst k?nnen sie nicht auf kostengünstigen und eher schwachen Mikroprozessoren wie dem Steuerger?t im E-Fahrzeug in Echtzeit berechnet werden“, erkl?ren die Experten. Bis das Vorhaben 2021 beendet ist, sollen entsprechende Ans?tze vorliegen und dann von der akademischen Grundlagenforschung in die industrielle Anwendung überführt werden.
Nina Reckendorf, Stabsstelle Presse und Kommunikation
Lesen 365体育_足球比分网￥投注直播官网 mehr zum Thema Künstliche Intelligenz:
Flexible Arbeitswelten: Der Mensch im Fokus – Wissenschaftler der Universit?t Paderborn erforschen neue soziale Infrastrukturen für die Industrieproduktion
