Theses

Exciting topics for final papers constantly arise from the various projects. BIBA offers students at the university's faculty for Production Engineering – Mechanical Engineering and Process Engineering numerous projects for theses.

Bachelor and Master Theses

Zum Thema „KI-gestützte Lastspitzenprognose und Demand-Response-Simulation“

Motivation:

Künstliche Intelligenz hält zunehmend Einzug in die Energie- und Gebäudetechnik und eröffnet völlig neue Möglichkeiten, komplexe technische Systeme intelligent zu steuern. Ein zentrales Anwendungsfeld dafür sind elektrische Lastspitzen: Sie verursachen hohe Kosten, belasten die Stromnetze und stehen damit einer nachhaltigen Energienutzung im Weg. Machine-Learning-Verfahren machen es möglich, zukünftige Lastverläufe nicht nur zu schätzen, sondern vorherzusagen.

Problemstellung:

Diese Prognose ist der Ausgangspunkt für intelligentes, automatisiertes Energiemanagement: Sobald ein System weiß, dass eine kritische Lastspitze droht, kann es gezielt, durch das Verschieben, Pausieren, Drosseln oder Beenden einzelner Verbraucher und Prozesse, eingreifen. Damit diese Eingriffe nicht nur theoretisch sinnvoll, sondern auch in der Praxis wirksam und auf reale Systeme übertragbar sind, braucht es einen fundierten Maßnahmenkatalog, welcher es an echten Verbrauchsdaten des Universitätscampus zu erproben gilt.

Zielsetzung:

Ziel der Arbeit ist es, die Wirksamkeit von Lastmanagement-Maßnahmen praxisnah nachzuweisen. Folgende Teilaufgaben sind zu bearbeiten:

  • Recherche und systematische Einordnung von Demand-Response-Maßnahmen für unterschiedliche Gebäude-/Anlagentypen des Universitätscampus (Rechenzentrum, Büro-, Laborgebäude u. a.)
  • Erstellung eines praxisorientierten Maßnahmenkatalogs für Lastmanagement-Strategien (Verschieben, Pausieren, Beenden, Drosseln von Verbrauchern/Prozessen)
  • Programmierung einer Lastgangssimulation zur Vorhersage von Lastverläufen unter Berücksichtigung der definierten Maßnahmen
  • Anwendung probabilistischer Machine-Learning-Verfahren, um die Wirkung der Steuerungsmaßnahmen quantitativ zu bewerten und daraus lastspitzenreduzierende Handlungsempfehlungen abzuleiten
  • Dokumentation, Visualisierung und kritische Einordnung der Ergebnisse

Voraussetzung:

  • Gute Python-Kenntnisse
  • Erfahrung mit Machine-Learning-Bibliotheken von Vorteil, aber nicht zwingend erforderlich
  • Interesse an Energietechnik, Gebäudeautomation und Datenanalyse
  • Selbstständige, strukturierte Arbeitsweise
  • Freude an der Arbeit an der Schnittstelle von Ingenieurwissenschaften und Softwareentwicklung

Ansprechpartner:

BIBA - Bremer Institut für Produktion und Logistik GmbH
Informations- und kommunikationstechnische Anwendungen in der Produktion (IKAP)
Marcel Wiechmann
E-Mail: wim@biba.uni-bremen.de
Tel.: 0421 / 218 - 64864

Master Theses

Zum Thema „Untersuchung und Entwicklung visueller-inertialer Lokalisierungsverfahren für autonome Inspektionsdrohnen“

Motivation

Autonome Drohnen bieten großes Potenzial für die automatisierte Inspektion von Gebäudefassaden. Eine zuverlässige Positionsbestimmung ist dabei entscheidend, insbesondere in Umgebungen mit eingeschränktem GNSS-Empfang. Die visuelle-inertiale Odometrie (VIO) bietet hierfür einen vielversprechenden Ansatz, indem Kamera- und inertiale Sensordaten zur Bewegungsschätzung kombiniert werden.

Problemstellung

Die zuverlässige Lokalisierung kleiner Drohnen stellt insbesondere in GNSS-gestörten Umgebungen eine Herausforderung dar. Für den Einsatz bei Fassadeninspektionen müssen geeignete Verfahren hinsichtlich ihrer Genauigkeit, Robustheit und Echtzeitfähigkeit untersucht werden. Dabei sind auch die verfügbaren Sensordaten und technischen Schnittstellen der eingesetzten Drohnenplattform zu berücksichtigen.

Zielsetzung

Ziel der Arbeit ist die Untersuchung und prototypische Umsetzung eines geeigneten visuellen-inertialen Lokalisierungsverfahrens für Inspektionsdrohnen. Hierzu sollen bestehende Verfahren verglichen, ein geeigneter Ansatz ausgewählt und hinsichtlich Lokalisierungsgenauigkeit, Drift und Robustheit unter verschiedenen Bedingungen evaluiert werden.

  • Recherche und Vergleich bestehender VIO-Verfahren
  • Untersuchung verfügbarer Kamera- und IMU-Daten der Drohnenplattform
  • Auswahl und Implementierung bzw. Anpassung eines geeigneten Verfahrens
  • Durchführung von Versuchen und Evaluation der Ergebnisse

Voraussetzung

  • Master-Studiengang (M. Sc.) in Informatik, Elektrotechnik, Systems Engineering oder vergleichbares
  • Sehr gute Englischkenntnisse (wichtig für das Verstehen von wissenschaftlichen Papieren)
  • Gute Programmierkenntnisse
  • Interesse an Robotik, Drohnentechnologie und autonomer Navigation
  • Idealerweise Vorerfahrungen mit OpenCV oder vergleichbaren Frameworks

Ansprechpartnerin

BIBA, Forschungsbereich: Intelligente Produktions- und Logistiksysteme (IPS)
Laura Mittelsdorf
E-Mail: mil@biba.uni-bremen.de
Tel.: 0421 / 218 - 50 058