Masterarbeit: Erklärbare KI für die Zustandsüberwachung von Aktuatoren

Das erwartet dich

In der Abteilung für Sichere Systeme & Systems Engineering werden Zustandsüberwachungssysteme für sicherheitskritische Flugsteuerungskomponenten entwickelt. Um die verbleibende Lebensdauer (Remaining Useful Life, RUL) elektromechanischer Flugsteuerungsaktuatoren (EMA) vorherzusagen, ist es erforderlich, den kontinuierlichen Verschleiß mechanischer Komponenten wie beispielsweise der Kugellager im EMA zu überwachen. Dieser Verschleiß lässt sich dann mithilfe von auf Deep Learning basierenden Zustandsindikatoren modellieren, die als Grundlage für die RUL-Vorhersage dienen. Aufgrund des „Black Box“-Charakters von Deep Learning-Modellen ist die Vertrauenswürdigkeit der Ergebnisse jedoch begrenzt. Die Verbesserung dieser Vertrauenswürdigkeit ist insbesondere für sicherheitskritische Systeme von Bedeutung. Im Rahmen einer Masterarbeit sollen daher Ansätze zur Erklärbarkeit untersucht werden, um die Verlässlichkeit der Ergebnisse bei auf Deep Learning basierenden Methoden zur Erstellung von Zustandsindikatoren zu verbessern.

Deine Aufgaben

• Literaturrecherche zu bestehenden Deep Learning basierenden Methoden zur Erstellung von Zustandsindikatoren für Kugellager sowie zu anwendbaren Methoden von erklärbarer KI
• Implementierung von Zustandsüberwachungsalgorithmen sowie Erklärbarkeitsansätzen in Python
• Evaluierung von Ursachen für Unsicherheiten der Zustandsüberwachungsalgorithmen mithilfe der Erklärbarkeitsansätze

Das bringst du mit

• Masterstudent/in im Bereich Maschinenbau, Informatik, Sicherheitstechnik oder einem vergleichbaren Fachgebiet
• gute Programmierkenntnisse in Python
• gute Kenntnisse im Bereich der künstlichen Intelligenz
• gute Deutsch- und Englischkenntnisse