idw – Informationsdienst Wissenschaft

Nachrichten, Termine, Experten

Grafik: idw-Logo
Thema Corona

Imagefilm
Science Video Project
idw-News App:

AppStore



Teilen: 
24.03.2021 12:41

Lernfähige Algorithmen ermöglichen schnellere Entwicklung von Produkten im Elektromaschinenbau

Janne Stolte Pressestelle
Technische Universität Dresden

    Wissenschaftler der TU Dresden unter Leitung von Prof. Wilfried Hofmann von der Professur für Elektrische Maschinen und Antriebe haben einen wichtigen Schritt zum Einsatz von künstlicher Intelligenz (KI) im Entwurf von Elektromaschinen getan.

    Wissenschaftler der TU Dresden unter Leitung von Prof. Wilfried Hofmann von der Professur für Elektrische Maschinen und Antriebe haben einen wichtigen Schritt zum Einsatz von künstlicher Intelligenz (KI) im Entwurf von Elektromaschinen getan. Nach 18 Monaten intensiver Forschung entstanden zwei Programme, deren lernfähige Algorithmen den Designprozess elektrischer Motoren effizienter und zukunftsträchtiger gestalten können.

    Immer stärkere Automatisierung und der Einzug von Künstlicher Intelligenz in der Produktentwicklung fordern Änderungen in der Auslegung von industriellen Maschinen. Der Entwurfsprozess und die Optimierung von Elektromotoren, Generatoren und anderer elektromagnetischer Energiewandler muss schneller und flexibler werden. Das ist mit der Etablierung der Künstlichen Intelligenz im industriellen Elektromaschinenbau möglich. Mit dem Abschluss des Dresdner Projektes konnten weitgehende Fortschritte in diesem Bereich erreicht werden.

    Getestet wurden die neuen Programme am Entwurf von Drehstrom-Asynchronmaschinen. Diese dienen als Antrieb in fast allen Bereichen der Industrie, zum Beispiel in Werkzeugmaschinen, Lüftern, Pumpen oder Förderbändern. Der lernfähige Algorithmus des Programms kombiniert Datensätze der Hersteller sowie Trainingsdaten, die komplexe Zusammenhänge aus der Praxis des Elektromaschinenbaus abbilden. Anschließend verringert der Algorithmus die Anzahl der möglichen Maschinenvarianten derart, dass am Schluss ein für den Kunden optimales Design vorliegt. Zusätzlich zu den numerischen Werten der entworfenen Maschinen liefern die entwickelten Programme auch die grafischen Darstellungen.

    Das Projekt „Potentiale Maschinellen Lernens für die Auslegung drehender elektrischer Maschinen“ wurde durch die Forschungsvereinigung Antriebstechnik (FVA) e. V. gefördert. Die Wissenschaftler haben sich dabei zunächst ausschließlich auf den elektromagnetischen Aspekt des Maschinenentwurfs konzentriert. Sie haben nachgewiesen, dass der Einsatz von lernfähigen Algorithmen Entwicklungskosten und -zeiten spart. Die Forscher planen folglich den Einsatz von Künstlicher Intelligenz auf weitere Domänen des Elektromaschinen-Designs und deren Zusammenwirken zu erweitern. So wird der Anwender in der Industrie ein umfangreiches Werkzeug erhalten, welches besonders bei zeitintensiven Problemstellungen, wie beispielsweise thermischen Berechnungen, die Zeit bis zur Produkteinführung verkürzt.


    Wissenschaftliche Ansprechpartner:

    Univ.-Prof. Dr.-Ing. Wilfried Hofmann
    Dr.-Ing. E. Nicol Hildebrand
    Technische Universität Dresden
    Fakultät Elektrotechnik und Informationstechnik
    Professur für Elektrische Maschinen und Antriebe
    E-Mail: nicol.hildebrand@tu-dresden.de
    Tel.: +49 (0)351 463 33223


    Merkmale dieser Pressemitteilung:
    Journalisten, Wissenschaftler
    Elektrotechnik, Informationstechnik, Maschinenbau
    überregional
    Forschungsergebnisse
    Deutsch


    Hilfe

    Die Suche / Erweiterte Suche im idw-Archiv
    Verknüpfungen

    Sie können Suchbegriffe mit und, oder und / oder nicht verknüpfen, z. B. Philo nicht logie.

    Klammern

    Verknüpfungen können Sie mit Klammern voneinander trennen, z. B. (Philo nicht logie) oder (Psycho und logie).

    Wortgruppen

    Zusammenhängende Worte werden als Wortgruppe gesucht, wenn Sie sie in Anführungsstriche setzen, z. B. „Bundesrepublik Deutschland“.

    Auswahlkriterien

    Die Erweiterte Suche können Sie auch nutzen, ohne Suchbegriffe einzugeben. Sie orientiert sich dann an den Kriterien, die Sie ausgewählt haben (z. B. nach dem Land oder dem Sachgebiet).

    Haben Sie in einer Kategorie kein Kriterium ausgewählt, wird die gesamte Kategorie durchsucht (z.B. alle Sachgebiete oder alle Länder).