Direkt zum Inhalt

Automatische Dekektion des Verformungsverhaltens von Achsmanschetten

Masterprojekt Maschinenbau - Virtuelle Produktentwicklung

Kurzbeschreibung und Zusatzinfos:

GKN Driveline ist führender Zulieferer für Antriebskomponenten und -systeme und beliefert mit seinen mehr als 40 Standorten in über 30 Ländern alle wichtigen Automobilhersteller. In unserem Forschungs- und Entwicklungszentrum entwickeln wir neue Antriebssysteme für PKW und unterstützen die Kunden-applikationen. Von GKN Driveline hergestellte Seiten- oder Längswellen mit Gleichlaufgelenken übertragen die vom Motor erzeugte Kraft vom Getriebe auf die Räder. Gleichlaufgelenkwellen werden heute in allen PKWs eingesetzt. Die Gelenke sind durch Faltenbälge (Achsmanschetten) gegen Umwelteinflüsse geschützt.

Masterprojekte-ING Reith SS21 Bild 03 (DE)

Analyse und Evaluation von Bauteilen, bspw. solche die in Antrieben zum Einsatz kommen, ist ein wichtiger Bestandteil in ihrer Entwicklung und Weiterentwicklung. Bauteile werden im laufenden Betrieb beobachtet um bspw. Abnutzung, Verformung oder Beschädigung unter bestimmten Umständen zu erkennen. Die manuelle Detektion solcher Events innerhalb von Videoaufnahmen ist

mühselig und zeitintensiv, da diese teils über Wochen gehen. Eine automatisierte Detektion kann dazu beitragen die Auswertung stark zu beschleunigen und Kosten einzusparen. Eine möglichst exakte Auswertung kann u.a. der Validierung von virtuellen Testvorhersagen zu Gute kommen.

Ziele / Fragestellungen:

  • Recherche zu den Möglichkeiten zur automatischen Erkennung von Verformungen (Hardware / Software). Es besteht die Möglichkeit Software aus einer internen Machbarkeitsstudie auszubauen (Python).
  • Für den Abgleich mit FE-Ergebnissen benötigen wir Daten wie Koordinaten, Temperatur, Druck, etc., die während des Tests regelmäßig ausgelesen werden müssen.
Masterprojekte-ING Reith SS21 Bild 04 (DE)
  • Vorschlag für einen Standard-Testaufbau inkl. Empfehlungen für die Einrichtung neuer Hardware in Absprache mit der Test- und Designabteilung.
  • Konsolidierung aller vorhandenen Daten.
  • Ist die Analyse echtzeitfähig?
  • Optional: Die Daten sollten standardisiert und maschinenlesbar.abgelegt werden. Wie sollten die Daten aussehen? Sie sollen die Grundlage für neue Validierungsmethoden zur virtuellen Testvorhersage (FE, KI) werden.

Betreuerin: Dipl. Ing. Daniela Ballas – GKN Driveline Int. GmbH (Lohmar)

Anzahl Plätze: 1