Das Profil Mechatronics and Automation sind für alle Schwerpunkte des Instituts von Bedeutung. Von der Entwicklung von industriellen Produktionsprozessen und deren Vernetzung im Bereich Industrie 4.0 zur Integration von bildbasierter Sensortechnik zur Navigation von autonomen Robotern und Drohnen kommt das Fachwissen aus der industriellen Automation, Robotik, mechanische Konstruktion, Kommunikationstechnik, Embedded Systemen sowie von dynamischen Systemen und Regelung zum Tragen.

Mehr Informationen zum MSE in Mechatronics and Automation

Das Profil Electrical Engineering deckt ein sehr breites Themenspektrum in unseren Projekten ab. Die Leistungselektronik und Antriebstechnik, die Signalverarbeitung und Kommunikationssysteme sowie die Mess- und Regelungstechnik sind in unseren Forschungsprojekten stets von zentraler Bedeutung.

Mehr Informationen zum MSE in Electrical Engineering

Gemäss verschiedenen Studien wird weltweit fast 50% der elektrischen Energie für den Betrieb von Motoren verbraucht. Im Profil Energy and Environment entwickeln und forschen wir an neuen Technologien und Konzepten um die Energieeffizienz von Antriebsystem zu verbessern. Dabei richtet sich unser Fokus auf die Entwicklung der Leistungselektronik und Motoren sowie die Regelung von spezifischen Anwendungen.

Mehr Informationen zum MSE in Engery and Environment

In Zukunft werden vermehrt Personen mit eingeschränkten Bewegungen oder Funktionen durch mechatronische Systeme unterstützt. Exoskelette sind insbesondere in der Rehabilitation kaum mehr wegzudenken. Im Profil Medical Engineering forschen wir an der Schnittstelle von Mensch und Roboter und bringen unsere Expertise aus den Bereichen Mechanik, Sensorik, Antriebstechnik und Embedded Systeme in angewandte Projekte ein.

Mehr Informationen zum MSE in Medical Engineering

Das Profil Data Science spielt eine zentrale Rolle in zahlreichen Bereichen des Instituts. Von der Analyse grosser Datenmengen zur Optimierung industrieller Prozesse über die Entwicklung intelligenter Algorithmen für autonome Systeme bis hin zur Vorhersage von Wartungsbedarfen in der Fertigung – die Anwendungen sind vielfältig. Unser Fachwissen erstreckt sich über maschinelles Lernen, statistische Datenanalyse, Big Data Technologien, Datenvisualisierung sowie die Implementierung datengetriebener Entscheidungsprozesse. Durch die Kombination dieser Kompetenzen tragen wir zur Effizienzsteigerung und Innovationskraft in unterschiedlichsten Industriezweigen bei.

Mehr Informationen zum MSE in Data Science

Mobile Roboter werden für ganz unterschiedliche Anwendungen eingesetzt, ein wichtiges Element dabei ist die autonome Erkennung der Umgebung und die autonome Navigation. Auf Basis einer Karte der Umgebung und der relativen Pose eines differentiell angetreibenen Roboters soll eine robuste Bahnplanung und Trajektorienfolgeregelung entwickelt werden, die den Roboter autonom an die gewünschte Stelle manövriert und möglichst eine niedrige Berechnungsintensität aufweist.

Bei Textilwebmaschinen ist die Spannung des Webfadens ein wesentlicher Einflussfaktor für gute Textilqualität. Die Fadenbremse hat die Aufgabe, für die gewünschte Fadenspannung zu sorgen. Handelsübliche Fadenbremsen müssen von Hand eingestellt werden; wenn die Fadenspannung aus diversen Gründen abdriftet und somit die Qualität des Textils negativ beeinflusst, muss dies rechtzeitig erkannt und durch eine Korrektur der Bremseinstellung behoben werden. Diese Masterarbeit hat das Ziel, eine autonome Bremse zu entwickeln, welche ein Abdriften der Fadenspannung rechtzeitig erkennt und die Spannungsabweichungen von selbst ausregelt.

Im Bereich von Industrie 4.0 spielt die Asset Administration Shell (AAS) eine zentrale Rolle in der Implementation des Referenzarchitekturmodells RAMI4.0 (DIN SPEC 91354). In dieser Masterarbeit soll eine AAS für einen Industrieroboter vom Typ Panda von Franka Emika implementiert werden. Dieser Roboter ist ein wichtiger Bestandteil eines Industrie 4.0 Demonstrators, welcher zur Zeit am IMS gebaut wird. Auf Basis einer "open asset administration shell" von der RWTH Aachen soll eine erste Version einer AAS implementiert und gegenüber den Anforderungen des Demonstrators getestet werden, um danch in einem zweiten Schritt für andere Anwendungen im Bereich Industrie 4.0 generalisiert zu werden.