Offene studentische Arbeiten
Diese Arbeit zielt darauf ab, die Genauigkeit der Temperaturabschätzung in Leistungshalbleiterbauelementen mithilfe temperatur-sensitiver elektrischer Parameter (TSEPs) zu verbessern, die häufig durch Rauschen, Anomalien und Drift infolge von Bauteildegradation beeinträchtigt werden. Das Projekt untersucht fortgeschrittene Techniken zur Rauschminderung, Anomalieerkennung und Driftkorrektur, um die Schätzgenauigkeit bei minimaler Sensorzahl zu erhöhen. Zu den Hauptaufgaben gehören die Auswahl und Bewertung geeigneter Algorithmen zur Rauschminderung und Anomalieerkennung für TSEP-basierte Temperaturabschätzung, wobei Genauigkeit, Reaktionszeit und Komplexität verglichen werden. Ein weiteres Ziel ist es, die Anzahl der benötigten TSEPs für eine genaue Schätzung der Temperatur mithilfe von maschinellen Lernmethoden zu minimieren.
Vorkentnisse:
- MATLAB oder Python
- Verständnis der Leistungselektronik
- Kenntnisse in Signalverarbeitung und maschinellem Lernen.
Kontakt:
Steigende Schaltfrequenzen stellen immer höhere Anforderungen an die Signalerzeugung und -verarbeitung für leistungselektronische Anwendungen: Höhere Schaltfrequenzen erlauben den Einsatz kleinerer passiver Bauelemente, erfordern aber schnellere Steuerungen. Um eine solche Steuerung zu realisieren, ist ein Steuerungs- und Ansteuersystem erforderlich, das den gestiegenen Anforderungen gerecht wird. Um bei diesen hohen Frequenzen arbeiten zu können, bieten Mikrocontroller nicht mehr genügend Leistung. Daher soll eine FPGA-basierte Alternative auf Basis des Diligent Cmod A7 35T Evaluation Boards entwickelt werden.
Art der Arbeit:
BA ✅ FA ✅ MA ✅
Vorkenntnisse:
- Inhalte der Vorlesungen RT 1 und LE 1
- Inhalte aus der Vorlesung RT 2 hilfreich
- Programmierkenntnisse idealerweise in Verbindung mit FPGAs wünschenswert
Kontakt:
Kontakt
Dominik Koch
M.Sc.Gruppenleiter Leistungselektronik / Wissenschaftlicher Mitarbeiter
Benjamin Schoch
M.Sc.Wissenschaftlicher Mitarbeiter