Schnellschaltende leistungselektronische Systeme wie z.B. Wechselrichter für Antriebsmotoren von Elektrofahrzeugen sind mögliche Quellen starker elektromagnetischer Störungen. Die Entstörung solcher Wechselrichter ist eine notwendige Maßnahme, um die Funktionsfähigkeit aller Systeme in einem Fahrzeug zu gewährleisten. Meist werden passive und zunehmend analoge oder digitale aktive Filterkonzepte verwendet. Insbesondere die Auslegung und Parametrierung von digitalen aktiven Filtern ist eine sehr komplexe Aufgabe, die mit konventionellen Methoden kaum lösbar ist. Neuronale Netze bieten hier neue, vielversprechende Ansätze. Für die Auslegung und Training eines neuronalen Netzes müssen das zu entstörende System und das Filterkonzept gut bekannt sein. Hierauf basierend kann ein neuronales Netz ausgewählt und der Trainingsprozess ausgelegt werden. Die verschiedenen Aspekte bei der Entwicklung einer KI-basierten Methode sollen im Rahmen von Abschlussarbeiten untersucht werden

Im Rahmen von mehreren Abschlussarbeiten soll eine KI-basierte Methode für das Design von aktiven Filtern entwickelt und für den Einsatz in einem realen Hardwaresetup ausgelegt werden. Eine oder mehrere der folgenden Aufgaben können zu einer Abschlussarbeit gehören:

• Evaluierung von verschiedenen Methoden des maschinellen Lernens (Überwachtes und verstärkendes Lernen)
• Auswahl und Entwicklung eines geeigneten Lernalgorithmus in Python (z.B. Tensorflow)
• Implementierung von Lernalgorithmen auf einem FPGA-System
• Testen der Ergebnisse in Simulationen und Laboraufbauten

Die genaue Aufgabenbeschreibung und der Ablauf der Arbeit werden in einem Vorgespräch mit der Betreuerin abgesprochen.