Lernfähige Algorithmen KI hilft beim Designprozess im Elektromaschinenbau

Elektrische Motoren sollen mithilfe lernender Algorithmen schneller designt werden können – dafür haben Wissenschaftler der TU Dresden jetzt zwei Programme entwickelt.

Anbieter zum Thema

SIKO GmbH

Camozzi Automation GmbH

invenio AG

Technische Universität Dresden

Wissenschaftler haben lernfähige Algorithmen entwickelt, die bei dem Designprozess elektrischer Motoren helfen. Nach 18-monatiger Forschung entstanden zwei Programme unter der Leitung von Prof. Wilfried Hofmann an der TU Dresden.

Entwürfe im Elektromaschinenbau schneller erstellen

Hintergrund ist die starke Automatisierung in der Produktentwicklung, die eine andere Auslegung von industriellen Maschinen braucht. 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.

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.

Lernfähiger Algorithmus hilft bei der Auswahl

Was der Algorithmus kann: 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.

Für die Zukunft planen die Forschenden den Einsatz von Künstlicher Intelligenz auf weiteren Domänen des Elektromaschinen-Designs. Damit soll der Anwender in der Industrie ein umfangreiches Werkzeug erhalten, welches besonders bei zeitintensiven Problemstellungen, wie beispielsweise thermischen Berechnungen, die Zeit bis zur Produkteinführung verkürzt.

Das Projekt „Potentiale Maschinellen Lernens für die Auslegung drehender elektrischer Maschinen“ wurde durch die Forschungsvereinigung Antriebstechnik (FVA) e. V. gefördert.

(ID:47327447)