Methoden der Künstlichen Intelligenz (KI) haben ihr hohes Potenzial bereits in vielen Anwendungsbereichen bewiesen. Ziel eines geförderten Projekts mit Industriebeteiligung ist es, dieses Potenzial für die Überwachung und Bewertung von Schienenfahrzeugstrukturen zu nutzen und damit einen Beitrag zur Verbesserung der Leistungsfähigkeit des Schienenverkehrs zu leisten. Sensoren antragenden Strukturen des Fahrzeugs liefern Daten über den Zustand des Fahrzeugs. Diese Daten werden dann für die Zustandsüberwachung an der Front, die strategische Instandhaltung, die bedarfsgerechte Konstruktion und als Grundlage für das automatisierte Fahren genutzt. Um aus den Sensordaten auf eine beliebige wirkende Last innerhalb des Fahrzeugs zu schließen, soll Machine Learning eingesetzt werden. Das Hauptziel des Praktikums ist es, die Entwicklung des Machine Learning fortzusetzen und ein FEM-Modell zu entwickeln, dass ein neuronales Netz speist.

Ihre Aufgaben sind im Einzelnen:

• Literaturrecherche zu Lasten und Kräften, die auf die Struktur eines Schienenfahrzeugs einwirken
• Einarbeitung in bisherige Arbeiten
• Implementierung und Validierung des FEM-Modells
• Programmierung des neuronalen Netzes