Predictive AI für Wasserstoffmotoren: Vorhersage der kurbelwinkelaufgelösten Stickoxidemission

Research topic/area

Machine Learning

Type of thesis

Master

Start time

-

Application deadline

31.12.2025

Duration of the thesis

6 Monate

Description

Durch die Verschärfung der zukünftigen Emissionsgesetzgebung gewinnen Methoden zur CO2-Reduktion immer mehr an Bedeutung beim Betrieb von Verbrennungsmotoren. Dies betrifft insbesondere den Nutzfahrzeugbereich, was neue Ideen und Verfahren erfordert. Der Wechsel zu Wasserstoff als Energiequelle bietet die Möglichkeit den
Verbrennungsmotor CO2 neutral zu betreiben. Das IFKM nutzt mehrere Versuchsträger mit Wasserstoff zur Entwicklung von Brennverfahren. Dabei spielt die Messung der NO-Emissionen eine zentrale Rolle. Ziel dieser Arbeit ist es, ein Machine Learning Modell zu entwickeln, das die zeitliche Auflösung der NO-Emissionen anhand vorhandener Messdaten vorhersagen kann, um ein besseres Verständnis der Emissionen zu ermöglichen.

Diese Aufgaben erwarten dich:
- Datenanalyse der Messdaten
- Auswahl verschiedener Time Series Models
- Trainieren und Evaluieren der Ergebnisse
- Analyse und Dokumentation der Ergebnisse

Stichwörter: Time Series Prediction,
LSTM, Transformer, VAE, PatchTST

Requirement

Requirements for students

• Kenntnisse in Python, Grundkenntnisse
• in datengetriebene Methoden, Interesse
• am Verbrennungsmotor

Faculty departments

• Engineering sciences
  Informatics
  Mechanical engineering
  Mechatronics & information technologies
  Mechanical Engineering
  Information System Engineering and Management

Supervision

Title, first name, last name

Theodor Lanzer

Organizational unit

Institut für Kolbenmaschinen (IFKM)

Email address

theodor.lanzer@kit.edu

Link to personal homepage/personal page

Website

Application via email

Application documents

• Cover letter

E-Mail Address for application
Senden Sie die oben genannten Bewerbungsunterlagen bitte per Mail an theodor.lanzer@kit.edu


Back