Studien- und Abschlussarbeiten

Hauptbetreuer: Prof. Dr. Arif Kazi


Von allen derzeit bekannten Aktor-Materialien haben Formgedächtnis-Legierungen (engl. Shape Memory Alloys, SMA) die höchste Energiedichte. Da diese Legierungen mit der Form­änderung auch ihren elektrischen Widerstand ändern, können Formgedächtnis-Elemente nicht nur als Aktoren, sondern gleichzeitig auch als Sensoren eingesetzt werden. Mit ihrer einfachen Bauform eigenen sich Formgedächtnis-Elemente hervorragend für die Miniatu­risierung.

Die Fa. Actuator Solutions in Gunzenhausen hat sich auf die Entwicklung innovativer Aktoren auf der Basis von Formgedächtnis-Legierungen spezialisiert. Das Unternehmen produziert mehrere Millionen Aktoren pro Jahr, vorwiegend für die Automobilindustrie. Aktuell wird eine Bildstabilisierung für Smartphone-Kameras entwickelt, für die das Unternehmen auch den Innovationspreis 2014 in der Kategorie Mittelstand erhalten hat (siehe http://www.wiwo.de/technologie/forschung/innovationspreis-sieger-kategorie-mittelstand-actuator-solutions-muskeln-aus-drahtseilen-/9716644.html).

Weitere innovative Ideen und Konzepte warten darauf, im Rahmen von Bachelor- und Masterarbeiten in die Realität umgesetzt zu werden!

Bachelorarbeit, Masterarbeit, Studienarbeit, Status: Offenes Thema
Studienangebote: Mechatronik Mechatronik / Systems Engineering
Hauptbetreuer: Prof. Dr. Markus Glaser

Schlagworte: LiIon Batterie SoC


Die Arbeit beschäftigt sich mit der Entwicklung einer Methodik für die Ermittlung des State of Charge für eine hochzuverlässige LiIon Batterie.

Eine Bestimmung des SoC ist typbedingt nicht über die Zellspannung zuverlässig realisierbar.

Hierfür soll ein neuer Ansatz entwickelt werden. Die Ermittlung soll modelbasiert auf Basis relevanter Parameter erfolgen.

Das Modell soll über Messreihen abgeglichen und verifiziert werden.

Bachelorarbeit, Masterarbeit, Studienarbeit, Status: Offenes Thema
Studienangebote: Mechatronik Mechatronik / Systems Engineering
Hauptbetreuer: Prof. Dr. Markus Glaser

Schlagworte: sofware fpga nios toolchain IEC 61508


Für sicherheitsrelevante mechatronische Systeme ist die Software von zentraler Bedeutung. Neben den primären Funktionen werden umfangreiche Diagnosen durch die integrierte Software autonom ausgeführt.

Im Rahmen des Projekts sollen Schlüsselfunktionen eines intelligenten Antriebssystems konzipiert, implementiert und verifiziert werden. Hierzu gehört die Entwicklung einer Toolchain für die Entwicklung und Integration der Module. 

Als Zielplattform kommt ein FPGA mit Softcore (NIOS) zur Anwendung.

Bachelorarbeit, Masterarbeit, Studienarbeit, Status: Offenes Thema
Studienangebote: Mechatronik Mechatronik / Systems Engineering
Hauptbetreuer: Prof. Dr. Markus Glaser

Schlagworte: Embedded Programmierung CANopen safety


Modern, state of the art mechatronic systems require multiple Interfaces for good connectivity in the intended environment.


The subject includes the following activities:

- Evaluation of different Modbus TCP/IP communication stacks

- Integration of the selected stack in the system controller

- Setup of the verification, including the test harness


Hauptbetreuer: Prof. Dr. Markus Glaser


Konzeptionierung und Durchführung von Zuverlässigkeitsuntersuchungen.

Entwicklung von Testaufbauten.

Bachelorarbeit, Masterarbeit, Projektarbeit, Status: Offenes Thema
Studienangebote: Mechatronik Mechatronik / Systems Engineering
Hauptbetreuer: Prof. Dr. Markus Glaser

Schlagworte: Servomotor; Motion Control


Entwurf und Implementierung Feldorientierter Regelung auf einem FPGA mittels Rapid Prototyping.

Ermittlung Frequenzgang.

Entwurf und Implementierung Diagnosefunktionen zur online Parameteridentifikation.

Hauptbetreuer: Prof. Dr. Markus Glaser

Schlagworte: Li-Ionen Zuverlässigkeit Big data


Der Einzug von Big Data in die Mechatronik erfordert neue Datenablage Modelle.

Speziell für die Anwendung von Machine Learning ist es wichtig gesammelte Daten sinnvoll abzulegen.

Dies ermöglicht einen einfachen Zugriff auf die Daten zur Verwendung als Testdaten und Verifikationsdaten für die Modell Generierung.


Die Ziel der Bachelorarbeit sind

  • die Analyse der generierten Daten

  • die Entwicklung eines Ablagemodells der Daten

  • die Speicherung der Daten in einer Datenbank

  • die Generierung der Datenbank in einer Cloud

Hauptbetreuer: Prof. Dr.-Ing. Jürgen Baur, Zweitbetreuer: Prof. Dr.-Ing. Fabian Holzwarth

Bearbeitungszeit ab 07.10.2019 bis 31.07.2020

Schlagworte: Elektromobilität Bildverarbeitung Autonomes Fahren machine learning


Für ein vorhandenes Modellfahrzeug im Maßstab 1:12 soll eine Objekterkennung mit einem neuronalen "yolov2" Netz simuliert und auf der

Zielhardware Raspberry Pi4 implementiert werden. Das Deployment soll via CUDA-Code unter Verwendung von S-functions in Matlab implementiert werden.

Die Objekterkennung soll für die Fahrerassistenzfunktion "Kollisionsvermeidungsassistenz" die Erkennung von Personen auf der Fahrbahn und dem 

anschliessenden Ausweichmanöver dienen. Die kompette Hardware mit Fahrbahnmodell mit WLAN-Anbindung an einen Datenserver steht hierbei zur Verfügung.

Die Arbeit soll komplett modellbasiert mit Matlab-Simulink-Stateflow durchgeführt werden.

Das Projekt eignet sich für 1-2 Personen im Projektteam. 

Hauptbetreuer: Max Schneckenburger, Zweitbetreuer: Prof. Dr. Rainer Börret


An einem Industrieroboter ABB 4400 ist ein Neigungssensor verbaut, der das Sensorsignal an eine SPS überträgt.

Aufgabe ist es, die Orientierung des Roboters (über Quarternionen) zu berechnen und über ein BUS-System in Echtzeit zu regeln.

Suche