Amirreza Roodsaz

Problem

Der State of Health (SOH) einer Traktionsbatterie lässt sich nicht direkt messen — und verschiedene Diagnoseverfahren liefern unterschiedliche Werte. Ziel: ein reproduzierbares Verfahren, das On-Board- (im Fahrzeug) und Off-Board-Diagnose (Labor) zusammenführt.

Ansatz

Acht SOH-Verfahren (Energie, Ladung, Kapazität, Innenwiderstand, ICA/DVA) an VW ID.4, BMW i3s und Skoda Elroq aufgebaut und verglichen; On-Board-Daten (OBD-II, CAN-Bus) in MATLAB/Python ausgewertet und gegen das Off-Board-Referenzsystem AVL DiTEST HV-Check validiert. Auswertung in einer eigenen Python-/Streamlit-App (ca. 10 800 Zeilen).

Ergebnis

Das kombinierte Verfahren weicht nur 1,6 Prozentpunkte von der AVL-Referenz ab (Gesamtunsicherheit ±4,5 pp, Temperatureinfluss 0,1 pp). Eine Einzelmethode wich systematisch ab (85 % statt ~95 %); die Ursachenanalyse legte den Fehler offen. Gesamtnote der Arbeit: 1,0.

Problem

SOH und Restlebensdauer (RUL) von Zellen sollen datengetrieben prognostiziert werden — nachvollziehbar und auf einem etablierten Benchmark.

Ansatz

ML-Pipeline auf dem Severson-2019-Datensatz (scikit-learn): Feature-Engineering aus Zyklusdaten, Modelltraining und Bewertung.

Ergebnis

Lauffähige, reproduzierbare Pipeline auf GitHub — der praktische Beleg der KI-∩-Mechatronik-Verbindung.

Problem

EV-Fahrzeug- und Batteriedaten über den CAN-Bus erfassen und ein kompaktes Batteriemanagement auf Mikrocontroller-Ebene umsetzen.

Ansatz

CAN-Bus-Telemetrie zum Auslesen der Fahrzeug-/Batteriedaten und ein Mini-BMS mit STM32-Firmware (Zellüberwachung, Schwellwerte, Schutzlogik).

Ergebnis

Lauffähige Embedded-Demonstratoren auf GitHub — die hardwarenahe Hälfte der KI-∩-Mechatronik-Verbindung.

Problem

Technische Batterie- und Normendokumente sind umfangreich und schwer durchsuchbar. Ziel: schnelle, belegbare Antworten direkt aus den Quellen.

Ansatz

Retrieval-Augmented-Generation-Assistent: Dokumenten-Indexierung, Embeddings und lokal gehostete Sprachmodelle; eigene Pipelines.

Ergebnis

Durchsuchbarer Assistent über Batterie-/Normenwissen — Teil meines IBM-RAG-/Agentic-AI-Lernpfads.

Schwerpunkte

• Workflow-Design in ComfyUI — Custom Nodes, Multi-Model-Pipelines.
• Modellauswahl und Parameter-Tuning für spezifische Anwendungsfälle.
• Lokales Hosting auf eigener GPU-Hardware.

Beispiele

• Automatisierte Aggregation und Filterung relevanter Tech- und Branchen-News.
• Job-Listing-Tracking mit Filter- und Benachrichtigungslogik.
• Integration verschiedener APIs (RSS, Telegram, E-Mail, Web-Scraping).

Problem

Muskelsignale (EMG) sollen in Echtzeit eine Roboterhand steuern, die im Spiel „Stein–Papier–Schere“ gegen einen Menschen antritt — eine Mensch-Maschine-Schnittstelle über die gesamte mechatronische Kette: Sensorik, Elektronik, Mechanik und Software.

Ansatz

Erfassung und Verarbeitung der EMG-Signale, Klassifikation der Handgesten, Ansteuerung einer aktuierten Roboterhand und eine Echtzeit-Regelschleife — Integration von Sensorik bis Aktorik.

Ergebnis

Funktionsfähige Roboterhand, die „Stein–Papier–Schere“ im Mensch-Maschine-Dialog spielt. Bewertung der Projektarbeit: 1,0.

Problem

Rotierende Wellen in der Fertigung geraten durch Verschleiß aus dem Gleichgewicht (Unwucht). Ungeplante Stillstände sind teuer — gebraucht werden eine schnelle Erkennung und ein Überbrücken bis zur fachgerechten Reparatur.

Ansatz

Software zur automatischen Steuerung ein- und zweiköpfiger Wellen: Sensoren erfassen die Unwucht, ein Alarm meldet sie sofort, und Aktoren gleichen die Welle temporär aus, um den Betrieb aufrechtzuerhalten.

Ergebnis

Funktionierendes Konzept aus Messung, Sofort-Alarm und temporärem Ausgleich zur Vibrationsreduktion. Bewertung: 18/20.

Problem

Impedanzanpassung mit dem Smith-Diagramm ist abstrakt und wird meist von Hand oder in teurer Desktop-Software gemacht — schwer zugänglich für Studium, Amateurfunk und schnelle Auslegung.

Ansatz

Interaktives Smith-Chart-Werkzeug im Browser (TypeScript/Vite): Element-Palette (L, C, R, Leitungen, Stubs), Live-Bogenberechnung, VSWR-/Q-Kreise, Ein-Klick-Auto-Matching (L-Netzwerk & Single-Stub), NanoVNA-/Touchstone-Import, PNG-Export und ein Erklärmodus.

Ergebnis

Lauffähiges Open-Source-Tool (MIT) mit 128 Unit-Tests und Playwright-E2E-Tests plus CI — verbindet HF-/Elektrotechnik-Grundlagen mit sauberer Softwareentwicklung.

Problem

Elektrische Traktionsmotoren (PMSM) brauchen eine präzise, schnelle Drehmoment- und Drehzahlregelung. Feldorientierte Regelung (FOC) ist der Industriestandard — aber anspruchsvoll in Auslegung und Validierung.

Ansatz

Portable, HAL-freie C-Firmware (Clarke-/Park-Transformation, PI-Stromregler mit Anti-Windup, Entkopplung, Space-Vector-PWM, Drehzahlregler) bei 10 kHz — ko-simuliert gegen ein dq-PMSM-Fahrzeugmodell (RK4) über eine ctypes-Brücke. Reglerauslegung analytisch aus dem Motor-Typenschild.

Ergebnis

Validiert über den WLTP-Fahrzyklus: 0,60 ms Stromsprungantwort, 0,6 % Drehzahlüberschwingen, Lastausregelung und Sensor-Fehlererkennung — plus interaktive Streamlit-Demo, getestet mit pytest.

Problem

Regler, BMS und Batteriemodell entstehen meist getrennt und treffen erst spät im Fahrzeug aufeinander. Ziel: ein kompletter EV-Antriebsstrang als Modell, der in Echtzeit fährt und in den sich Fehler gefahrlos einspeisen lassen.

Ansatz

Der Embedded-C-FOC-Regler aus dem eDrive-Projekt läuft im Loop bei 10 kHz gegen ein elektrothermisches 96-Zellen-Pack; ein EKF-basiertes BMS schätzt Ladezustand und Zellzustände nur aus Klemmengrößen („blind“). Fahrzyklus, Fahrermodell und Fehlerinjektion (Sensor-, Zell- und Kommunikationsfehler) laufen live.

Ergebnis

Fahrbarer Digital Twin mit Live-Fehlerinjektion, der FOC-Regelung, Mini-BMS und Batteriemodell zu einem System verbindet — Regler- und BMS-Tests ohne Prüfstand.