zur Hauptnavigation springen zum Inhaltsbereich springen

BayWISS-Kolleg Mobilität & Verkehr www.baywiss.de

Projekte im Kolleg Mobilität und Verkehr

© chuttersnap / unsplash.com

Nadelwickeln als automatisierter Produktentstehungsprozess

Eine wesentliche Komponente eines jeden vollelektrischen und hybriden Antriebsstrangs ist die elektrische Maschine. Neben intelligentem Design und einer anwendungsbezogen funktionalen Auslegung des elektrischen Antriebs bietet insbesondere eine optimierte Fertigung Potentiale, um den hohen Anforderungen an Qualität, Leistungsdichte und Kosten für Traktionsantriebe gerecht zu werden.

Je nach Ausführung des Antriebs beinhalten entweder nur der Stator oder aber Stator und Rotor einer elektrischen Maschine eine oder mehrere Kupferwicklungen. Eine Methode für die Produktion von Runddrahtwicklungen ist die Nadelwickeltechnik. Dabei wird der Kupferdraht über einen hohlen Drahtführer – die Nadel – direkt am zu bewickelnden Bauteil abgelegt. Die Nadelwickeltechnik zeichnet sich im Gegensatz zu anderen gängigen Wickelverfahren durch diese klar definierte Drahtablage aus. Die präzise Drahtpositionierung ermöglicht die Umsetzung optimierter Wickelschemata mit hohen Kupferfüllfaktoren und erleichtert die Automatisierung nachgelagerter Produktionsschritte.

Ziel des Forschungsprojektes ist die Optimierung und Weiterentwicklung des Nadelwickelprozesses hin zu einem automatisierten Produktentstehungsprozess. Ausgehend von den Zielparametern einer zu bewickelnden Antriebskomponente sollen in einem weitreichend automatisierten Prozess und nach einer minimalen Anzahl von Iterationen optimierte Wickelschemata produziert werden können. Hierbei sind Robustheit und Reproduzierbarkeit des Wickelvorgangs von zentraler Bedeutung.

Der Fokus des Forschungsvorhabens liegt daher auf der Modellierung des geometrischen Drahtverhaltens in Kombination mit dem Einsatz maschineller Bildverarbeitung zur automatisierten Evaluierung der Qualität von Wickelprodukten und auf der iterativen offline sowie online Optimierung des Wickelprozesses.

 

MITGLIED IM KOLLEG

seit

Betreuer Technische Hochschule Ingolstadt:

Prof. Dr.-Ing. Christian Endisch

 

Forschungsschwerpunkte:

  • Lernfähige Batteriesysteme
  • Lernfähige Systeme, Künstliche Intelligenz, Systemidentifikation, Schätzverfahren
  • Innovative Fertigungs- und Prüftechnologien mit lernfähigen Systemen (Industrie 4.0, digitaler Produktentstehungsprozess, automatisierte Trajektorienplanung, flexible vorausschauende Maschinenbelegungsplanung)
  • Optimierungsstrategien, vernetzte Mobilität, prädiktive Betriebsstrategien

Mehr Informationen zu Prof. Dr.-Ing. Christian Endisch finden Sie auf der Website der TH Ingolstadt

Betreute Projekte:

Markus Kohler

Markus Kohler

Technische Hochschule Ingolstadt

Publikationen und Poster

Markus Kohler, Martin Gerngroβ, Christian Endisch, 06/2022, A Test Bench Concept and Method for Image-Based Modeling of Geometric Wire Bending Behavior in Needle Winding Processes, 2022 IEEE 31st International Symposium on Industrial Electronics (ISIE), Anchorage, AK, USA, 2022, DOI:10.1109/ISIE51582.2022.9831494.

Markus Kohler, David Fendt, Christian Endisch, 06/2022, Modeling Geometric Wire Bending Behavior in Needle Winding Processes Using Circular Arcs with Tangential Linear Functions, 2022 IEEE Transportation Electrification Conference & Expo (ITEC), Anaheim, CA, USA, 2022, DOI:10.1109/ITEC53557.2022.9814041.

Koordination des Verbundkollegs Mobilität und Verkehr

Treten Sie mit uns in Kontakt. Wir freuen uns auf Ihre Fragen und Anregungen zum Verbundkolleg Mobilität und Verkehr.

Dr. Monika Kolpatzik

Dr. Monika Kolpatzik

Koordinatorin BayWISS-Verbundkolleg Mobilität & Verkehr

Technische Hochschule Ingolstadt
Doctoral School
Esplanade 10
85049 Ingolstadt

Telefon: +49 841 93481560
mobilitaet-verkehr.vk@baywiss.de

Marina Schleicher

Marina Schleicher

Koordinatorin BayWISS-Verbundkolleg Mobilität & Verkehr

Technische Hochschule Ingolstadt
Doctoral School
Esplanade 10
85049 Ingolstadt

Telefon: +49 841 93483539
mobilitaet-verkehr.vk@baywiss.de