Dr.-Ing. mit Schwerpunkt Dynamik und Mechatronik

1/2021 – 8/2023

Diverse Projekte bei unterschiedlichen Kunden im Bereich
• Machine Learning Projekte mit PyTorch und TensorFlow
• Aufbau von verschiedenen neuronalen Netzwerkarchitekturen
in Python
• Training neuronaler Netze
• Entwurf verschiedener AI-Konzepte
• Finetuning der Hyperparameter von neuronalen Netzen
• Arbeiten mit Cloudtechnologien (AWS und Azure)
• Projektmanagement
• Wellenausbreitung (Akustik)

Akustik, Amazon Web Services (AWS), Faltendes Neuronales Netzwerk (CNN), Git, Lineare Regression, Maschinelles Lernen, Neuronale Netze, Pytorch, Rekurrentes Neuronales Netzwerk (RNN), Tensorflow

3/2016 – 12/2020

• Dissertationsschrift: "On direct and inverse problems related to
longitudinal impact of non-uniform rods"
• Aufbau eines neuronalen Netzes (AI) zur Identifizierung möglicher
Lösungen des inversen Problems mit Python
• Training des neuronalen Netzes mit Lösungen des direkten Problems
• Aufbau eines Simulationsmodells zur Berechnung inverser
Wellenausbreitungsprobleme mit MATLAB
• Optimierung der Versuchsergebnisse
• Konzeption, Entwicklung und Inbetriebnahme eines Prüfstands zur
Validierung der theoretischen Simulationsergebnisse
• Versuchsdurchführung und Auswertung + Dokumentation der
Versuchsergebnisse
• Präsentation der Ergebnisse bei internationalen Konferenzen
• Dozent von neun verschiedenen Lehrveranstaltungen im Bereich
Schwingungslehre, Mechatronik und Akustik

Faltendes Neuronales Netzwerk (CNN), Maschinelles Lernen, Neuronale Netze, Pytorch, Rekurrentes Neuronales Netzwerk (RNN), Tensorflow, Simulink, Python, Elektromotoren, Mechatronik (allg.), Regelungstechnik / Steuerungstechnik, Akustik

4/2015 – 10/2015

Modellbasierte Entwicklung einer systematischen Vorgehensweise zur Optimierung von elektrischen Antriebssystemen mit veränderlicher Betriebsspannung
• Analyse des Wirkzusammenhangs zwischen Elektronik, Motor und Getriebe
• Erstellung eines Simulationsmodells zum Einfluss der veränderlichen Betriebsspannung (über einen DC/DC-Wandler) des Elektromotors auf das Motorkennfeld und die Motorauslegung mit MATLAB/SIMULINK
• Erstellung einer Regelungsstrategie für einen elektrischen Antrieb mit DC/DC Wandler
• Analyse der Vor- und Nachteile eines elektrischen Antriebs mit veränderlicher Betriebsspannung
• Verifizierung des Simulationsmodells durch Vergleich der Ergebnisse des Simulationsmodells mit den Ergebnissen eines Feinmodells

Elektronik, Mechatronik (allg.), Elektromotoren, Mathematik, Simulink, Regelungstechnik / Steuerungstechnik