Masterstudiengang Elektrotechnik

Projekt Angewandte Forschung I bzw. II

Bild: panthermedia.net / Ivelin Radkov
Bild: panthermedia.net / Ivelin Radkov

Eine Besonderheit des Masterstudiengangs Elektrotechnik ist die Möglichkeit Wahlmodule durch das "Projekt Angewandte Forschung I bzw. II" zu ersetzen.


Um das Projekt zu wählen, füllen Sie dazu den entsprechenden Belegschein aus.


Belegschein Projekt Angewandte Forschung


Zu vergebende Themen:

Themen für das Projekt Angewandte Forschung:

ProjektleiterProjektBeschreibung
Prof. RacklesSoftware-Entwickklung für einen Wechselrichter auf der Basis von Siliziumcarbid-Transistoren
Prof. Feiertag Vermessung des Einflusses der Temperatur auf mikromechanische Mikrofone im Rahmen des Projekts SimuSens
Prof. StrieglerAufbau eines Laser und TEC-Controllers mittels Raspberry Pi
Prof. Simon SchrammModellierung und Untersuchung eines bidirektionalen resonanten DC/DC-Spannungswandlers für die Anbindung von Hochvolt-Batteriespeichern.
Prof. Simon SchrammAufbau und Inbetriebnahme eines TI-Reference-Designs eines isolierten, bidirektionalen DC-DC-Wandlers mit 2kW, 48V auf 400V – (TIDA-00951). (bis zu 2 Personen)
Prof. Simon SchrammKonzipierung eines Prüfstands für bidirektionale DC-DC-Wandler im Leistungsbereich bis 50 kW – Betriebssicherheit, übergeordnete Prüfstandsteuerung/-automation und Datenerfassung (z.B. mittels Labview) (bis zu 2 Personen - praktische Ausbildung vorteilhaft)
Prof. Simon SchrammKonzeptionierung und Umsetzung eine optimierten 20W Schaltnetzteils mit 230V AC auf 3.3V, 5V, ±15V DC als Spannungsversorgung - Private Netzkopplung
Prof. Simon SchrammKonzeptionierung und Umsetzung eines Messstandes zur automatisierten Erfassung elektrischer Messgrößen (z.B. I, U, P, Q, Harmonics) diverser Verbraucher an der Hochschule München mittels vorhandener Messgeräte (z.B. Netzanalysator, Scoperecorder usw.). - (praktische Ausbildung vorteilhaft)
Prof. Simon SchrammWeiterentwicklung eines Python- / Matlab-Tools zur Analyse von Energieverbrauchsdaten der Hochschule München durch Darstellung verschiedener Kenngrößen und Abhängigkeiten (Temperaturabhängigkeit, Typtage, Jahreszeiten, Einstrahlungswerte, etc.)
Prof. Schöttl Deep Learning Verfahren in Bildverarbeitung und Robotik
Prof. Schöttl3d-Rekonstruktion aus Bildern nicht-kalibrierter Kameras
Prof. SchöttlBiofeedback und Virtual Reality
Prof. SchöttlImplementierung eines Reglers inkl. Moding auf einem FPGA

Studiengangsleiter

Prof. Dr. Jürgen Rackles
Raum: R 4.003

Tel.: 089 1265-3453
Fax: 089 1265-3403

Profil >