Prof. Dipl.-Ing. Dipl.-Ing. Ulrich Lehmann

SE-, AW- und Studienprojekte

Wir empfehlen Ihnen, ein Projekt in der Hochschule, d.h. im Labor oder im Institut CV&CI zu bearbeiten, um keine Verzögerung im Studienverlauf zu riskieren. Ein Projekt in der Industrie ist zwar interessant, lässt sich aber kaum oder nur mit großem Aufwand, zum Vorlesungsbetrieb synchronisieren. In der Bachelorarbeit (Thesis) kann ein Industrieprojekt wesentlich einfacher bearbeitet werden, da in der Regel keine parallelen Lehrveranstaltungen ablaufen und Sie sich ganz auf Ihre Bachelorarbeit konzentrieren können. Oft haben Studierende mit einem Projekt angefangen und danach das Projekt im Rahmen ihrer Bachelorarbeit abgeschlossen. Im folgenden sehen Sie Themenangebote (NN) und Themenbeispiele für erfolgreich abgeschlossene Projekte (Vorname, Name des Bearbeiters). Sie können die ehemaligen Studierenden gerne zu unserem Arbeitsstil und zur Notengebung befragen. Generell können Sie bei uns im Fachgebiet oder Institut im Rahmen Ihres Projektes auch an hausinternen Forschungsprojekten mit der Industrie und/oder anderen Forschungseinrichtungen mitarbeiten oder sich auf Ihre Bachelorarbeit vorbereiten. Dafür sehen Sie die Themen hier…

NN:
T-Infrastruktur für Smarte Hochschule und Lehre 4.0: Die Smarte Hochschule oder Hochschule 4.0 kommt, auch wenn nicht jeder Beteiligte darüber begeistert ist. Im Institut CV&CI soll folgende Applikation realisiert werden:
Virtueller Assistent für smarte Hochschul-Institut CV&CI: Hier übernehmen RFID-Chips in Studierendenausweisen die Echtzeit-Anwesenheitskontrolle im Seminar und in Prüfungen. Sie dienen gleichzeitig der Steuerung der studentischen Echtzeit-Studium-Fortschrittsampel die auf einem TV-Monitor etwa 55“-Größe im Seminarraum P 106 und vor dem Dozentenzimmer P 209 leuchtet. Big Data sorgt für die Ansteuerung mittels Scan der studentischen Uploads in den Semesterkursen auf der e-Learning-Plattform des Instituts CV&CI. Dabei bedeutet zum Beispiel: grün: alles in Ordnung | gelb: Achtung, besser jetzt die eigene Performance anheben | rot: Leistung zu niedrig für Erreichung des Semesterziels. Hier fließt alles ein. Anwesenheitsstatistik, Performanceanalyse, Originalität der Arbeiten (Plagiatskontrolle mit Prozentangabe), …, Vollständigkeit der Präsentationen von den Studierenden. Dass alles im WLAN vernetzt ist, ist eine Voraussetzung. Die RFID-Lesegeräte werden von einem Microcontroller Raspberry Pi 2 oder 3 angesteuert. Und last but not least: Kommt der betreffende Studierende oder sein Dozent vorbei, können sie den Studierendennamen „Max Mustermann“ vor der Ampel im Klartext lesen. Dritte sehen nur eine Matrikel-Nr. „123456789“. Wir nennen es Internet of Things oder Lehre 4.0 in Südwestfalen. Die Studierenden sagen super, virtueller Zeigefinger, …! Die Verwaltung „selektiver“ Datenschutz!
Haben wir Ihr Interesse geweckt? Dann sprechen oder e-Mailen Sie uns an Prof. lehmann.ulrich@fh-swf.de , Raum P 209 oder Dipl.-Ing. Hans Brenig, Raum P 202

Mike Rose, Thomas Morawietz, Stefan Schneuing:
Magic Mirror - Spiegel 4.0 Der Raspberry Pi ist ein kreditkartengroßer Mikrocomputer - auch Microcontroller (MC) genannt. Mithilfe seiner mindestens 700 Mhz schnellen ARM-CPU kann er nahezu alles was auch normale Desktoprechner in der unteren Leistungsklasse können. Er benötigt sehr wenig elektrische Leistung, ist mit etwa 30 Euro sehr preiswert zu erwerben, hat einen TCP/IP-Interface (Web) und hat daher die Voraussetzungen der Star für Industrie 4.0 - Internet of Things (IoT) im Bereich der Cyber-physischen Systeme (CPS) zu werden. Für den Bereich Smart Home ist er nicht nur ein schneller Microcontroller, sondern auch ein stromsparender Homeserver mit fast unendliche Verwendungsmöglichkeiten. Er hebt sich vor allem durch die Möglichkeit ab, über einen HDMI-Ausgang und der XBMC genannten Oberfläche Videos in 1080p-Auflösung auf einem Bildschirm oder HD-TV abzuspielen. Damit eignet er sich hervorragend als günstiges MediaCenter für das Wohnzimmer. Neben dem Einsatz als MediaCenter kann der Raspberry Pi zur Verwirklichung eigener Projekte verwendet werden. Es können auch eine Vielzahl von einer riesigen Community entwickelten Projekte nachgebaut werden. Einige Beispiele wären: NAS- oder VPN-Server, Internet-Radio, als eigene Cloud oder als Energiemanagement- und Haussteuerung. In diesem Projekt soll ein Magic Mirror - Spiegel 4.0 für ein Bad oder eine Diele im Smart Home als Labormuster aufgebaut werden. Im Rahmen dieses Projektes können bestimmt 5 oder mehr Projekte für Software Engineering vergeben werden. Einige sind bereits für Bearbeiter reserviert - andere noch frei. Ziel ist, den Spiegel im Flur P 2 der Hochschulöffentlichkeit zugänglich zu machen – natürlich mit Bildern und E-Mail-Adressen von den Entwicklern und Projektleitern.
Haben wir Ihr Interesse geweckt? Dann sprechen oder e-Mailen Sie uns an Prof. lehmann.ulrich@fh-swf.de, Raum P 209 oder Dipl.-Ing. Hans Brenig, Raum P 202.

NN:
Entwicklung und Test einer Web-Anwendung mit einem fertig trainierten künstlichen Neuronalen Netz: Durch drei Studierende wurde im CIC.Lab der FH SWF anhand von Daten zu Charaktereigenschaften von Studierenden zur Abschätzung des Studienerfolges für die Semester 1 und 2 des Studiums Informatik ein KNN trainiert und mit gutem Ergebnis getestet. Jetzt soll die Anwendung im Web des Labors/Professors oder auf der e-Learning-Plattform der FH SWF so integriert werden, dass Studierende selbst ihre Prognose ermitteln können. Durch Eingabe von Parametern aus ihrem Test Charaktereigenschaften (Uni Zürich) und ihren bisherigen Lernerfolgen soll der Lernerfolg für das 1. bzw. 1. und 2. Semester vor der Prüfungsteilnahme prognostiziert werden. Betreuung: Dipl.-Ing. Hans Brenig und Prof. Ulrich Lehmann

Entwicklung, Aufbau und Test eines Cyber-Physischen-Systems mit Mikrocontroller Raspberry Pi B:
Lichtregelung im Labor CIC.lab mit einem Raspberry Pi B- Microcontroller-System (Preis: etwa 30 €). Die Modellregelstrecke ist vorhanden. Reglerparameter sind bekannt. Es ist lediglich ein PID-Regler mit variabler Abtastzeit und einstellbaren Parametern (via Web) zu entwickeln und in C oder Java zu programmieren, danach Test und Inbetriebnahme der Modellregelung.

NN:
Computer Vision für die Verarbeitung von Videos von Testfahrten zur Beurteilung von Fahrerassistenzsystemen im Institut CV&CI in Kooperation mit Fa. AUDI AG, Ingolstadt. Betreuung: M.Sc. Tilmann Armbruster, Institut CV&CI und Prof. Ulrich Lehmann

NN:
Konzeption und ansatzweise Implementierung eines Expertensystems mit Fuzzy-Logik im LAB der FH SWF für die Auswahl von Computer-Vision-Entwicklungsumgebungen anhand von praktischen Problemstellungen in der lokalen Industrie. Betreuung: M.Sc. Alex Grote, AK Bildverarbeitung und Prof. Ulrich Lehmann.

NN:
Programmierung eines bionischen Roboters (6-beiniger Roboter) im CIC.Lab der FH SWF zur Überwindung von treppenförmigen Hindernissen. Betreuung. Betreuung: Dipl.-Ing. Hans Brenig, Prof. Ulrich Lehmann und Prof. Martin Venhaus (Robotik, FB Maschinenbau)

NN:
Java Applets für e-Learning-Kurse auf der Plattform moodle
Beispiele für die implementierten Java Applets siehe Kurs Prozessinformatik und Systemtechnik. Der Kurs ist offen, d.h. Sie benötigen kein Schlüsselwort für den Zugang. Bisher wurden zahlreiche SE-Projekte mit gutem und sehr gutem Erfolg durchgeführt. Beispiele für abgeschlossene Projekte siehe auf dieser Seite weiter unten. Haben Sie Fragen? Falls ja, sprechen Sie uns (Brenig: brenig@fh-swf.de oder Lehmann: lehmann@fh-swf.de) einfach an.

NN:
Ankopplung eines Mikrocontroller-Boards an eine Optimierungsplattform für Fuzzy-Systeme, Künstlich Neuronale Netze und Evolutionäre Optimierung

NN:
Bedienoberfläche und Echtzeit-Betriebsprogramm für Überwachung des Trainings und des Betriebs von Künstlich Neuronalen Netzen.
Details: Datenerfassung, Training eines KNN im Batchbetrieb im Hintergrund mit MATLAB/Simulink oder JNNS, Betrieb eines zweiten, bereits trainierten KNN in Produktionsphase im Vordergrund.

NN:
3D-Visualisierung eines Montagevorganges aus Simulationsdaten MATLAB/Simulink

Aleksander Rutscheidt [arutscheidt@yahoo.de]:
Buchdruck von Kursen aus der e-Learning-Plattform moodle.
Ergebnis führt zu einer Diplomarbeit

Rafael Pawlitzki [R.pawlitzki@gmx.de], Heinz Sikora:
Prozessvisualisierung für die e-Learning-Plattform Ilias.

Michael Schütte [michael.schuette@stud.fh-swf.de], Jan Sekuterski:
Java-Applets für die Simulation von Übertragungsgliedern für e-Learning unter metacoon.
Das Ergebnis führte zu einem wissenschaftlichen Vortrag.

Johannes Renk [renki1982@web.de], Cengiz Kitir:
Digitaler PID-Regler auf Basis eines Mikrocontrollers Infineon 80C166/167.
Das Ergebnis führte zu einer Diplomarbeit

Katharina Henning, Volker Gördes, Marco Pack [marco@marco-pack.de]:
SPAM-Filter auf Basis von Künstlich Neuronalen Netzen.
Das Ergebnis führte zu drei Diplomarbeiten.

Aleksander Lodwich [lodwich@fh-swf.de]:
Visualisierung der Gewichte und Bias-Werte für ein Künstlich Neuronales Netz.
Das Ergebnis führte zu einer Diplomarbeit.

Christian Hanke [Christian.Hanke@web.de]:
Teleteaching für Fernvorlesungen an Hochschulen.Das Ergebnis führte zu einer Diplomarbeit. und einer Buchveröffentlichung.