Doctoral Researcher / Master's Thesis Worker - VIcTOR - Virtual Torque Sensing for Maritime Powertrains
Aalto-yliopisto · Espoo
Hybridentry💰 3 400–4 150 EURIT och teknik · UtbildningPublicerad 12.10.2026 03.00
Kompetenser
convex optimizationkalman filteringMachine Learningphysics-informed learningdata analysismathematical modelingPythonmatlabsignal processing
Jobbeskrivning
Aalto-yliopistossa tiede ja taide kohtaavat tekniikan ja talouden. Rakennamme kestävää tulevaisuutta innostamalla huomisen muutoksentekijöitä ja luomalla uusia ratkaisuja suuriin maailmanlaajuisiin haasteisiin. Yhteisöömme kuuluu 13 000 opiskelijaa, 400 professoria ja lähes 4 500 muuta työntekijää, jotka toimivat eloisalla kampuksellamme Espoossa, Suomen pääkaupunkiseudulla. Edistämme aktiivisesti yhteisömme monimuotoisuutta ja osallisuutta. Siksi kannustamme lämpimästi päteviä hakijoita kaikista taustoista liittymään yhteisöömme. Insinööritieteiden korkeakoulu edistää tiedettä ja innovaatioita teollisuuden ja rakennetun ympäristön teknologioissa. Koulutamme uuden sukupolven asiantuntijoita, jotka yhdistävät vahvan teknisen osaamisen syvälliseen ymmärrykseen kestävän kehityksen merkityksestä yhteiskuntien muovaamisessa. Tutkimuksemme keskittyy kestävään rakennettuun ympäristöön, mekaniikkaan ja materiaaleihin, monialaiseen energiatekniikkaan sekä teknisten järjestelmien suunnitteluun ja toteutukseen. Korkeakoulumme vahvuus on tiivis yhteistyö sidosryhmien kanssa tutkimuksessa ja koulutuksessa. Korkeakoulusta valmistuu vuosittain noin 45 tohtoria ja 350 diplomi-insinööriä. Henkilöstöömme kuuluu 700 työntekijää, joista 70 on professoreita. Lisätietoja: eng.aalto.fi. Aalto-yliopiston konetekniikan laitoksen pyörivien koneiden laboratorio ARotor etsii yhteistyössä teollisuuskumppanimme Wärtsilän kanssa Aalto-yliopiston konetekniikan laitoksen pyörivien koneiden laboratorio ARotor etsii yhteistyössä teollisuuskumppanimme Wärtsilän kanssa Väitöskirjatutkijaa / diplomityöntekijää VIcTOR - Virtuaalinen vääntömomentin mittaus laivojen voimansiirrossa Hankkeen kuvaus Hankkeen kuvaus Laivan voimansiirron vääntömomentin ja vääntövärähtelyvasteen tunteminen on tärkeää päästövaatimukset täyttävän säädön kannalta. Vääntömomenttia ja vääntövärähtelyvastetta mitataan tavallisesti venymäliuskoilla, erillisillä vääntömomenttiantureilla tai muilla voimansiirtoon asennettavilla mittalaitteilla. Vääntövärähtelyvaste voidaan myös laskea, jos voimansiirtoon vaikuttavat ulkoiset vääntökuormitukset tunnetaan, mutta niitä mitataan harvoin laivojen voimansiirrossa. Suurten laivavoimansiirtojen instrumentointi on myös kallista, eikä mittaustietoa useinkaan ole riittävästi koko vääntövärähtelyvasteen määrittämiseen pelkästään perinteisin menetelmin. Tuntemattomia ulkoisia kuormituksia ja vääntövärähtelyvastetta voidaan sen sijaan estimoida esimerkiksi konveksin optimoinnin tai Kalman-suodatuksen avulla. Nämä vääntömomentin estimointimenetelmät antavat huomattavasti enemmän vapautta anturien sijoitteluun ja vähentävät koko voimansiirron vääntövärähtelyvasteen määrittämiseen tarvittavien anturien määrää. Hankkeen tavoitteena on kehittää vääntömomentin estimointimenetelmä, joka määrittää tuntemattoman syöttövääntömomentin ja koko vääntövärähtelyvasteen käyttämällä vain enkooderimittauksia (nopeus, asema) sekä valittuja saatavilla olevia mittauksia käyttävästä polttomoottorista (esim. sylinteripaine) tai käytettävästä sähkögeneraattorista (esim. sähkömagneettinen vääntömomentti). Näin kallista erillistä vääntömomenttianturia ei tarvita. Työssä tutkitaan kahta toisiaan täydentävää lähestymistapaa. Ensimmäinen on konveksiin optimointiin perustuva vääntömomentin estimointi, johon voidaan joustavasti sisällyttää rajoitteita sekä estimoitujen suureiden fysikaalisen johdonmukaisuuden varmistamiseksi että halutun rakenteen asettamiseksi tuloksille. Toinen on fysiikkainformoitu koneoppiminen, jossa käytettävissä oleva historiadata yhdistetään järjestelmän tunnettuun dynamiikkaan, joka toimii datapohjaisen oppimisen regularisoijana. Näin järjestelmän epälineaarinen dynamiikka voidaan oppia epäsuorasti pienemmällä opetusdatamäärällä kuin perinteisillä datapohjaisilla menetelmillä esimerkiksi potkurin aiheuttaman ulkoisen vääntöherätteen estimoimiseksi. Jotta erillistä momentinmittausta ei lopulta tarvittaisi, estimointimenetelmä on integroitava moottorin sulautettuun ohjausjärjestelmään. Työssä käytetään alan vakiintuneita työkaluja, kuten Matlab Simulinkiä, olemassa oleviin ohjausjärjestelmiin liittämiseen ja SIL/MIL-simulointiin. Kehitettävän algoritmin on toimittava tehokkaasti sulautetun järjestelmän suorittimen kapasiteetin rajoissa. Hanke toteutetaan yhteistyössä Wärtsilän kanssa. Wärtsilä toimittaa voimansiirron lähtötiedot ja käytönaikaiset vääntödynamiikan mittaukset mallin todentamiseen sekä tarjoaa pääsyn fyysiseen laivavoimansiirtoon kehitetyn estimointimenetelmän validoimiseksi. Työsuhde on Aalto-yliopistolla, mutta tutkimusta tehdään sekä Aallon kampuksella että Wärtsilän Vaasan STH-laboratoriossa, jotta väitöstyölle saadaan paras mahdollinen kokeellinen ja menetelmällinen tuki. Tutkimuksen painopisteet Tutkimuksen painopisteet Vääntömomentin estimointialgoritmin tarkkuus- ja toimintavaatimusten määrittely Voimansiirron vääntövärähtelymallin rakentaminen ja todentaminen Wärtsilän toimittamien tietojen po