Refine
Year of publication
- 2019 (309) (remove)
Institute
- Fachbereich Medizintechnik und Technomathematik (70)
- IfB - Institut für Bioengineering (45)
- Fachbereich Elektrotechnik und Informationstechnik (44)
- Fachbereich Luft- und Raumfahrttechnik (44)
- Fachbereich Wirtschaftswissenschaften (34)
- Fachbereich Bauingenieurwesen (28)
- Fachbereich Energietechnik (27)
- Fachbereich Maschinenbau und Mechatronik (26)
- INB - Institut für Nano- und Biotechnologien (19)
- Fachbereich Chemie und Biotechnologie (16)
Has Fulltext
- no (309) (remove)
Document Type
- Article (121)
- Conference Proceeding (93)
- Part of a Book (43)
- Book (24)
- Other (9)
- Doctoral Thesis (5)
- Patent (5)
- Review (4)
- Conference: Meeting Abstract (2)
- Examination Thesis (1)
Keywords
- Digitalisierung (3)
- Datenschutz (2)
- Enterprise Architecture (2)
- Robotic Process Automation (2)
- Seismic design (2)
- Achilles tendon (1)
- Advanced driver assistance systems (ADAS/AD) (1)
- Aircraft design (1)
- Analytics (1)
- Arbeit 4.0 (1)
Boden, Baugrube, Verbau
(2019)
Im folgenden Kapitel werden die wichtigsten geotechnischen Nachweise sowie praxisnahe Beispiele für den Baubetrieb aufgeführt. Es wird im Wesentlichen auf die Bodenbeschreibung und Klassifikation nach DIN 18196 sowie nach DIN 18300 eingegangen, welche sowohl für die weiteren Berechnungen als auch für die Kalkulation von großer Bedeutung sind.
Die aus der Praxis aufgeführten Beispiele verdeutlichen verschiedene Untersuchungs- und Auswertungsmethoden für direkte und indirekte Aufschlüsse, diese enthalten Labor- und Feldversuche, mit denen man die Verdichtbarkeit von Böden auswertet und quantifiziert, sowie viele andere Themenbereiche wie Erddruckberechnungen sowie Spannungs- und Setzungsberechnungen.
Darüber hinaus werden exemplarisch bestimmte Verbauarten bezüglich ihrer Bemessung erläutert. Es wird ebenfalls auf das Thema Wasserhaltung eingegangen und die erforderlichen Maßnahmen beschrieben, um bestimmte Versagensmechanismen - wie z.B. den hydraulischen Grundbruch - zu verhindern.
Arbeitssicherheit
(2019)
Die Erfindung betrifft eine schwefelvernetzbare Kautschukmischung, deren Vulkanisat und einen Fahrzeugreifen. Die erfindungsgemäße Kautschukmischung enthält wenigstens folgende Bestandteile: - Wenigstens einen Dienkautschuk; - wenigstens eine Kohle (HTC-Kohle), die mittels hydrothermaler Karbonisierung von wenigstens einer Ausgangssubstanz hergestellt ist. Der erfindungsgemäße Fahrzeugreifen weist in wenigstens einem Bauteil wenigstens ein erfindungsgemäßes Vulkanisat der Kautschukmischung auf.
Die Erfindung betrifft eine schwefelvernetzbare Kautschukmischung, deren Vulkanisat und einen Fahrzeugreifen. Die schwefelvernetzbare Kautschukmischung enthält wenigstens die folgenden Bestandteile: - wenigstens einen Dienkautschuk; und - 10 bis 300 phr wenigstens einer Kieselsäure; und - 1 bis 30 phf wenigstens eines Silans A mit der allgemeinen Summenformel A-I) A-I)(R1)oSi-R2-(S-R3)q-S-X; und - 0,5 bis 30 phf wenigstens eines Silans B mit der allgemeinen Summenformel B-I) B-I) (R1)oSi-R2-(S-R3)u-S-R2-Si(R1)o wobei q =1, 2 oder 3 ist; und u = 1, 2 oder 3 ist; und X ein Wasserstoffatom oder eine –C(=O)-R8 Gruppe ist wobei R8 ausgewählt ist aus Wasserstoff, C1-C20 Alkylgruppen, vorzugsweise C1-C17, C6-C20- Arylgruppen, vorzugsweise Phenyl, C2-C20-Alkenylgruppen und C7-C20-Aralkylgruppen.
Manufacturing Process Simulation for the Prediction of Tool-Part-Interaction and Ply Wrinkling
(2019)
Die Erfindung betrifft ein Verfahren zum Bestimmen einer Sitzeinstellung (23) eines Sitzes (3) eines Kraftfahrzeugs (1), bei welchem folgende Schritte durchgeführt werden:- Bereitstellen einer Körperabmessung (12) eines Nutzers (6) des Kraftfahrzeugs (1);- Bereitstellen einer Sitzeigenschaft (13) des Sitzes (3) des Kraftfahrzeugs (1);- Bereitstellen eines mit zumindest einer Referenzsitzeigenschaft (20), zumindest einer Referenzkörperabmessung (21) und zumindest einer Referenzsitzeinstellung (22) trainiertes künstliches neuronales Netz (14); und- Bestimmen der Sitzeinstellung (23) durch Eingabe der Körperabmessung (12) und der Sitzeigenschaft (13) in das künstliche neuronale Netz (14).
Die Erfindung betrifft eine schwefelvernetzbare Kautschukmischung, deren Vulkanisat und einen Fahrzeugreifen.Die schwefelvernetzbare Kautschukmischung enthält wenigstens die folgenden Bestandteile:- wenigstens einen Dienkautschuk; und- 10 bis 300 phr wenigstens einer Kieselsäure ; und- 1 bis 30 phf wenigstens eines Silans A mit der allgemeinen Summenformel A-I)und- 0,5 bis 30 phf wenigstens eines Silans B mit der allgemeinen Summenformel B-I)wobei u gleich 0, 1, 2 oder 3 und v gleich 0 oder 1 ist.
In order to maximize the possible travel distance of battery electric vehicles with one battery charge, it is mandatory to adjust all components of the powertrain carefully to each other. While current vehicle designs mostly simplify the powertrain rigorously and use an electric motor in combination with a gearbox with only one fixed transmission ratio, the use of multi-gear systems has great potential. First, a multi-speed system is able to improve the overall energy efficiency. Secondly, it is able to reduce the maximum momentum and therefore to reduce the maximum current provided by the traction battery, which results in a longer battery lifetime. In this paper, we present a systematic way to generate multi-gear gearbox designs that—combined with a certain electric motor—lead to the most efficient fulfillment of predefined load scenarios and are at the same time robust to uncertainties in the load. Therefore, we model the electric motor and the gearbox within a Mixed-Integer Nonlinear Program, and optimize the efficiency of the mechanical parts of the powertrain. By combining this mathematical optimization program with an unsupervised machine learning algorithm, we are able to derive global-optimal gearbox designs for practically relevant momentum and speed requirements.
In product development, numerous design decisions have to be made. Multi-domain virtual prototyping provides a variety of tools to assess technical feasibility of design options, however often requires substantial computational effort for just a single evaluation. A special challenge is therefore the optimal design of product families, which consist of a group of products derived from a common platform. Finding an optimal platform configuration (stating what is shared and what is individually designed for each product) and an optimal design of all products simultaneously leads to a mixed-integer nonlinear black-box optimization model. We present an optimization approach based on metamodels and a metaheuristic. To increase computational efficiency and solution quality, we compare different types of Gaussian process regression metamodels adapted from the domain of machine learning, and combine them with a genetic algorithm. We illustrate our approach on the example of a product family of electrical drives, and investigate the trade-off between solution quality and computational overhead.