Refine
Year of publication
- 2019 (307) (remove)
Institute
- Fachbereich Medizintechnik und Technomathematik (69)
- Fachbereich Elektrotechnik und Informationstechnik (44)
- Fachbereich Luft- und Raumfahrttechnik (44)
- IfB - Institut für Bioengineering (44)
- Fachbereich Wirtschaftswissenschaften (34)
- Fachbereich Bauingenieurwesen (28)
- Fachbereich Energietechnik (27)
- Fachbereich Maschinenbau und Mechatronik (25)
- INB - Institut für Nano- und Biotechnologien (19)
- Fachbereich Chemie und Biotechnologie (16)
Has Fulltext
- no (307) (remove)
Document Type
- Article (119)
- 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)
Effective training requires high muscle forces potentially leading to training-induced injuries. Thus, continuous monitoring and controlling of the loadings applied to the musculoskeletal system along the motion trajectory is required. In this paper, a norm-optimal iterative learning control algorithm for the robot-assisted training is developed. The algorithm aims at minimizing the external knee joint moment, which is commonly used to quantify the loading of the medial compartment. To estimate the external knee joint moment, a musculoskeletal lower extremity model is implemented in OpenSim and coupled with a model of an industrial robot and a force plate mounted at its end-effector. The algorithm is tested in simulation for patients with varus, normal and valgus alignment of the knee. The results show that the algorithm is able to minimize the external knee joint moment in all three cases and converges after less than seven iterations.
Kalkulation
(2019)
Kombination qualitativer und quantitativer Methoden zur Untersuchung der Studieneinstiegsphase
(2019)
Mit Hilfe der Kombination von qualitativen und quantitativen Verfahren zielen Mixed-Methods Ansätze darauf ab, einen vertieften Einblick in komplexe Gegenstände zu gewinnen. In der Hochschulbildungsforschung finden sie zunehmend Anklang, da sie besonders geeignet erscheinen, das vielschichtige Wirkungsgefüge zu erfassen, das das Lehren und Lernen an Hochschulen auszeichnet. Der Beitrag geht den Potenzialen von Mixed-Methods Ansätzen am Beispiel einer Studie zur Studieneingangsphase nach, die den Wirkungszusammenhang zwischen der Nutzung von Angeboten für den Studieneinstieg und der Entwicklung von Studierfähigkeit untersucht. Der Beitrag veranschaulicht die Integration von Methoden und Ergebnissen, um Chancen und Grenzen von Mixed-Methods Studien für die Hochschulbildungsforschung zu diskutieren.
Kombination quantitativer und qualitativer Methoden zur Untersuchung der Studieneingangsphase
(2019)
Die steigende Popularität von mobilen Endgeräten im privaten und geschäftlichen Umfeld geht mit einem Anstieg an Sicherheitslücken und somit potentiellen Angriffsflächen einher. Als ein Element der technischen und organisatorischen Maßnahmen zum Schutz eines Netzwerkes können Monitoring-Apps dienen, die unerwünschtes Verhalten und Angriffe erkennen. Die automatisierte Überwachung von Endgeräten ist jedoch rechtlich und ethisch komplex. Dies in Kombination mit einer hohen Sensibilität der Nutzer und Nutzerinnen dieser Geräte in Bezug auf Privatsphäre, kann zu einer geringen Akzeptanz und Compliance führen. Eine datenschutzrechtlich und ethisch einwandfreie Konzeption solcher Apps bereits im Designprozess führt zu höherer Akzeptanz und verbessert so die Effizienz. Diese Analyse beschreibt Möglichkeiten zur Umsetzung.
Kyphoplasty of Osteoporotic Fractured Vertebrae: A Finite Element Analysis about Two Types of Cement
(2019)
In comparison to crude oil, biorefinery raw materials are challenging in concerns of transport and storage. The plant raw materials are more voluminous, so that shredding and compacting usually are necessary before transport. These mechanical processes can have a negative influence on the subsequent biotechnological processing and shelf life of the raw materials. Various approaches and their effects on renewable raw materials are shown. In addition, aspects of decentralized pretreatment steps are discussed. Another important aspect of pretreatment is the varying composition of the raw materials depending on the growth conditions. This problem can be solved with advanced on-site spectrometric analysis of the material.
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.