20005 research outputs found
Sort by
Wireless and passive pressure detection using magneto-mechanical resonances in process engineering
No full textA custom-developed magneto-mechanical resonator (MMR) for wireless pressure measurement is investigated for potential applications in process engineering. The MMR sensor utilises changes in the resonance frequency caused by pressure on a flexible 3D printed membrane. The thickness of the printed membrane plays a crucial role in determining the performance and sensitivity of MMRs and can be tailored to meet the requirements of specific applications. The study includes static and dynamic measurements to determine the pressure sensitivity and temporal resolution of the sensor. The results show a minimum sensitivity of 0.06 Hz mbar − 1 and are in agreement with theoretical calculations and measurements. The maximum sensor readout frequency is 2 Hz in this study. Additionally, the temperature dependence of the sensor is investigated, revealing a significant dependence of the resonance frequency on temperature. The developed MMR offers a promising and versatile method for precise pressure measurements in process engineering environments
An approach to estimate vertical center of gravity, draught and RAO from ship motions based on prolate spheroidal wave functions and time-series filtering
No full textTransdisziplinäre Kompetenzen: Herausforderungen und Wege zur Entwicklung von (digitalen) Lernangeboten anhand des Verbundprojekts „SDG-Campus“
No full textUm globale Herausforderungen wie Klima- und Umweltschutz zu bewältigen, steigt der Bedarf an transdisziplinären Kompetenzen. Gleichzeitig fordern immer mehr Studierende ein, Kompetenzen zur nachhaltigen Gestaltung ihrer Umwelt in Beruf und Alltag zu erwerben. Um neue Lerninhalte anzubieten und den Interessen der Lernenden stärker zu begegnen, fehlt es den Hochschulen oft an Ressourcen und flexiblen curricularen Strukturen.
Im Rahmen des von der Stiftung Innovation in der Hochschullehre geförderten Verbundprojektes “Open T-Shape for Sustainable Development” wird seit August 2021 ein hochschulübergreifendes Lernangebot entwickelt, welches eine transdisziplinäre Ergänzung zu den disziplinären Studienangeboten bietet. Die Lernplattform „SDG-Campus“ verfolgt das Ziel, die Entwicklung von Nachhaltigkeitskompetenzen bei Lernenden zu fördern. Dafür erstellen Lehrende aus einem Netzwerk von acht technischen Hochschulen digitale Lernkurse zu Technologien und Verfahren entlang der 17 UN-Nachhaltigkeitsziele. Diese Kurse ermöglichen Studierenden, sich zunächst selbstgesteuert die fachlichen Grundlagen zu erarbeiten, bevor sie kollaborativ und mit Betreuung offene Problemstellungen lösen.
Neben der Entwicklung der Lernplattform und Selbstlernkurse wurden verschiedene Möglichkeiten zur curricularen Einbettung an den Netzwerkhochschulen erprobt sowie eine Zertifikatsordnung als Grundlage für die Ausstellung von Nachhaltigkeitszertifikaten an der TU Hamburg entwickelt und etabliert.
In dem Beitrag werden die Projektergebnisse in Bezug auf die Kursentwicklung und curriculare Verankerung dargestellt. Im Zentrum der anschließenden Diskussion steht die Fragen: Wie begegnet man Herausforderungen rund um die Erstellung von (digitalen) Lernangeboten zur Förderung transdisziplinärer Kompetenzen und welche Lösungsansätze gibt es? Der Beitrag zielt darauf ab, den Austausch anzuregen und wertvolle Impulse für die eigene Arbeit zu bieten
Interconnected systems with stochastic communication: decomposition methods for analysis and synthesis
No full textLarge-scale dynamic systems with distributed control often rely on communication networks that are prone to random packet loss. While this randomness is generally disregarded in current approaches, it can potentially result in instability and suboptimal performance. In order to mitigate these issues, this thesis proposes a framework that is both scalable to large interconnected systems and explicitly considers the random packet loss during analysis and controller synthesis. Initially covering homogeneous loss distributions, the results are subsequently extended to handle heterogeneous probabilities, spatio-temporal dependencies, and time-varying topologies.Große dynamische Systeme mit verteilter Regelung sind oft von Kommunikationsnetzwerken abhängig, die anfällig für zufällige Paketverluste sind. Obwohl diese Zufälligkeit in aktuellen Ansätzen meist vernachlässigt wird, kann sie möglicherweise zu Instabilität und schlechter Leistung führen. Um diesen Problemen entgegenzuwirken, schlägt diese Thesis ein Rahmenwerk vor, das sowohl auf große vernetzte Systeme skalierbar ist als auch die zufälligen Paketverluste explizit während Analyse und Reglersynthese berücksichtigt. Zunächst nur homogene Verlustverteilungen abdeckend, werden die Ergebnisse anschließend auf heterogene Wahrscheinlichkeiten, spatio-temporale Abhängigkeiten und zeitveränderliche Topologien erweitert
Monitoring of the single-cell behavior of an escherichia coli reporter strain producing L-phenylalanine in a scale-down bioreactor by automated real-time flow cytometry
No full textLarge-scale bioprocesses often suffer from spatial heterogeneities, which impact microbial performance and often lead to phenotypic population heterogeneity. To better understand these effects at the single-cell level, this study applied, for the first time, automated real-time flow cytometry (ART-FCM) to monitor L-phenylalanine production with an Escherichia coli triple reporter strain in a fed-batch process with glycerol as the carbon source. The strain was cultivated in both a well-mixed stirred-tank bioreactor (STR) and a scale-down two-compartment bioreactor (TCB), consisting of an STR and a coiled flow inverter (CFI) in bypass, to simulate spatial heterogeneities. ART-FCM enabled autonomous, high-frequency sampling every 20 min, allowing for real-time tracking of fluorescence signals linked to growth (rrnB-mEmerald), oxygen availability (narGHIJ-CyOFP1), and product formation (aroFBL-mCardinal2). The STR exhibited uniform reporter expression and higher biomass accumulation, while the TCB showed delayed product formation and pronounced phenotypic diversification depending on the set mean residence time in the CFI. Single-cell fluorescence distributions revealed that the shorter mean residence time in the CFI resulted in pronounced subpopulation formation, whereas longer exposure attenuated heterogeneity, indicating transcriptional adaptation. This finding highlights a critical aspect of scale-down studies: increased exposure duration to perturbations can enhance population robustness. Overall, this study demonstrates the relevance of ART-FCM, in combination with a multi-reporter strain, as a pioneering tool for capturing dynamic cellular behavior and correlating it to process performance, providing deeper insights into microbial heterogeneity under fluctuating bioprocess conditions
Neural implicit representations for grid-agnostic MPI reconstructions
No full textMagnetic particle imaging (MPI) reconstructs the spatial distribution of magnetic nanoparticles on a fixed grid, the resolution of which is limited by the noise present in the system. This paper addresses the reconstruction problem while integrating single-image super-resolution for concentration maps. We introduce Neural Implicit Representations (NIR) as an image prior, enabling arbitrary grid size sampling after training. Experimental results using a spiral phantom measurement reveal that NIR-based reconstruction maintains image sharpness across diverse grid sizes, surpassing the two-stage Kaczmarz-ℓ2 reconstruction followed by bicubic up-sampling in preserving fine structural details. This technique has a potential for high-resolution MPI imaging without relying on extensive datasets.SFB 161
Passungen zwischen beruflicher Arbeitspraxis und „Berufsbildern“ in der Baubranche
No full textIn der beruflichen Bildung, auf dem Arbeitsmarkt oder bei der Klassifikation von Berufen müssen immer wieder Arbeitsprozesse und -aufgaben bestimmten Berufen zugeordnet werden. Grundlage solcher Ordnungs- und Organisationsprozesse sind häufig „Berufsbilder“, also Überlegungen zur Arbeit in einem bestimmten Beruf, die sich in weiten Teilen aus berufsspezifischen Ordnungsmitteln und Vorschriften ergeben. Solche Vorhaben werden jedoch zunehmend erschwert, da aktuelle Einflüsse wie Digitalisierung, Globalisierung und Forderungen nach mehr Nachhaltigkeit Veränderungen der beruflichen Arbeitspraxis herbeiführen. In dessen Folge treten zunehmend Passungsprobleme zwischen Berufsbildern und der Arbeitsrealität in der beruflichen Praxis in Erscheinung.
Besonders deutlich werden diese Abweichungen am Beispiel der Baubranche. Hier sind Arbeitsprozesse selten – wie etwa in Industrie oder Handel – linear ausgerichtet. Vielmehr sind sie häufig komplex und vielschichtig in Aufgabenbereichen verschiedener Gewerke verflochten. Vor allem an den Gewerkeschnittstellen verschieben sich Verantwortlichkeiten beteiligter Bauberufe, was zu Unklarheiten und womöglich Fehlhandlungen führen kann.
Ausgehend davon wird der Frage nachgegangen, ob und wie sich Berufsbilder und die an sie gerichteten Anforderungen nach Struktur mit dem Wandel der beruflichen Arbeitspraxis vereinbaren lassen könnten. Grundlage für diese Überlegungen bilden ausgewählten Szenarien aus der Baubranche
On the effect of loading conditions on viscoelastic crack propagation in a thin beam
No full textCrack growth in viscoelastic materials is often assumed in an experimental form known as Gent-Schultz for which the velocity of crack propagation is some power law of the applied strain energy release rate. The power coefficient is often believed to be related to material properties alone, and this gives some bounds to its value. However, we show with a simple Maxwell material model that for a thin Double Cantilever Beam loaded by a shear force that the crack velocity power law depends significantly also on the loading conditions: indeed, for not too large crack sizes, the velocity can be proportional to the power 2.5 of the force (a result already found by Wang et al. for thin beams under concentrated remote moments), or to power 5 for larger forces. For a constant load, a small crack would accelerate passing from one regime to the other, until eventually elastic fracture limit is found, which depends only on the instantaneous elastic modulus, while the speed depends only on viscosity. This may explain why the power law coefficient has experimentally been found to be outside the range of the classical theories of viscoelastic crack propagation
Deep Learning-Based Prostate Cancer Risk Prediction on Electronic Health Records and Histopathology Images
No full textFor the selection of optimal patient treatment, survival prediction methods that estimate the expected time to an event of interest can be utilized. These models aim to provide accurate disease predictions such as for cancer patients based on characteristics of an individual patient or group. This thesis analyzes how deep learning-based survival prediction models can be utilized in the context of prostate cancer diagnostics. A survival prediction model called Discrete Calibrated Survival was developed using medical datasets and applied on a high quality dataset of radical prostatectomy patients. The results showed that the developed approach outperforms the commonly used Cox model regarding relapse-free survival prediction. Moreover, the thesis investigates one of the most important factors in predicting relapse-free survival of prostate cancer patients. To assess prostate cancer severity, pathologists traditionally use Gleason grading that involves evaluating individual tissue samples. However, this grading system suffers from interobserver variability. This thesis demonstrates that a newly developed deep learning-based cancer risk prediction model, called Prostate Cancer Aggressiveness Index, can surpass the Gleason grading system. Instead of relying on subjective annotations by human experts, this model utilizes the objective endpoint of relapse-free survival to assess the risk of individual tissue images. Additionally, this approach can be applied to biopsies when appropriate robustness measures are applied.Um die optimale Behandlung von Patienten zu bestimmen können Überlebenszeitmodelle eingesetzt werden. Diese Modelle versuchen möglichst genaue Vorhersagen über den zukünftigen Krankheitsverlauf, zum Beispiel von Krebspatienten, anhand individueller Patienten oder Gruppen vorherzusagen. Diese Arbeit analysiert, wie künstliche neuronale Netze dazu genutzt werden können, solche Modelle für die Diagnose von Prostatakrebspatienten zu entwickeln. Ein Überlebenszeitmodell namens "Discrete Calibrated Survival" wurde, basierend auf medizinischen Datensätzen, entwickelt und auf einen hochwertigen Datensatz von Prostatakrebspatienten, die mit der radikalen Prostatektomie behandelt wurden, angewandt. Es konnte gezeigt werden, dass eine verbesserte individuelle Risikoabschätzung gegenüber dem normalerweise genutztem Cox Modell erreicht werden konnte. Darüberhinaus wurde einer der wichtigsten Faktoren für die Vorhersage von Rückfallzeiten für Prostatakrebspatienten genauer untersucht. Um die Aggressivität des Prostatakarzinoms zu bestimmen bewertet ein Pathologe das Gewebe mit der Gleason Klassifikation. Diese Arbeit zeigt, dass diese Bewertung, die hohe Varianz zwischen verschiedenen Pathologen aufweist, von einem neu entwickelten, künstlichen neuronalen Netz mit dem Namen "Prostate Cancer Aggressiveness Index" übertroffen werden kann. Anstatt sich auf die subjektive Bewertung der menschlichen Experten zu verlassen, benutzt dieses Modell den objektiven Endpunkt der tatsächlichen Überlebenszeit um das Rückfallrisiko für den Individuellen Patienten zu bestimmen. Diese Arbeit zeigt weiterhin, dass die Risikoeinschätzung sogar für Biopsien genutzt werden kann, wenn entsprechende Maßnahmen zur steigerung der Robustheit des Modells hinzugefügt werden