256869 research outputs found
Sort by
Modeling and High-Precision Tracking Control of a Segmented Stator Permanent Magnet Linear Synchronous Motor
No full textA review of the aerodynamics of airborne wind energy systems
No full textAirborne Wind Energy (AWE) systems are tethered aircraft for wind energy harvesting that, since not constrained by a tower like conventional wind turbines, can operate at high altitudes with access to a better wind resource. This work presents a comprehensive review of the current knowledge and state of the art of the aerodynamics of AWE systems. Aerodynamics, which affects power generation, flight physics, control, structure, and safety, among others, is the most transversal area for AWE technology. It is a rich field of experimental and theoretical research due to its significant impact on performance. The review starts organizing actual AWE prototypes, some of them reaching the 100 kW range, according to some selected dimensionless parameters strongly related with their aerodynamics including the Reynolds and Mach numbers, the aspect ratio, the maximum lift-to-weight ratio and aerodynamic efficiency, the reduced frequency, and the sweep and dihedral angles of the wing. AWE machines with different electrical generation solutions (on the ground and onboard), links to the ground (tethered and rotary machines), aircraft (non-rigid or soft, hybrid and fixed wing), and control (aerodynamic surfaces, hanging control pod, ground-based, etc.) are considered and the implication of each architecture on the aerodynamics is discussed. After such a fundamental introduction, the work reviews the current state of AWE numerical and experimental aerodynamics, detailing the modeling methods and key findings. The numerical models are categorized into fast, low- to mid-fidelity methods based on potential flow, and high-fidelity computational fluid dynamics methods like Reynolds-averaged Navier–Stokes and Large-Eddy Simulations. Most numerical studies aim to understand local phenomena by examining the flow and pressure fields over wings, and/or to calculate the aerodynamic force and moment coefficients of 2D airfoils or entire wings. On the experimental side, the significant progress characterizing different types of aircraft in wind tunnels, water channels and in-flight during typical AWE trajectories is summarized. Special attention is paid to the experimental setups and on-board instruments that have been used for the in-situ measurements of aerodynamic variables, as well as the estimation theory and applications of the experimental data to construct aerodynamic models. Furthermore, this paper analyzes the effective application of current numerical and experimental aerodynamic knowledge and models in related areas such as dynamics and control, and fluid–structure interaction. The paper concludes with a critical assessment of the current state of knowledge, highlighting the main open questions, challenges, and opportunities in the field of AWE aerodynamics
Thermochemical conversion of pulverized carbon carriers under super high heating rates and elevated pressures
No full textUnderstanding the thermochemical conversion of pulverized carbon carriers under high heating rates is vital for improving efficiency and reducing emissions in high-temperature industrial processes. Three coal types (anthracitic, bituminous, and sub-bituminous) are investigated under high heating rates (up to 106 K/s) and elevated pressures (2 bar(g)) using a novel pressurized entrained-flow reactor: the Alternative Reducing Agent (ARA) reactor capable to reproduce the intense thermal environment of blast furnaces.
Heating rate effects are isolated during the experiments to investigate the effect of the heating rate on the thermochemical conversion. Burnout ratios, ash content, and particle size distributions were assessed via the ash tracer method and laser diffraction analysis. Scanning Electron Microscopy (SEM) provided insights into morphological transformations.
The results demonstrate clear heating rate dependent conversion behavior. Burnout ratios increase with volatile content and are significantly higher in high heating rate and matching temperature experiments than in low heating rate experiments. Higher heating rates enhance coal reactivity, reduce char residue, and increase pore formation, particularly in bituminous and sub-bituminous coals. The anthracitic coal displayed less pore development and ash flake deposition. Matching temperature conditions yielded intermediate burnout levels but significantly more residue than the high heating rate cases, confirming the heating rate’s impact on reactivity.
The ARA reactor’s capability to provide high heating rate conditions under controlled settings offers a valuable platform to validate and improve simulation models and supports the development of more sustainable industrial processes
Experimental Investigation of Bainite Microstructure in Fe-C
No full textIn this work, we present an experimental investigation of the bainite microstructure in pure Fe–C systems. Although Fe–C alloys are of fundamental importance to steel, the microstructure of metastable undercooled austenite—particularly the mechanism of bainite formation—remains a subject of debate. This uncertainty arises from the limited number of experimental studies available for the Fe–C system and the controversial interpretations of existing results. To address this gap, we employed a comprehensive set of methodologies, including heat treatment with dilatometry, light microscopy, scanning electron microscopy (SEM) with in-situ nanoindentation, and transmission electron microscopy (TEM), to characterize bainite and related metastable microstructures (such as pearlite, acicular ferrite, Widmanstätten ferrite, and martensite). Our results reveal that bainite formation competes with other metastable microstructures, complicating both its development and conventional characterization. By integrating these complementary techniques, we achieve a more complete and reliable characterization of bainite in the Fe–C system
Dynamic and Geometric Shifts in Wave Scattering
No full textWe extend the geometric–dynamic decomposition from wave evolution to scattering, using the generalized Wigner–Smith operator, where the shifts in frequency, momentum, and position are splitted into dynamic and geometric parts. Examples include time-varying waveplates, metasurfaces, optical forces, beam shifts, andWigner delays, offering a unifying framework across wave physic
Crystal structures of alkali oxidohydroxidoantimonates (Na, K, Rb, Cs) and of NaSbO2 comprising anionic chains and sheets
No full text
Numerische Studie zur Untersuchung der Effizienz eines Festbettwärmespeichers mit neuartiger Strömungsführung
No full textIndustrielle Abwärmenutzung ist in vielen Industriebetrieben eine Möglichkeit zur Gesamteffizienzsteigerung und ein Schritt in Richtung nachhaltiger Produktion. Diese Arbeit beschäftigt sich mit einer Prototyplösung eines Festbettregenerators (PBTES). Dieser kann zur Abwärmenutzung und Entstaubung von Abgasen, zum Beispiel eines Elektrolichtbogenofens (EAF) in der Stahlindustrie, verwendet werden. Dieser neuartige PBTES besteht aus einem Filter- und einem Speichermodul, die voneinander getrennt und konzentrisch angeordnet sind. Das staubbeladene Abgas wird durch die erste Schüttung (Filtermodul) gefiltert und in das Speichermodul geleitet, wo die Wärme des Abgases an das Speichermaterial, Schlackepartikel, abgegeben wird. Die thermische Effizienz wurde für unterschiedliche Anordnungen der Speicher- und Filtermodule untersucht. Dazu wurde eine Vorauslegung der PBTES-Geometrie durchgeführt, so dass Filter- und Speichermodul getauscht werden können. Dabei konnte festgestellt werden, dass die Molerus-Gleichung zur Bestimmung der Festbetthöhe aufgrund des Staubes im Abgas nicht für diesen Fall anwendbar ist. Mittels experimenteller Werte, Daten aus der Industrie sowie des Modells nach Raczynski konnte die Geometrie mit einem Durchmesser von 10,18 m und einer Höhe von 6,016 m bestimmt werden. Die Speicherbetthöhe liegt bei 4,0 m.Diese Geometrie bietet die Grundlage für das numerische Modell. Mittels Computational Fluid Dynamics (CFD) mit der Software ANSYS Fluent wurde das thermische Verhalten zweier unterschiedlicher Speicher-/Filteranordnungen miteinander verglichen. Mit dem numerischen Modell wurde eine transiente Simulation durchgeführt, die das Festbett des Filters sowie Speichers als poröses Medium modelliert. Zur Bewertung des thermischen Verhaltens wurden die Simulationen eines gesamten Zyklus (Laden-Standby-Entladen) beider PBTES-Bauformen miteinander verglichen. Dabei stellte sich heraus, dass der PBTES, der das Filtermodul innen und das Speichermodul außen rundherum verbaut hat, mit einem Wirkungsgrad von 0,841 die um ca. 2,5 % thermisch effizientere Variante ist. Dies liegt an höheren Verlusten der anderen Bauform durch höhere Wärmeleitung nach außen sowie einer turbulenteren Strömung im Inneren des PBTES. Weiters konnte festgestellt werden, dass die Geometrie nicht ideal für den Anwendungsfall ist; in einer Ladephase werden nur etwas mehr als ein Viertel des Speichermaterials verwendet. Weitere Untersuchungen zur Dimensionierung und Implementierung von PBTES in den EAF-Prozess sind notwendig.Industrial exhaust gas utilization is a way to improve the overall efficiency of industrial processes and is a step towards sustainable production. This thesis investigates a prototype solution of a packed bed thermal energy storage (PBTES), which can be implemented for waste heat utilization and cleaning of exhaust gases, e.g., from an electric arc furnace (EAF) in the steel industry. This prototype PBTES consists of two modules: a filter and a storage. Both modulesare packed beds of slag with different heights. For charging, the dust-laden exhaust gas enters the PBTES, flows through the filter bed, where the dust settles in the pores between the bed particles. The clean exhaust gases flow onto the storage, where most of the energy is released to the storage material. For discharging, the flow direction is reversed. This thesis investigated whether the arrangement of the modules influences the thermal efficiency of the system. A preliminary, simplified design of the PBTES geometry with interchangeable modules was established based on data from the industry partner and experimental values. The pressure drop in the dust-laden filter module was calculated using the Raczynski model. The height of the storage module of 4.0 m was determined using the Molerus equation. Further assumptions were made to determine the diameter of 10.18 m and the total PBTES height of 6.018 m.This geometry provides the basis for the numerical model. With Computational Fluid Dynamics (CFD), calculated by the software ANSYS Fluent, the two different storage/filter designs are compared. The numerical model represents a transient simulation that considers the packed bed of the filter as well as the storage as a porous medium. The results of a complete cycle (charging-standby-discharging) were compared for both geometries. The PBTES, with the filter module on the inside and the storage as the outer module, has a thermal efficiency of 0.841. This is approximately 2.5% more than the other module arrangement. This is due to higher heat conduction to the outside, as well as more turbulent flow inside the PBTES. Furthermore, results indicate that the proposed geometry is not ideal for the use-case investigated. During charging, only 25 % of the storage material is used. Further research into the dimensioning and implementation of PBTES in the EAF process is necessary
LLM-gestützte Datenstrukturierung und Analyse zur Verbesserung der Flugzeugwartung.
No full textLufttüchtigkeitsanweisungen (Airworthiness Directives) sind ein wesentlicher Bestandteil der Flugsicherheit, werden jedoch in der Regel als komplexe, halbstrukturierte PDF-Dokumente veröffentlicht. Mit der zunehmenden Anzahl und Komplexität dieser Dokumente erweist sich eine manuelle Analyse zunehmend als unzureichend, um eine rechtzeitige und konsistente Einhaltung der Vorschriften sicherzustellen. Bestehende Ansätze scheitern häufig an der hohen Variabilität in Struktur, Terminologie und Inhalt der Anweisungen, was eine skalierbare Automatisierung erschwert. Diese Vielfalt unterstreicht die Notwendigkeit flexiblerer und kontextsensitiver Methoden, insbesondere von Large Language Models (LLMs), die in der Lage sind, regulatorische Texte mit höherer Präzision und Anpassungsfähigkeit zu interpretieren und zu strukturieren.Diese Arbeit befasst sich mit der Transformation unstrukturierter regulatorischer Daten in ein zuverlässiges, standardisiertes und maschinenlesbares Format. Unter Verwendung des Design-Science-Research-Ansatzes wurde eine LLM-basierte Extraktionspipeline entwickelt,die Prompt-Engineering-Techniken – wie Few-Shot Learning und Chain-of-Thought Reasoning – mit einem kontrollierten JSON-Schema kombiniert, um Konsistenz und Genauigkeit sicherzustellen. Die daraus entwickelte Lösung ermöglicht eine strukturierte und überprüfbare Extraktion von Anwendbarkeitsinformationen aus komplexen Lufttüchtigkeitsanweisungen und zeigt messbare Verbesserungen in Genauigkeit, Zuverlässigkeit und Verarbeitungseffizienz im Vergleich zu manuellen Methoden.Eine vergleichende Evaluation wurde in drei experimentellen Varianten durchgeführt: (1) einer manuellen Baseline-Analyse durch Menschen, (2) einem LLM ohne Guidance (Zero-Shot) und (3) einem LLM mit Guidance (Few-Shot, schema-basiert). Die manuelle Baseline diente als Referenz für die Genauigkeit nicht-expertengestützter Extraktion (57,7%) und für die Vollständigkeit der manuellen Verarbeitung. Das ungeleitete LLM erreichte eine Genauigkeit von 54,5%, was die Grenzen unstrukturierter Generierung regulatorischer Daten verdeutlicht. Im Gegensatz dazu zeigte das geführte LLM, unterstützt durch Schema-Kontrolle und Few-Shot-Prompting, eine deutliche Leistungssteigerung mit einer Genauigkeit von 93,84% und einer Reduktion der durchschnittlichen Verarbeitungszeit um über 90% gegenüber manuellen Methoden – bei einer Bearbeitungsdauer von etwa12,4 Sekunden pro Dokument.Diese Arbeit zeigt, dass ein gezieltes Schema-Design und durchdachtes Prompt Engineering die Zuverlässigkeit und Interpretierbarkeit von LLM-Ergebnissen in stark regulierten Domänen erheblich verbessern können. Durch die Umwandlung komplexer Lufttüchtigkeitsanweisungen in konsistente, maschinenlesbare Daten ermöglicht der Ansatz eine schnellere, transparentere und überprüfbare Verarbeitung regulatorischer Informationen.Die Ergebnisse bestätigen nicht nur die Machbarkeit einer LLM-gestützten Datenstrukturierung,sondern verdeutlichen auch ihr Potenzial, die Konsistenz von Compliance-Prozessen in der Luftfahrtwartung und darüber hinaus zu stärken.Airworthiness Directives are foundational to aviation safety, yet they are typically published as complex, semi-structured PDFs. As the number and complexity of airworthiness documentation continue to increase, traditional manual analysis have become insufficient for ensuring timely and consistent compliance. Existing approaches often fail to handlethe high variability in structure, terminology, and content across directives, making scalable automation infeasible. This diversity highlights the need for more adaptable and context-aware methods, particularly Large Language Models (LLMs), capable of interpreting and structuring regulatory text with greater flexibility and precision.This thesis addresses the need to transform unstructured regulatory data into a reliable,standardised, and machine-interpretable format. Using a Design Science Researchframework, this work develops an LLM-based extraction pipeline that combines prompt engineering techniques such as Few-Shot learning and Chain-of-Thought reasoning with a controlled JSON schema to ensure consistency and accuracy. The resulting solution achieves structured, verifiable extraction of applicability information from complex Airworthiness Directives and demonstrates measurable improvements in accuracy, reliability,and processing efficiency compared to manual methods.A comparative evaluation was conducted across three experimental branches: (1) a baseline assessment by humans, (2) an LLM without guidance (zero-shot), and (3) an LLMwith guidance (few-shot, schema-driven). The human baseline established the reference for accuracy achieved by non-experts (57.7%) and completeness in manual extraction. The unguided LLM achieved an accuracy of 54.5%, highlighting the limitations of unstructured generation for regulatory data. In contrast, the guided LLM pipeline enhanced through schema control and few-shot prompting achieved a substantial improvement, reaching 93.84% accuracy while reducing the average processing time by over 90% compared to manual methods, completing each document in approximately 12.4 seconds.This work demonstrates that structured schema design and prompt engineering can significantly enhance the accuracy and reliability of LLM-generated outputs in highly regulated domains. By converting complex Airworthiness Directives into consistent,machine-interpretable data, the approach enables faster, more transparent, and verifiable handling of regulatory information. The findings not only validate the feasibility of LLMguideddata structuring but also highlight its potential to streng then the consistency ofcompliance-related processes within aviation maintenance and beyond
Vorausschätzung der Atembewegung mit einem Patientenspezifischen Transformer-Netzwerk
No full textZiel dieser Masterarbeit ist die Entwicklung und Bewertung von maschinellen Lernmodellen zur Vorhersage der Atembewegung im Kontext der Strahlentherapie von Lungentumoren. Im Fokus steht der Vergleich der Leistungsfähigkeit von Long Short-Term Memory (LSTM) und Transformer-Architekturen sowie die Bewertung der Vorteile einer patientenspezifischen Modellfeinabstimmung. Es wird untersucht, ob individuell angepasste Modelle allgemeine Modelle übertreffen und somit zu personalisierteren und wirksameren Krebsbehandlungsstrategien beitragen können. Die Forschungsmethodik umfasst Datenerhebung, Vorverarbeitung, Modelltraining und -bewertung und mündet in eine detaillierte Analyse der experimentellen Ergebnisse. Dabei liegt der Fokus der Analyse auf der Vorhersage der äußeren Atembewegung, die als Surrogat für die interne Tumorbewegung dient, und stützt sich auf eine begrenzte klinische Datenbasis. Die Ergebnisse der Experimente zeigten, dass es keinen erkennbaren Vorteil gab, Transformer-Architekturen gegenüber der LSTM-Architektur in Bezug auf die Leistung zu verwenden. Die Studie stellte jedoch fest, dass die spezifische Anpassung des Modells an jeden Patienten zu einer signifikanten Verbesserung der Vorhersagegenauigkeit führte. Diese Feinabstimmung der Modelle resultierte in einer geschätzten Verringerung des durchschnittlichen Fehlers um 30%, und übertraf damit die allgemeineren Modelle deutlich. Des weiteren zielt dieArbeit darauf ab, die Lücke zwischen fortgeschrittenen Rechentechniken und klinischer Radioonkologie zu überbrücken, um die Präzision und Wirksamkeit von Krebsbehandlungen zu verbessern. Durch die Anwendung von maschinellen Lernmodellen auf die Herausforderung der Tumor-Bewegungsvorhersage wird dazu beigetragen, den Weg für eine genauere, effizientere und personalisierte Strahlentherapie zu ebnen.This master’s thesis is dedicated to developing and evaluating machine learning models for predicting respiratory motion in the context of radiotherapy of lung cancer. The study focuses on comparing the performance of Long Short-Term Memory (LSTM) and Transformer architectures and assessing the benefits of patient-specific model fine tuning. It investigates whether tailored models can outperform generalized models and thus contribute to more personalized and effective cancer treatment strategies. The research methodology includes data collection, preprocessing, model training, and evaluation, culminating in a detailed analysis of the experimental results. This analysis is specifically focused on predicting external respiratory motion, which serves as a surrogate for internal tumor motion, and is based on a limited clinical data set. The findings from the experiments indicated that there was no noticeable advantage in using Transformer Architectures over the LSTM architecture in terms of performance. However, the study did find that tailoring the model specifically to each patient led to a significant enhancement in the accuracy of predictions. This fine-tuning of the models resulted in an estimated 30% decrease in mean error, thus significantly outperforming the more general models. The thesis aimes to bridge the gap between advanced computational techniques and radiation oncology to enhance the precision and efficacy of cancer treatments. By applying machinelearning models to the challenge of tumor motion prediction, this research contributes to pave the way for more accurate, efficient, and personalized radiation therapy