149544 research outputs found
Sort by
Aufgaben und Fähigkeiten der mobile Forschungsplattform TRAILER innerhalb des DLR-Projektes CUSTODIAN
No full textDas DLR Projekt CUSTODIAN (Counter UAS Technology for Optical Detection, Interception, Autonomy and Neutralization) soll die Fähigkeiten, Technologien und Entwicklungen des DLR im Bereich der Drohnenabwehr (c-UAS) von kleine unbemannten Luftsystemen (µUAS) aufzeigen und praxisnah demonstrieren. Insbesondere die fortschreitende Spezialisierung (Miniaturisierung, Schwarm, militärische Härtung), die reduzierte Störanfälligkeit gegen elektronische Wirkmittel, sowie die verstärkte Nutzung passiv optischer Navigation erfordern regelmäßige Anpassungen auf Seiten der c-UAS Systeme.
Das mobile Forschungssystem TRAILER (Tracking, Ranging, Identification using Laser Energy on the Road) stellt hierzu im Rahmen des CUSTODIAN Projektes eine Plattform bereit, auf der neuartige laserbasierte optische Sensorik für die Detektion, Nachverfolgung, Positionsbestimmung und Abwehr von µUAS entwickelt, bewertet und optimiert wird. Durch den Einsatz multispektraler Kamerasysteme werden bildgebenden Tracking Prozesse leistungsfähiger. Mittels ausrichtbarer Laser Ranging Systeme, können auch kleine und agile Ziele zuverlässig nachverfolgt werden. Laserbeleuchter und Zieldesignatoren unterstützen Drittsysteme wie Abfangdrohnen während der Anflugphase. Darüber hinaus werden Untersuchungen zu gerichteter Laserstrahlung als weiteres Wirkmittel auch im augensicheren Bereich vorangetrieben
Uncertainty analysis of microscopic parameters obtained from the single parabolic band modelling of thermoelectric materials
No full textUncertainty analysis of microscopic parameters obtained from the single parabolic band modelling of thermoelectric material
Fatigue, Arbeitsbelastung und Gesundheitsrisiken bei Luftfahrzeugbesatzungen von (Ultra-)Langstreckenflügen – eine Übersichtsarbeit
No full textHintergrund: Mit der Erholung des internationalen Luftverkehrs nach der COVID-19-Pandemie nehmen (Ultra-)Langstreckenflüge ((U)LR) mit Flugzeiten über 16 Stunden wieder zu. Diese Flüge stellen die Besatzungsmitglieder vor besondere arbeitsmedizinische Herausforderungen. Fatigue gilt dabei als zentraler Risikofaktor für Leistungseinbußen und gefährdet somit auch indirekt die Flugsicherheit.
Ziel: Ziel dieses narrativen Reviews ist es, arbeitsbedingte Belastungen sowie Entstehung, Auswirkungen und Präventionsmöglichkeiten von Fatigue bei Cockpit- und Kabinenbesatzungen im Kontext von (U)LR-Flügen darzustellen.
Methode: Es erfolgte eine selektive Literaturrecherche unter Einbeziehung aktueller empirischer Studien, Reviews und internationaler Empfehlungen zu Fatigue, Arbeitsbelastung und Gesundheitsrisiken bei Flugbesatzungen auf (U)LR-Flügen.
Ergebnisse: Fatigue bei (U)LR-Flügen ist multifaktoriell bedingt, insbesondere durch Schlafmangel, verlängerte Wachphasen, zirkadiane Dysregulation und hohe Arbeitsbelastung. Empirische Studien belegen, dass sowohl Pilotinnen und Piloten als auch Kabinenpersonal auf (U)LR-Flügen häufig klinisch relevante Ermüdungssymptome zeigen, die sich in reduzierter Leistungsfähigkeit, Konzentrations- und Reaktionsvermögen sowie erhöhter Fehleranfälligkeit äußern. Fatigue ist während des zirkadianen Tiefs und am Ende langer Dienstzeiten am stärksten ausgeprägt. Chronische Fatigue ist mit erhöhten Risiken für psychische Störungen, Schlafprobleme, Herz-Kreislauf- und Krebserkrankungen assoziiert. Als Gegenmaßnahmen werden unter anderem Fatigue-Risk-Management-Systeme, optimierte Dienstpläne, strategische Schlafpausen, Melatonin- und Koffeineinnahme sowie präventive Schulungen diskutiert.
Schlussfolgerung: Fatigue stellt im (U)LR-Betrieb ein relevantes Risiko für die Sicherheit und die Gesundheit des Bordpersonals dar. Ein evidenzbasiertes Fatigue Risk Management, das sowohl strukturelle als auch individuelle Maßnahmen umfasst, ist entscheidend, um die Leistungsfähigkeit und die Sicherheit nachhaltig zu gewährleisten. Weitere Forschung wird insbesondere zur Wirksamkeit spezifischer Interventionen und zur Berücksichtigung der Besonderheiten der Kabinenbesatzung empfohlen
Fuel Cell Systems (FCS) for different aircraft concepts: Life cycle assessment
No full textThe decarbonization of aviation is a critical component of global efforts to mitigate climate change. The aviation sector primarily relies on two options for the climate impact reduction: Sustainable Aviation Fuel (SAF) and novel propulsion technologies. Among these emerging technologies, hydrogen-powered fuel cells represent a promising pathway toward achieving low-emission flight compared to conventional aircraft technologies. Assessing the environmental impacts of this technology is imperative to guide technology development and compare with conventional systems. This study presents the Life Cycle Assessment (LCA) of a fuel cell system (FCS) for two liquid hydrogen-powered aircraft concepts: (1) a 70-seat regional aircraft utilizing a 3.12 MW fully fuel cell-based propulsion system (manuscript submitted to a peerreviewed journal), and (2) a 250-seat mild hybrid electric propulsion (MHEP) aircraft employing hydrogen combustion in turbofan engines, supported by a 1.4 MW fuel cellbased auxiliary power unit (APU). While the focus on the first concept stems from its potential as the pioneering commercial aircraft to utilize hydrogen fuel cell technology, the second concept is being explored as a more immediate pathway for gradual decarbonization; since the development of the first concept is unlikely to materialize in the near future.
The LCA is performed for both a functional unit of one FCS and one passenger kilometer (pkm). An automated Life Cycle Inventory (LCI) is created by developing a pythonbased tool which builds upon a previously established model for the sizing of aircraft fuel cell systems. The tool incorporates the calculation of mass breakdown of the fuel cell stack which is eventually combined with the mass data of BOP (Balance-of-Plant) components to acquire the full LCI data of an FCS system, where the ecoinvent database was used as the background data source. The tool enables the LCI generation based on various fuel cell types and flight missions through flexible data adjustment. The life cycle impact assessment was conducted with the open source framework Brightway2.
The tool is implemented in evaluating the aircraft concepts discussed earlier. Considering the production of 1 FCS unit, the main contributors to the environmental impact are catalyst and bipolar plates. However, in the operational phase, the supply chain for liquid hydrogen production contributes the most. A simplified comparison of the 70-seater fuel cell aircraft with the one powered by fossil kerosene and eSAF is also provided, where the fuel cell aircraft exhibits better environmental performance in the
majority of the impact categories. While the fuel cell-only aircraft offers superior environmental performance in terms of in-flight emissions, its practical implementation is challenged by current technological maturity and hydrogen infrastructure limitations. Meanwhile, the hybrid configuration featuring a fuel cell APU provides a more feasible short-term solution. Although the fuel cell-based propulsion system is not yet developed, the present study illustrates that gradual decarbonization can already begin through the use of a fuel cell-based APU. It enables the aviation sector to gain operational experience with hydrogen and fuel cell technologies, reduce emissions from conventional APUs, and begin developing the necessary ground infrastructure for future development of the fuel cell aircraft in full swing
Limitations of quantum approximate optimization in solving generic higher-order constraint-satisfaction problems.
Get PDFThe ability of the quantum approximate optimization algorithm (QAOA) to deliver a quantum advantage on
combinatorial optimization problems is still unclear. Recently, a scaling advantage over a classical solver was
postulated to exist for random 8-SAT at the satisfiability threshold. At the same time, the viability of quantum
error mitigation for deep circuits on near-term devices has been put into doubt. Here we analyze the QAOA’s
performance on random Max-kXOR as a function of k and the clause-to-variable ratio. As a classical benchmark,
we use the mean-field approximate optimization algorithm and find that it performs better than or equal to the
QAOA on average. Still, for large k and numbers of layers p, there may remain a window of opportunity for
the QAOA. However, by extrapolating our numerical results, we find that reaching high levels of satisfaction
would require extremely large p, which must be considered rather difficult both in the variational context and on
near-term devices
Artificial Intelligence for the Classification of Earth Observation Satellite Images
No full textThis work presents a deep learning framework for pixel-level classification of multispectral and hyperspectral satellite imagery for Earth observation. Leveraging data from the Sentinel-2 and EnMAP missions, the study explores convolutional neural network (CNN) architectures (1D, 2D, and 3D) to improve classification accuracy under variable atmospheric and surface conditions. Automatically generated labels from the Python-based Atmospheric Correction (PACO) system were used to train and evaluate the models across diverse global biomes. Results demonstrate that physics-based pixel selection and domain-generalized CNNs enhance the detection of key surface classes such as clouds, water, vegetation, and snow. The proposed approach is sensor-agnostic and scalable to future Earth observation missions
Bringing Algorithms into Application --- The project ESAPCA: implementing massively-parallel and GPU-accelerated PCA and DMD in the Python Library Heat
No full text
Intelligent traffic detection for pedestrian-sensitive traffic light control and other safety applications
Get PDFImproving road safety and optimizing the traffic flow for all road users are major challenges for the future transportation system. In this context DLR and VITRONIC developed a safety-focused traffic control and information system for traffic lights. The system is based on a sensor platform that detects traffic objects. The data are processed in real time using AI approaches to interpret the traffic situation. The traffic objects are classified and their trajectories determined. With these data the system can serve various safety use cases. This ePoster describes the use case of DLR's traffic control modules for considering pedestrians automatically and adaptively. The aim is a pedestrian-sensitive signal control that integrates vehicles and pedestrians to improve efficiency for all road users. Thus achieving more rule-compliant and less aggressive traffic behaviour which in turn increases safety