University of Kaiserslautern
KLUEDO Publication Server of University of Kaiserslautern-Landau (RPTU)Not a member yet
6017 research outputs found
Sort by
Structural Reorientation, Hybridization, and Excitonic States in Organic Molecules on Surfaces
Get PDFElectronic coupling and correlated electron phenomena are increasingly important for the
design of next-generation electronic and optoelectronic devices, as they critically influence
a system’s band structure and subsequently its electronic properties, and overall device
performance. π-Conjugated organic molecules on surfaces provide a versatile platform for
investigating these effects due to their chemically tunable properties. In such systems, various
types of electronic coupling can arise simultaneously. First, intramolecular dispersion
results from π-electron delocalization within individual molecules. Second, intermolecular
dispersion emerges from π-orbital overlap between adjacent molecules in multilayer films.
Third, hybridization at molecule–substrate interfaces arises from wave function overlap between
adsorbate and substrate, potentially altering the electronic structure significantly.
Moreover, strong Coulomb interactions and reduced dielectric screening in these materials
give rise to correlated electron phenomena upon optical excitation, such as the formation of
bound electron–hole pairs, so-called excitons.
To contribute to the fundamental understanding of band structure design in π-conjugated
molecular systems on surfaces this work investigates the coupling of electronic wave functions
and correlated electronic effects in these systems. The focus is on how molecular
interactions, adsorption geometry, and interfacial coupling influence energy level alignment,
band dispersion, and excitonic structure. A combination of angle-resolved photoelectron
spectroscopy (ARPES) in the form of momentum microscopy and photoemission orbital tomography
(POT) is used to probe the momentum- and real-space distribution of electronic
states. Three prototypical systems are examined, including cesium-doped PTCDA monolayers
on Ag(111), monolayer C60 on Cu(111), and C60 multilayer films on Cu(111).
In the first system, cesium doping of weakly chemisorped PTCDA induces a stoichiometrydependent
reorientation of the molecular layer. The results show that energy level alignment
is predominantly governed by intermolecular interactions determined by molecular
orientation. For monolayer C60 on Cu(111), a strongly chemisorbed system, significant hybridization
between molecular and substrate states leads to pronounced modifications of the
band structure. Varying adsorption configurations result in different degrees of hybridization,
with the most reconstructed surfaces exhibiting the strongest coupling. In the C60
multilayer films, the first three excitonic states were investigated, revealing clear dispersion
features attributed to intramolecular interactions. A complementary variant of the exciton
photoemission orbital tomography (exPOT) technique was conceptually explored, employing
ultraviolet probe photon energies at tens of MHz repetition rates. This approach is limited
to probing within the first surface Brillouin zone of the C60 films. However, it enables the
acquisition of high-statistics photoemission angular distributions (PADs), thereby increasing
sensitivity to delocalization effects and intermolecular interactions. Although a definitive
momentum-space distinction between Frenkel and charge-transfer excitons was not observed,
the method offers valuable insight into the excitonic momentum space signatures. To address
complications arising from dispersive, scattered final states that obscure PADs, approximate
correction and validation strategies are proposed.Elektronische Kopplung und korrelierte Elektronenphänomene sind für die Entwicklung elektronischer
und optoelektronischer Bauelemente der nächsten Generation von zunehmender
Bedeutung, da sie die Bandstruktur eines Systems und damit seine elektronischen Eigenschaften
und die Gesamtleistung des Bauelements entscheidend beeinflussen. π-Konjugierte
organische Moleküle auf Oberflächen bieten aufgrund ihrer chemisch abstimmbaren Eigenschaften
eine vielseitige Plattform zur Untersuchung dieser Effekte. In solchen Systemen
können verschiedene Arten von elektronischer Kopplung gleichzeitig auftreten. Erstens resultiert
die intramolekulare Dispersion aus der Delokalisierung von π-Elektronen in einzelnen
Molekülen. Zweitens ergibt sich die intermolekulare Dispersion aus dem Überlapp von
π-Orbitalen zwischen benachbarten Molekülen in Multilagenfilmen. Drittens entsteht die
Hybridisierung an den Molekül-Substrat-Grenzflächen durch die Überlappung der Wellenfunktionen
von Adsorbat und Substrat, wodurch sich die elektronische Struktur erheblich
verändern kann. Darüber hinaus führen starke Coulomb-Wechselwirkungen und reduzierte
dielektrische Abschirmung in diesen Materialien bei optischer Anregung zu korrelierten Elektronenphänomenen,
wie der Bildung von gebundenen Elektron-Loch-Paaren, so genannten
Exzitonen.
Als Beitrag zum grundlegenden Verständnis der Bandstrukturgestaltung in π-konjugierten
molekularen Systemen auf Oberflächen wird in dieser Arbeit die Kopplung von elektronischen
Wellenfunktionen und korrelierten elektronischen Effekten in diesen Systemen untersucht.
Der Schwerpunkt liegt darauf, wie molekulare Wechselwirkungen, Adsorptionsgeometrie
und Grenzflächenkopplung die Lage der Energieniveaus, Banddispersion und exzitonische
Struktur beeinflussen. Eine Kombination aus winkelaufgelöster Photoelektronenspektroskopie
(ARPES) in Form von Impulsmikroskopie und Photoemissionsorbitalmographie
(POT) wird verwendet, um die Impuls- und Realraumverteilung der elektronischen Zustände
zu untersuchen. Es werden drei prototypische Systeme untersucht, darunter Cäsium-dotierte
PTCDA-Monolagen auf Ag(111), C60-Monolagen auf Cu(111) und C60-Multilagenfilme auf
Cu(111).
Im ersten System führt die Cäsiumdotierung von schwach chemisorbiertem PTCDA zu
einer von der Stöchiometrie abhängigen Neuausrichtung der Molekülschicht. Die Ergebnisse
zeigen, dass die Lage der Energieniveaus überwiegend durch intermolekulare Wechselwirkungen
bestimmt wird, die durch die molekulare Orientierung bedingt sind. Bei der Monolage
C60 auf Cu(111), einem stark chemisorbierten System, führt eine signifikante Hybridisierung
zwischen Molekül- und Substratzuständen zu ausgeprägten Veränderungen der Bandstruktur.
Unterschiedliche Adsorptionskonfigurationen führen zu verschiedenen Graden der Hybridisierung,
wobei die am stärksten rekonstruierte Oberfläche die stärkste Kopplung aufweist.
In den C60-Multilagenfilmen wurden die ersten drei exzitonischen Zustände untersucht,
wobei sich deutliche Dispersionsmerkmale zeigten, die auf intramolekulareWechselwirkungen
zurückzuführen sind. Eine ergänzende Variante der Exzitonen-Photoemissionsorbitaltomographie
(exPOT) wurde konzeptionell erforscht, bei der Abfragepulse mit ultravioletten Photonenenergien
und Repititionsraten von einigen zehn MHz verwendet werden. Dieser Ansatz
ist auf die Untersuchung innerhalb der ersten Brillouin-Zone der C60-Filme beschränkt. Er
ermöglicht jedoch die Erfassung von Photoemissionswinkelverteilungen (PADs) mit hoher Statistik und erhöht damit die Empfindlichkeit gegenüber Delokalisierungseffekten und intermolekularenWechselwirkungen.
Obwohl eine definitive Impulsraum-Unterscheidung zwischen
Frenkel- und Ladungstransferexzitonen nicht beobachtet werden konnte, bietet die
Methode wertvolle Einblicke in die Impulsraumsignaturen der Exzitonen. Um Komplikationen
zu begegnen, die sich aus dispersiven, gestreuten Endzuständen ergeben, die die PADs
überlagern, werden Korrektur- und Validierungsstrategien vorgeschlagen
Ratgeber für Notfälle. Eine Analyse des Nutzens aus Perspektive des Bevölkerungsschutzes
Get PDFRatgeber in Form von Büchern sind seit dem 17. Jahrhundert – zunächst vor allem als
Erziehungsratgeber – verbreitet und liegen heute in einer großen thematischen und
qualitativen Bandbreite vor. Auch für Notfälle und Katastrophen gibt es eine Vielzahl an
Büchern auf dem Markt, die als relevanter Bestandteil der autodidaktischen
Auseinandersetzung mit Fragen der Selbsthilfe im Bevölkerungsschutz betrachtet werden
können. Der vorliegende Bericht gibt einen inhaltlichen Überblick über einen Querschnitt
dieser Ratgeber. Die inhaltliche Analyse, die im Rahmen eines Seminars von Studierenden
der Rheinland-Pfälzischen Technischen Universität (RPTU) durchgeführt wurde, zeigt dabei
Stärken und Schwächen einzelner Bücher auf und lässt Rückschlüsse auf ihre Nützlichkeit
und damit ihre Relevanz für den Bevölkerungsschutz zu. Insgesamt zeigt sich, dass Ratgeber
eine sinnvolle Ergänzung zu staatlichen und institutionellen Angeboten darstellen können,
ihre Qualität jedoch stark variiert und eine systematische Einbindung in die
Erwachsenenbildung wie auch in den Bevölkerungsschutz sowie eine kritische Beobachtung
erfordern.Guidebooks in printed form have been widespread since the 17th century, initially primarily as
parenting guides, and today they exist in a wide range of themes and qualities. In the field of
disaster preparedness, there are numerous relevant guidebooks on the market that form an
important part of autodidactic engagement with self-help issues in civil protection. This
report provides an overview of the content of a selection of such guidebooks. Conducted as
part of a seminar by students at the University of Kaiserslautern-Landau (RPTU), the
content analysis highlights the strengths and weaknesses of individual publications, allowing
conclusions to be drawn regarding their usefulness and relevance for civil protection.
Overall, the findings demonstrate that, while guidebooks can be a valuable addition to state
and institutional offerings, their quality varies considerably, necessitating their systematic
integration into adult education and civil protection, alongside continuous critical
monitoring
Objekterkennung und Posenschätzung im Baustellenumfeld mittels tiefem Lernen
Get PDFRecent advancements in computer vision and machine learning have significantly improved the safety of autonomous systems. However, limited research has focused on construction and agricultural environments, particularly when dealing with machinery having complex kinematics such as excavators. This thesis addresses this gap by developing innovative models to enhance the performance of vision-based safety systems. Specifically, three key computer vision tasks are investigated: object detection, pose estimation, and activity recognition.
To improve object detection, anchor-free models based on dense detectors are developed, integrating new configurations of IoU-based loss functions with spatial attention mechanisms. These enhancements increase accuracy and make the models suitable for edge-device applications. For pose estimation, self-supervised learning approaches are employed to reduce the need for large annotated datasets. Two strategies are compared: one that directly estimates poses and another that combines semantic segmentation with pose estimation, offering greater precision. For activity recognition, an encoder-LSTM model with various attention mechanisms is designed and trained on a synthetic dataset generated from a simulator representing the full range of movement types and patterns of a complex system. Object detection and activity recognition models rely on supervised learning, while pose estimation leverages self-supervised learning paradigms.
The proposed models yielded several significant results. The anchor-free dense detector achieves improved performance with CIoU and DIoU loss functions and spatial attention integration, resulting in a 0.5\% and 1.2\% increase in mean average precision (mAP) for the FSAF and FCOS models, respectively, both using a ResNet-50 backbone and trained on the benchmark COCO dataset. These enhancements present a promising direction for edge systems. In pose estimation, the self-supervised learning approach, combined with semantic segmentation, achieves the most accurate results for excavator poses, with improvements of 17\% and 12.5\% in average precision for direct self-supervised and supervised models, respectively. Finally, the encoder-LSTM model for activity recognition demonstrates the highest accuracy when utilizing the scaled dot-product attention mechanism. The results show that a model with two joints is enough for understanding the movement of an excavator as an example of a complex kinematic system. These advancements contribute to improving the efficiency and reliability of vision-based systems in complex environments, paving the way for further research in both industrial and academic contexts.Die jüngsten Fortschritte im Bereich der digitalen Bildverarbeitung und des maschinellen Lernens haben die Sicherheit autonomer Systeme erheblich verbessert. Die Forschung konzentrierte sich bisher jedoch nur in begrenztem Maße auf Umgebungen im Bau- und Agarsektor, wo häufig Maschinen mit komplexer Kinematik wie Bagger anzutreffen sind. Die jüngsten Entwicklungen im Bereich des maschinellen Lernens fußen auf dem Paradigma des selbstüberwachten Lernens, das sich vom überwachten Lernen dadurch unterscheidet, dass es keine große Menge an kommentierten Daten erfordert. Es erfordert stattdessen Rohdaten für die Aufgaben vor dem Training und einen kleinen kommentierten Datensatz für die nachfolgenden Aufgaben, was es wiederum vom unüberwachten Lernen unterscheidet, das überhaupt keine kommentierten Daten erfordert. Diese Arbeit verknüpft den selbstüberwachten Lernansatz mit neuen strukturierten tiefen neuronalen Netzwerkmodellen, um die Hauptlücke in den Bereichen Bau und Agrar durch die Entwicklung innovativer Modelle zur Verbesserung der Leistung von bildverarbeitungsbasierten Systemen zu schließen. Im Einzelnen werden drei zentrale Aufgaben der Computer Vision untersucht: Objekterkennung, Posenschätzung und Aktivitätserkennung. Bei der Objekterkennung werden die Objekte in der Szene klassifiziert und die Positionen mit Hilfe eines Begrenzungsrahmens (Bounding Box) lokalisiert, während bei der Posenschätzung die wichtigsten Schlüsselpunkte, die das Objekt darstellen, zur Erstellung eines Skeletts verwendet werden. Schließlich wird die Aktivitätserkennung verwendet, um das Verhalten eines objekts auf der Grundlage einer Reihe von Beobachtungen zu verstehen, die dann Aktionen für Sicherheitsbelange auslösen können.
Das Hauptziel dieser Forschungsarbeit ist die Verbesserung der Sicherheit im Bau- und Agrarwesen, insbesondere bei der Bedienung eines Baggers, einem der komplexesten kinematischen Systeme unter allen verwendeten Maschinen. Es wird ein verankerungsfreies Objektdetektormodell entwickelt, das die CIoU-Verlustfunktion und den Mechanismus der räumlichen Aufmerksamkeit nutzt. Die neuen Strukturen haben fast die gleiche Komplexität wie die Basisstrukturen. In der Literatur werden bisher nur wenige Anstrengungen unternommen, um ein Modell zur Posenschätzung für schwere Baumaschinen auf der Grundlage von tiefen neuronalen Netzwerkmodellen zu entwickeln, was darauf zurückzuführen ist, dass wenige kommentierte Datensätze aus realen Situationen vorliegen. Um diese Lücke zu schließen, wurden zwei neue Modelle zur Posenschätzung entwickelt, die auf einem Paradigma des selbstüberwachten Lernens basieren. Ein Vergleich zwischen Ansätzen basierend auf überwachtem und selbstüberwachtem Lernen wird ebenfalls durchgeführt. Um die verschiedenen Aktivitäten einer schweren Baumaschine zu erkennen, wird ein Modell entwickelt, das auf einem Encoder-LSTM-Modell basiert. Diese Struktur kann auf verschiedene komplexe kinematische Systeme verallgemeinert werden, indem eine kleine Menge synthetischer Datensätze aus dem Bereich verwendet wird.
Zur Verbesserung der Objekterkennung werden ankerfreie Modelle auf der Grundlage dichter Detektoren entwickelt, indem neue Konfigurationen von IoU-basierten Verlustfunktionen mit Plug-in-Mechanismen für die räumliche Aufmerksamkeit getestet und integriert werden. Es werden zwei Arten von dichten Prädiktoren verwendet: das FSAF- und das FCOS-Modell. Die Genauigkeit dieser Strukturen wurde bei Tests sowohl mit dem COCO-Referenzdatensatz als auch mit dem OPEED-Datensatz, einem speziellen Datensatz mit Aufnahmen aus suburbanen Umgebungen, erhöht. Diese verbesserten Strukturen eignen sich für Edge-Device-Anwendungen.
Für die Posenschätzung werden zwei selbstüberwachte Strukturen entwickelt: die SimCLR und die DenseCL. Im Allgemeinen besteht jedes Modell aus mindestens zwei Phasen: die erste ist die Vor-Trainings-Phase, die zweite sind die nachgelagerten Aufgaben. Bei dem Modell, das auf der selbstüberwachten SimCLR-Struktur basiert, wird die Posenschätzung für einen Bagger direkt durch eine Kombination aus Simulation mit Nvidia Issac Sim und MATLAB sowie einem kleinen Echtzeit-Annotation-Datensatz, der teilweise aus dem ACID-Datensatz für die nachgelagerte Aufgabe stammt, generiert. Das Modell, das auf der selbstüberwachten DenseCL-Struktur basiert, besteht dagegen aus drei Hauptphasen: der Pre-Train-Phase, der nachgelagerten Aufgabe für die semantische Segmentierung und der Erzeugung einer Skelettstruktur unter Verwendung von Schlüsselpunkten, die aus jedem Segment mit Hilfe einer konventionellen maschinellen Lernphase generiert werden. Ein Benchmark-Datensatz namens ImageNet wird für die Pre-Train-Phase für beide entwickelten Modelle verwendet.
Bei der Arbeit mit einem Aktivitätserkennungsmodell wird ein Encoder-LSTM-Modell mit verschiedenen Strukturen des Aufmerksamkeitsmechanismus getestet. Die Daten, die für diese Aufgabe verwendet werden, stammen ebenfalls aus der Nvidia Isaac-Simulation. Diese Daten repräsentieren die Positionen als (X, Y, Z)-Koordinaten der Hauptgelenke in der kinematischen Struktur von Baggern. Das kinematische Modell besteht aus vier Gelenken mit insgesamt 12 Merkmalen. Zur Datenanalyse und Identifizierung von Beziehungen zwischen diesen Merkmalen wird eine Korrelations-Heatmap-Technik verwendet. Es werden vier aufmerksamkeitsmechanismen (Attention Mechanisms) getestet: ein convolutional attention mechanism (CAM), eine additive attention, eine multi-head attention und ein skalierter dot-product attention with masking. Die Modelle zur Objekterkennung und Aktivitätserkennung basieren auf einem überwachten Lernparadigma, während die Posenschätzung ein selbstüberwachtes Lernparadigma verwendet.
Die vorgeschlagenen Modelle erbrachten mehrere wichtige Ergebnisse. Der ankerfreie dichte Detektor erzielte eine verbesserte Leistung mit CIoU- und DIoU-Verlustfunktionen und räumlicher Aufmerksamkeitsintegration, was zu einer Steigerung der mittleren durchschnittlichen Genauigkeit (mAP) um 0,5% bzw. 1,2% für die Modelle FSAF und FCOS führte, die beide ein ResNet-50-Backbone verwenden und auf dem COCO Referenzdatensatz trainiert wurden. Diese Verbesserungen stellen eine vielversprechende Richtung für Edge-Systeme dar. Bei der Posenschätzung erzielte der Ansatz des selbstüberwachten Lernens in Kombination mit semantischer Segmentierung die genauesten Ergebnisse für Baggerposen, mit Verbesserungen von 17% und 12,5% bei der durchschnittlichen Genauigkeit für direkte selbstüberwachte und überwachte Modelle. Schließlich zeigte das Encoder-LSTM-Modell für die Aktivitätserkennung die höchste Genauigkeit, wenn es den skalierten Dot-product
masked attention mechanism verwendete. Die Ergebnisse zeigen, dass ein Modell mit zwei Gelenken ausreichend ist, um die Bewegung eines Baggers als Beispiel für ein komplexes kinematisches System zu verstehen. Sie zeigen eine Steigerung der Genauigkeit der Aktivitätserkennung um 22,1% (Vier-Sensor-System) und 33,3% (Zwei-Sensor-System). Diese Fortschritte tragen dazu bei, die Effizienz und Zuverlässigkeit von bildverarbeitungsbasierten Systemen in komplexen Umgebungen zu verbessern und ebnen den Weg für weitere Forschungen sowohl im industriellen als auch im akademischen Kontext.
In dieser Arbeit wurden drei grundlegende Computer-Vision-Aufgaben untersucht - Objekterkennung, Posenschätzung und Aktivitätserkennung -, die jeweils zur Weiterentwicklung von Deep-Learning-Methoden zur Verbesserung der Sicherheit im Bau und Agrarbereich beitragen können. Durch eine systematische Untersuchung wurden neuartige Modelle entwickelt und evaluiert, die ankerfreie Modelle, selbstüberwachtes Lernen und ein Encoder-LSTM-Modell mit Aufmerksamkeitsmechanismen zur Verbesserung der Leistung und Generalisierbarkeit nutzen. Die Ergebnisse zeigen, dass die ankerfreien Modelle, die ein Feature Pyramid Network (FPN) in ihrer Struktur enthalten, besser mit dem zukünftigen Ausrichtung auf biologische Plausibilität vereinbar sind, da die Algorithmen und Modelle der tiefen neuronalen Netze nachahmen, wie das menschliche visuelle System Bilder verarbeitet. Es zeigt sich auch, dass selbstüberwachtes Lernen ein geeigneter Ansatz für die Entwicklung von Posenschätzungen für Probleme sein kann, bei denen nur ein kleiner annotierter Datensatz verfügbar ist. Durch den Einsatz von Simulationen kann die Aktivitätserkennung eines kinematischen Systems von einem einfachen System auf ein komplexeres System verallgemeinert werden.
Für künftige Arbeiten können weitere ankerfreie Detektoren für die verschiedenen Arten von Verlustfunktionen und verschiedene Arten von Aufmerksamkeitsmechanismen, wie z. B. das convolutional block attention module (CBAM), untersucht werden. Aus Sicht der Autorin sind ankerfreie Modelle immer noch ein Sprungbrett für zukünftige Forschung. Sie können auch in einem halbüberwachten Ansatz verwendet werden. Für die zweite Aufgabe, die Posenschätzung, können die Ergebnisse der ersten Methode der direkten Generierung von Posenschätzungen durch die Verwendung des Aufmerksamkeitsmechanismus sowie durch eine genauere und automatische Generierung von labeln für die Datenerfassung aus Simulationen verbessert werden. Auf der anderen Seite kann die zweite Methode durch eine genaue Assotiontionstechnik verbessert werden, um jedes Segment dem richtigen Objekt zuzuordnen. Bereichsanpassung und kontinuierliches Lernen sind zwei Ansätze für den Wissenstransfer, die zum Erlernen von Mustern für zukünftige Arbeiten genutzt werden können. Für das Aktivitätserkennungsmodell kann ein Sensorfusionsmodell entwickelt werden, das auf einem tiefen neuronalen Netz basiert, um zwei Arten von Zeitseriendaten zu verarbeiten: eine Reihe von Positionen und Bildrahmen. Dieses Modell kann mit den in dieser Studie ermittelten Modellen verglichen werden, und das beste Modell kann anschließend in einem realen Aktivitätserkennungssystem eingesetzt werden. Die Entwicklung eines Aktivitätserkennungsmodells, das auf einem Paradigma des selbstüberwachten Lernens basiert, könnte ein zusätzlicher Weg für zukünftige Forschung sein
From selective exposure to selective sharing - The influence of threat and right-wing ideology on selecting and sharing (dis)information in crisis situations
Get PDFCognitive biases like selective exposure and selective sharing are well-studied phenomena. However, their dynamics during crises, characterized by abundant information and disinformation, remain less explored. Research shows that political ideology, especially political conservatism, significantly influences cognitive biases and disinformation susceptibility. Additionally, underlying constructs such as Right-Wing Authoritarianism (RWA) and Social Dominance Orientation (SDO) impact information behavior, with evidence suggesting that the interaction between RWA and perceived threat intensifies selective information processing. This assumption is based on interaction models in political psychology, notably the Threat-RWA Activation Hypothesis and the Dual Motivational Model of Ideology and Prejudice (DPM).
This dissertation transfers these frameworks to communication research. In three studies, it develops and empirically tests an interaction model focusing on susceptibility to cognitive biases (selective exposure and sharing) and disinformation. The first manuscript examines the effects of selective exposure and sharing behaviors on COVID-19-related (dis)information under COVID-19 threat, with RWA and SDO as predictors. The second manuscript revisits the Threat-RWA Activation Hypothesis within (dis)information selection, while the third manuscript applies the DPM to (dis)information sharing.
The findings across all manuscripts indicate no observable threat activation effects of RWA and SDO on selective exposure to and sharing of (dis)information. However, RWA consistently emerges as a significant risk factor for disinformation susceptibility. These results challenge the validity of both interaction models within communication research and shed light on groups particularly vulnerable to disinformation
Tackling Challenges from Disturbed Magnetic Fields and Loose Sensor Attachments in Inertial Human Motion Capture
Get PDFWith the rise of modern microelectromechanical (MEMS) systems - particularly MEMS-based inertial measurement units (IMUs) - inertial human motion capture has attracted increasing attention across various fields in recent years. With such systems, human motion capture tasks in sports, rehabilitation, or construction
work have become feasible and accessible, but significant challenges remain. This dissertation presents analyses and advanced methods addressing two persistent challenges in inertial human motion tracking:
disturbed magnetic fields and loose inertial sensor attachments.
A disturbed local magnetic field leads to incorrect heading direction estimates. In indoor environments especially, magnetometer measurements can be unreliable due to disturbances such as ferromagnetic materials or electrical devices. The first contribution is an analysis of different orientation parametrizations in an
optimization-based Bayesian smoothing setting, with only sparse magnetometer measurements provided.
The second contribution is a method to completely avoid the use of magnetometers. We propose an approach to align sensors attached to the human body using only context information. The core idea is to estimate a common heading direction from a predefined motion sequence consisting of still standing and straight
gait. Lastly, we explore a method to reduce the number of magnetometers needed to capture not only the joint orientations but also the absolute orientations of each sensor drift-free. Therefore, we extend a magnetometer-free Bayesian filtering solution for joint orientation estimation. In this manner, we are able to
obtain drift-free absolute sensor and joint orientations with only one source of heading information in the kinematic chain instead of one per sensor.
The second challenge covered in this dissertation is due to loose sensor attachments on the human body. Usually, inertial sensors are assumed to be tightly fixed to the body segments, which can be cumbersome in
terms of setup time and ease of use. A setup where the sensors are directly integrated into one’s trousers or jacket might be a more desirable and comfortable solution. However, integrating the sensors into loose clothing usually results in additional clothing motion relative to the motion of the underlying segment
that should be captured. To investigate the severity of such motion artifacts arising from the integration of sensors into a loose working jacket, we conducted a study of deviation angles between a setup with tightly attached sensors and loosely attached sensors. Based on this analysis, we propose a method called difference
mappings, which aims to overcome the barrier of tightly attaching each inertial sensor to the human body. The proposed approach allows for reducing the joint angle errors due to clothing artifacts, thereby making an application with sensors integrated into loose clothing possible
Municipal Green Waste as Basis to Produce Bio-Based Platform Chemicals
Get PDFConsidering the depletion of fossil fuels, the ongoing climate crisis, and geopolitical developments, it is evident that the current fossil-based industry is not sustainable. A key strategy for addressing these challenges is the decarbonization of industry, which involves transitioning to clean energy sources and alternative carbon feedstocks to reduce CO2 emissions. Central to this transformation is the shift from a linear economy to a circular bioeconomy. In its context, materials previously considered waste are redefined as valuable resources. Given its composition and abundance, lignocellulosic biomass represents a promising alternative feedstock.
Municipal green waste encompasses all lignocellulosic biomass generated in urban areas. It offers the advantage of not competing with agricultural land use and currently lacks economically viable applications, making it an attractive feedstock for biotechnological processes. This work introduces the concept of municipal green waste and evaluates its potential. The necessity of pretreating lignocellulosic biomass is analyzed. It is demonstrated that both the press juice from herbaceous biomass and the enzymatic hydrolysate of hydrothermally pretreated biomass with a higher lignin content can serve as a fermentation medium or medium supplement for a range of microorganisms. Saccharomyces cerevisiae, Lactobacillus delbrueckii subsp. lactis, Clostridium acetobutylicum, and Ustilago maydis were successfully cultivated on media derived from municipal green waste to produce solvents and organic acids. Since pretreatment is often the most cost-intensive step, press juice from herbaceous biomass is identified as the most promising substrate due to the low pretreatment requirements and associated cost benefits. To enable industrial-scale implementation, a comprehensive understanding and optimization of the microbial cultivation processes are essential. Therefore, a protocol for a robust cultivation process of C. acetobutylicum was developed. Furthermore, the impact of oxygen supply – a critical parameter for scaling up – was investigated during the cultivation of U. maydis. Modulating the oxygen regime may provide a cost-effective tool to enhance productivity in this organism.
The present work demonstrates the viability of municipal green waste as a feedstock to produce platform chemicals and therefore contributes to developing a new carbon source for the chemical industry. In doing so, it supports both the decarbonization of industrial processes and the transition toward a more circular bioeconomy.In Anbetracht endlicher fossiler Brennstoffe, der anhaltenden Klimakrise und geopolitischer Entwicklungen ist es offensichtlich, dass die derzeitige auf fossilen Brennstoffen basierende Industrie nicht nachhaltig ist. Eine Schlüsselstrategie zur Bewältigung dieser Herausforderungen ist die Dekarbonisierung der Industrie, das heißt der Übergang zu sauberen Energiequellen und alternativen Kohlenstoffrohstoffen, um die CO2-Emissionen zu verringern. Von zentraler Bedeutung für diesen Wandel ist die Umstellung von einer linearen Wirtschaft auf eine zirkuläre Bioökonomie. In diesem Kontext werden Materialien, die bisher als Abfall galten, als wertvolle Ressourcen neu definiert. Lignozellulosehaltige Biomasse ist aufgrund ihrer Zusammensetzung und ihrer Häufigkeit ein vielversprechender alternativer Rohstoff.
Kommunaler Grünschnitt umfasst alle lignozellulosehaltige Biomasse, die in städtischen Gebieten anfällt. Er hat den Vorteil, dass er nicht mit landwirtschaftlicher Flächennutzung konkurrieren und derzeit nicht wirtschaftlich genutzt wird, was ihn zu einem attraktiven Ausgangsmaterial für biotechnologische Prozesse macht. In dieser Arbeit wird das Konzept des kommunalen Grünschnitts vorgestellt und sein Potenzial bewertet. Die Notwendigkeit der Vorbehandlung von lignozellulosehaltiger Biomasse wird analysiert. Es wird gezeigt, dass sowohl der Presssaft aus grasartiger Biomasse als auch das enzymatische Hydrolysat aus hydrothermisch vorbehandelter Biomasse mit höherem Ligningehalt als Fermentationsmedium oder Mediumszusatz für eine Reihe von Mikroorganismen dienen kann. Saccharomyces cerevisiae, Lactobacillus delbrueckii subsp. lactis, Clostridium acetobutylicum und Ustilago maydis wurden erfolgreich auf Medien kultiviert, die aus kommunalem Grünschnitt gewonnen wurden, um Lösungsmittel und organische Säuren zu produzieren. Da die Vorbehandlung häufig der kostenintensivste Schritt ist, wurde Presssaft aus grasartiger Biomasse aufgrund der geringen Vorbehandlungsanforderungen und der damit verbundenen Kostenvorteile als das vielversprechendste Substrat identifiziert. Um eine Umsetzung im industriellen Maßstab zu ermöglichen, sind ein umfassendes Verständnis und eine Optimierung der mikrobiellen Kultivierungsprozesse unerlässlich. Daher wurde ein Protokoll für den robusten Kultivierungsprozess von C. acetobutylicum entwickelt. Darüber hinaus wurde der Einfluss der Sauerstoffzufuhr – ein kritischer Parameter für das Scale-up – während der Kultivierung von U. maydis untersucht. Die Modulation des Sauerstoffregimes könnte ein kosteneffizientes Instrument zur Steigerung der Produktivität dieses Organismus darstellen. Die vorliegende Arbeit zeigt, dass kommunale Grünabfälle als Ausgangsmaterial für die Herstellung von Plattformchemikalien geeignet sind, und trägt somit zur Entwicklung einer neuen Kohlenstoffquelle für die chemische Industrie bei. Auf diese Weise unterstützt sie sowohl die Dekarbonisierung industrieller Prozesse als auch den Übergang zu einer stärker kreislauforientierten Bioökonomie
A Link Between Anomaly Detection and Runtime Verification
Get PDFThis dissertation introduces two novel approaches that combine Runtime Verification
and Anomaly Detection to detect deviations from expected system behavior. Within this
hybrid framework, the primary goals are twofold: ensuring correctness with respect to a
given specification—specifically, a dynamical model—and maintaining simplicity in the
classification process.
The first approach utilizes reachability analysis through Affine Arithmetic Decision
Diagrams (AADDs) and Affine Binary Decision Diagrams (BDDAs) within symbolic sim-
ulations. These diagrams rely on affine forms, which represent uncertainty using linear
expressions with noise symbols. To manage complexity and provide a structured represen-
tation of the state space, the Affine Arithmetic Cartesian Decision Diagram (AACDD)
was introduced. The AACDD merges all AADDs and BDDAs into a single structure,
capturing all valid state tuples by encoding the relationships between continuous and
discrete state variables. This unified representation enables a systematic evaluation of
whether observed state transitions conform to the expected dynamics. Within this frame-
work, system behavior is evaluated by checking whether observed state transitions (both
continuous and discrete) conform to the expected dynamics. This evaluation is formal-
ized through consistency conditions, which ensure that (i) transitions between continuous
states satisfy specific inequalities (continuous consistency) and (ii) transitions between
discrete states follow predefined logical patterns (discrete consistency). These conditions
are expressed as systems of inequalities over noise symbols, and a simplex solver is used
to determine whether a feasible solution exists.
Building on this foundation, the second approach, termed the H-Classifier, simplifies the evaluation process by transforming the inequality systems into the transition
space, which directly represents the system’s state transitions from time k to k+1. A
key advantage of this transformation is that observed measurements no longer need to
be interpreted by solving for feasible solutions; instead, they can be directly evaluated by
substituting them into the corresponding inequality systems. While the initial approach
ensures strong correctness, its reliance on a simplex solver introduces significant com-
putational demands. In contrast, the H-Classifier, though slightly imperfect in certain
cases, offers a highly efficient classification process by leveraging direct evaluation within
the transition space.
The results indicate that while neither approach is flawless, both come close to meeting
the initial goals of correctness relative to the dynamical model and simple classification.
The dissertation concludes with a discussion on potential future work, including scaling
the approaches to more complex systems, deploying them in Digital Twin environments,
and further refining the H-Classifier for formal correctness. Additionally, the rich infor-
mation encoded in the model-based approach could be leveraged for multi-class classifi-
cation and to enhance the explainability of the system, paving the way for applications
in predictive maintenance
An Approach to Data Integration and Explorative Query Processing in Scientific Data Management Platforms
Get PDFTechnological advancements in bioscience research are directly influencing the generation of vast amounts of complex and heterogeneous datasets from individual studies. Efficient research data management (RDM) solutions based on FAIR principles can help research groups standardize and package their study-specific results into uniquely identifiable digital objects that are easily traceable. To explore the inter-dependencies among datasets originating from different research disciplines, it is essential to deploy a generic, data-centric RDM solution that addresses inherent challenges and effectively manages complex datasets.
This thesis introduces PLANTdataHUB, an end-to-end scientific Research Data Management (RDM) ecosystem for plant science data that generates FAIR digital objects, known as Annotated Research Contexts (ARCs). We present an incremental approach to developing a set of search and exploration applications for the plant science community, utilizing the PLANTdataHUB solution. The goal is to facilitate interdisciplinary data analysis among participating research groups, enabling knowledge discovery, collaboration, and innovation.
Our research focuses on developing a framework for exploring large-scale, multi-model plant science datasets. A key contribution of our work is the introduction of a novel key-value index store within the polystore architecture. We propose a fast, scalable, space-efficient, and flexible indexing scheme that leverages purpose-built bitmaps for exploratory data analysis, supporting containment, point, and range query types. This index store complements the query processing mechanism, enabling the execution of cross-model queries across multiple data sources. Additionally, we extend the index management and conceptualize it as a two-player game to address the challenges of attribute selection and cost-based refinement, adapting to the query workloads.
Furthermore, we expand our research by implementing search applications that facilitate integrated metadata exploration through the ARC Metadata Registry and enable in-situ, on-demand querying of ARC datasets with ARCXplore
Biegezugverhalten von Tonen – Experimentelle Untersuchungen, Parametrierung und numerische Simulation
Get PDFEine wesentliche Eigenschaft zur Sicherstellung der Funktionsfähigkeit von mineralischen Deponieabdichtungen ist deren Verformungsvermögen. Biegebeanspruchungen infolge von differentiellen Verformungen können in Zwischen- und Oberflächenabdichtungen von Deponien zu Festigkeitsüberschreitungen führen, welche deren Funktionstüchtigkeit beeinträchtigen können. In der vorliegenden Arbeit wurde daher zunächst das Biegezugverhalten von Tonbalken experimentell untersucht und anschließend mithilfe eines Finite-Elemente-Programms nachgerechnet.
In einem ersten Schritt wurden vier verschiedene, für Abdichtungszwecke geeignete Materialien ausgewählt und deren bodenphysikalische Eigenschaften bestimmt. Dazu wurden zunächst Proctorversuche durchgeführt, anhand deren Ergebnisse dann drei Verdichtungsgrade definiert wurden, mit denen die Probekörper für alle folgenden Versuche hergestellt wurden. Anschließend wurden Ödometerversuche und direkte Scherversuche an den Materialen durchgeführt und es wurde die Saugspannungscharakteristik anhand von drei unterschiedlichen Methoden bestimmt.
Zur Untersuchung des Tragverhaltens wurden zunächst Triaxialversuche mit konstanter Spannungssumme, Resonant-Column-Versuche sowie direkte Zugversuche durchgeführt. Anschließend wurden aus den vier Tonen Balken hergestellt, an denen Biegezugversuche durchgeführt wurden. Dabei kam eine modifizierte Biegezugmaschine zum Einsatz, bei der die punktförmigen Auflager durch flache Lager ersetzt und die Balken durch eine gleichmäßige Flächenlast belastet wurden. Durch den Einsatz einer speziellen Druckmessfolie konnte der Ansatz einer konstanten Flächenlast bestätigt werden. Einige ausgewählte Balken wurden in den Zugbereichen mit bis zu vier Mini-Tensiometern zur Messung der Saugspannung ausgestattet. Die Dehnungsverteilung in Längsrichtung der Balken wurde durch das optische Messsystem ARAMIS der Firma GOM erfasst. Der Einfluss der Umgebungs-temperatur wurde durch eine Versuchsserie in einer begehbaren Klimakammer bei 55 °C Raumtemperatur untersucht.
Für die numerische Berechnung der Biegezugversuche wurde ein bestehendes elasto-plastisches Stoffmodell anhand der durchgeführten Triaxial- und Zugversuche kalibriert und in das FE-Programm Plaxis 2D implementiert. Neben einer deviatorischen Fließfläche besitzt dieses Modell eine volumetrische Kappenfließfläche, die bei isotroper Belastung aktiviert wird. Der Zugbereich wurde durch eine Tension cut-off abgebildet.
Der Vergleich zwischen den Versuchsergebnissen und denen der numerischen Simulation zeigt, dass sich bezüglich der Durchbiegung in Feldmitte eine gute Übereinstimmung zwischen diesen beiden ergibt. Die in Feldmitte bei den Versuchen beobachtete Verschiebung des Nulldurchgangs der Dehnungen in Längsrichtung der Balken in Richtung des gezogenen Rands konnte ebenfalls durch das Modell abgebildet werden. In den Bereichen über dem Auflager liefern die numerischen Modelle ebenfalls vergleichbare Ergebnisse, hier traten jedoch teilweise recht deutliche Unterschiede zwischen den Versuchsergebnissen und den numerischen Berechnungen auf.A key property for ensuring the functionality of mineral landfill liners is their deformation capacity. Bending stresses due to differential deformations can lead to strength exceedances in intermediate and surface sealings of landfills, which can impair their functionality. In the present work, the bending behaviour of clay beams was therefore first investigated experimentally and then recalculated using a finite element program.
In a first step, four different materials suitable for sealing purposes were selected and their soil-physical properties determined. Proctor tests were first carried out, the results of which were then used to define three degrees of compaction with which the test specimens for all subsequent tests were produced. Oedometer tests and direct shear tests were then carried out on the materials and the soil suction characteristics were determined using three different methods.
To investigate the bearing behaviour, triaxial tests with a constant stress sum, resonant column tests and direct tensile tests were first carried out. Then beams were produced from the four clays, on which bending tests were carried out. A modified bending machine was used, in which the point supports were replaced by flat bearings and the beams were subjected to a uniform surface load. By using special pressure measuring sensors, a constant surface load could be confirmed. Some selected beams were fitted with up to four mini tensiometers in the tensile areas to measure the suction stress. The strain distribution in the longitudinal direction of the beams was recorded using the ARAMIS optical measuring system from GOM. The influence of the ambient temperature was analysed in a series of tests in a walk-in climate chamber at 55 °C room temperature.
For the numerical calculation of the bending tests, an existing elasto-plastic material model was calibrated using the triaxial and tensile tests carried out and implemented in the Plaxis 2D finite element program. In addition to a deviatoric yield surface, this model has a volumetric cap surface that is activated under isotropic loading. The tensile area was modelled using a tension cut-off function.
The comparison between the test results and those of the numerical simulation shows that there is good agreement between the two with regard to the deflection in the beam centre. The shift of the zero crossing of the strains in the longitudinal direction of the beams towards the drawn edge observed in the beam centre during the tests could also be mapped by the model. In the areas above the support, the numerical models also provide comparable results, but here quite significant differences between the test results and the numerical calculations were sometimes observed
Cavity-induced quantum droplets
Get PDFQuantum droplets are formed in quantum many-body systems when the competition of quantum corrections with the mean-field interaction yields a stable self-bound quantum liquid. We predict the emergence of a quantum droplet when a Bose Einstein condensate is placed in a transverse-pumped optical cavity. The strong coupling between the atoms and a cavity mode induces long-range interactions in the atoms, and a roton mode for negative cavity detuning emerges. Using Bogoliubov theory, we show that the roton mode competes with the repulsive atomic s-wave scattering. Due to the favorable scaling of the quantum fluctuations with respect to the volume, a self-bound stable quantum liquid emerges