API src

Found 48 results.

Entwicklung eines innovativen Multisensorsystems zur Unterstuetzung der On-line-Abwasseranalyse mit Hilfe neuronaler Netze

Das Projekt "Entwicklung eines innovativen Multisensorsystems zur Unterstuetzung der On-line-Abwasseranalyse mit Hilfe neuronaler Netze" wird/wurde gefördert durch: Deutsche Bundesstiftung Umwelt. Es wird/wurde ausgeführt durch: Dr. Bruno Lange GmbH Photometer - Messgeräte - Reagenzien, Werk Düsseldorf.

Online-Steuerung einer flexiblen Kraft-Waerme-Kopplungsanlage

Das Projekt "Online-Steuerung einer flexiblen Kraft-Waerme-Kopplungsanlage" wird/wurde gefördert durch: Technische Universität München, Lehrstuhl für Thermische Kraftanlagen mit Heizkraftwerk. Es wird/wurde ausgeführt durch: Technische Universität München, Lehrstuhl für Thermische Kraftanlagen mit Heizkraftwerk.Zur Versorgung des Forschungsgelaendes Garching der Technischen Universitaet Muenchen wird eine Gasturbine eingesetzt, die nach dem Cheng-Prozess arbeitet: aus der Abwaerme der Gasturbinenabgase wird Dampf erzeugt, der entweder den Waermebedarf deckt, oder aber - bei erhoehtem Bedarf an elektrischer Energie - in der Gasturbine entspannt wird. Mittels dieser Dampfinjektion in die Gasturbine kann die elektrische Leistung in zwei Minuten um 50 Prozent, d.h. von 4 MWe auf 6 MWe erhoeht werden. Um das Potential dieser Flexibilitaet ausnutzen zu koennen, ist ein Online-Steuerungsprogramm erforderlich. Dieses ermittelt den optimalen Betriebspunkt mittels der GGLP-Methode (Gemischt Ganzzaehlig Lineare Programmierung) und setzt den gefundenen Betriebspunkt ueber ein neuronales Netz um. Derzeit findet eine Weiterentwicklung und Erprobung dieses Online-Steuerungsprogramms in der Anlage statt.

Modellbildung und Regelung von Heizungsanlagen mit Brennwertkesseln

Das Projekt "Modellbildung und Regelung von Heizungsanlagen mit Brennwertkesseln" wird/wurde ausgeführt durch: Technische Universität Darmstadt, Institut für Regelungstechnik, Fachgebiet Regelsystemtechnik und Prozessautomatisierung.Theoretische Modellbildung eines Waermeuebertragers unter Beruecksichtigung der Kondensation; Modellbildung mit Hilfe von dynamischen neuronalen Netzen. Entwurf von verschiedenen Regelkonzepten zur Vorlauftemperatursollwertvorgabe und Vergleich mit herkoemmlichen Konzepten. Bewertung des Energieverbrauches.

Entwicklung eines Multisensorsystems zur On-line-Messung von Stickstoffkomponenten im Rohabwasser mit Hilfe neuronaler Netze

Das Projekt "Entwicklung eines Multisensorsystems zur On-line-Messung von Stickstoffkomponenten im Rohabwasser mit Hilfe neuronaler Netze" wird/wurde gefördert durch: Deutsche Bundesstiftung Umwelt. Es wird/wurde ausgeführt durch: STIP Isco.

INPRO - Innovative Prozessfuehrung: Methoden und Werkzeuge zur Prozessfuehrung von komplexen verfahrenstechnischen Anlagen am Beispiel von Muellverbrennungsanlagen

Das Projekt "INPRO - Innovative Prozessfuehrung: Methoden und Werkzeuge zur Prozessfuehrung von komplexen verfahrenstechnischen Anlagen am Beispiel von Muellverbrennungsanlagen" wird/wurde ausgeführt durch: Karlsruher Institut für Technologie (KIT), Institut für Automation und angewandte Informatik (IAI), Fachgebiet Fortschrittliche Automatisierungstechnologien (A2T).Die energetische Optimierung von verfahrenstechnischen Prozessen erfordert eine detaillierte Kenntnis der jeweiligen Vorgänge, die Ableitung von und die Beschreibung durch charakteristische Kenngrößen und Analyse in Verbindung mit off-line Daten, eine dedizierte Modellierung sowie die regelungstechnische Umsetzung zur eigentlichen Optimierung. Die Umsetzung der Algorithmen in echtzeitfähige, zuverlässige und sichere Softwaresysteme und -werkzeuge mit dem angestrebten Transfer in die industrielle Anwendung sind weitere Ziele der Arbeiten. Prozessschritte bei Celitement External Link wie die Entsäuerung, der Hydrothermalprozess im Autoklaven und die Mahlung sind durch neuartige Messtechniken zu erfassen, zu analysieren und modellmäßig durch charakteristische Kenngrößen zu beschreiben. Darauf aufbauend können diese Prozessschritte regelungstechnisch mit softwarebasierten Werkzeugen beherrscht werden. Im Rahmen des Energy Lab 2.0 als Plattform für die Lösungskonzepte der zukünftigen hochgradig verteilten Energiesysteme stehen Aspekte der Software wie Zuverlässigkeit, Safety, Security und Beherrschbarkeit in vielfältiger Weise als Forschungsfragen an. Sichere Anwendungen erfordern sichere Betriebs- oder Laufzeitumgebungen. Im Rahmen des Energy-Lab 2.0 wird das Konzept für ein Betriebssystem für Geräte im Energiebereich entwickelt, das Betriebs- und Angriffssicherheit systembedingt garantiert. Im KASTEL External Link Projekt 'Modell-basierte Plausibilitätsprüfung für sicherheitskritische Infrastrukturen des Energy Lab 2.0' wird das Querschnittsthema Zuverlässigkeit, Safety und Security von Software begleitend erforscht und prototypisch umgesetzt. Außerdem werden Methoden und Architekturen für zuverlässige und sichere Softwaresysteme erforscht.

Optimierte Kreislaufführung von Altglas durch digitale Füllstandsmessung

Das Projekt "Optimierte Kreislaufführung von Altglas durch digitale Füllstandsmessung" wird/wurde gefördert durch: Deutsche Bundesstiftung Umwelt. Es wird/wurde ausgeführt durch: Zolitron - The Internet of Things Company GmbH.Zielsetzung und Anlass: Die Kreislaufwirtschaft ist eine der Schlüsselindustrien, wenn es um die Bekämpfung des Fortschritts des Klimawandels geht. Durch Recycling kann der Einsatz von Primärrohstoffen reduziert werden, so dass diese Industrie am Ende nicht nur klimaneutral werden kann, sondern sogar Emissionen in anderen Sektoren reduziert, also bilanziell negativ sein kann. Allerdings erzeugt die Abfallsammlung als Teil der Prozesskette Emissionen, die besonders in dicht besiedelten, urbanen Gebieten produziert werden, wo der Abfall entsteht. Die Abfallsammlung erfolgt in Deutschland noch anhand statischer Routen, ohne die Vorteile der Digitalisierung bisher nutzen zu können. So wird vielfach zu häufig geleert, also Luft bewegt, oder es entsteht bei dem Versuch einer Reduzierung der Leerungsfrequenz eine Überfüllung der Container und so unbeabsichtigte Beistellungen. Die bisher verfügbaren Sensoren zur Digitalisierung der Behälter, die dieses Problem lösen könnten, waren zu teuer und aufwändig in der Installation und Wartung, so dass eine sensorbasierte Routenoptimierung nicht flächendeckend wirtschaftlich war. Bis zum heutigen Tag ist der Kenntnis der Antragstellerin nach keine flächendeckende, sensorgesteuerte, vollautomatische Routenplanung in Deutschland im produktiven Betrieb. Zolitron hat ein revolutionäres Messverfahren entwickelt, welches basierend auf künstlich intelligenten Algorithmen (KI) den Füllstand kostengünstig messen kann und so Wartungs- und Installationskosten dramatisch reduziert werden können, was den Einsatz der Technik wirtschaftlich macht. Prototypisch wurde die technische Funktionalität an Glascontainern gezeigt und soll nun in diesem Projekt am Beispiel eines kommunalen Entsorgers in den produktiven Betrieb überführt werden. Hierzu sollen die Entsorger mit einem Containermanagementsystem CMS und einer dyn. Routenplanungssoftware DRP in die Lage versetzt werden, die Sensormessung erstmals produktiv in ihrem Betrieb einzusetzen. Die Entsorger sollen durch die ökonomischen Vorteile intrinsisch motiviert werden, die ökologischen Einsparungen, die sich aus der Reduzierung der Leerungsfahrten ergeben, zu heben. Das Wuppertal Institut wird dabei die ökologischen und ökonomischen Vorteile im Sinne eines Vorher-/Nachher-Vergleichs am Beispiel des kommunalen Entsorgers genau quantifizieren. Eine vorläufige Analyse am Beispiel der Glascontainer hat gezeigt, dass sowohl im ländlichen als auch im urbanen Umfeld mind. 30% der Leerungsfahrten eingespart werden können. In diesem Projekt soll nun dargestellt werden, dass Entsorger dieses Optimierungspotenzial mithilfe der hier entwickelten Softwarelösungen praktikabel heben können.

Aufbau und Entwicklung eines intelligenten Diagnosesystems fuer die Klaeranlage der Stadt Mainz unter Verwendung von Fuzzy Control und neuronalen Netzen

Das Projekt "Aufbau und Entwicklung eines intelligenten Diagnosesystems fuer die Klaeranlage der Stadt Mainz unter Verwendung von Fuzzy Control und neuronalen Netzen" wird/wurde gefördert durch: Landeshauptstadt Mainz, Entwässerungsbetrieb / Technische Universität Kaiserslautern. Es wird/wurde ausgeführt durch: Rheinland-Pfälzische Technische Universität Kaiserslautern-Landau, Fachgebiet Siedlungswasserwirtschaft.Ziel des Vorhabens ist die Entwicklung eines intelligenten Diagnosesystems fuer die Prozessfuehrung der Klaeranlage Mainz auf der Basis von wissensbasierten Ansaetzen und datenbasiertem Lernen. Es werden Messsignale auf ihre Plausibilitaet hin ueberprueft und Korrelationen zwischen verschiedenen Messwerten hergeleitet. Dies dient dazu, Sensorfehler und Ausfaelle von Messgeraeten zu detektieren sowie Ersatzwerte fuer Regelungsaufgaben zu schaetzen.

Darstellung des schmelzenspezifischen Zeitstandbruchverhaltens ausgwählter warmfester Stähle auf der Grundlage der Datenaufbereitung über Neuronale Netze

Das Projekt "Darstellung des schmelzenspezifischen Zeitstandbruchverhaltens ausgwählter warmfester Stähle auf der Grundlage der Datenaufbereitung über Neuronale Netze" wird/wurde gefördert durch: Arbeitsgemeinschaft der Eisen- und Metall-Verarbeitenden Industrie , Forschungsvereinigung. Es wird/wurde ausgeführt durch: Fachverband Dampfkessel-, Behälter- und Rohrleitungsbau e.V..

Erhoehung der Effizienz der Pflanzenwasserversorgung bei der Oberflaechenbewaesserung durch die Verbindung physikalisch begruendeter Stroemungsmodelle mit kuenstlichen neuronalen Netzen

Das Projekt "Erhoehung der Effizienz der Pflanzenwasserversorgung bei der Oberflaechenbewaesserung durch die Verbindung physikalisch begruendeter Stroemungsmodelle mit kuenstlichen neuronalen Netzen" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft / Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Technische Universität Dresden, Fachrichtung Hydrowissenschaften, Institut für Hydrologie und Meteorologie, Professur für Hydrologie.Die Erhoehung der Nahrungsmittelproduktion zur Deckung des Bedarfs erfordert eine effizientere Bewaesserung, was kaum noch durch die vielbehandelte Optimierung der Wasserzufuehrung zu erreichen ist, sondern nur durch eine ausgewogenere Pflanzenwasserversorgung. Diese soll erreicht werden durch die Verbindung physikalisch begruendeter Modelle der ober- und unterirdischen Stroemungsvorgaenge mit kuenstlichen neuronalen Netzen als neues Prinzip zur Ermittlung guenstigster Bewaesserungsparameter. Das Vorgehen nutzt die Staerken der Prozessmodelle fuer extrapolierende Berechnung und die enormen Vorteile kuenstlicher neuronaler Netze zur Interpolation einmal gespeicherter Szenarien.

Gefahrenbeurteilung von Hangbewegungen in Lockergesteinen mit neuronalen Netzen

Das Projekt "Gefahrenbeurteilung von Hangbewegungen in Lockergesteinen mit neuronalen Netzen" wird/wurde gefördert durch: Deutsche Forschungsgemeinschaft. Es wird/wurde ausgeführt durch: Universität Erlangen-Nürnberg, Institut für Geologie und Mineralogie, Lehrstuhl für Angewandte Geologie.Bei Starkniederschlagsereignissen im Alpenraum stellen flachgründige Hangbewegungen von zumeist nur geringer Größe (sog. 'soil slips') ein erhebliches Gefahrenpotential für das menschliche Gut dar. Über intensive Untersuchungen der betroffenen alpinen Hänge ist es möglich, den Prozess der Gefahrenentwicklung zu verstehen. Gerade die Katastrophe in Sachseln/Schweiz vom 15.08.1997 mit ca. 700 Hanganbrüchen und einem bezifferten Schaden von 100 Mio. sfr. hat aufgezeigt, wie wichtig die Beurteilung von Naturgefahren im stark besiedelten Alpenraum ist. Zum einen kann das Niederschlagsereignis, als Auslöser für die Entwicklung derartiger Hangbewegungen analysiert werden, zum anderen müssen aber auch Faktoren, die bereits vor dem Ereignis vorliegen, wie z.B. Hangneigung, Lockergesteinsmächtigkeit oder Vegetation, untersucht werden, um Aussagen über die Hangstabilität machen zu können. Die statistische Auswertung zeigt eine unterschiedlich starke Korrelation einzelner Faktoren. Mit Hilfe von Künstlichen Neuronalen Netzen (KNN) kann eine Mustererkennung durchgeführt werden. Neuronale Netze lernen mit Datensätzen - Parameterkonstellationen, die aus dokumentierten Fällen vorliegen - auf potenzielle 'soil slips' hinzuweisen. Darüber hinaus sollen auch andere Klassifikationsverfahren, wie Klassifikationsbäume und Lineare Diskriminanzanalyse (LDA) zum Vergleich angewendet werden.

1 2 3 4 5