Refine
Year of publication
Document Type
- Conference Proceeding (149) (remove)
Language
- German (149) (remove)
Keywords
- Abtragsprinzip (1)
- Agiles Lehren (1)
- Analyse (1)
- Anstand (1)
- Apnoe (1)
- Atmung (1)
- Atmungssignal (1)
- Automation (1)
- BCG (1)
- Ballistokardiographie (1)
Institute
- Fakultät Bauingenieurwesen (4)
- Fakultät Elektrotechnik und Informationstechnik (2)
- Fakultät Informatik (7)
- Fakultät Maschinenbau (6)
- Fakultät Wirtschafts-, Kultur- und Rechtswissenschaften (1)
- Institut für Angewandte Forschung - IAF (7)
- Institut für Strategische Innovation und Technologiemanagement - IST (3)
- Institut für Systemdynamik - ISD (2)
- Institut für Werkstoffsystemtechnik Konstanz - WIK (2)
- Institut für Werkstoffsystemtechnik Thurgau - WITg (3)
- Institut für professionelles Schreiben - IPS (2)
- Konstanz Institut für Corporate Governance - KICG (1)
Das klinische Standardverfahren und Referenz der Schlafmessung und der Klassifizierung der einzelnen Schlafstadien ist die Polysomnographie (PSG). Alternative Ansätze zu diesem aufwändigen Verfahren könnten einige Vorteile bieten, wenn die Messungen auf eine komfortablere Weise durchgeführt werden. Das Hauptziel dieser Forschung Studie ist es, einen Algorithmus für die automatische Klassifizierung von Schlafstadien zu entwickeln, der ausschließlich Bewegungs- und Atmungssignale verwendet.
Unter bestimmten Kontaktbedingungen zwischen Rad und Schiene können selbsterregte Schwingungen angeregt werden, die zu gegenphasigen Drehbewegungen der Radscheiben und hohen Torsionsmomenten in der Radsatzwelle führen. Zur Bestimmung des maximalen Torsionsmoments sind bislang aufwendige Testfahrten erforderlich, da keine Verfahren bekannt waren, die eine konservative Berechnung des Torsionsmoments ermöglichen [1]. In den vergangenen Jahren wurden die drei folgenden Berechnungsmethoden vertieft untersucht, um das maximale, dynamische Torsionsmoment zu berechnen:
- Simulationen von komplexen Mehrkörpersystemen (MKS)
- Differentialgleichungssysteme mit numerischer Berechnung
- Analytische Berechnung durch Reduktion auf ein Minimalmodell
In dieser Publikation sollen diese Berechnungsmethoden näher vorgestellt werden und durch eine Gegenüberstellung der jeweils berechneten und gemessenen Ergebnisse deren Möglichkeiten aber auch Limitationen aufgezeigt werden.
Cultural Mapping 4.0
(2021)
Die Bodenseeregion gehört zu einer der ältesten Kulturlandschaften Europas. Ihre regionale kulturelle Identität trägt zum Image sowie Identifikation seitens der Bevölkerung mit der Bodenseeregion bei. Dennoch mangelt es an einer ganzheitlichen, die gesamte Bodenseeregion umfassende Betrachtung der Frage, was die kulturelle Identität der Bodenseeregion ausmacht. Das Forschungsprojekt «CultMap4.0» hat daher zum Ziel, aus einer räumlichen Perspektive die Wechselwirkung zwischen regionaler Identität, Kultur und Mobilität zu untersuchen. Neben der Leitfrage, was kulturelle Identität in einer grenzüberschreitenden und diversen Region wie dem Bodensee zu sein und leisten vermag, werden im Rahmen von vier Themenschwerpunkten folgende Forschungsfragen untersucht: Wie nehmen einheimische Bevölkerung, Unternehmen und TouristInnen die regionale kulturelle Identität (Eigenbild) und das Image (Fremdbild) der Bodenseeregion wahr? Wie kann der Ansatz des “Cultural Mappings” durch partizipative Kartierung digital transformiert werden, und wie können kulturelle Identität und Mobilität mit digitalem Storytelling in Storymaps visualisiert werden? Welchen Beitrag kann “Cultural Mapping 4.0” als partizipatives Werkzeug zur Regionalplanung und zur Kommunikation mit Stakeholdern in der Bodenseeregion und anderenorts leisten? Die dabei entstehenden Storymaps – interaktive Webinhalte aus Texten, Karten und weiteren Medien – zur kulturellen Identität der Bodenseeregion sollen auf der Plattform “Cultural Mapping” Project Lake Constance” veröffentlicht werden, um so von den Stakeholdern als Planungs- und Entscheidungstool sowie fürs Standortmarketing genutzt werden zu können.
Im Rahmen des KONTEC Kongresses 2021 in Dresden wurden sowohl ein Poster als auch ein Paper des Forschungsprojekts EKont veröffentlicht. Neben der Schilderung des Versuchsaufbaus werden neuartige Schneidprozesse und Abtragsprinzipien vorgestellt. Im Anschluss daran werden vier Prototypen (gleichsinniger Stufenfräser, gegenläufiger Stufenfräser, mittig gegenläufiger Stufenfräser - Getriebe und oszillierender Werkzeugaufsatz) beschrieben.
Identifikation von Schlaf- und Wachzuständen durch die Auswertung von Atem- und Bewegungssignalen
(2021)
Für die Überwachung des Schlafs zu Hause sind nichtinvasive Methoden besonders gut anwendbar. Die Signale, die häufig überwacht werden, sind Herzfrequenz und Atemfrequenz. Die Ballistokardiographie (BCG)ist eine Technik, bei der die Herzfrequenz aus den mechanischen Schwingungen des Körpers bei jedem Herzzyklus gemessen wird. Kürzlich wurden Übersichtsarbeiten veröffentlicht. Die Untersuchung soll in einem ersten Ansatz bewerten, ob die Herzfrequenz anhand von BCG erkannt werden kann. Die wesentlichen Randbedingungen sind, ob dies gelingt, wenn der Sensor unter der Matratze positioniert wird und kostengünstige Sensoren zum Einsatz kommen.
Die Schlafapnoe ist eine häufig auftretende Schlafstörung,
die unterschiedliche Auswirkungen auf unseren Alltag hat; so wurde z. B.
über eine Tagesschläfrigkeit von etwa 25 % der Patienten mit obstruktiver
Schlafapnoe (OSA) berichtet. Ziel dieser Arbeit ist die Entwicklung eines
Systems, das eine nichtinvasive Erkennung der Schlafapnoe in häuslicher
Umgebung ermöglichen soll.
In diesem Beitrag wird eine Methode des maschinellen Lernens entwickelt, die die Schlafstadienerkennung untersucht. Übliche Methoden der Schlafanalyse basieren auf der Polysomnographie (PSG). Der präsentierte Ansatz basiert auf Signalen, die ausschließlich nicht-invasiv in einer häuslichen Umgebung gemessen werden können. Bewegungs-, Herzschlags- und Atmungssignale können vergleichsweise leicht erfasst werden aber die Erkennung der Schlafstadien ist dadurch erschwert. Die Signale werden als Zeitreihenfolge strukturiert und in Epochen überführt. Die Leistungsfähigkeit von maschinellem Lernen wird der Polysomnographie gegenübergestellt und bewertet.
Seamless-Learning-Plattform
(2020)