• Medientyp: E-Book; Hochschulschrift
  • Titel: Beitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler Netze
  • Beteiligte: Schaub, Michèle [VerfasserIn]; Müller, Karsten [AkademischeR BetreuerIn]; Jeinsch, Torsten [AkademischeR BetreuerIn]
  • Körperschaft: Universität Rostock ; Universität Rostock, Fakultät für Maschinenbau und Schiffstechnik
  • Erschienen: Rostock: Universität Rostock, 10. November 2021
  • Umfang: 1 Online-Ressource (xx, 164 Seiten); Illustrationen, Diagramme
  • Sprache: Deutsch
  • DOI: 10.18453/rosdok_id00004039
  • Identifikator:
  • Schlagwörter: Hochschulschrift
  • Entstehung:
  • Hochschulschrift: Dissertation, Universität Rostock, 2022
  • Anmerkungen: GutachterInnen: Karsten Müller (Lehrstuhl für Technische Thermodynamik, Universität Rostock) ; Torsten Jeinsch (Lehrstuhl Regelungstechnik, Universität Rostock)
  • Beschreibung: Bei der Energieumwandlung in Schiffsdieselmotoren, insbesondere im transienten Betrieb, werden Partikel freigesetzt. Das übergeordnete Zeil der Arbeit ist die Reduzierung dieser Emissionen mithilfe von Vorhersagen. Dieser Beitrag hebt die Komplexität der Partikelentstehung hervor und die Notwendigkeit der datenbasierten Modellbildung. Auf Basis mehrerer hundert Lastwechsel werden vier Modelle entwickelt, die sich alle der Künstlichen Neuronalen Netze bedienen. Im Anschluss an Modelltraining, -validierung und -testung werden die Modelle nach zuvor definierten Kriterien verglichen und bewertet.<ger>

    During energy conversion in marine diesel engines, especially in transient operation, particles are released. The overall aim of the work is to reduce these emissions with the help of predictions. This study highlights the complexity of particle formation and the need for data-based modelling. Based on several hundred load changes, four models are developed, all of which make use of artificial neural networks. After model training, validation and testing, the models are compared and evaluated according to previously defined criteria.<eng>
  • Zugangsstatus: Freier Zugang