Adaptive Modellierung und Mustererkennung

Die Schwerpunkte des Forschungsbereiches liegen in der Anwendung und Umsetzung von Verfahren des maschinellen Lernens, der Mustererkennung und der Modalanalyse zur Lösung praktischer Aufgaben im Rahmen von Förderprojekten und Industrieaufträgen. Die Projekte und Industrieaufträge sind sehr verschiedenen Anwendungsbereichen zugeordnet, in denen mathematische Verfahren der Optimierung, Mustererkennung, Prognose, Signalverarbeitung und Schallanalyse auf reale Problemstellungen angewendet und mittels Werkzeugen der Informatik angepasst werden. 

Profil

  • Mustererkennung, Klassifikation, Optimierung, Regression (Vorhersage)
  • Big Data Mining (Mustererkennung) und Modellierung adaptiver Systeme
  • Strukturdynamik, Schwingungsanalyse, Modalanalyse, Betriebsschwingformanalyse, Transferpfadanalyse
  • Umsetzung von neuartigen Barcode-Technologien


Projekte

BaMavE


Bauwerksmodalanalyse bei variierenden Einflüssen

Mit der derzeitig aktuellen operationalen Modalanalyse werden kleinere Schäden am Bauwerk oft gar nicht oder mit zu kurzer Vorwarnzeit erkannt. Die Erkennung dieser Schäden, die z.B. durch Veränderungen der Temperatur oder Feuchtigkeit einhergehen, und die Verbesserung der Modalanalyse wurde unter Zuhilfenahme von Wavelettransformationen behandelt.

Förderung: BMWi / INNO-KOM-Ost (MF); Förderkennzeichen: MF120130

BasNet


Bauwerksanalyse mittels programmierbarem Shaker und kabellosem, elektromagnetisch verträglichem Sensornetzwerk

Entwicklung eines umfangreichen modularen IT-Systems, mit dessen Hilfe Strukturanalysen und Zustandsklassifikationen aufwandsärmer als bisher bei gleichzeitig höherer Qualität bzw. Belastbarkeit der Ergebnisse auch in komplizierten Situationen (wie der Prüfung der Belastbarkeit von Bestandsbauten durch neue Maschinen und Anlagen) durchgeführt werden können. Die Optimierung und Entwicklung von Algorithmen zur experimentellen Modalanalyse war ein dabei wesentlicher Bestandteil des Projektes.

Förderung: BMWi / AIF-Projekt GmbH ZIM-KF; Förderkennzeichen: KF2083620KM3

CrasiFü


Daten- und prognosebasierte Generierung von Modellparametern für die Crashsimulation mechanisch gefügter Verbindungen

Entwicklung einer Prognosefunktionalität zur Ermittlung von Kennwerten für unbekannte Verbindungen für alle aktuell eingesetzten mechanischen Fügeverfahren (Halbhohlstanzniet, Vollstanzniet, FL-Schraube, Schließringbolzen- und Hochgeschwindigkeitsbolzensetzen), die zusammen mit experimentell ermittelten Daten als Datengrundlage für ein FE-Ersatzmodell zur Crashsimulation von mechanisch gefügten Verbindungen dienen kann. Weiterhin Anpassung des vorliegenden FE-Ersatzmodells für die Crashsimulation auf weitere mechanische Fügeverfahren sowie Entwicklung einer Vorgehensweise um aus den prognostizierten und aus den gemessenen Daten eine automatisierte Kalibrierung der Inputparameter für ein FE-Ersatzmodell zur Crashsimulation bereitzustellen.

Förderung: IGF (AiF e.V., BMWi); Förderkennzeichen: IGF-Nr. 18468BG

Flipcode


Neuartiger 3D-Farbbarcode mit realitätsnaher und intuitiver Abbildung der zu codierenden Information

Entwicklung eines neuartigen Barcodes, der eine freie Gestaltung in Form und Farbe ermöglicht. Dies geschieht über eine direkte Integration der Codierung in bestehende Bildvorlagen.

Förderung: BMWi / INNO-KOM-Ost (MF); Förderkennzeichen: MF140057

MAMS


Mobiles androidgesteuertes Monitoringsystem für Schwingungsanalysen

Vereinfachung der mobilen Analyse und Überwachung von Vibrationen mittels eines intelligenten Sensornetzwerkes. Entwicklung von neuartigen Algorithmen zur Kompression der Messdaten für die Schwingungsanalyse bzw. Monitoringanwendung unter realen Bedingungen (Big Sensor Data) auf einem Android-Endgerät.

Förderung: BMWi / INNO-KOM-Ost (MF); Förderkennzeichen: MF150074