Recent Submissions
Coupled free-flow and porous-medium flow systems : an analysis of soil water evaporation on multiple scales
(Stuttgart : Eigenverlag des Instituts für Wasser- und Umweltsystemmodelierung der Universität Stuttgart, 2024) Coltman, Edward; Helmig, Rainer (Prof. Dr.-Ing.)
Fabrication and characterization of a thermal flow sensor based on the Ensinger microsystems technology
(2025) Walter, Daniela; Bülau, André; Bengsch, Sebastian; Gläser, Kerstin; Zimmermann, André
Thermal mass flow sensors (TMFS) are used to detect the flow rates of gases. TMFS elements are available in different technologies and, depending on the one used, the material choice of substrate, heater, and temperature sensors can limit their performance. In this work, a sensor element based on the Ensinger Microsystems Technology (EMST) is presented that uses PEEK as the substrate, nickel-chromium as the heater, and nickel as the temperature sensor material. The fabrication process of the element is described, the completion to a flow sensor with a control and readout circuit based on discharge time measurement with picosecond resolution is presented, and measurement results are shown, which are compared to sensors with a commercially available element based on thin film technology on ceramic and an element built with discrete components, all using the same electronics. It is shown that the operation of all sensor elements with the proposed readout circuit was successful, flow-dependent signals were achieved, and the performance of TMFS in EMST improved. Its heater shows better results compared to the commercial element due to material choice with a smaller temperature coefficient of resistance. In its current state, the TMFS in EMST is suitable to detect flow rates > 20 SLPM. The performance needs to be improved further, since the temperature sensors still differ too much from another.
Improving water and land classification in SWOT satellite pixel cloud data using deep learning : a case study in northeastern Germany
(2024) Zhao, Danyang
Accurate water resource monitoring is vital for supporting human life, economic activities, and ecosystem stability. While the Surface Water and Ocean Topography (SWOT) satellite provides valuable observational data for water monitoring and management, its original water-land classifications contain misclassified points that compromise measurement accuracy. To overcome this problem, Deep Neural Network (DNN) models are developed to perform precise binary water-land classification using SWOT pixel cloud data.
The development of a comprehensive deep learning framework begins with a baseline Single Point Features (SPF) model and advances to three optimized architectures: Nearest Heights (NH), Nearest 3 Features (N03F), and Convolutional Nearest Features (CNF) models, which strategically incorporate spatial features and multi-feature combinations. However, each DNN model possesses both advantages and disadvantages, precluding the selection of a single optimal model. Consequently, a majority voting ensemble strategy is implemented, with tuning of voting threshold P to optimize observational accuracy and data quantity.
Following model training, DNN models are assessed across 14 test epochs using metrics: (1) Root Mean Squared Error (RMSE) for accuracy of river profiles, (2) Interquartile Range (IQR) for height stability of water points on lake, and (3) Intersection over Union (IoU) for lake coverage assessment. In case study of Peene river, the ensemble model demonstrate strong improvement, reducing median RMSE of river profiles by 43.62% (from 2.43m to 1.37m) compared to river profiles derived from official riverSP products. In case study of Dolgener See, the ensemble model simultaneously achieves better IoU value compared to "all water-related categories" of original SWOT classifications, while maintaining an IQR value similar to "open water" category in original SWOT classifications.
In conclusion, this study demonstrates the DNN's capability to enhance SWOT-based water monitoring through precise binary classification. The ensemble of DNN effectively balances the accuracy and coverage of water observations.
Scaling and addressing of nanoscale spin networks
(2024) Jakobi, Ingmar; Wrachtrup, Jörg (Prof. Dr.)
This thesis explores the potential role of the nitrogen vacancy defect (NV) in diamond and coupled NV networks as sensors or computational devices. The focus switches between the design of NV networks, tools to study and operate NVs on the nanoscale and applications of NVs as nanoscale devices. Four aspects are researched and presented. First the design through nanomask implantation and the scaling of NV spin networks through magnetic dipolar is discussed. Second the localization accuracy of superresolution microscopy is assessed on the nanoscale. Third optical addressing of NVs using superresolution microscopy and spectral addressing of NV spins using nanoscale gradient fields are investigated. Finally the NV is presented as a sensor for the characterization of nanoscale magentic devices such as the writer of hard disc drives.
The puzzle of resumption during interrupted narrative reading : towards more adaptive gaze-based attention-aware learning technologies
(2025) Zermiani, Francesca; Wirzberger, Maria (Jun.-Prof. Dr.)
Experimentelle und numerische Analyse der dynamischen Kräfte beim Rührreibschweißen für ein verbessertes Prozessverständnis
(Stuttgart : Materialprüfungsanstalt (MPA), Universität Stuttgart, 2025) Panzer, Florian; Weihe, Stefan (Prof. Dr.-Ing.)
Rührreibschweißen ist ein Festkörperfügeverfahren, mit dem Leichtmetalle wie Aluminium effizient gefügt werden können. Die hohe Qualität der Schweißnähte, sowie die Möglichkeit, artfremde Werkstoffe verbinden zu können, macht das Verfahren prädestiniert für Leichtbauanwendungen.
Die Bewegung des Werkzeuges im Material während des Schweißprozesses führt zu Prozesskräften. Die Kräfte haben einen statischen Teil, der von dynamischen Anteilen überlagert wird. Zudem zeigen die Schweißnähte eine periodische Bandstruktur auf der Oberfläche auf. Die Ursachen für die dynamischen Kraftverläufe und Entstehung der Bandstruktur sind nicht abschließend verstanden. Für eine klar strukturierte Analyse dieser Fragestellung wurden deshalb Hypothesen für die Gründe der Kraftverläufe aufgestellt und numerisch sowie experimentell untersucht.
Für die numerischen Untersuchungen wurde ein thermomechanisch gekoppeltes, explizites Finite Elemente-Prozessmodell aufgebaut. Zur Behandlung der beim Rührreibschweißen auftretenden großen Verformungen kommt die Coupled Eulerian-Lagrangian-Methode zum Einsatz. Das Modell umfasst nicht nur den Prozess bestehend aus Werkzeug und Werkstoff, sondern auch die Schweißmaschine in abstrahierter Form mit relevanten Eigenschaften. Für die Beschreibung des Materialverhaltens in Abhängigkeit von Dehnung, Dehnrate und Temperatur wurde ein physikalisch-basiertes Materialmodell entwickelt, kalibriert und implementiert.
Die Ergebnisse zeigen, dass die periodischen Kraftverläufe beim Rührreibschweißen wesentlich vom einem exzentrisch, aus der perfekten Drehachse laufenden Werkzeug erzeugt werden. Der Werkzeugversatz zeigt sich auch für die typische Bandstruktur der Schweißnähte verantwortlich. Die Kraftverläufe und Nahtstruktur können darüber hinaus von Werkzeuggeometrie oder Prozessunregelmäßigkeiten beeinflusst werden. Unregelmäßigkeiten in den Oberflächen der Schweißnähte korrelieren mit Sprüngen in den Kraftverläufen.
In weiteren Untersuchungen wurde der Einfluss der Maschine auf den Schweißprozess und die Wechselwirkung zwischen beiden analysiert. Dabei wurden die minimal notwendigen Maschinensteifigkeiten für einen erfolgreichen Schweißprozess identifiziert. Weiterhin zeigen die Ergebnisse, dass das System aus Prozess und Maschine kein instabiles Verhalten aufweist.
Basierend auf der Annahme, dass eine Schweißnaht mit guter Qualität einen regelmäßigen periodischen Kraftverlauf aufweist und Unregelmäßigkeiten zu Sprüngen in den Verläufen führen, wurde ein Algorithmus zur Analyse der Kraftverläufe entwickelt. Die Ergebnisse zeigen, dass eine Identifikation von Schweißnähten mit Unregelmäßigkeiten in der Oberfläche möglich ist. Für die umfassende Identifikation von Schweißfehlern ist neben einer Kraftmessung der Einsatz weiterer Sensorik notwendig. Zur Korrelation von Schweißnahtfehlern und Kraftverläufen und Gewinnung eines physikalischen Prozessverständnisses wurde das numerische Modell eingesetzt.
Gestaltung eines auf dem föderierten Lernen basierenden Systems zur energetischen Anomalieerkennung in Produktionsprozessen
(Stuttgart : Fraunhofer-Institut für Produktionstechnik und Automatisierung IPA, 2025) Kaymakci, Can; Sauer, Alexander (Prof. Dr.-Ing. Dipl.-Kfm.)
Um die nationalen Effizienzziele zu erreichen, ist es unerlässlich, Energie und Material einzusparen. Die frühzeitige Erkennung von energetischen Anomalien in Produktionsprozessen kann hier mit Modellen aus dem Bereich des maschinellen Lernens erfolgen. Für das Training der Modelle werden von Anwendern von Maschinen und Anlagen innerhalb der Produktionsprozesse erfasste Daten benötigt, die viele Anwender in der Praxis nicht freigeben. Daher ist ein umfassendes Training und ein erfolgreiches Erkennen von Unregelmäßigkeiten aus der Perspektive des Maschinen- und Anlagenbauers nicht möglich. Diese Arbeit zielt darauf ab, ein auf dem föderierten Lernen basierendes System zur Erkennung von energetischen Anomalien in Produktionsprozessen zu entwickeln. Dieses System soll Produktionsunternehmen in die Lage versetzen energetische Anomalien zu erkennen, ohne dabei sensible Maschinen- und Betriebsdaten weiterzugeben. Daher adressiert diese Arbeit die Forschungsfrage, wie ein auf dem föderierten Lernen basierendes System zur energetischen Anomalieerkennung in Produktionsprozessen ausgelegt werden kann. Hierzu wird eine Architektur und eine Methode entwickelt, die sowohl die Identifikation der Datenverarbeitung, die Modellarchitektur als auch die Optimierung der Konfigurationsparameter des Systems umfasst. Die in der Arbeit definierten funktionalen Komponenten der Architektur können mit der Methode hergeleitet und instanziiert werden. Der vorgestellte Ansatz wird anhand zweier Anwendungsfälle validiert. Der erste Anwendungsfall befasst sich mit der Erkennung von Bedienfehlern beim Lichtbogenschweißen. Der zweite Anwendungsfall konzentriert sich auf die Erkennung von Druckluftleckagen, welche erhebliche Energieverluste verursachen können. In beiden Anwendungsfällen zeigt sich, dass eine Nutzung des auf dem föderierten Lernen basierenden Systems zur energetischen Anomalieerkennung eine Erkennung von Unregelmäßigkeiten in Produktionsprozessen ermöglicht, ohne dass sensible Maschinen- und Betriebsdaten zentral gespeichert werden.
Modellanalytische Untersuchungen des Einsatzes dezentraler Energiesysteme durch einen intelligenten Steuerungsansatz
(Stuttgart : Universität Stuttgart, Institut für Energiewirtschaft und Rationelle Energieanwendung, 2025) Schulz, Maximilian; Hufendiek, Kai (Prof. Dr.-Ing.)
Die Transformation des Energiesystems unter Zielsetzung der Klimaneutralität bis zum Jahr 2045 geht mit einer Dezentralisierung und Elektrifizierung der Erzeugungs- und Verbrauchsstruktur einher. Durch den Einsatz von PV-Anlagen, Batteriespeichern, Wärmepumpen und Elektrofahrzeugen wandeln sich bisherig reine Endnutzer elektrischer Energie hin zu leistungsstärkeren dezentralen Energiesystemen (DES), deren zukünftige Anzahl und Bedeutung im ganzheitlichen Energiesystem zunehmen wird.
Durch die elektrischen Komponenten weisen DES ein hohes Flexibilitätspotenzial auf, welches im gegenwärtigen Einsatz nur unzureichend erschlossen ist. Bestehende Systeme fokussieren überwiegend die heuristische Eigenverbrauchsmaximierung von lokalem PV-Strom und vernachlässigen weitere Zielgrößen. Auch im wissenschaftlichen Kontext ist das Potenzial im Einsatz der DES noch unzureichend analysiert und nicht ausreichend hinsichtlich des realitätsnahen Einsatz der Systeme untersucht. Diese Arbeit beschäftigt sich daher mit einem intelligenten Steuerungsansatz für dezentrale Energiesysteme und untersucht resultierende Potenziale.
In dieser Arbeit wird zunächst ein intelligenter Steuerungsansatz für DES entwickelt, um deren Potenziale zu erschließen und zu analysieren. Der Steuerungsansatz, basierend auf dem Optimierungsmodell E2M2_DES, umfasst unterschiedliche Zielgrößen im DES-Betrieb unter Berücksichtigung externer Anreize. Die Arbeit fokussiert drei zentrale Zielgrößen: einen kostenoptimalen Einsatz für den Endnutzer, einen Verteilnetzdienlichen DES-Einsatz sowie minimale Treibhausgasemission im DES-Betrieb.
Die Ergebnisse zeigen, dass der Einsatz des entwickelten Steuerungsansatzes zu einer Einsparung der Energieversorgungskosten von 24 % im Vergleich zum heuristischen Ansatz führt. Unter Gültigkeit eines dynamischen Stromtarifs resultiert eine weitere Reduzierung um 18 %. Hinsichtlich des netzdienlichen DES-Betriebs empfiehlt die Arbeit den Einsatz der Maßnahme Spitzenglättung, um Netzbezugsspitzen effizient zu verhindern und kritische Verteilnetzsituationen zu vermeiden. Bezüglich der Reduktion von THG-Emissionen kommt die vorliegende Arbeit zu dem Schluss, dass THG-Reduktionen durch die Ausrichtung des Steuerungsansatzes ausgewiesen werden können, unter Gültigkeit der aktuellen Regulatorik, insbesondere des EU-ETS, real jedoch nicht erreicht werden.
Abschließend wird die Umsetzbarkeit der Fahrpläne, die durch den intelligenten Steuerungsansatz berechnet wurden, in einem realitätsnahen Umfeld untersucht. Im Fallbeispiel zeigt sich, dass der rein modellbasierte Ansatz die jährlichen Energieversorgungskosten um 11 % im Vergleich zum intelligenten Steuerungsansatz unterschätzt. In der Folge wird verdeutlicht, Steuerungsansätze in diesem praxisnahen Forschungsfeld nicht nur anhand theoretisch ausgewiesener Vorteile, sondern auch anhand ihrer tatsächlichen Ergebnisse im Betrieb zu überprüfen und zu bewerten.
Zusammenfassend weisen dezentrale Energiesysteme bereits heute eine hohe Durchdringung des ganzheitlichen Energiesystems durch die große Anzahl vorhandener Komponenten wie kleinerer PV-Anlagen, Wärmepumpensystemen sowie Elektrofahrzeuge mit jeweils über einer Million Anlagen auf. Die vorliegende Arbeit empfiehlt die Erschließung dieser dezentralen Energiesysteme durch einen intelligenten Steuerungsansatz, um das bisher ungenutzte Flexibilitätspotenzial zu heben und somit einen positiven Beitrag für den Endnutzer sowie für das ganzheitliche Energiesystem zu erzielen.
Electric field sensing with nitrogen vacancy centers in diamond
(2024) Michl, Julia; Wrachtrup, Jörg (Prof. Dr.)
On the anisotropy of trabeculae in vivo : computationally and morphometry aware
(Stuttgart : Höchstleistungsrechenzentrum, Universität Stuttgart, 2025) Gebert, Johannes; Resch, Michael (Prof. Dr.-Ing.)
Bones and their inner trabecular tissue transmit mechanical loads as part of the skeleton and continuously adapt to forces. Medically indicated implant systems significantly increase the bone’s stiffness, which induces the remodeling of the trabeculae. Aseptic loosening of the bone-implant system is a recurring and, in part, preventable outcome.
Resembling the patient’s tissue stiffness by the implant mitigates this phenomenon. Computed tomography imaging is available to capture the bone’s state a priori of the implantation. However, the spatial resolution in the regime of multiple tens of millimeters depicts the morphology only in a limited manner.
High-resolution microfocus computed tomography is radiologically prohibitive for use in vivo but enables the numerical evaluation of anisotropic stiffness tensors ex vivo. The direct discretization of voxels within cubic subvolumes into finite elements allows for direct mechanics analyses. Therefore, fully triclinic material characterizations in vivo are available as the ground truth.
This report describes a new approach to computing the tensor fields based on cubic subvolumes to quantify the patient-specific linear elasticity, e.g., for designing patient-specific implants. For the first time, anisotropic effective and their enhanced approach, effective numerical stiffnesses based on clinical computed tomography in vivo are available a priori of the implantation.
Direct mechanical evaluations require considerable computing capacities. As an exemplary engineering application, hardware characteristics and a priori available morphological parameters of trabeculae enable energy and runtime savings for simulations. A new approach to documenting the history of datasets, MeRaDat, extends the current state of the art for future, domain-specific research on high-performance computers.