05 Fakultät Informatik, Elektrotechnik und Informationstechnik

Permanent URI for this collectionhttps://elib.uni-stuttgart.de/handle/11682/6

Browse

Publication Type: search.filters.UBSTyp.StudienarbeitStart date: 2022

Search Results

Now showing 1 - 4 of 4
  • Thumbnail Image
    ItemOpen Access
    Radiation mitigation techniques for EIVE satellite mission payload computer
    (2022) Bischof, Tobias
    Die Satellitenmission ’Exploratory In-orbit Verification of an E/W-band link’ (EIVE) demonstriert die breitbandige Datenübertragung von der niedrigen Erdumlaufbahn zur Erde mit Datenraten von bis zu 15 Gbits−1.Umden korrekten Betrieb des EIVE-Satelliten sicherzustellen und die Strahlungseinwirkungen auf die Schaltung von EIVE zu reduzieren, sind Strahlungsminderungstechniken für den Nutzlastcomputer erforderlich. Daher untersucht diese Arbeit die Strahlungsminderungstechniken, Mechanismen für den Schutz des FPGA-Konfigurationsspeichers und implementiert robuste Kodierungsmechanismen der E/W-Band-Validierungsdateien. Die Untersuchungen und die implementierten Ansätze stehen dabei im Einklang mit den Leistungsbeschränkungen der Mission.
  • Thumbnail Image
    ItemOpen Access
    Sensorfusion auf Basis maschinellen Lernens zur Bestimmung der Sperrschichttemperatur
    (2024) Kuderna Melgar, Diego
    Die genaue Bestimmung der Sperrschichttemperatur spielt eine elementare Rolle bei der Optimierung der Leistungsfähigkeiten sowie der Zuverlässigkeit von SiC (Silicon Carbide)-Leistungsmodulen. Im Rahmen der indirekten Bestimmung der Sperrschichttemperatur lassen sich Temperature Sensitive Electrical Parameters (TSEPs) einsetzen, die jedoch neben der Sperrschichttemperatur weitere Abhängigkeiten von elektrischen Größen aufweisen. Dies kann zu einer ungenauen Schätzung der Sperrschichttemperatur führen, weshalb diese Bestimmung robuster gestaltet werden muss. Ein Ansatz, um dies zu erreichen, stellt die Kombination mehrerer TSEPs dar, die im Anschluss mithilfe einer KI auf einem Mikrocontroller verarbeitet werden. In dieser Arbeit werden zwei unterschiedliche Ansätze aufgezeigt, um anhand von maschinellen Lernens die Sperrschichttemperatur eines Metal-Oxide-Semiconductor Field-Effect Transistors (MOSFETs) auf Basis von TSEPs zu bestimmen. Hierzu werden die Werkzeuge NanoEdgeAI Studio sowie X-CUBE-AI eingesetzt, um die entwickelten Modelle auf einem STM32 Mikrocontroller zu implementieren. Ein Vergleich beider Ansätze zeigt, dass NanoEdgeAI Studio Modelle mit effizienterer Nutzung der Ressourcen des Mikrocontrollers ermöglicht. Im Gegensatz dazu erreichen in Python entwickelte Modelle in Kombination mit X-CUBE-AI ohne Quantisierung präzisere Schätzungen bei größerem Speicherbedarf. Im Kontext der Arbeit werden diverse Untersuchungen durchgeführt, um die Schätzgenauigkeit der betrachteten Modelle zu maximieren. Dazu gehören Ensemblebildung und Trainingsprozesse mit unterschiedlich großen Datensätzen sowie die Variation der Anzahl der Eingabesignale. So lässt sich zeigen, dass sich durch Bildung von Ensembles der R-Squared-Wert bei gleichzeitiger Reduktion des maximalen Fehlers erhöhen lässt. Durch Vergrößerung des Datensatzes lässt sich dieser Wert ebenfalls anheben und eine Steigerung durch die Kombination von TSEPs ist beobachtbar. Die realisierten Algorithmen erzielen unabhängig von der Qualität der gemessenen Signale höhere R-Squared-Werte als der traditionelle Ansatz, der lediglich einen elektrischen Parameter für die Schätzung der Sperrschichttemperatur einsetzt. Dieser beträgt 97,9% und der maximale Fehler weist einen Wert von 14K auf. So lässt sich durch die Kombination sämtlicher TSEPs ein Random Forest in NanoEdgeAI Studio entwickeln, der einen R-Squared-Wert von 99,03% erzielt, was einem Zuwachs von 1,13 Prozentpunkten entspricht. Überdies bemisst der maximale Fehler 8K, was 6K unter dem maximalen Fehlers des konventionellen Ansatzes liegt. Zusätzlich ermöglicht dieses Vorgehen die Bestimmung weiterer Parameter, exemplarisch lässt sich der Laststrom nennen.
  • Thumbnail Image
    ItemOpen Access
    Search algorithm for the ground station antenna of the EIVE satellite
    (2023) Erdogan, Mustafa Efe
    Satellite technologies have rapidly become integral to modern life, used for broadcasting, navigation, communication, and Earth observation. As technology advances, satellites generate increasingly large volumes of data, presenting hardware challenges in terms of data storage and transmission due to limited power sources. To meet the escalating demand for high-capacity channels with high data rates, the EIVE project was initiated to explore the feasibility of using E-band frequencies (71-76 GHz) for satellite communication. EIVE, led by the University of Stuttgart in collaboration with various partners, aims to test data transfer capabilities in this uncharted frequency range. A key challenge is the establishment of a communication link between a ground station antenna and the LEO satellite in the EIVE project. This task is compounded by the ground station’s Cassegrain antenna with a narrow HPBW of 0.23° and a low achieved scanning area because of the LEO. To address these challenges, this research thesis introduces a CONSCAN based search algorithm, which expands the antenna’s scanning area by executing conical patterns around the satellite’s estimated trajectory. By using quaternion rotations and the Orekit library for trajectory estimation, this algorithm significantly enhances the search capabilities, increasing the scanning area in the sky. Furthermore, the research highlights the importance of continuous signal acquisition from the satellite for the planned data transfers. To tackle this issue, the groundwork for a tracking algorithm based on theMMTmethod is introduced to provide precise measurements of the satellite’s position, combining the MMT method with Kalman filters and GPS based methods. This novel method promises the improvement of the accuracy and stability of the system.
  • Thumbnail Image
    ItemOpen Access
    Macro-micro coupling with DuMux and preCICE
    (2023) Kschidock, Helena
    In this work, we present the implementation of a two-scale heat conduction problem in porous media simulation software DuMux , where macro and micro simulations are coupled using the coupling library preCICE, as well as its DuMux adapter and micro manager. We show that multiscale coupled simulations can generally be realised using these software components, and provide a tutorial case for future users. As the same example problem has an existing Nutils implementation, we also compare the results of the various combinations of Nutils and DuMux macro and micro simulations with each other.