2 - Theses

Diese Dissertation beschäftigt sich mit der Vertäuung von Binnenschiffen in Schleusen. Ziel der Arbeit ist die Entwicklung einer Methodik zur Bestimmung der Seilkräfte der Vertäuung in Abhängigkeit von der Schiffskraft. Die Seilkräfte müssen begrenzt werden, um ein Versagen der Trossen zu verhindern. Im Fall eines Trossenrisses wird die Spannenergie schlagartig frei und es besteht Lebensgefahr durch zurückschnellende Trossenenden. Diese Forschungsarbeit leistet damit einen Beitrag zur notwendigen Überarbeitung der Kriterien für die während einer Schleusung zulässigen Schiffskräfte. Von der wirkenden Schiffskraft kann nicht direkt auf die wirkende Trossenkraft geschlossen werden, da letztere unter anderem von unbekannten Parametern wie Trossenlänge, Trossenmaterial und der Vorspannung abhängt. Aus diesem Grund werden Trossen und Schiffskräfte in einem statistischen Zusammenhang betrachtet. Damit wird das Verhältnis von Trossen- zu Schiffskraft durch einen Verstärkungsfaktor und eine korrespondierende Überschreitungswahrscheinlichkeit ausgedrückt, was eine direkte Bestimmung der zulässigen Schiffskräfte in Abhängigkeit von einem festzulegenden Risiko ermöglicht. Hierfür werden zunächst mit Monte-Carlo-Simulationen auf Basis eines stark abstrahierten Modells die wirkenden Trossenkräfte bestimmt. Der erzeugte Datensatz wird zur statistischen Beschreibung der Verstärkungsfaktoren genutzt. Die Zulässigkeit der Abstraktion wird durch einen Vergleich mit den Ergebnissen eines hierfür erstellten 3D-hydronumerischen Modells auf Basis des Strömungslösers OpenFOAM® nachgewiesen. Weiterhin wurde der hydronumerische Ansatz durch einen Vergleich mit einem gegenständlichen Labormodell des Systems validiert.

The demand for raw materials such as nickel, cobalt and lithium has risen due to the grow¬ing demand for batteries. In order to meet this high demand, the use of efficient recycling processes is becoming important. Adsorption as a basic process engineering operation is an efficient separation process, since e.g. a high selectivity can be set. In this work, a functionalized silica-based adsorbent for the selective separation of nickel(II) cations in the presence of cobalt(II) cations was identified and characterized with the aim of using it in battery recycling or in the electroplating of components with gold. On the one hand, it was challenging to find selectively binding ligands, as the two target substances have similar physical-chemical properties. On the other hand, acidic pH values and in¬creased temperatures are unfavorable process conditions for adsorptive bonding. In the course of the screening process for the adsorbent, it was identified that despite the initial acidic pH value, the pH value was shifted to the basic environment during adsorption by some of the functionalized adsorbents, so that separation took place by metal hydroxide precipi¬tation instead of adsorption. This was not considered in previous studies in the literature. The control of the pH value in the equilibrium state in discontinuous adsorption experiments was therefore established as the first screening criterion. The adsorbent HSU331, finally favored for the application, enabled the separation of nickel(II) and cobalt(II) by chelate complexation under the given process conditions. The complex nickel(II)/HSU331 always produced higher equilibrium constants in direct compari¬son to cobalt(II)/HSU331. Thus, the energetic effect was exploited as a selectivity mech¬anism. Consequently, high integral selectivities for nickel(II) up to S_(Nickel(II)/L,L) = 0.98 could be quantified. A requirement for the occurrence of selectivity was that the total initial ad¬sorptive amount corresponded approximately to the amount of substance of the binding sites present. The selectivity with respect to nickel(II) (up to S_(Nickel(II)/L,L) = 0.97) remained comparable when the model system nickel(II)/cobalt(II) was extended by lithium(I) or a gold electrolyte solution. Kinetical investigations showed that the equilibrium loadings were reached after 5 to 10 min, so that short residence times can be set for a later con¬tinuous operation of the adsorption. Desorption tests confirmed the difference in equilibrium state between nickel(II)/HSU331 and cobalt(II)/HSU331. Cobalt(II) was already completely desorbed by a diluted nitric acid solution with pH = 1.0, whereas nickel(II) was only desorbed at pH = 0.5.

Condition Monitoring (CM) of electrical equipment, especially electrical machines, has an important role in enhancing reliability and preventing disturbance in production centers such as power plants and factories. One of the important steps of CM's process is diagnosing faults at the proper time to prevent the defect from spreading to other components of the system. Nowadays, the Permanent Magnet Synchronous Machine (PMSM) which uses permanent magnets instead of winding in its structure is widely used among other types of electrical machines. This thesis proposes a new algorithm based on Variational Autoencoder (VAE) as an unsupervised deep learning method to detect different faults with different severities. In this research work, current, vibration and sound signals are collected from a 1 kW prototyped PMSM. This motor is simulated in Finite Element Analysis (FEA) software and compared with the prototyped one. Demagnetization, bearing, and eccentricity faults are selected to be implemented on a prototyped PMSM. The performance of VAE is evaluated for different operating conditions consisting of different loads and speeds. Also, the VAE is investigated for classifying data with different complexity. The feature extraction methods which are known as the pre-processing methods can improve the performance of VAE by reducing dimensionality and extracting important data features. Besides, these methods improve the network's training time by reducing input data size. In this thesis, Principal Component Analysis (PCA) and Linear Discriminant Analysis (LDA) are used as feature extraction methods. The performance of VAE-PCA and VAE-LDA is compared, and it is shown that VAE-PCA has a slightly better performance than VAE-LDA in most operating conditions, especially in the high-class number in which the complexity is higher compared to other cases. Also, this method is developed for analyzing different combinations of sensors. Results show that the combination of current and sound signals can be a successful way to diagnose faults with and without pre-processing methods. In addition, the performance of VAE is compared with other machine learning methods such as Naïve Bayes (NB) and K-Nearest Neighbourhood (KNN) with and without pre-processing methods from accuracy and training time aspects. It is demonstrated that the performance of VAE for classifying the low and high number of classes of data is proper from accuracy and training time aspects. However, the performance of machine learning methods in the high number of classes is not proper for training time.

In den letzten Jahrzehnten vollzog sich in der Mikro- und Nanoelektronik eine enorme Verringerung der Strukturgrößen bis hin zu aktuell wenigen Nanometern. Damit einhergehend spielt die Ableitung der Wärme von kritischen Strukturen eine immer wichtigere Rolle. Es werden daher thermisch gut leitfähige, aber elektrisch isolierende Dünnschichten als Dielektrika benötigt. Gleichzeitig stoßen bestehende Messmethoden zur thermischen Charakterisierung bei kleinen Schichtdicken an ihre Grenzen. Ziel dieser Arbeit ist daher die Verbesserung vorhandener Methoden und die Entwicklung einer neuen Methode zur thermischen Charakterisierung. Im Verlauf der Arbeit können dadurch Dünnschichten aus Siliziumdioxid (SiO₂), Siliziumnitrid (Si₃N₄), Bornitrid (BN) und Aluminiumnitrid (AlN) sowie einige Bulk-Samples aus Oxiden, Kunststoffen und Materialien aus der Natur thermisch charakterisiert werden. Ein Großteil der Arbeit fokussiert sich dabei auf die Scanning Thermal Microscopy (SThM), welche im Rastersondenmikroskop (AFM für engl. Atomic Force Microscope) angewandt wird. Durch eine detaillierte Analyse von Artefakten und die Herleitung geeigneter Messparameter kann SThM in vielen Submodi zuverlässig eingesetzt werden. Ausführliche Simulationen mittels Finite-Elemente-Methode (FEM) tragen zum Verständnis der Methode bei. Mit der Widerstandsmethode in Kombination mit FEM-Simulationen wird zudem eine neuartige Vorgehensweise präsentiert, welche relativ schnelle thermische Messungen an Dünnschichten mit geringem Budget ermöglicht. Vergleichsmessungen werden mittels der etablierten 3-Omega-Methode präsentiert, wodurch die Ergebnisse der anderen Methoden verifiziert werden können. Zusammenfassend leistet diese Arbeit einen Beitrag zur thermischen Charakterisierung von dünnen Schichten und Bulk-Materialien, indem vorhandene Methoden sukzessive verbessert werden, eine neue Methode entwickelt wird und vielversprechende Dünnschichten thermisch charakterisiert werden.