mycoreobjectrosdok_disshab_0000002849rosdok_disshab_0000002849rosdokdisshabrosdok_derivate_00002026122023-08-08T10:14:47.177Z2022-11-29T14:57:36.928ZadministratoreditorMSpublished1rosdok_derivate_0000202612truetruederivate_types:fulltextVolltextfulltextwf_edit_epub wf_register_epubstate:publishedstate:publishedveröffentlichtpublishedrosdok/id000040391823891543Oau2022-11-292023-08-05T19:21:29ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.DissertationHochschulschriftBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler NetzeBei 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.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.MichèleSchaub1981 -VerfasserInaut136396542KarstenMüllerAkademischeR BetreuerIndgs126686797XLehrstuhl für Technische Thermodynamik, Universität RostockTorstenJeinsch1970 -AkademischeR BetreuerIndgs1066882940Lehrstuhl Regelungstechnik, Universität Rostock38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10085033-9Universität RostockFakultät für Maschinenbau und Schiffstechnik2004 -Grad-verleihende Institutiondgghttp://purl.uni-rostock.de/rosdok/id00004039urn:nbn:de:gbv:28-rosdok_id00004039-110.18453/rosdok_id00004039500 Naturwissenschaften620 Ingenieurwissenschaften und MaschinenbauFakultät für Maschinenbau und Schiffstechnikalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)de2021Universität RostockRostockmonographic202220212022Universitätsbibliothek RostockRostock2022Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00004039Karsten Müller (Lehrstuhl für Technische Thermodynamik, Universität Rostock) ; Torsten Jeinsch (Lehrstuhl Regelungstechnik, Universität Rostock)[{"affil":"Lehrstuhl für Technische Thermodynamik, Universität Rostock","name":"Müller, Karsten"},{"affil":"Lehrstuhl Regelungstechnik, Universität Rostock","name":"Jeinsch, Torsten"}]vorgelegt von Michèle SchaubLehrstuhl für Technische Thermodynamik, Universität RostockMüller, KarstenLehrstuhl Regelungstechnik, Universität RostockJeinsch, Torstendoctype:epubdoctype:epubDokumenttypDocument typedoctype:epub.dissertationdoctype:epub.dissertationDissertationdoctoral thesisdiniPublType:doctoralThesis diniPublType2022:PhDThesis XMetaDissPlusThesisLevel:thesis.doctoralinfo:eu-repo/semantics/doctoralThesisdocumentnatureOfContent:ppn_105825778natureOfContent:ppn_105825778HochschulschriftdiniPublType2022:DoctoralThesisdiniPublType2022:DoctoralThesisDissertation oder HabilitationDoctoral thesisDRIVERdiniPublType2022:PhDThesisdiniPublType2022:PhDThesisDissertationPhD thesisKDSF (Pu34)XMetaDissPlusThesisLevel:thesis.doctoralXMetaDissPlusThesisLevel:thesis.doctoralDoktorarbeitdoctoral thesisSDNB:500SDNB:500500 Naturwissenschaften500 Natural sciencesSDNB:620SDNB:620620 Ingenieurwissenschaften und Maschinenbau620 Engineering & allied operations620 Ingenieurwissenschaften und<br/>&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;Maschinenbauinstitution:unirostockinstitution:unirostockUniversität RostockUniversity of RostockUniversität RostockUniversität RostockUni.Rostockhttp://d-nb.info/gnd/38329-6institution:unirostock.msfinstitution:unirostock.msfFakultät für Maschinenbau und SchiffstechnikFaculty of Mechanical Engineering and Marine TechnologiesUniversität Rostock. Fakultät für Maschinenbau und SchiffstechnikFakultät für Maschinenbau<br />und SchiffstechnikUni.Rostock.Fakultaet.MSFhttp://d-nb.info/gnd/10085033-9licenseinfo:worklicenseinfo:workWerkworklicenseinfo:work.rightsreservedlicenseinfo:work.rightsreservedalle Rechte vorbehaltenall rights reserved/creativecommons/r/reserved/0.9/88x31.png[DE-28]Urheberrechtsschutz 1.0$gRights Statements$uhttp://rightsstatements.org/vocab/InC/1.0/http://rightsstatements.org/vocab/InC/1.0/http://rightsstatements.org/vocab/InC/1.0/licenseinfo:depositlicenseinfo:depositVeröffentlichungsgenehmigungpermission to storelicenseinfo:deposit.rightsgrantedlicenseinfo:deposit.rightsgrantedNutzungsrechte erteiltrights grantedlicenseinfo:metadatalicenseinfo:metadataLizenzen für Metadatenlicenseinfo:metadata.cc0licenseinfo:metadata.cc0Lizenz Metadaten: CC0license metadata: CC0/creativecommons/p/zero/1.0/88x31.pnghttps://creativecommons.org/publicdomain/zero/1.0/accesscondition:openaccessaccesscondition:openaccessfrei zugänglich (Open Access)open accesshttp://purl.org/coar/access_right/c_abf2OAfreeinfo:eu-repo/semantics/openAccess[DE-28]Open Access$gControlled Vocabulary for Access Rights$uhttp://purl.org/coar/access_right/c_abf2rfc5646:derfc5646:deDeutschGermangerdeuBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler NetzeBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler Netzegnd:136396542gnd:126686797Xgnd:1066882940gnd:38329-6gnd:10085033-9gnd:136396542gnd:126686797Xgnd:1066882940gnd:38329-6gnd:10085033-9rosdok_disshab_0000002849-d3825542e54gnd:136396542Michèle SchaubMichèle Schaubrosdok_disshab_0000002849-d3825542e68gnd:126686797XKarsten MüllerKarsten Müllerrosdok_disshab_0000002849-d3825542e81gnd:1066882940Torsten JeinschTorsten Jeinschrosdok_disshab_0000002849-d3825542e97gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000002849-d3825542e108gnd:10085033-9Universität Rostock Fakultät für Maschinenbau und SchiffstechnikUniversität Rostock Fakultät für Maschinenbau und SchiffstechnikMichèle SchaubKarsten MüllerTorsten JeinschUniversität RostockUniversität Rostock Fakultät für Maschinenbau und SchiffstechnikMichèle SchaubKarsten MüllerTorsten JeinschUniversität RostockUniversität Rostock Fakultät für Maschinenbau und SchiffstechnikMichèle SchaubRostockUniversität Rostockepub.dissertationhttp://purl.uni-rostock.de/rosdok/id00004039urn:nbn:de:gbv:28-rosdok_id00004039-110.18453/rosdok_id00004039Bei 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.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.20212021Karsten Müller (Lehrstuhl für Technische Thermodynamik, Universität Rostock) ; Torsten Jeinsch (Lehrstuhl Regelungstechnik, Universität Rostock)[{"affil":"Lehrstuhl für Technische Thermodynamik, Universität Rostock","name":"Müller, Karsten"},{"affil":"Lehrstuhl Regelungstechnik, Universität Rostock","name":"Jeinsch, Torsten"}]vorgelegt von Michèle Schaubepub.dissertation1 Schaub_Dissertation_2022.pdf 49837732 97e188bc59bf513901654f1c250086f1 rosdok/id000040391823891543Oau2022-11-292023-08-05T19:21:29ZrdaConverted from PICA to MODS using Pica2Mods XSLT Transformer 2.7 [SCM: "0c0e7a3c226a4a0cbcbec39b493c3c5257339ab8" "v2.7" "2023-08-04T00:00:00+0200"] with mode 'DEFAULT'.DissertationHochschulschriftBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler NetzeBei 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.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.MichèleSchaub1981 -VerfasserInaut136396542KarstenMüllerAkademischeR BetreuerIndgs126686797XLehrstuhl für Technische Thermodynamik, Universität RostockTorstenJeinsch1970 -AkademischeR BetreuerIndgs1066882940Lehrstuhl Regelungstechnik, Universität Rostock38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10085033-9Universität RostockFakultät für Maschinenbau und Schiffstechnik2004 -Grad-verleihende Institutiondgghttp://purl.uni-rostock.de/rosdok/id00004039urn:nbn:de:gbv:28-rosdok_id00004039-110.18453/rosdok_id00004039500 Naturwissenschaften620 Ingenieurwissenschaften und MaschinenbauFakultät für Maschinenbau und Schiffstechnikalle Rechte vorbehaltenNutzungsrechte erteiltLizenz Metadaten: CC0frei zugänglich (Open Access)de2021Universität RostockRostockmonographic202220212022Universitätsbibliothek RostockRostock2022Universitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00004039Karsten Müller (Lehrstuhl für Technische Thermodynamik, Universität Rostock) ; Torsten Jeinsch (Lehrstuhl Regelungstechnik, Universität Rostock)[{"affil":"Lehrstuhl für Technische Thermodynamik, Universität Rostock","name":"Müller, Karsten"},{"affil":"Lehrstuhl Regelungstechnik, Universität Rostock","name":"Jeinsch, Torsten"}]vorgelegt von Michèle Schaub Lehrstuhl für Technische Thermodynamik, Universität Rostock Müller, Karsten Lehrstuhl Regelungstechnik, Universität Rostock Jeinsch, Torsten 2022-11-29T14:57:36.928Z 2023-08-08T10:14:47.177Z 2023-08-18T10:14:47.182Z {"identifier":"rosdok/id00004039","type":"local_id","additional":"","service":"MCRLocalID","created":"2022-11-29T14:57:36.944Z","registered":"2022-11-29T14:57:36.944Z"} editorMS {"identifier":"urn:nbn:de:gbv:28-rosdok_id00004039-1","type":"dnbUrn","additional":"","service":"RosDokURN","created":"2022-11-29T14:57:36.948Z","registered":"2022-11-29T19:56:28.363Z"} administratorfulltextfile/rosdok_disshab_0000002849/rosdok_derivate_0000202612/Schaub_Dissertation_2022.pdfBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler NetzeBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler Netzegnd:136396542gnd:126686797Xgnd:1066882940gnd:38329-6gnd:10085033-9gnd:136396542gnd:126686797Xgnd:1066882940gnd:38329-6gnd:10085033-9rosdok_disshab_0000002849-d3825542e54gnd:136396542Michèle SchaubMichèle Schaubrosdok_disshab_0000002849-d3825542e68gnd:126686797XKarsten MüllerKarsten Müllerrosdok_disshab_0000002849-d3825542e81gnd:1066882940Torsten JeinschTorsten Jeinschrosdok_disshab_0000002849-d3825542e97gnd:38329-6Universität RostockUniversität Rostockrosdok_disshab_0000002849-d3825542e108gnd:10085033-9Universität Rostock Fakultät für Maschinenbau und SchiffstechnikUniversität Rostock Fakultät für Maschinenbau und SchiffstechnikMichèle SchaubKarsten MüllerTorsten JeinschUniversität RostockUniversität Rostock Fakultät für Maschinenbau und SchiffstechnikMichèle SchaubKarsten MüllerTorsten JeinschUniversität RostockUniversität Rostock Fakultät für Maschinenbau und SchiffstechnikMichèle SchaubRostockUniversität Rostockepub.dissertationhttp://purl.uni-rostock.de/rosdok/id00004039urn:nbn:de:gbv:28-rosdok_id00004039-110.18453/rosdok_id00004039Bei 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.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.20212021Karsten Müller (Lehrstuhl für Technische Thermodynamik, Universität Rostock) ; Torsten Jeinsch (Lehrstuhl Regelungstechnik, Universität Rostock)[{"affil":"Lehrstuhl für Technische Thermodynamik, Universität Rostock","name":"Müller, Karsten"},{"affil":"Lehrstuhl Regelungstechnik, Universität Rostock","name":"Jeinsch, Torsten"}]vorgelegt von Michèle Schaub[xslt]Saxonrosdok/id00004039https://purl.uni-rostock.de/rosdok/id00004039182389154310.18453/rosdok_id00004039urn:nbn:de:gbv:28-rosdok_id00004039-1Michèle SchaubSchaub MichèleBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler NetzeDissertationdoctoral thesisUniversität Rostock, 2021Bei 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…Michèle SchaubBeitrag zur Vorhersage von Partikelemissionen aufgrund von Schiffsmanövern unter Verwendung Künstlicher Neuronaler NetzeUniversitätsbibliothek Rostockhttp://purl.uni-rostock.de/rosdok/id00004039MichèleSchaub1981 -VerfasserInaut136396542KarstenMüllerAkademischeR BetreuerIndgs126686797XLehrstuhl für Technische Thermodynamik, Universität RostockTorstenJeinsch1970 -AkademischeR BetreuerIndgs1066882940Lehrstuhl Regelungstechnik, Universität Rostock38329-6Universität Rostock1419 -Grad-verleihende Institutiondgg10085033-9Universität RostockFakultät für Maschinenbau und Schiffstechnik2004 -Grad-verleihende Institutiondgg[purl]http://purl.uni-rostock.de/rosdok/id00004039[urn]urn:nbn:de:gbv:28-rosdok_id00004039-1[doi]10.18453/rosdok_id00004039open_access20212021epoch:21th_centuryrfc5646:dedoctype:epub.dissertationaccesscondition:openaccessSDNB:500SDNB:620institution:unirostock.msfstate:published