zur Hauptnavigation springen zum Inhaltsbereich springen

BayWISS-Kolleg Digitalisierung www.baywiss.de

Projekte im Kolleg Digitalisierung

© Alexander Debieve '

A MBSE approach to predicting material and structure behaviour of (composite) aerospace hydrogen tanks at cryogenic temperatures

Im Bereich des Systems Engineering als etablierte Entwicklungsmethodik stellt Model Based Systems Engineering eine Methodik dar, welche stringente logische Vorgehensweisen zur anforderungsgetriebenen Entwicklung von Systemen in digitalen Modellen erfasst. Die Notwendigkeit zur Digitalisierung im Sinne einer zentralen Erfassung von Daten, sowie Synchronisierung derselben, ergibt sich aus der Komplexität der zu entwickelnden Systeme selbst, als auch aus der Arbeitsweise in multidisziplinären Teams und der daraus stammenden Notwendigkeit einer effektiven Kommunikation.

Jedoch zielt MBSE auf eine ganzheitliche, kontextuelle Systembetrachtung. Die detaillierte Betrachtung und Modellierung von Kausalitäten und Wirkketten ist dabei meist schwer möglich. Die vorliegende Dissertation hat zum Ziel, eine ganzheitliche digitale Systems Engineering -Methodik zu erarbeiten. Hierbei wird besonderer Fokus darauf gelegt, durch Modellieren der Einfluss-Pfade von Faktoren zu ihrer Auswirkung auf das Systemverhalten anforderungsgetriebene Design-Entscheidungen abzuleiten.

Die Methoden und Werkzeuge, die im Rahmen dieser Forschungsarbeiten identifiziert oder entwickelt werden, werden angewendet auf die Entwicklung von Systemen in Wasserstoff-Brennstoffzellen-Antrieben für Luftfahrtanwendungen. Aufgrund des Klimawandels und dem Imperativ, Treibhausgas-Emissionen zu reduzieren, müssen nachhaltige Technologien in der Mobilität befähigt und etabliert werden. Im bisherigen Zentrum dieser Arbeiten steht die Entwicklung eines kryogenen Wasserstoff-Kühlsystems für Axialflussmotoren in Luftfahrt-Anwendungen.

MITGLIED IM KOLLEG

seit

Betreuer Julius-Maximilians-Universität Würzburg:

Prof. Dr. Carlo D'Eramo

Ich bin Professor für Reinforcement Learning und Computational Decision-Making am Center for Artificial Intelligence and Data Science der Julius-Maximilians-Universität Würzburg. Außerdem bin ich unabhängiger Gruppenleiter von hessian.AI an der TU Darmstadt.

Die Forschung meiner LiteRL-Gruppe dreht sich um das Problem, wie Agenten effizient skills erwerben können, die der Komplexität der realen Welt Rechnung tragen. Um diese Frage zu beantworten, untersuchen wir leichtgewichtige Methoden, um adaptive autonome Agenten zu erhalten, wobei wir uns auf verschiedene RL-Themen wie Multi-Task, Curriculum, adversarial, und Multi-Agenten-RL konzentrieren.

Zuvor habe ich am Politecnico di Milano (Italien) in Informationstechnologie promoviert und war Postdoktorand an der TU Darmstadt.

Betreutes Projekt:
A MBSE approach to predicting material and structure behaviour of (composite) aerospace hydrogen tanks at cryogenic temperatures

Betreuer Technische Hochschule Augsburg:
Betreuer Universität Augsburg:
Sabrina Barm

Sabrina Barm

Technische Hochschule Augsburg

Koordination

Treten Sie mit uns in Kontakt. Wir freuen uns auf Ihre Fragen und Anregungen zum Verbundkolleg Digitalisierung.

Katharina Raab

Katharina Raab

Koordinatorin BayWISS-Verbundkolleg Digitalisierung

Julius-Maximilians-Universität Würzburg
Graduate Schools of Science and Technology
Beatrice-Edgell-Weg 21
97074 Würzburg

Telefon: +49 931 3180665
digitalisierung.vk [ at ] baywiss.de