Zeige Ergebnisse 101 - 120 von 745
2022
Stuede, M., & Schappler, M. (2022). Non-Parametric Modeling of Spatio-Temporal Human Activity Based on Mobile Robot Observations. In 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (S. 126-133). (IEEE International Conference on Intelligent Robots and Systems; Band 2022-October). https://doi.org/10.48550/arXiv.2203.06911, https://doi.org/10.1109/iros47612.2022.9982067
Tantau, M., Jonsky, T., Ziaukas, Z., & Jacob, H.-G. (2022). Control-relevant Model Selection for Multiple-Mass Systems. In G. Gini, H. Nijmeijer, W. Burgard, & D. P. Filev (Hrsg.), International Conference on Informatics in Control, Automation and Robotics (S. 605-615). (Proceedings of the International Conference on Informatics in Control, Automation and Robotics; Band 1). SciTePress. https://doi.org/10.15488/11990, https://doi.org/10.5220/0011231200003271
Tantau, M., Jonsky, T., Ziaukas, Z., & Jacob, H.-G. (2022). Control-Relevant Model Selection for Servo Control Systems. In 8th International Conference on Control, Decision and Information Technologies (S. 86-93) https://doi.org/10.1109/CoDIT55151.2022.9804063
Tantau, M., Perner, L., & Wielitzka, M. (2022). Nutzen von Zusatzsensorik für die Unterscheidbarkeit von Modellen für elektrische Antriebsstränge bei der Struktur- und Parameteridentifikation. In Digital‐Fachtagung MECHATRONIK 2021 : Darmstadt, 24.‐25.03.2021 https://doi.org/10.15488/10426, https://doi.org/10.26083/tuprints-00017626
Volkmann, B., Ziaukas, Z., & Jacob, H.-G. (2022). Estimation of Vehicle Attitude and Side-Slip using a Low-Cost IMU and Kinematic Vehicle Constraints. Beitrag in 15th International Symposium on Advanced Vehicle Control - AVEC'22.
2021
Banerjee, S. S., Arief, I., Berthold, R., Wiese, M., Bartholdt, M., Ganguli, D., Mitra, S., Mandal, S., Wallaschek, J., Raatz, A., Heinrich, G., & Das, A. (2021). Super-elastic ultrasoft natural rubber-based piezoresistive sensors for active sensing interface embedded on soft robotic actuator. Applied Materials Today, 25, Artikel 101219. https://doi.org/10.1016/j.apmt.2021.101219
Bartholdt, M. N., Wiese, M., Schappler, M., Spindeldreier, S., & Raatz, A. (2021). A Parameter Identification Method for Static Cosserat Rod Models: Application to Soft Material Actuators with Exteroceptive Sensors. In 2021 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) (S. 624-631). (IEEE/RSJ/GI International Conference on Intelligent Robots and Systems). IEEE. https://doi.org/10.1109/IROS51168.2021.9636447, https://doi.org/10.15488/11625
Berthold, R., Bartholdt, M. N., Wiese, M., Kahms, S., Spindeldreier, S., & Raatz, A. (2021). A Preliminary Study of Soft Material Robotic Modelling: Finite Element Method and Cosserat Rod Model. In 2021 9th International Conference on Control, Mechatronics and Automation (ICCMA) (S. 7-13). IEEE. https://doi.org/10.1109/iccma54375.2021.9646194
Bosselmann, S. (2021). Modellbasierte Auslegung und Steuerung des Vulkanisationsprozesses von Kautschuk. [Dissertation, Gottfried Wilhelm Leibniz Universität Hannover]. TEWISS Verlag.
Ehlers, S. F. G., Ziaukas, Z., Kobler, J. P., Busch, A., Ortmaier, T., & Wielitzka, M. (2021). Nichtlineares Zweispurmodell eines LKW-Sattelaufliegers mit experimenteller Validierung der lateralen und vertikalen Reifenkräfte. In VDI Mechatronik 2021 (2 Aufl.) https://www.academia.edu/81919093/Digital_Fachtagung_MECHATRONIK_2021_Darmstadt_24_25_03_2021_2_Auflage
Fast, J. F. (2021). Medizinische Vorrichtung, Verfahren zur Prädiktion eines Auftrefforts und Computerprogramm. (Patent Nr. EP3536226). Europäisches Patentamt (EPA). https://register.epo.org/application?lng=de&number=EP19160789
Fast, J. F., Dava, H., Rüppel, A. K., Kundrat, D., Krauth, M., Laves, M.-H. V., Spindeldreier, S., Kahrs, L. A., & Ptok, M. (2021). Stereo Laryngoscopic Impact Site Prediction for Droplet-Based Stimulation of the Laryngeal Adductor Reflex. IEEE Access, 9, 112177 - 112192. https://doi.org/10.1109/ACCESS.2021.3103049
Fehsenfeld, M., Kühn, J., Wielitzka, M., & Ortmaier, T. (2021). Tension Monitoring of Toothed Belt Drives Using Interval-Based Spectral Features. IFAC-PapersOnLine, 53(2), 738-743. https://doi.org/10.1016/j.ifacol.2020.12.824
Fink, D., Czarnecki, J.-D., Wielitzka, M., Schweers, C., & Trabelsi, A. (2021). Fahrstilanalyse zur Erhöhung der Nutzerakzeptanz automatisiert energieeffizienter Fahrzeuglängsführung. In Digital‐Fachtagung VDI MECHATRONIK 2021 (S. 158-163). https://doi.org/10.26083/tuprints-00017626
Frank, T. (2021). Performante, parametervariante Modellierung thermischer Prozesse bei der Vulkanisation von Kautschukerzeugnissen. [Dissertation, Gottfried Wilhelm Leibniz Universität Hannover]. Leibniz Universität Hannover. https://doi.org/10.15488/11538
Habich, T.-L., Stuede, M., Labbé, M., & Spindeldreier, S. (2021). Have I been here before? Learning to Close the Loop with LiDAR Data in Graph-Based SLAM. In Proceedings of the 2021 IEEE/ASME International Conference on Advanced Intelligent Mechatronics (AIM): July 12-16, 2021, Delft, The Netherlands (S. 504-510) https://doi.org/10.1109/AIM46487.2021.9517565
Kilian, J., Blum, T., Laves, M. H., Ortmaier, T., Lenarz, T., & Rau, T. S. (2021). Reducing the manual length setting error of a passive Gough-Stewart platform for surgical template fabrication using a digital measurement system. Current Directions in Biomedical Engineering, 7(2), 89-92. https://doi.org/10.1515/cdbme-2021-2023
Knöchelmann, E., Männel, A., & Schappler, M. (2021). Three-Layer Hierarchical Model Predictive Control Concept for Industrial DC Microgrids. In IECON 2021 - 47th Annual Conference of the IEEE Industrial Electronics Society (IECON Proceedings (Industrial Electronics Conference); Band 2021-October). https://doi.org/10.1109/IECON48115.2021.9589196
Kortmann, K.-P., Fehsenfeld, M., & Wielitzka, M. (2021). Autoencoder-based Representation Learning from Heterogeneous Multivariate Time Series Data of Mechatronic Systems. Vorabveröffentlichung online. https://arxiv.org/abs/2104.02784
Kortmann, K.-P., Fehsenfeld, M. J., & Wielitzka, M. (2021). Featureextraktion aus heterogenen multivariaten Zeitreihendaten mechatronischer Systeme mittels Autoencoder-Netzwerken. In Digital‐Fachtagung VDI MECHATRONIK 2021 (S. 74-79). https://doi.org/10.26083/tuprints-00017626