Dein Suchergebnis zum Thema: Modell

Digitale Zwillinge für Infrastrukturen

https://www.dlr.de/de/pi/ueber-uns/abteilungen/digitale-zwillinge-fuer-infrastrukturen

In der Abteilung Digitale Zwillinge für Infrastrukturen verwenden wir das Konzept des Digitalen Zwillings als Werkzeug, um die Widerstandsfähigkeit kritischer Infrastrukturen zu verbessern. Ein Digitaler Zwilling ist eine virtuelle Repräsentation eines physischen Objekts, Prozesses oder Systems. Der Digitale Zwilling wird in Echtzeit mit Daten aktualisiert, die von Sensoren und anderen Erfassungsgeräten im physischen Gegenstück gesammelt werden. Diese Daten ermöglichen eine genaue Nachbildung und Überwachung des realen Objekts oder Prozesses.
Mithilfe von Modellen führen wir im Digitalen Zwilling umfangreiche Analysen durch

Abteilung: Systemtheorie und -design

https://www.dlr.de/de/se/ueber-uns/abteilungen/systems-theory-and-design

Die Abteilung Systemtheorie und -design (THD) erforscht Methoden, Verfahren und Werkzeuge der Systemtechnik zur Anforderungsanalyse von automatisierten und autonomen Systemen. Diese neuen Systeme bedürfen außerdem einer Vereinheitlichung ihrer funktionalen Eigenschaften und Einschränkungen hinsichtlich ihrer Qualität und Wirtschaftlichkeit. Dazu gehören deren Integrität, Verantwortlichkeit und Zertifizierbarkeit.
Eine wichtige Rolle spielen hierbei Modelle, die als „virtuelle Tester“ von Systementwürfen

Flugphysikalische Modellierung und Simulation von Drehflüglern

https://www.dlr.de/de/ft/forschung-transfer/forschungsthemen/modellierung-und-simulation/technologien-fuer-flugsimulation

Die Modellierung und Simulation von Drehflüglern ist ein essenzieller Forschungsbereich, der durch den hochmodularen Forschungscode MAECOsim® vorangetrieben wird. Dieser Code ermöglicht präzise aeromechanische Analysen klassischer und innovativer Rotor-Konfigurationen und erfüllt die zunehmenden Anforderungen an Vorhersagegenauigkeit in der Luftfahrt.
Um die verschiedenen Rotortechnologien simulieren und bewerten zu können, sind Modelle

ReBar

https://www.dlr.de/de/ki/forschung-transfer/projekte/rebar

Die zunehmende Verbreitung maschinellen Lernens eröffnet ein enormes Entwicklungspotential in den unterschiedlichsten Anwendungsgebieten – etwa Ingenieurwesen, Verkehr und Medizin. Inzwischen steht eine breite Palette an Methoden zur Verfügung mit einer unübersichtlichen Vielfalt an Umsetzungen.
unterschiedlicher Methoden und die Abschätzung der Verlässlichkeit der jeweiligen Modelle