Category: TH Köln

Christoph Leitenmeier (Everllence) und Prof. Dr. Thomas Bartz-Beielstein gemeinsam mit den Studenten Sonal Rajendra Palrecha, Milankumar Hareshbhai Mavani, Rishikesh Ravikiran Tiwari, Priti Bhunia, Mariam Saki, Kumpal Khokhariya, Navya Thirakala, Venkatasumadhar Pabolu, Suheb Khan, Nouman Ahmad, Muhammad Ali, Ruohan Wang, Szu-Yu Liu, Vekil Bekmyradov

KI optimiert Turbolader und senkt Kosten

KI optimiert Turbolader und senkt Kosten

Im Rahmen der Vorlesung “Optimization of Technical Systems” an der TH Köln führten fünf Studentengruppen eine Case Study in Kooperation mit Everllence (ehemals MAN Energy Solutions) durch. Das Ziel war die Entwicklung von Machine Learning- und Deep Learning-Modellen zur Vorhersage von Vibrationsamplituden in Turbochargern, um teure und zeitaufwändige traditionelle Mess- und Simulationsmethoden zu ersetzen. Die Studenten entwickelten verschiedene KI-Modelle (u.a. XGBoost, CatBoost, RNN, LSTM, GRU) zur Amplitudenvorhersage basierend auf Betriebs- und Designparametern. Diese Modelle zeigten hohes Potenzial für präzise und kostengünstige Vorhersagen.

Christoph Leitenmeier (Head of Aerodynamics bei Everllence) hielt eine Gastvorlesung über “High Cycle Fatigue (HCF) in industrial applications”.

Die Veranstaltung ist Teil einer langfristigen Zusammenarbeit zwischen Prof. Bartz-Beielstein (TH Köln) und Everllence mit gemeinsamen Forschungs- und Promotionsprojekten.

Visualization of the test setup, where a crane lifts the dummy to simulate a fall near a bed equipped with sensors for data measurement.

AI-Driven Fall Detection System Developed by Prof. Dr. Bartz-Beielstein and his Team Achieves 98% Accuracy in TH Köln Study

The project “FallKI – Development of Sensor Technology and AI Algorithms for Fall Detection in the Vicinity of Nursing Beds” was conducted by Prof. Dr. Axel Wellendorf from the Institute for General Mechanical Engineering at TH Köln, in collaboration with Prof. Dr. Thomas Bartz-Beielstein from the Institute for Data Science, Engineering and Analytics. The project partner was tecfor care GmbH, a manufacturer of nursing beds and care furniture. The project was funded by the Federal Ministry for Economic Affairs and Climate Action through the Central Innovation Program for SMEs (ZIM) with a grant of 670,000 euros.