In Bezug auf nachhaltige Energien sind fortschrittliche Energiespeichertechnologien entscheidend. Dabei gewinnen alternative Batterie-Elektrolyte für Sicherheit und Umwelt an Bedeutung. Die Kernspinresonanzspektroskopie (NMR) hilft, solche Materialien zu verstehen und zu optimieren. Die Festkörper-NMR gibt Einblicke in Strukturen und Ionen-Dynamik. Diese Arbeit verbindet Grundlagen der Materialwissenschaft mit praktischer Energiespeicherung durch Festkörper-NMR in nachhaltiger Energieforschung. Der erste Teil fokussiert auf Succinonitril-basierte Materialien mit Polymeren zur Erhöhung der Li-Ionen-Leitfähigkeit. Weitere Experimente erfolgen unter realen Batteriebedingungen. Der zweite Teil erforscht Na-β"-Aluminat, mit dem Ziel Betriebstemperaturen zu senken. Die Analyse umfasst die Identifizierung von Na-Spezies, den 3d-Übergangsmetalleinfluss und den Austausch von Na- zu Li-Ionen.
In the field of sustainable energy, advanced energy storage is crucial. Alternative electrolytes gain interest for safety and environmental benefits. Nuclear magnetic resonance (NMR) spectroscopy helps with understanding and optimising materials. Solid-state NMR delves into structures and ion dynamics, providing insights into interactions and ion parameters. This work aims to bridge fundamental materials science and practical energy storage, utilising solid-state NMR within sustainable energy research. The first part focuses on succinonitrile-based materials, enhancing Li-ion conductivity with polymers. Investigations assess polymer impact and Li-concentrations, revealing varying interactions and ion environments. The most promising material is tested in realistic battery cell conditions. The second part explores Na-β"-alumina electrolytes, aiming to lower operating temperatures. Analysis includes identifying Na-species, characterising 3d transition metal influence, and investigating the Na to Li-ion exchange.
Maritime Daten; Datenökosystem; HochschulschriftTestbedDatenmanagementVerifikationValidierungValiditätRichtigkeit von ErgebnissenLogikErkenntnisWahrheitInformationsmanagementTestenSimulation
In den letzten Jahren wurden zahlreiche neue Ansätze für maritime Assistenzsysteme entwickelt, die immer datenintensivere Verfahren nutzen, etwa um Trajektorien zu prädizieren, Steuerbefehle zu berechnen oder Ankunftszeiten vorherzusagen. Um den Gesamtaufwand einer Systementwicklung zu beschränken, ist es oft sinnvoll die Entwicklung eines Testfeldes von der eigentlichen Systementwicklung zu trennen und dieses als generisch nutzbaren Service bereitzustellen. Die gemeinsame Nutzung von solchen generischen Testumgebungen durch verschiedene Stakeholder stellt jedoch eine Herausforderung für das Datenmanagement dar. Diese Arbeit präsentiert eine Architektur für maritime serviceorientierte Testfelder, die die Bereitstellung und das Management von Daten in dezentral organisierten Datenökosystemen für Forschungs- und Entwicklungsprozesse unterstützt. Die Architektur wird in einem etablierten maritimen Testfeld umgesetzt und bezüglich Anwendbarkeit und Performanz evaluiert.
Recently, numerous new approaches have been developed for maritime assistance systems that use increasingly data-intensive methods. For example, to predict trajectories, calculate control commands or predict port arrival times. To limit the overall effort of system development, it can be helpful to separate the development of a test bed from the actual system development and to provide it as a generic service. However, the joint usage of test beds by various stakeholders poses a challenge for data management. In this thesis, an architecture for maritime service-oriented testbeds that supports the provision and management of data in decentralized data ecosystems for research and development processes is presented. The developed architecture is implemented in a well-established maritime test bed and evaluated with regard to applicability and performance.
IEEE International Conference on Information Reuse and Integration for Data Science (22. : 2021 : Online) 2021 IEEE 22nd International Conference on Information Reuse and Integration for Data Science Piscataway, NJ : IEEE, 2021 (2021), Seite 310-317 1 Online-Ressource