Refine
H-BRS Bibliography
- yes (42) (remove)
Departments, institutes and facilities
- Institut für Technik, Ressourcenschonung und Energieeffizienz (TREE) (42) (remove)
Document Type
- Conference Object (23)
- Article (12)
- Part of a Book (5)
- Report (2)
Year of publication
- 2016 (42) (remove)
Keywords
- Dielectric analysis (2)
- Lignin (2)
- Numerical optimization (2)
- 31P NMR (1)
- Access regulation (1)
- Adaptive optics (1)
- Age estimation (1)
- Analytics (1)
- Antibiotics resistance (1)
- Aspartic acid racemization (1)
Gleichlaufgelenke als Teil der Antriebswellen (Seitenwellen und Längswellen) sind in allen maßgeblichen Triebstrangkonfigurationen im direkten Leistungsfluss angeordnet. Ihre Hauptfunktion ist die Übertragung einer Antriebsleistung unter Ermöglichung von Abbeugung und Axialverschiebung. Dieser Beitrag soll einen Überblick zu den wesentlichen, auf dem heutigen Markt verbreiteten Bauweisen und ihren jeweiligen Einsatzgebieten geben. Besonders berücksichtigt werden hierbei neue Gelenkkonzepte, die sich aufgrund ihrer besonderen Gestaltung durch deutlich höhere Wirkungsgrade auszeichnen. Der Einfluss auf den Energieverbrauch soll quantifiziert werden, hierzu wird ein neuartiger Berechnungsansatz vorgestellt, der eine einfache Abschätzung des Einflusses von Wirkungsgradverbesserungen auf den Energieverbrauch für verschiedener Antriebskonzepte (ICE / Hybrid / E-Fahrzeuge) erlaubt.
During exercise, heart rate has proven to be a good measure in planning workouts. It is not only simple to measure but also well understood and has been used for many years for workout planning. To use heart rate to control physical exercise, a model which predicts future heart rate dependent on a given strain can be utilized. In this paper, we present a mathematical model based on convolution for predicting the heart rate response to strain with four physiologically explainable parameters. This model is based on the general idea of the Fitness-Fatigue model for performance analysis, but is revised here for heart rate analysis. Comparisons show that the Convolution model can compete with other known heart rate models. Furthermore, this new model can be improved by reducing the number of parameters. The remaining parameter seems to be a promising indicator of the actual subject’s fitness.