English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Beim Messen besteht oft die Aufgabe darin, Daten aus mehreren, zum Teil heterogenen Sensoren und Quellen zu verknüpfen, zu verdichten, zu interpretieren und daraus unbekannte Eigenschaften und Parameter von Messobjekten zu bestimmen. Wesentliche Aufgabe dieses als Sensorfusion bezeichneten Prozesses ist es, A-priori-Kenntnisse bezüglich der Messgrößen und der eingesetzten Messverfahren zu erwerben und daraus Rechenvorschriften und Fusionsalgorithmen aufzustellen, die in der Lage sind, Informationen zu extrahieren, die nicht explizit in Signalparametern abgelegt sind, sondern sich in Form von Abhängigkeiten, Beziehungen, Redundanzen und Inkonsistenzen ergeben. In diesem Beitrag wird die kooperative Sensorfusion anhand zweier Beispiele, eines Coriolis-Massedurchflussmessers und eines Produktionsprozesses von Mikroorganismen vorgestellt und ihre Leistungsfähigkeit und ihre Grenzen aufgezeigt.

tm - technisches messen

Kooperative Sensorfusion in der Durchflussmesstechnik und bei der Produktion von Mikroorganismen (Cooperative Sensor Fusion in the Mass Flow Measurement and in the Production of Micro Organisms)