Zugl.: Hannover, Univ., Diss., 2008

Sperm cells are guided to the egg by chemoattractants in many species. Sperm cells are propelled in a liquid by the regular beat of their flagellum. In the presence of a concentration gradient of a chemoattractant, they can steer upwards the concentration gradient, a process called chemotaxis. Eggs release chemoattractants to guide the sperm cells to the egg. Sperm chemotaxis is best studied experimentally in the sea urchin. There, specific receptors in the flagellar membrane of the sperm cells are activated upon binding of chemoattractant molecules and trigger a signaling cascade which ultimately changes the activity of the molecular motors which drive the flagellar beat and result in a swimming response. Sea urchin sperm cells swim along circular and helical paths. Sperm cells of the sea urchin and several other species swim along helical paths far from boundary surfaces in the absence of chemoattractant. In a two-dimensional experimental geometry, sperm swimming paths are planar circles. The non-zero curvature of their swimming paths is a direct consequence of an asymmetry of their flagellar beat. In a concentration gradient of chemoattractant, sperm swimming path are drifting circles in two dimensions and bend helices in three dimensions. What is the working mechanism of sperm chemotaxis? In this thesis, we develop a theoretical description of sperm chemotaxis which can be subsumed as follows: While swimming along an approximately circular path in a concentration gradient a sperm cell traces a periodic concentration stimulus from the concentration field that has the frequency of circular swimming. The chemotactic signaling system processes this stimulus and causes a periodic modulation of the curvature of the swimming path which then gives rise to a swimming path which is a drifting circle. The relative direction of the drift with respect to the gradient direction is determined by the phase shift between the stimulus and the curvature oscillations. This picture is in perfect agreement with recent experimental findings. The mechanism is more general and also works in three dimensions for swimming along helical paths. Our results. Our theoretical description of sperm chemotaxis clarifies the concepts underlying sperm chemotaxis. In particular, we derive the role of internal timing of the chemotactic signaling system for sperm chemotaxis. We conclude that sampling a concentration field along circular and helical paths is a robust strategy for chemotaxis that does not require fine-tuning of parameters and which works reliable also in the presence of fluctuations. In a last chapter of this thesis, we discuss sperm chemotaxis in the more general context of an abstract search problem.

This work introduced the reader to all relevant fields to tap into an ultrasound-based state of charge estimation and provides a blueprint for the procedure to achieve and test the fundamentals of such an approach. It spanned from an in-depth electrochemical characterization of the studied battery cells over establishing the measurement technique, digital processing of ultrasonic transmission signals, and characterization of the SoC dependent property changes of those signals to a proof of concept of an ultrasound-based state of charge estimation. The State of the art & theoretical background chapter focused on the battery section on the mechanical property changes of lithium-ion batteries during operation. The components and the processes involved to manufacture a battery cell were described to establish the fundamentals for later interrogation. A comprehensive summary of methods for state estimation was given and an emphasis was laid on mechanical methods, including a critical review of the most recent research on ultrasound-based state estimation. Afterward, the fundamentals of ultrasonic non-destructive evaluation were introduced, starting with the sound propagation modes in isotropic boundary-free media, followed by the introduction of boundaries and non-isotropic structure to finally approach the class of fluid-saturated porous media, which batteries can be counted to. As the processing of the ultrasonic signals transmitted through lithium-ion battery cells with the aim of feature extraction was one of the main goals of this work, the fundamentals of digital signal processing and methods for the time of flight estimation were reviewed and compared in a separate section. All available information on the interrogated battery cell and the instrumentation was collected in the Experimental methods & instrumentation chapter, including a detailed step-by-step manual of the process developed in this work to create and attach a sensor stack for ultrasonic interrogation based on low-cost off-the-shelf piezo elements. The Results & discussion chapter opened with an in-depth electrochemical and post-mortem interrogation to reverse engineer the battery cell design and its internal structure. The combination of inductively coupled plasma-optical emission spectrometry and incremental capacity analysis applied to three-electrode lab cells, constructed from the studied battery cell’s materials, allowed to identify the SoC ranges in which phase transitions and staging occur and thereby directly links changes in the ultrasonic signal properties with the state of the active materials, which makes this work stand out among other studies on ultrasound-based state estimation. Additional dilatometer experiments were able to prove that the measured effect in ultrasonic time of flight cannot originate from the thickness increase of the battery cells alone, as this thickness increase is smaller and in opposite direction to the change in time of flight. Therefore, changes in elastic modulus and density have to be responsible for the observed effect. The construction of the sensor stack from off-the-shelf piezo elements, its electromagnetic shielding, and attachment to both sides of the battery cells was treated in a subsequent section. Experiments verified the necessity of shielding and its negligible influence on the ultrasonic signals. A hypothesis describing the metal layer in the pouch foil to be the transport medium of an electrical coupling/distortion between sending and receiving sensor was formulated and tested. Impedance spectroscopy was shown to be a useful tool to characterize the resonant behavior of piezo elements and ensure the mechanical coupling of such to the surface of the battery cells. The excitation of the piezo elements by a raised cosine (RCn) waveform with varied center frequency in the range of 50 kHz to 250 kHz was studied in the frequency domain and the influence of the resonant behavior, as identified prior by impedance spectroscopy, on waveform and frequency content was evaluated to be uncritical. Therefore, the forced oscillation produced by this excitation was assumed to be mechanically coupled as ultrasonic waves into the battery cells. The ultrasonic waves transmitted through the battery cell were recorded by piezo elements on the opposing side. A first inspection of the raw, unprocessed signals identified the transmission of two main wave packages and allowed the identification of two major trends: the time of flight of ultrasonic wave packages decreases with the center frequency of the RCn waveform, and with state of charge. These trends were to be assessed further in the subsequent sections. Therefore, methods for the extraction of features (properties) from the ultrasonic signals were established, compared, and tested in a dedicated section. Several simple and advanced thresholding methods were compared with envelope-based and cross-correlation methods to estimate the time of flight (ToF). It was demonstrated that the envelope-based method yields the most robust estimate for the first and second wave package. This finding is in accordance with the literature stating that an envelope-based method is best suited for dispersive, absorptive media [204], to which lithium-ion batteries are counted. Respective trends were already suggested by the heatmap plots of the raw signals vs. RCn frequency and SoC. To enable such a robust estimate, an FIR filter had to be designed to preprocess the transmitted signals and thereby attenuate frequency components that verifiably lead to a distorted shape of the envelope. With a robust ToF estimation method selected, the characterization of the signal properties ToF and transmitted energy content (EC) was performed in-depth. A study of cycle-to-cycle variations unveiled that the signal properties are affected by a long rest period and the associated relaxation of the multi-particle system “battery cell” to equilibrium. In detail, during cycling, the signal properties don’t reach the same value at a given SoC in two subsequent cycles if the first of the two cycles follows a long rest period. In accordance with the literature, a break-in period, making up for more than ten cycles post-formation, was observed. During this break-in period, the mechanical properties of the system are said to change until a steady state is reached [25]. Experiments at different C-rate showed that ultrasonic signal properties can sense the non-equilibrium state of a battery cell, characterized by an increasing area between charge and discharge curve of the respective signal property vs. SoC plot. This non-equilibrium state relaxes in the rest period following the discharge after the cut-off voltage is reached. The relaxation in the rest period following the charge is much smaller and shows little C-rate dependency as the state is prepared by constant voltage charging at the end of charge voltage. For a purely statistical SoC estimation approach, as employed in this work, where only instantaneous measurements are taken into account and the historic course of the measurement is not utilized as a source of information, the presence of hysteresis and relaxation leads to a reduced estimation accuracy. Future research should address this issue or even utilize the relaxation to improve the estimation accuracy, by incorporating historic information, e.g., by using the derivative of a signal property as an additional feature. The signal properties were then tested for their correlation with SoC as a function of RCn frequency. This allowed identifying trends in the behavior of the signal properties as a function of RCn frequency and C-rate in a condensed fashion and thereby enabled to predict the frequency range, about 50 kHz to 125 kHz, in which the course of the signal properties is best suited for SoC estimation. The final section provided a proof of concept of the ultrasound-based SoC estimation, by applying a support vector regression (SVR) to before thoroughly studied ultrasonic signal properties, as well as current and battery cell voltage. The included case study was split into different parts that assessed the ability of an SVR to estimate the SoC in a variety of scenarios. Seven battery cells, prepared with sensor stacks attached to both faces, were used to generate 14 datasets. First, a comparison of self-tests, where a portion of a dataset is used for training and another for testing, and cross-tests, which use the dataset of one cell for training and the dataset of another for testing, was performed. A root mean square error (RMSE) of 3.9% to 4.8% SoC and 3.6% to 10.0% SoC was achieved, respectively. In general, it was observed that the SVR is prone to overestimation at low SoCs and underestimation at high SoCs, which was attributed to the pronounced hysteresis and relaxation of the ultrasonic signal properties in this SoC ranges. The fact that higher accuracy is achieved, if the exact cell is known to the model, indicates that a variation between cells exists. This variation between cells can originate from differences in mechanical properties as a result of production variations or from differences in manual sensor placement, mechanical coupling, or resonant behavior of the ultrasonic sensors. To mitigate the effect of the cell-to-cell variations, a test was performed, where the datasets of six out of the seven cells were combined as training data, and the dataset of the seventh cell was used for testing. This reduced the spread of the RMSE from (3.6 - 10.0)% SoC to (5.9 – 8.5)% SoC, respectively, once again stating that a databased approach for state estimation becomes more reliable with a large data basis. Utilizing self-tests on seven datasets, the effect of additional features on the state estimation result was tested. The involvement of an additional feature did not necessarily improve the estimation accuracy, but it was shown that a combination of ultrasonic and electrical features is superior to the training with these features alone. To test the ability of the model to estimate the SoC in unknown cycling conditions, a test was performed where the C-rate of the test dataset was not included in the training data. The result suggests that for practical applications it might be sufficient to perform training with the boundary of the use cases in a controlled laboratory environment to handle the estimation in a broad spectrum of use cases. In comparison with literature, this study stands out by utilizing and modifying off-the-shelf piezo elements to equip state-of-the-art lithium-ion battery cells with ultrasonic sensors, employing a range of center frequencies for the waveform, transmitted through the battery cell, instead of a fixed frequency and by allowing the SVR to choose the frequency that yields the best result. The characterization of the ultrasonic signal properties as a function of RCn frequency and SoC and the assignment of characteristic changes in the signal properties to electrochemical processes, such as phase transitions and staging, makes this work unique. By studying a range of use cases, it was demonstrated that an improved SoC estimation accuracy can be achieved with the aid of ultrasonic measurements – thanks to the correlation of the mechanical properties of the battery cells with the SoC. / Diese Arbeit bot dem Leser eine Einführung in alle Bereiche an, die relevant sind um eine ultraschallbasierte Ladungszustandsbestimmung (Ladezustand – engl.: state of charge, SoC) umzusetzen, und zeigt einen Weg auf, wie ein solcher Ansatz in seinen Grundlagen geprüft und umgesetzt werden kann. Hierzu wurde ein Bogen gespannt von einer eingehenden elektrochemischen Charakterisierung der untersuchten Batteriezellen über die Etablierung der Messtechnik, die digitale Verarbeitung von Ultraschalltransmissionssignalen und die Charakterisierung der Ladezustands-abhängigen Eigenschaftsänderungen dieser Signale bis hin zu einem Proof-of-Concept für eine ultraschallbasierte Ladezustandsbestimmung. Das Kapitel „State of the art & theoretical background“ konzentrierte sich in einem Abschnitt über Batterien auf die Veränderungen der physikalischen Eigenschaften von Lithium-Ionen-Batterien während des Betriebs und der Alterung. Um die Grundlage für die spätere Untersuchung zu schaffen, wurden die Komponenten und die Prozesse zur Herstellung einer Batteriezelle beschrieben. Anschließend wurde ein umfassender Überblick über die Methoden zur Zustandsschätzung gegeben, wobei der Schwerpunkt auf den mechanischen Methoden lag, einschließlich einer kritischen Zusammenstellung der neuesten Forschungsergebnisse zur ultraschallbasierten Zustandsbestimmung. Danach wurden die Grundlagen der zerstörungsfreien Bewertung mit Ultraschall vorgestellt, beginnend mit den Schallausbreitungsmoden in isotropen, unbegrenzten Medien, gefolgt von der Einführung von Grenzen und nicht-isotropen Strukturen, um sich schließlich der Klasse der flüssigkeitsgesättigten porösen Medien zu nähern, zu denen Batterien gezählt werden können. Da die Verarbeitung der durch die Lithium-Ionen-Batteriezellen übertragenen Ultraschallsignale mit dem Ziel der Merkmalsextraktion eines der Hauptziele dieser Arbeit war, wurden die Grundlagen der digitalen Signalverarbeitung und Methoden zur Laufzeitschätzung in einem eigenen Abschnitt behandelt und verglichen. Alle verfügbaren Informationen über die abgefragte Batteriezelle und die verwendeten Messgeräte wurden im Kapitel „Experimental methods & instrumentation“ zusammengestellt, einschließlich einer detaillierten Schritt-für-Schritt-Anleitung des in dieser Arbeit entwickelten Verfahrens zur Erstellung und Anbringung einer Sensoranordnung für die Ultraschallprüfung auf der Grundlage kostengünstiger, handelsüblicher Piezoelemente. Das Kapitel „Results & discussion“ begann mit einer eingehenden elektrochemischen und Post-Mortem-Untersuchung, um das Design der Batteriezelle und ihre interne Struktur zu untersuchen. Durch die Kombination von induktiv gekoppelter Plasma-optischer Emissionsspektrometrie und inkrementeller Kapazitätsanalyse an Drei-Elektroden-Laborzellen, die aus den Materialien der untersuchten Batteriezelle konstruiert wurden, konnten die SoC-Bereiche identifiziert werden, in denen Phasenübergänge auftreten, wodurch Änderungen der Ultraschallsignaleigenschaften direkt mit dem Zustand der Aktivmaterialien verknüpft werden, was diese Arbeit unter anderen Studien zur ultraschallbasierten Zustandsschätzung hervorhebt. Durch zusätzliche Dilatometer-experimente konnte nachgewiesen werden, dass der gemessene Effekt in der Ultraschalllaufzeit nicht allein von der Volumenänderung der Batteriezellen herrühren kann, da diese Volumenänderung kleiner ist und in die Gegenrichtung zur Änderung der Laufzeit verläuft. Entsprechend müssen Änderungen in E-Modul und Dichte der Aktivmaterialien für den beobachteten Effekt verantwortlich sein. Der Aufbau der Sensoranordnung aus handelsüblichen Piezoelementen, seine elektromagnetische Abschirmung und die Befestigung an beiden Seiten der Batteriezellen wurden in einem späteren Abschnitt behandelt. Experimente bestätigten die Notwendigkeit dieser Abschirmung und ihren vernachlässigbaren Einfluss auf die Ultraschallsignale. Es wurde eine Hypothese formuliert, die die Metallschicht in der Pouch-Folie als Transportmedium einer elektrischen Kopplung/Übersprechens zwischen Sende- und Empfangssensor beschreibt. Die Impedanzspektroskopie erwies sich als nützliches Werkzeug zur Charakterisierung des Resonanzverhaltens der Piezoelemente und zur Sicherstellung der mechanischen Kopplung dieser Elemente mit der Oberfläche der Batteriezellen. Die Anregung der Piezoelemente durch eine Raised-Cosine-Wellenform (RCn) mit variierter Mittenfrequenz im Bereich von 50 kHz bis 250 kHz wurde mittels Fourier-Transformation im Frequenzraum untersucht. Der Einfluss des Resonanzverhaltens, welches zuvor durch die Impedanzspektroskopie ermittelt wurde, auf die Wellenform und den Frequenzinhalt wurde als unkritisch bewertet. Daher wurde angenommen, dass die durch die RCn Anregung erzeugte erzwungene Schwingung mechanisch als Ultraschallwellen in die Batteriezellen eingekoppelt wird. Die durch die Batteriezelle transmittierten Ultraschallwellen wurden von Piezoelementen auf der gegenüberliegenden Seite aufgezeichnet. Eine erste Prüfung der rohen, unverarbeiteten Signale ergab die Übertragung von zwei Hauptwellenpaketen und ermöglichte die Identifizierung von zwei Haupttrends: Die Laufzeit der Ultraschallwellenpakete nimmt mit der Mittenfrequenz, der RCn-Wellenform und mit dem Ladezustand ab. Diese Trends sollten in den folgenden Abschnitten weiter bewertet werden. Daher wurden in einem eigenen Abschnitt Methoden zur Extraktion von Merkmalen (Eigenschaften) aus den Ultraschallsignalen implementiert, verglichen und getestet. Mehrere einfache und fortgeschrittene Schwellenwertverfahren wurden mit hüllkurvenbasierten und Kreuzkorrelationsverfahren zur Schätzung der Laufzeit (engl.: „time of flight“, ToF) verglichen. Es wurde gezeigt, dass die hüllkurvenbasierte Methode die stabilste Schätzung für das erste und zweite Wellenpaket liefert. Dieses Ergebnis steht im Einklang mit der Literatur, die beschreibt, dass eine hüllkurvenbasierte Methode am besten für dispersive, absorbierende Medien [234], wie z. B. Lithium-Ionen-Batterien, geeignet ist, was bereits durch die Heatmap-Diagramme der Rohsignale aufgetragen gegen RCn-Frequenz und SoC suggeriert wurde. Um eine solche robuste Laufzeit-Schätzung zu ermöglichen, musste ein FIR-Filter implementiert werden, der die übertragenen Signale vorverarbeitet und dabei Frequenzkomponenten abschwächt, die nachweislich zu einer verzerrten Form der Hüllkurve führen. Nach der Auswahl einer robusten Methode zur ToF-Schätzung die Signaleigenschaften ToF und übertragener Energiegehalt (engl.: energy content, EC) eingehend charakterisiert. Eine Untersuchung der Zyklus-zu-Zyklus-Schwankungen ergab, dass die Signaleigenschaften durch eine lange Ruhephase und die damit verbundene Relaxation des Vielteilchensystems "Batteriezelle" bis zur Erreichung des Gleichgewichtzustands beeinflusst werden. Die Signaleigenschaften erreichten während des Zyklus nicht den gleichen Wert bei einem bestimmten SoC in zwei aufeinanderfolgenden Zyklen, wenn der erste der beiden Zyklen auf eine lange Ruhephase folgte. In Übereinstimmung mit der Literatur wurde eine Einlaufphase (engl.: „break-in period“) beobachtet, die mehr als zehn Zyklen nach der Formierung umfasst. Während dieser Einlaufphase ändern sich die mechanischen Eigenschaften des Systems, bis ein stabiler Zustand erreicht ist [25]. Experimente bei unterschiedlichen C-Raten zeigten, dass die Ultraschallsignaleigenschaften sensitiv für den Nicht-Gleichgewichtszustand einer Batteriezelle sind, der durch eine zunehmende Fläche zwischen der Lade- und Entladekurve der jeweiligen Signaleigenschaft in der Auftragung über SoC gekennzeichnet ist. Dieser Nicht-Gleichgewichtszustand entspannt sich in der Ruhephase nach der Entladung, nachdem die Abschaltspannung erreicht ist. Die Relaxation in der Ruhephase nach dem Laden ist wesentlich geringer und zeigt kaum eine Abhängigkeit von der C-Rate, da der Zustand durch Laden mit konstanter Spannung nach Erreichen der Ladeschlussspannung präpariert wird. Bei einem rein statistischen SoC-Bestimmungsansatz, wie er in dieser Arbeit verwendet wird, bei dem nur instantane Messwerte berücksichtigt werden und die historischen Messwerte nicht als Informationsquelle genutzt wird, führt das Vorhandensein von Hysterese und Relaxation zu einer geringeren Schätzgenauigkeit. Zukünftige Forschungsarbeiten sollten sich mit diesem Problem befassen oder sogar die Relaxation zur Verbesserung der Bestimmungsgenauigkeit nutzen, indem historische Informationen einbezogen werden, z. B. durch Verwendung der Ableitung einer Signaleigenschaft als zusätzliches Merkmal. Die Signaleigenschaften wurden dann auf ihre Korrelation mit SoC als Funktion der RCn-Frequenz getestet. Dies ermöglichte es, Trends innerhalb der Daten in verdichteter Form zu identifizieren und dadurch den Frequenzbereich (etwa 50 kHz bis 125 kHz) vorherzusagen, in dem der Verlauf der Signaleigenschaften am besten für die SoC-Bestimmung geeignet ist. Im letzten Abschnitt wurde ein Proof-of-Concept für die ultraschallbasierte SoC-Schätzung erbracht, indem eine Support-Vektor-Regression (SVR) auf die zuvor eingehend untersuchten Ultraschallsignaleigenschaften sowie auf Strom und Zellspannung der Batterie angewendet wurde. Die enthaltene Fallstudie war in verschiedene Teile aufgeteilt, die die Fähigkeit einer SVR zur Bestimmung des SoC in einer Vielzahl von Szenarien bewerteten. Sieben Batteriezellen, die mit jeweils zwei Sensoranordnungen auf gegenüberliebenden Seiten präpariert wurden, dienten zur Erzeugung von 14 Datensätzen. Zunächst wurde ein Vergleich zwischen Selbsttests, bei denen ein Teil eines Datensatzes zum Training und ein anderer zum Testen verwendet wird, und Kreuztests, bei denen der Datensatz einer Zelle zum Training und der einer anderen zum Testen verwendet wird, durchgeführt. Dabei wurde ein mittlerer Fehler von 3,9% bis 4,8% SoC bzw. 3,6% bis 10,0% SoC erreicht. Im Allgemeinen wurde festgestellt, dass die SVR bei niedrigen SoCs zu einer Überschätzung und bei hohen SoCs zu einer Unterschätzung neigt, was auf die ausgeprägte Hysterese und Relaxation der Ultraschallsignaleigenschaften in diesen SoC-Bereichen zurückgeführt wurde. Die Tatsache, dass eine höhere Genauigkeit erreicht wird, wenn die genaue Zelle dem Regressionsmodell bekannt ist, deutet darauf hin, dass eine Variation zwischen den Zellen besteht. Diese Variation zwischen den Zellen kann auf Unterschiede in den mechanischen Eigenschaften infolge von Produktionsschwankungen oder auf Unterschiede in der manuellen Sensorplatzierung, der mechanischen Kopplung oder dem Resonanzverhalten der Ultraschallsensoren zurückzuführen sein. Um die Auswirkungen der Schwankungen zwischen den Zellen auf die Schätzgenauigkeit abzuschwächen, wurde ein Test durchgeführt, bei dem die Datensätze von sechs der sieben Zellen als Trainingsdaten kombiniert wurden und der Datensatz der siebten Zelle für den Test verwendet wurde. Dadurch verringerte sich die Streuung des mittleren Fehlers von (3,6 - 10,0)% SoC auf (5,9 - 8,5)% SoC, was einmal mehr zeigt, dass ein datenbasierter Ansatz zur Zustandsbestimmung durch eine großen Datenbasis zuverlässiger wird. Anhand von Selbsttests mit sieben Datensätzen wurde die Auswirkung zusätzlicher Merkmale auf das Ergebnis der Zustandsbestimmung getestet. Die Einbeziehung eines zusätzlichen Merkmals verbesserte nicht unbedingt die Schätzgenauigkeit, aber es wurde gezeigt, dass eine Kombination von Ultraschall- und elektrischen Merkmalen dem Training mit diesen Merkmalen allein überlegen ist. Um die Fähigkeit des Modells zur Bestimmung des Ladezustands unter unbekannten Zyklusbedingungen zu testen, wurde ein Test durchgeführt, bei dem die C-Rate des Testdatensatzes nicht in den Trainingsdaten enthalten war. Das Ergebnis deutet darauf hin, dass es für praktische Anwendungen ausreichend sein könnte, das Training mit Datensätzen unter den Grenzbedingungen der Anwendungsfälle in einer kontrollierten Laborumgebung durchzuführen, um die Schätzung in einem breiten Spektrum von Anwendungsfällen zu bewältigen. Im Vergleich zur Literatur hebt sich diese Studie dadurch ab, dass handelsübliche Piezoelemente verwendet und modifiziert wurden, um moderne Lithium-Ionen-Batteriezellen mit Ultraschallsensoren auszustatten, wobei eine Reihe von Mittenfrequenzen für die durch die Batteriezelle übertragene Wellenform anstelle einer festen Frequenz verwendet wird und der SVR die Frequenz wählen kann, die das beste Ergebnis liefert. Die Charakterisierung der Ultraschallsignaleigenschaften als Funktion der RCn-Frequenz und des SoC sowie die Zuordnung charakteristischer Veränderungen der Signaleigenschaften zu elektrochemischen Prozessen wie den Phasenübergängen in den Aktivmaterialien machen diese Arbeit einzigartig. Durch die Untersuchung einer Reihe von Anwendungsfällen konnte gezeigt werden, dass mit Hilfe von Ultraschallmessungen eine verbesserte SoC-Abschätzungsgenauigkeit erreicht werden kann - dank der Korrelation der mechanischen Eigenschaften der Batteriezellen mit dem SoC.

Nuclear spectroscopy is an interdisciplinary subject of physics and electronics, which adopts state-of-the-art digital electronic technology and computer technology to analyze the information in ionizing radiation. The use of FPGAs shortens the development cycles of the digital circuit design and reduces system noise with compact electronics size. As a result, digital spectrometers with FPGAs are gaining popularity in research and industrial markets. The motivation behind this work was to replace conventional analog electronics with modern digital technology to provide an excellent energy resolution for different kinds of nuclear detectors and experiments. In this thesis, a SiPM-based scintillation detector is first designed based on the basic principles of ionizing radiation. The readout circuit of the detector is given in detail. Subsequently, a real-time DPP module is designed using the FPGA of Lattice. The system noise of the DPP is measured, compared, and analyzed after the hardware verification and implementation of digital algorithms to assess the capability of the DPP module. Afterward, digital pulse processing algorithms are investigated in detail to improve the performance of the designed digital module. The design and implementation of multipass moving average and trapezoidal filter are presented. The PZC and BLR are designed and implemented according to the analysis of the trapezoidal filter’s weakness to have a better energy resolution of the digital system. Algorithms are designed and implemented on a Simulink platform. Experimental results and analyses are provided at the end of this thesis. The acquired data are analyzed in real-time or by offline software. Spectra and resolutions are demonstrated of different detectors to evaluate the performance of digital module and algorithms implementation. The resolution of the scintillation detector can be obtained to 4.2%, which is almost the optimal value based on their datasheet. The implementations of digital algorithms are verified. Other applications are provided, such as coincidence and cosmic muons measurements.

Hand sign recognition (HSR) has emerged as a significant field of research and development in the context of wearable systems and human machine interaction. The aim of this research is to investigate the potential of forearm-attached sensors to recognize hand signs and to propose a novel measurement approach for real-time HSR with reduced ambiguities. Three measurement methods are deeply investigated: Force Myography (FMG), Electrical Impedance Tomography (EIT), and surface Electromyography (EMG). The potential of these methods is evaluated in the context of American Sign Language (ASL). For a comprehensive comparative study, it is important to realize same conditions in the data collection. Therefore, a parallel data acquisition interface has been designed for simultaneous data collection. To assess the methods' capacity to distinguish between different hand signs independent of the classification algorithms, we propose a novel method for evaluating the ambiguities between different hand signs directly from the collected data. The application of this method to the collected data for all subjects shows, that EIT and FMG can better differentiate hand signs. Therefore, an FMG-EIT hybrid HSR method is proposed fusing the classification results of both methods based on their complementarity in solving ambiguous cases. The proposed method is able to achieve an average of real time accuracy of 94.16%, 82.5%, and 71.36% for the proposed fusion method, FMG and EIT respectively.:1 Introduction 2 Theoretical background on hand sign recognition 3 State of the art of hand sign recognition systems 4 Design of hand sign recognition measurement systems 5 Investigation of measurements methods 6 Hybrid FMG-EIT method for hand sign recognition 7 Conclusion

This dissertation describes the improvement of signal analysis in ultrasonic microscopy for nondestructive testing. Specimens with many thin layers, like modern electronic components, pose a particular challenge for identifying and localizing defects. In this thesis, new evaluation algorithms have been developed which enable analysis of highly complex layer-stacks. This is achieved by a specific evaluation of multiple reflections, a newly developed iterative reconstruction and deconvolution algorithm, and the use of classification algorithms with a highly optimized simulation algorithm. Deep delaminations inside a 19-layer component can now not only be detected, but also localized. The new analysis methods also enable precise determination of elastic material parameters, sound velocities, thicknesses, and densities of multiple layers. The highly improved precision of determined reflections parameters with deconvolution also provides better and more conclusive results with common analysis methods. / Die vorgelegte Dissertation befasst sich mit der Verbesserung der Signalauswertung für die Ultraschallmikroskopie in der zerstörungsfreien Prüfung. Insbesondere bei Proben mit vielen dünnen Schichten, wie bei modernen Halbleiterbauelementen, ist das Auffinden und die Bestimmung der Lage von Fehlstellen eine große Herausforderung. In dieser Arbeit wurden neue Auswertealgorithmen entwickelt, die eine Analyse hochkomplexer Schichtabfolgen ermöglichen. Erreicht wird dies durch die gezielte Auswertung von Mehrfachreflexionen, einen neu entwickelten iterativen Rekonstruktions- und Entfaltungsalgorithmus und die Nutzung von Klassifikationsalgorithmen im Zusammenspiel mit einem hoch optimierten neu entwickelten Simulationsalgorithmus. Dadurch ist es erstmals möglich, tief liegende Delaminationen in einem 19-schichtigem Halbleiterbauelement nicht nur zu detektieren, sondern auch zu lokalisieren. Die neuen Analysemethoden ermöglichen des Weiteren eine genaue Bestimmung von elastischen Materialparametern, Schallgeschwindigkeiten, Dicken und Dichten mehrschichtiger Proben. Durch die stark verbesserte Genauigkeit der Reflexionsparameterbestimmung mittels Signalentfaltung lassen sich auch mit klassischen Analysemethoden deutlich bessere und aussagekräftigere Ergebnisse erzielen. Aus den Erkenntnissen dieser Dissertation wurde ein Ultraschall-Analyseprogramm entwickelt, das diese komplexen Funktionen auf einer gut bedienbaren Oberfläche bereitstellt und bereits praktisch genutzt wird.

The non-invasive fetal ECG (NIFECG), derived from abdominal surface electrodes, offers novel diagnostic possibilities for prenatal medicine. Despite its straightforward applicability, NIFECG signals are usually corrupted by many interfering sources. Most significantly, by the maternal ECG (MECG), whose amplitude usually exceeds that of the fetal ECG (FECG) by multiple times. The presence of additional noise sources (e.g. muscular/uterine noise, electrode motion, etc.) further affects the signal-to-noise ratio (SNR) of the FECG. These interfering sources, which typically show a strong non-stationary behavior, render the FECG extraction and fetal QRS (FQRS) detection demanding signal processing tasks. In this thesis, several of the challenges regarding NIFECG signal analysis were addressed. In order to improve NIFECG extraction, the dynamic model of a Kalman filter approach was extended, thus, providing a more adequate representation of the mixture of FECG, MECG, and noise. In addition, aiming at the FECG signal quality assessment, novel metrics were proposed and evaluated. Further, these quality metrics were applied in improving FQRS detection and fetal heart rate estimation based on an innovative evolutionary algorithm and Kalman filtering signal fusion, respectively. The elaborated methods were characterized in depth using both simulated and clinical data, produced throughout this thesis. To stress-test extraction algorithms under ideal circumstances, a comprehensive benchmark protocol was created and contributed to an extensively improved NIFECG simulation toolbox. The developed toolbox and a large simulated dataset were released under an open-source license, allowing researchers to compare results in a reproducible manner. Furthermore, to validate the developed approaches under more realistic and challenging situations, a clinical trial was performed in collaboration with the University Hospital of Leipzig. Aside from serving as a test set for the developed algorithms, the clinical trial enabled an exploratory research. This enables a better understanding about the pathophysiological variables and measurement setup configurations that lead to changes in the abdominal signal's SNR. With such broad scope, this dissertation addresses many of the current aspects of NIFECG analysis and provides future suggestions to establish NIFECG in clinical settings.:Abstract Acknowledgment Contents List of Figures List of Tables List of Abbreviations List of Symbols (1)Introduction 1.1)Background and Motivation 1.2)Aim of this Work 1.3)Dissertation Outline 1.4)Collaborators and Conflicts of Interest (2)Clinical Background 2.1)Physiology 2.1.1)Changes in the maternal circulatory system 2.1.2)Intrauterine structures and feto-maternal connection 2.1.3)Fetal growth and presentation 2.1.4)Fetal circulatory system 2.1.5)Fetal autonomic nervous system 2.1.6)Fetal heart activity and underlying factors 2.2)Pathology 2.2.1)Premature rupture of membrane 2.2.2)Intrauterine growth restriction 2.2.3)Fetal anemia 2.3)Interpretation of Fetal Heart Activity 2.3.1)Summary of clinical studies on FHR/FHRV 2.3.2)Summary of studies on heart conduction 2.4)Chapter Summary (3)Technical State of the Art 3.1)Prenatal Diagnostic and Measuring Technique 3.1.1)Fetal heart monitoring 3.1.2)Related metrics 3.2)Non-Invasive Fetal ECG Acquisition 3.2.1)Overview 3.2.2)Commercial equipment 3.2.3)Electrode configurations 3.2.4)Available NIFECG databases 3.2.5)Validity and usability of the non-invasive fetal ECG 3.3)Non-Invasive Fetal ECG Extraction Methods 3.3.1)Overview on the non-invasive fetal ECG extraction methods 3.3.2)Kalman filtering basics 3.3.3)Nonlinear Kalman filtering 3.3.4)Extended Kalman filter for FECG estimation 3.4)Fetal QRS Detection 3.4.1)Merging multichannel fetal QRS detections 3.4.2)Detection performance 3.5)Fetal Heart Rate Estimation 3.5.1)Preprocessing the fetal heart rate 3.5.2)Fetal heart rate statistics 3.6)Fetal ECG Morphological Analysis 3.7)Problem Description 3.8)Chapter Summary (4)Novel Approaches for Fetal ECG Analysis 4.1)Preliminary Considerations 4.2)Fetal ECG Extraction by means of Kalman Filtering 4.2.1)Optimized Gaussian approximation 4.2.2)Time-varying covariance matrices 4.2.3)Extended Kalman filter with unknown inputs 4.2.4)Filter calibration 4.3)Accurate Fetal QRS and Heart Rate Detection 4.3.1)Multichannel evolutionary QRS correction 4.3.2)Multichannel fetal heart rate estimation using Kalman filters 4.4)Chapter Summary (5)Data Material 5.1)Simulated Data 5.1.1)The FECG Synthetic Generator (FECGSYN) 5.1.2)The FECG Synthetic Database (FECGSYNDB) 5.2)Clinical Data 5.2.1)Clinical NIFECG recording 5.2.2)Scope and limitations of this study 5.2.3)Data annotation: signal quality and fetal amplitude 5.2.4)Data annotation: fetal QRS annotation 5.3)Chapter Summary (6)Results for Data Analysis 6.1)Simulated Data 6.1.1)Fetal QRS detection 6.1.2)Morphological analysis 6.2)Own Clinical Data 6.2.1)FQRS correction using the evolutionary algorithm 6.2.2)FHR correction by means of Kalman filtering (7)Discussion and Prospective 7.1)Data Availability 7.1.1)New measurement protocol 7.2)Signal Quality 7.3)Extraction Methods 7.4)FQRS and FHR Correction Algorithms (8)Conclusion References (A)Appendix A - Signal Quality Annotation (B)Appendix B - Fetal QRS Annotation (C)Appendix C - Data Recording GUI

This dissertation describes the improvement of signal analysis in ultrasonic microscopy for nondestructive testing. Specimens with many thin layers, like modern electronic components, pose a particular challenge for identifying and localizing defects. In this thesis, new evaluation algorithms have been developed which enable analysis of highly complex layer-stacks. This is achieved by a specific evaluation of multiple reflections, a newly developed iterative reconstruction and deconvolution algorithm, and the use of classification algorithms with a highly optimized simulation algorithm. Deep delaminations inside a 19-layer component can now not only be detected, but also localized. The new analysis methods also enable precise determination of elastic material parameters, sound velocities, thicknesses, and densities of multiple layers. The highly improved precision of determined reflections parameters with deconvolution also provides better and more conclusive results with common analysis methods.:Kurzfassung......................................................................................................................II Abstract.............................................................................................................................V List ob abbreviations........................................................................................................X 1 Introduction.......................................................................................................................1 1.1 Motivation.....................................................................................................................2 1.2 System theoretical description.....................................................................................3 1.3 Structure of the thesis..................................................................................................6 2 Sound field.........................................................................................................................8 2.1 Sound field measurement............................................................................................8 2.2 Sound field modeling..................................................................................................11 2.2.1 Reflection and transmission coefficients.........................................................11 2.2.2 Sound field modeling with plane waves..........................................................13 2.2.3 Generalized sound field position.....................................................................19 2.3 Receiving transducer signal.......................................................................................20 2.3.1 Calculation of the transducer signal from the sound field...............................20 2.3.2 Received signal amplitude..............................................................................21 2.3.3 Measurement of reference signals..................................................................24 3 Ultrasonic Simulation......................................................................................................27 3.1 State of the art............................................................................................................27 3.2 Simulation approach..................................................................................................28 3.2.1 Sound field measurement based simulation...................................................28 3.2.2 Reference signal based simulation.................................................................30 3.3 Determination of the impulse response.....................................................................31 3.3.1 1D ray-trace algorithm....................................................................................31 3.3.2 2D ray-trace algorithm....................................................................................33 3.3.3 Complexity reduction – optimizations.............................................................35 4 Deconvolution – Determination of reflection parameters............................................38 4.1 State of the art............................................................................................................39 4.1.1 Decomposition techniques..............................................................................39 4.1.2 Deconvolution.................................................................................................41 4.2 Analytic signal investigations for deconvolution.........................................................42 4.3 Single reference pulse deconvolution........................................................................44 4.4 Multi-pulse deconvolution..........................................................................................47 4.4.1 Homogeneous multi-pulse deconvolution.......................................................48 4.4.2 Multi-pulse deconvolution with simulated GSP profile....................................49 5 Reconstruction.................................................................................................................50 5.1 State of the art............................................................................................................50 5.2 Reconstruction approach...........................................................................................51 5.3 Direct material parameter estimation.........................................................................52 5.3.1 Sound velocities and layer thickness..............................................................52 5.3.2 Density, elastic modules and acoustic attenuation.........................................54 5.4 Iterative material parameter determination of a single layer......................................56 5.5 Reconstruction of complex specimens......................................................................60 5.5.1 Material characterization of multiple layers ....................................................60 5.5.2 Iterative simulation parameter optimization with correlation...........................62 5.5.3 Pattern recognition reconstruction of specimens with known base structure. 66 6 Applications and results.................................................................................................71 6.1 Analysis of stacked components................................................................................71 6.2 Time-of-flight and material analysis...........................................................................74 7 Conclusions and perspectives.......................................................................................78 References.......................................................................................................................82 Figures.............................................................................................................................86 Tables...............................................................................................................................88 Appendix..........................................................................................................................89 Acknowledgments.........................................................................................................100 Danksagung...................................................................................................................101 / Die vorgelegte Dissertation befasst sich mit der Verbesserung der Signalauswertung für die Ultraschallmikroskopie in der zerstörungsfreien Prüfung. Insbesondere bei Proben mit vielen dünnen Schichten, wie bei modernen Halbleiterbauelementen, ist das Auffinden und die Bestimmung der Lage von Fehlstellen eine große Herausforderung. In dieser Arbeit wurden neue Auswertealgorithmen entwickelt, die eine Analyse hochkomplexer Schichtabfolgen ermöglichen. Erreicht wird dies durch die gezielte Auswertung von Mehrfachreflexionen, einen neu entwickelten iterativen Rekonstruktions- und Entfaltungsalgorithmus und die Nutzung von Klassifikationsalgorithmen im Zusammenspiel mit einem hoch optimierten neu entwickelten Simulationsalgorithmus. Dadurch ist es erstmals möglich, tief liegende Delaminationen in einem 19-schichtigem Halbleiterbauelement nicht nur zu detektieren, sondern auch zu lokalisieren. Die neuen Analysemethoden ermöglichen des Weiteren eine genaue Bestimmung von elastischen Materialparametern, Schallgeschwindigkeiten, Dicken und Dichten mehrschichtiger Proben. Durch die stark verbesserte Genauigkeit der Reflexionsparameterbestimmung mittels Signalentfaltung lassen sich auch mit klassischen Analysemethoden deutlich bessere und aussagekräftigere Ergebnisse erzielen. Aus den Erkenntnissen dieser Dissertation wurde ein Ultraschall-Analyseprogramm entwickelt, das diese komplexen Funktionen auf einer gut bedienbaren Oberfläche bereitstellt und bereits praktisch genutzt wird.:Kurzfassung......................................................................................................................II Abstract.............................................................................................................................V List ob abbreviations........................................................................................................X 1 Introduction.......................................................................................................................1 1.1 Motivation.....................................................................................................................2 1.2 System theoretical description.....................................................................................3 1.3 Structure of the thesis..................................................................................................6 2 Sound field.........................................................................................................................8 2.1 Sound field measurement............................................................................................8 2.2 Sound field modeling..................................................................................................11 2.2.1 Reflection and transmission coefficients.........................................................11 2.2.2 Sound field modeling with plane waves..........................................................13 2.2.3 Generalized sound field position.....................................................................19 2.3 Receiving transducer signal.......................................................................................20 2.3.1 Calculation of the transducer signal from the sound field...............................20 2.3.2 Received signal amplitude..............................................................................21 2.3.3 Measurement of reference signals..................................................................24 3 Ultrasonic Simulation......................................................................................................27 3.1 State of the art............................................................................................................27 3.2 Simulation approach..................................................................................................28 3.2.1 Sound field measurement based simulation...................................................28 3.2.2 Reference signal based simulation.................................................................30 3.3 Determination of the impulse response.....................................................................31 3.3.1 1D ray-trace algorithm....................................................................................31 3.3.2 2D ray-trace algorithm....................................................................................33 3.3.3 Complexity reduction – optimizations.............................................................35 4 Deconvolution – Determination of reflection parameters............................................38 4.1 State of the art............................................................................................................39 4.1.1 Decomposition techniques..............................................................................39 4.1.2 Deconvolution.................................................................................................41 4.2 Analytic signal investigations for deconvolution.........................................................42 4.3 Single reference pulse deconvolution........................................................................44 4.4 Multi-pulse deconvolution..........................................................................................47 4.4.1 Homogeneous multi-pulse deconvolution.......................................................48 4.4.2 Multi-pulse deconvolution with simulated GSP profile....................................49 5 Reconstruction.................................................................................................................50 5.1 State of the art............................................................................................................50 5.2 Reconstruction approach...........................................................................................51 5.3 Direct material parameter estimation.........................................................................52 5.3.1 Sound velocities and layer thickness..............................................................52 5.3.2 Density, elastic modules and acoustic attenuation.........................................54 5.4 Iterative material parameter determination of a single layer......................................56 5.5 Reconstruction of complex specimens......................................................................60 5.5.1 Material characterization of multiple layers ....................................................60 5.5.2 Iterative simulation parameter optimization with correlation...........................62 5.5.3 Pattern recognition reconstruction of specimens with known base structure. 66 6 Applications and results.................................................................................................71 6.1 Analysis of stacked components................................................................................71 6.2 Time-of-flight and material analysis...........................................................................74 7 Conclusions and perspectives.......................................................................................78 References.......................................................................................................................82 Figures.............................................................................................................................86 Tables...............................................................................................................................88 Appendix..........................................................................................................................89 Acknowledgments.........................................................................................................100 Danksagung...................................................................................................................101

Zugl.: Rostock, Univ., Diss., 2007

Techn. Universiẗat, Diss., 2003--Darmstadt. / Dateien in unterschiedlichen Formaten.-Enth.: Textteil. CD-Daten.