@PhdThesis{duepublico_mods_00074782,
  author = 	{Thiel, Christian},
  title = 	{Konzeptionierung innovativer Anwendungen des elektrischen Korrosionsschutzsystems zur Vorhersage der UEP--Signatur und der Lokalisierung von Rumpfbesch{\"a}digungen maritimer Fahrzeuge},
  year = 	{2021},
  month = 	{Sep},
  day = 	{15},
  keywords = 	{UEP; EKS; KNN; Signaturvorhersage},
  abstract = 	{Elektrische und magnetische Signaturen maritimer Fahrzeuge werden sowohl aktive, als auch passiv {\"u}ber die an Bord befindlichen Ger{\"a}tschaften, wie z.B. Generatoren und Motoren, dem magnetischen Eigenschutz (MES)--System oder auch durch das elektrische Korrosionsschutz (EKS)--System generiert, sodass diese Signaturen von Unterwasserminen als Informationsquelle f{\"u}r eine gezielte Detonation verwendet werden k{\"o}nnen. Eine m{\"o}glichst genaue Charakterisierung und Vorhersage besagter Signaturen ist somit unabdingbar, um eine Absch{\"a}tzung des Risikos der m{\"o}glichen Detektion des Wasserfahrzeugs durchzuf{\"u}hren, wobei die Einsatzbereitschaft und Missionsf{\"a}higkeit des Fahrzeugs von h{\"o}chster Priorit{\"a}t sind. Ferner ist auch die Bewertung des Zustands der Rumpfbeschichtung von Relevanz, da bei vorhandenen Besch{\"a}digungen der Beschichtung, welche f{\"u}r den Korrosionsschutz des Fahrzeuges eingesetzt wird, die elektrische Signatur, das underwater electric potential (UEP), erh{\"o}ht werden kann, sodass das Detektionsrisiko zunimmt. In der vorliegenden Dissertation werden Methodiken pr{\"a}sentiert, welche die Charakterisierung und Separation spezifischer magnetischer Signaturen unter Verwendung des Drehkreisman{\"o}vers erm{\"o}glicht und ferner die Vorhersage der elektrischen Signatur anhand der Str{\"o}me des EKS--Systems aufgezeigt. Hierbei kann trotz nichtlinearer elektrochemischer Korrosionsprozesse eine lineare Umrechnungsvorschrift aufgezeigt werden, welche die UEP Signatur mit hoher Genauigkeit vorhersagt. Abschlie{\ss}end werden die Informationen des EKS--Systems f{\"u}r das Training eines k{\"u}nstlichen neuronalen Netzwerks (KNNs) verwendet, um eine sektorielle Vorhersage lokaler Fehlstellen der Rumpfbeschichtung zu realisieren.},
  doi = 	{10.17185/duepublico/74782},
  url = 	{https://duepublico2.uni-due.de/receive/duepublico_mods_00074782},
  url = 	{https://doi.org/10.17185/duepublico/74782},
  file = 	{:https://duepublico2.uni-due.de/servlets/MCRFileNodeServlet/duepublico_derivate_00074535/Diss_Thiel.pdf:PDF},
  language = 	{de}
}