This course is part of the module: Fundamentals of Materials Science (EN), Fundamentals of Materials Science (GES), Introduction to Materials Science and Engineering (EN)
1.Introduction a.Materials science - what is it? b.Relevance for the engineer ● 2.Structure of materials a.Microstructure b.Crystal structure c.Defectsin crystal d.AtomicBonds ● 3.Phasediagrams and kinetics a.Phase diagrams b.Phase transformations c.Nucleation and crystallization d.Diffusion e.Recovery, recrystallization and grain growth ● 4.Mechanical properties a.Phenomenology of the tensile test b.Test method c.Linear elasticity d.Dislocation plasticity
e.Strengthening mechanisms
5.Construction materials: steel and cast iron
Leistungsnachweis:
m1574 - Fundamentals of Materials Science (GES)<ul><li>p1559 - Fundamentals of Materials Science (GES): Klausur schriftlich</li></ul><br>m1574-2021 - Fundamentals of Materials Science (EN)<ul><li>p1559-2021 - Fundamentals of Materials Science (EN): Klausur schriftlich</li></ul><br>m1916-2023 - Introduction to Materials Science and Engineering (EN)<ul><li>p1935-2023 - Introduction to Materials Science and Engineering (EN): Klausur schriftlich</li></ul>
ECTS-Kreditpunkte:
3
Weitere Informationen aus Stud.IP zu dieser Veranstaltung
Heimatinstitut: Institut für Integrierte metallische Nanomaterialsysteme (M-EXK4)
In Stud.IP angemeldete Teilnehmer: 74
Anzahl der Dokumente im Stud.IP-Downloadbereich: 26
Betreute Abschlussarbeiten
laufende
beendete
2021
Hund, P. (2021). Modellierung eines elektrischen Netzes zur Demonstration des Einflusses von virtueller Trägheit durch umrichterbasierte Energieanlagen.
Hund, P. (2021). Koordinierte Bereitstellung von virtueller Trägheit durch erneuerbare umrichterbasierte Energieanlagen in Verteilnetzen mithilfe von künstlicher Intelligenz.
Möller, P. (2021). Erfassung der Knotenspannung in Niederspannungsnetzen auf Basis von dezentralen Messeinrichtungen mithilfe von Machine learning.
Plant, R. (2021). Estimation of Power System Inertia in an Inverter-Dominated Distribution Grid Using Machine Learning.
2020
Dressel, M. (2020). Modellierung der Zustandsschätzung eines elektrischen Netzes mit Hilfe von Graph neuronalen Netzen.
Schmidt, M. (2020). Vorhersage von zuverlässig bereitstellbarer Regelleistung aus Erneuerbaren Energien mithilfe von neuronalen Netzen.