Tobias Thummerer M. Sc.
| Telefon: | +49 821 598 69275 |
| E-Mail: | |
| Raum: | 3049 (W) |
| Adresse: | Am Technologiezentrum 8, 86159 Augsburg |
Lebenslauf
Seit 2019 Wissenschaftlicher Mitarbeiter am Lehrstuhl für Mechatronik
2017-2019 Master-Studium im Fach Ingenieurinformatik an der Universität Augsburg
2013-2017 Bachelor-Studium im Fach Ingenieurinformatik an der Universität Augsburg
2011-2013 Bachelor-Studium im Fach Informatik und Multimedia an der Universität Augsburg
2011-2018 Selbstständig im Bereich Softwareentwicklung
Forschungsschwerpunkte
- Kombination von datengetriebenen und physikalischen Modellen, s. UPSIM
- Domainenübergreifende, objektorientierte Modellbildung und Einflussanalyse
- Numerische Strömungsmechanik im Kontext medizintechnischer Simulationen
- TSIP (tetrahedron-shaped inverted pendulum) und andere drehmomentaktuierte inverse Pendel, s. Youtube-Video
Lehrveranstaltungen
| Name | Semester | Typ |
|---|---|---|
| Objektorientierte Methoden der Modellbildung und Simulation | Wintersemester 2021/22 | Vorlesung |
| Praktikum Konstruktionslehre | Wintersemester 2021/22 | Praktikum |
| Seminar zu aktuellen Forschungsthemen der Mechatronik | Wintersemester 2021/22 | Seminar |
| Übung zu Optimierung mechatronsicher Systeme | Wintersemester 2021/22 | Übung |
| Übung zu Objektorientierte Methoden der Modellbildung und Simulation | Wintersemester 2021/22 | Übung |
Publikationen
|
2021 |
|
Tobias Thummerer, Lars Mikelsons and Josef Kircher. 2021. NeuralFMU: towards structural integration of FMUs into neural networks. DOI: 10.3384/ecp21181297 |
|
2020 |
|
Tobias Thummerer and Lars Mikelsons. 2020. A tetrahedron-shaped inverted pendulum with torque-actuation [Extended abstract]. DOI: 10.17185/duepublico/71191 |
|
Tobias Thummerer and Lars Mikelsons. 2020. Modeling and control of a tetrahedron-shaped inverted pendulum with torque-actuation. DOI: 10.1016/j.ifacol.2020.12.2667 |
Software
FMI.jl
Softwarebibliothek zur Integration des Functional Mock-up Interface (FMI) in die Julia Programmiersprache.
FMIFlux.jl
Machine Learning mit hybriden Modellen aus Functional Mock-up Units (FMUs) in der Julia Programmiersprache.