@incollection{RybackiGellerSchemmann2012,
  author    = {Rybacki, A. and Geller, Marius and Schemmann, Christoph},
  title     = {Geometrieoptimierung eines Radialkompressorlaufrades im Hinblick auf CFD- und FEM-relevante Zielgr{\"o}ßen mit Hilfe von automatisierten Optimierungsmethoden},
  series = {NAFEMS deutschsprachige Konferenz '12 : 8.-9. Mai, Bamberg, Deutschland ; Berechnung und Simulation - Anwednungen, Entwicklungen, Trends},
  publisher = {NAFEMS Deutschland, {\"O}sterreich, Schweiz GmbH},
  address   = {Bernau},
  year      = {2012},
  language  = {de}
}
@incollection{BongertGellerPennekamp2010,
  author    = {Bongert, Markus and Geller, Marius and Pennekamp, Werner},
  title     = {Numerical simulation of hemodynamic in the patient-specific aorta after aortic valve replacement based on MRI-data},
  series = {Horizons in world cardiovascular research : Volume 1},
  publisher = {Nova Biomedical Books},
  address   = {New York},
  year      = {2010},
  language  = {en}
}
@article{GellerSchemmannKluck2012,
  author    = {Geller, Marius and Schemmann, Christoph and Kluck, Norbert},
  title     = {Den Turbo einschalten},
  series = {CADFEM journal},
  number    = {2},
  pages     = {3},
  year      = {2012},
  language  = {de}
}
@incollection{LattnerGellerKluck2022,
  author    = {Lattner, Yannick and Geller, Marius and Kluck, Norbert},
  title     = {Generierung und Parametrisierung von Radialverdichterkennlinien auf Basis neuronaler Netze},
  series = {NAFEMS DACH Regionalkonferenz - Conference Proceedings},
  volume    = {2022},
  isbn      = {978-1-910643-86-0},
  pages     = {287 -- 292},
  year      = {2022},
  abstract  = {Die Optimierung von Radialverdichtern in Hinblick auf Ressourceneffizienz nimmt heutzutage einen immer gr{\"o}ßeren Stellenwert ein. Die kennlinien- und auch kennfeldbasierte Optimierung l{\"o}st dabei die betriebspunktbasierte Optimierung von Radialverdichterlaufr{\"a}dern immer mehr ab. Moderne komplexe numerische Simulationstools zur Str{\"o}mungsanalyse und Softwaretools aus dem Bereich der Optimierung auf Basis von Design-of-Experiments (DoE) werden in immer gr{\"o}ßerem Maße in den Prozess eingebunden. Die sich in den letzten Jahren weiterentwickelte Hardware erlaubt zus{\"a}tzlich immer komplexere Rechenmodelle in immer k{\"u}rzerer Zeit zu bearbeiten. Die vorliegende Arbeit befasst sich genau mit diesem Thema. Ausgangspunkt des Optimierungsprozesses sind eine Vielzahl von zuf{\"a}llig generierten Maschinendesigns, die unter Einhaltung von str{\"o}mungsabh{\"a}ngigen und maschinenabh{\"a}ngigen Kennzahlen automatisch erstellt wurden. Die im weiteren Prozessablauf gestalteten Simulationen der einzelnen Designs, die aufgrund der Bauweise und der Struktur ihrer Kennfelder grob unterschiedliche Konvergenzen und Abbruchkriterien (Pump- und Schluckgrenze) aufweisen, sind durch speziell implementierte physikbasierte Indikatoren ausfallsicher handhabbar. Die detaillierten, aber unterschiedlichen Kennlinien des Wirkungsgrades und des Druckverh{\"a}ltnisses in Abh{\"a}ngigkeit vom Massenstrom der einzelnen Simulationen sind zur weiteren Verwendung in der Optimierungsphase mithilfe von neuronalen Netzen trainiert worden. Der Aufbau des Metamodells zur eigentlichen Optimierung ist gekennzeichnet durch die Reduktion der vorhandenen Parameter unter Verwendung von B{\´e}zier-Splines, was in der vorliegenden Arbeit zu einer Reduzierung auf insgesamt lediglich 13 Parameter f{\"u}r beide betrachteten Kennlinien und ihre signifikanten Punkte f{\"u}hrt. In der nachfolgenden Optimierung kann das Metamodell zur Identifikation eines Designs mit anwenderspezifischen Zielen und Randbedingungen f{\"u}r Kennlinienbreite, Druckverh{\"a}ltnisbereich und Wirkungsgrad genutzt werden. F{\"u}r dieses Optimal-Design kann anschließend ohne weitere Simulationen die Kennlinie mit B{\´e}zier-Splines approximiert werden. Der Anwender ist somit in der Lage, bei der Optimierung von Radialverdichtern sowohl den Betriebspunkt als auch die Kennliniencharakteristika wie Pump- und Schluckgrenze sowie Druckverh{\"a}ltnisse jenseits des Betriebspunktes zu erfassen und so zus{\"a}tzliche Designevaluationen und Iterationsschleifen zu vermeiden.},
  language  = {de}
}
@incollection{GellerKluck2017,
  author    = {Geller, Marius and Kluck, Norbert},
  title     = {"Smart Energy" mit "Computational Fluid Dynamics"},
  series = {Smart Energy 2017 : Dezentrale Systeme — Wie smart ist die sch{\"o}ne neue Energiewelt?},
  publisher = {vwh Verlag Werner H{\"u}lsbusch},
  address   = {Gl{\"u}ckstadt},
  pages     = {66 -- 79},
  year      = {2017},
  language  = {de}
}
@incollection{GellerSchemmannKluck2017,
  author    = {Geller, Marius and Schemmann, Christoph and Kluck, Norbert},
  title     = {Optimization of the operation characteristic of a highly stressed centrifugal compressor impeller using automated optimization and metamodeling methods},
  series = {Proceedings of the ASME ... ; Volume 2, C ; Noise and innovative noise reduction; radial turbomachinery aerodynamics; multidisciplinary design approaches, optimization and uncertainty quantification},
  publisher = {The American Society of Mechanical Engineers},
  address   = {New York},
  year      = {2017},
  language  = {en}
}
@article{BongertGehronGelleretal.2018,
  author    = {Bongert, Markus and Gehron, Johannes and Geller, Marius and B{\"o}ning, A. and Grieshaber, Philippe},
  title     = {Bernoulli effect aggravates leg malperfusion during extracorporeal life support with femoral arterial cannulation},
  series = {The Thoracic and Cardiovascular Surgeon},
  volume    = {2018},
  number    = {S01},
  issn      = {0040-6384},
  year      = {2018},
  language  = {en}
}
@article{BongertGellerPennekampetal.2019,
  author    = {Bongert, Markus and Geller, Marius and Pennekamp, Werner and Volkmar, Nicolas},
  title     = {Simulation of personalised haemodynamics by various mounting positions of a prosthetic valve using computational fluid dynamics},
  series = {Biomedical engineering/Biomedizinische Technik},
  volume    = {64 (2019)},
  number    = {2},
  issn      = {1862-278X},
  pages     = {147 -- 156},
  year      = {2019},
  language  = {en}
}
@incollection{SchemmannGellerKluck2017,
  author    = {Schemmann, Christoph and Geller, Marius and Kluck, Norbert},
  title     = {Identification of loss model parameters for highly loaded centrifugal impellers},
  series = {Proceedings : 15th International Probabilistic Workshop \& 10th Dresdner Probabilistic Workshop, 27th-29th September 2017, Dresden, Germany},
  publisher = {TUDpress},
  address   = {Dresden},
  year      = {2017},
  language  = {en}
}
@article{W{\"u}stBongertGelleretal.2019,
  author    = {W{\"u}st, Jan and Bongert, Markus and Geller, Marius and Strauch, Justus and Buchwald, Dirk},
  title     = {In-silico-Studie der Einfl{\"u}sse der kontundierenden Geometrie auf die Blutstr{\"o}mung hinter einer Schlauchklemme},
  series = {Kardiotechnik},
  volume    = {28 (2019)},
  number    = {Supplement 01},
  issn      = {0941-2670},
  pages     = {9 -- 9},
  year      = {2019},
  language  = {de}
}