• Nur online erhältlich
Daten-basierte Modellierung und Simulation mittels physik-informierten maschinellen Lernens...
search
  • Daten-basierte Modellierung und Simulation mittels physik-informierten maschinellen Lernens...

Daten-basierte Modellierung und Simulation mittels physik-informierten maschinellen Lernens...

... am Beispiel eines Doppelfedermassedämpfersystems

25,00 €
Bruttopreis
Menge

 

Datenschutzbedingungen (bearbeiten im Modul "Kundenvorteile")

 

Lieferbedingungen (bearbeiten im Modul "Kundenvorteile")

 

Rücksendebedingungen (bearbeiten im Modul "Kundenvorteile")

Für das doppelte Feder-Masse-Dämpfer-System existieren nur Messdaten für die Masse 1 und die partielle Differentialgleichung und die Anfangsbedingungen für die Masse 2. Aus diesen unvollkommenen Daten und der Physik kann die Systemreaktion in Echtzeit modelliert werden, zwar basierend auf dem physik-informierten maschinellen Lernen. Die Simulation und Messung des Systemverhaltens stimmen vollständig überein. Dieser neuartige Technologiefall zeigt die neue Art und Weise, wie das System aus einer beliebigen Mischung von Daten und physikalischen Komponenten als partielle Differentialgleichung, Anfangsbedingungen und Einschränkungen modelliert werden kann, was man in der Betriebsfestigkeit häufig trifft.

Artikelnummer
NumSim-2025-481

Autor(en)
T.Q. Pham
DOI
10.48447/NumSim-2025-481
Jahr der Veröffentlichung
2025
Publikationsart
Tagungsmanuskript (PDF)
Sprache
Deutsch
Stichwörter
Hilbert-Raum, Simulation, physik-informiertes maschinelles Lernen, Doppelfedermassedämpfer