Article

Inverses Verfahren zur Identifikation piezoelektrischer Materialparameter unterstützt durch neuronale Netze (de)

* Presenting author
Day / Time: 21.03.2024, 09:00-09:20
Room: Raum 8/10
Typ: Regulärer Vortrag
Abstract: Die genaue Kenntnis quantitativer Materialparameter ist eine Voraussetzung für simulationsgetriebene Entwurfsprozesse piezoelektrischer Sensoren und Aktoren.Aufgrund der großen Anzahl von Parametern, die zur Beschreibung des mechanischen, des elektrischen und des Kopplungsverhaltens dieser Materialien erforderlich sind, ist die Identifikation besonders anspruchsvoll.Ziel ist es, einen vollständigen Satz piezoelektrischer Materialparameter anhand einer einzelnen scheibenförmigen Probe zu bestimmen.Dies wird durch die Implementierung eines inversen Messverfahrens erreicht, das auf dem Abgleich der gemessenen Impedanz der physikalischen Probe mit der Ausgabe eines Finite-Elemente-Simulationsmodells, dem Vorwärtsmodell, basiert.In diesem Beitrag werden Methoden untersucht, die die Leistung des inversen Verfahrens durch Methoden des maschinellen Lernens verbessern sollen.Da für die Identifikation beispielsweise ein Gradienten-basiertes, lokales Optimierungsverfahren verwendet wird, ist eine initiale Schätzung der Parameter, der Startwerte, erforderlich.Für diese Startwertschätzung wird das Vorwärtsmodell mithilfe eines dichten neuronalen Netzwerks invertiert.Synthetische Trainingsdaten für das neuronale Netzwerk werden generiert, indem das Vorwärtsmodell ausreichend oft mit randomisierten Materialparametern ausgewertet wird.Nach Abschluss des Trainings werden die gemessenen Größen dem neuronalen Netzwerk zugeführt, das Startwerte für die Materialparameter liefert.Weitere Methoden zur Beschleunigung des Inversen Verfahrens, wie etwa eine Gewichtung der Zielfunktion auf Grundlage der Sensitivitäten des trainierten neuronalen Netzes, werden untersucht.