Datengesteuerte Surrogat-Modellierung und Unsicherheitsquantifizierung bei elektrischen Maschinen (D01)

• Fachliche Zuordnung: Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
• Förderung: Förderung seit 2022
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 492661287

Dieses Projekt wird datengesteuerte Surrogat-Modellierungs-methoden entwickeln, um Studien zur Unsicherheits¬quantifizierung (UQ) im Kontext von Design elektrischer Maschinen zu ermöglichen. Zunächst werden materielle und geometrische Unsicherheiten in Form von Zufallsfeldern stochastisch modelliert. Als nächstes werden Regressions¬algorithmen des maschinellen Lernen entworfen, um die Abhängigkeit der Maschinengrößen von unsicheren Design-Parametern zu approximieren. Schließlich werden Surrogat-basierte UQ-Methoden für die Schätzung Ausfallwahrscheinlich¬keiten und multivariate Sensitivitätsanalyse, zwei wichtige und rechenintensive UQ-Aufgaben, entwickelt, um die Auswirkungen von Unsicherheit zu quantifizieren, neue Erkenntnisse zu liefern und verbesserte Maschinendesigns zu ermöglichen.

• DFG-Verfahren: Transregios
• Teilprojekt zu: TRR 361: Computergestütztes elektrisches Maschinenlabor: Thermische Modellierung, transiente Analysis, Geometriebeschreibung und robustes Design
• Antragstellende Institution: Technische Universität Darmstadt
• Teilprojektleiter: Dr.-Ing. Dimitrios Loukrezis; Professor Dr. Sebastian Schöps