权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Übertragung von Unsicherheiten in elektromagnetischen Modellen

电磁模型中不确定性的传递

基本信息

批准号：
163824457
负责人：
Professor Dr.-Ing. Kay Hameyer
金额：
--
依托单位：
Institut für Elektrische Maschinen (IEM)
依托单位国家：
德国
项目类别：
Research Grants
财政年份：
2010
资助国家：
德国
起止时间：
2009-12-31 至 2012-12-31
项目状态：
已结题

来源：
https://gepris.dfg.de/gepris/projekt/163824457?language=en
关键词：
bertragung von Unsicherheiten elektromagnetischen Modellen

项目摘要

Der Hauptgrund des erneuten Interesses an stochastischen Methoden liegt im aktuellen Fortschritt numerischer Simulationswerkzeuge. Unsicherheiten, die durch technische Toleranzen in der Geometrie, dem Material oder der Belastung gegeben sind, sind in Bezug auf verringerte Diskretisierungs- und Modellierungsfehler nicht länger vernachlässigbar. Sie haben einen erkennbaren Einfluss auf die Ergebnisse der Analysen und stellen eine Hürde in der weiteren Optimierung der Simulationstechniken dar. Elektromagnetische Systeme sind nichtlineare, dynamisch gekoppelte Systeme. Zufälligkeiten, dessen Effekte auf Größen 2. Ordnung (so genannte parasitäre Größen) den Analysten am meisten interessieren, stellen hier eine zusätzliche Erschwerung dar. Stochastische Gesichtspunkte sind in diesem Kontext bisher nicht intensiv untersucht worden. Zum Erreichen unserer Ziele: 1) Entwicklung von Synergien zwischen der Optimierung und stochastischen Analysen, 2) Nutzen der Fülle sehr exakter analytischer Modelle elektrischer Maschinen als Ersatzmodelle und 3) Verwendung der Bayes-Analyse zur Berücksichtigung von Unsicherheiten durch Diskretisierungsfehler, sehen wir nicht-extrusive spektrale Methoden als geeignet an. Die zu entwickelnde Methode wird experimentell validiert. Am Ende wird diese Untersuchung die numerische Modellierung einen Schritt voran bringen, indem sie ein validiertes Vorhersagewerkzeug für elektromagnetische Systeme hervorbringt, welches stochastische und Optimierungsprobleme berücksichtigt. Es wird erwartet, dass eine Kontrolle oder Reduktion technologisch und ökonomisch relevanter parasitärer Effekte (endliche Energie und Geräuschreduzierung) besser erreicht wird als es mit deterministischen Methoden möglich ist.

这是一个随机方法的中间利益的最高层，它是在一个数值模拟的堡垒中进行的。然而，通过几何公差技术，材料或轴承的制造过程中，由于存在误差和模型误差，误差不会太大。在仿真技术的最优化中，您对分析结果产生了影响，并对结果进行了分析。电磁系统不是线性的，动力系统是非线性的。这是第二个效果。Ordnung（so genannte parasitäre Größen）den Analysten am meisten intersieren，stellen schooleine zusätzliche Erschwerung dar.在这种语境中，随机性的概念并不强烈地被沃登。Zum Erreichen unserer Ziele：1）优化与随机分析的协同发展; 2）机电耦合分析模型的应用; 3）非线性系统的Bayes分析方法的验证，我们认为这是一种不突出的谱分析方法。这种方法是经过实验验证的。最后，我们将研究一个数值模型，其中包括一个有效的电磁系统的随机和优化问题。因此，控制或减少技术和相关的经济学寄生虫效应（最终能源和老年人减少）将更好地解决确定性问题。