Übertragung von Unsicherheiten in elektromagnetischen Modellen

• Applicant: Professor Dr.-Ing. Kay Hameyer
• Subject Area: Electrical Energy Systems, Power Management, Power Electronics, Electrical Machines and Drives
• Term: from 2010 to 2013
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 163824457

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.

• DFG Programme: Research Grants