Finanzierung: Konrad Adenauer Stiftung
Kontakt: Youcef Hassab, M.Sc
Start: 02.11.2022

Mit den ständig steigenden Betriebsfrequenzen und -leistungen ist die EMV zu einem wichtigen Aspekt bei jedem Projekt geworden, das die Entwicklung, Konstruktion, Herstellung und Installation von elektrischen und elektronischen Geräten und Systemen umfasst. Ein wichtiger Schritt bei der Entwicklung von Komponenten und der Vorhersage von EMV-Problemen ist die Modellierung und Simulation. Die Komplexität und Leistung elektrischer und elektronischer Geräte sowie die Anzahl und Umfang der Variablen in dem Entwurf bedeutet, dass viele der verwendeten Physik-basierten (PB) Werkzeuge entweder zu langsam oder zu ungenau für effektiven Entwurf und Optimierung sind. In letzter Zeit werden im EMV-Bereich zunehmend Tools und Techniken des maschinellen Lernens (ML) eingesetzt, um die PB-Ansätze zu verbessern oder zu ersetzen. Beim maschinellen Lernen werden Computer eingesetzt, um große Datenmengen auf Struktur zu untersuchen. Eine Voraussetzung für die effektive ML-Modellbildung ist die Verfügbarkeit dieser großen Datensätze für die Trainings- und Testprozesse. Die Generierung von Simulationsdaten von EMV-Systemen mit Hilfe von PB-Tools ist oft sehr teuer und zeitaufwendig.

Das Hauptziel dieses Projekts ist die Anpassung und Erweiterung aktiver Lernverfahren wie der Bayes’schen Optimierung (BO) auf den Bereich der EMV. Beim aktiven Lernen werden die für das Training und die Vorhersage verwendeten Stichproben bei jeder Iteration auf intelligente Weise gesammelt, um die Anzahl der erforderlichen Simulationsläufe zu verringern. Die aktiven Lernmethoden können für Optimierungsaufgaben, die Modellierung von Systemen oder beides gleichzeitig eingesetzt werden. Die wichtigsten Arbeitspunkte dieses Projektes lassen sich wie folgt zusammenfassen:

• Anpassung der BO-basierten Optimierung und Modellbildung für die EMV.
• Schaffung eines Rahmens zur Bewertung der Gewissheit in den Lösungen, die durch das aktive Lernschema bereitgestellt werden.  
• Beitrag zu den verfügbaren Datenbanken mit den generierten Datensätzen für den Dienst der Elektrotechnik- und EMV-Gemeinschaft