Zusammenfassung In diesem Beitrag wird ein Ansatz zur Identifikation eines vollständigen Satzes piezoelektrischer Materialparameter basierend auf der Messung der elektrischen Impedanz anhand eines einzelnen Probekörpers durch Lösung eines inversen Problems vorgestellt. Vorangegangene Arbeiten zeigen, dass die Regularisierung des zur Lösung eingesetzten Optimierungsverfahrens aufgrund der großen Anzahl an zu bestimmenden Materialparametern anspruchsvoll ist. Darauf aufbauend wird vorgestellt, inwiefern datenbasierte Methoden des maschinellen Lernens zu einer robusteren und effizienteren Lösung des inversen Problems beitragen können. Insbesondere eine verbesserte Startwertschätzung für den gradientenbasierten Optimierungsprozess basierend auf einem neuronalen Netz steht im Mittelpunkt dieses Beitrags. Dieses Netz wird mithilfe synthetischer Daten trainiert und approximiert die Inverse eines Simulationsmodells für die elektrische Impedanz bei gegebenen piezoelektrischen Materialparametern. Die synthetischen Trainingsdaten werden generiert, indem ein klassisches Simulationsmodell, das auch für die Lösung des inversen Problems eingesetzt wird, ausreichend oft mit randomisierten Materialparametern ausgewertet wird. Mithilfe des neuronalen Netzes werden Werte für Materialparameter bestimmt, die, basierend auf einer Auswertung der Zielfunktion des inversen Problems, das physikalische Verhalten besser beschreiben als die in vorangegangenen Arbeiten verwendeten, analytisch ermittelten Werte. Dadurch kann die Komplexität und der Rechenaufwand des anschließenden Optimierungsverfahrens signifikant reduziert werden.

Kevin Koch

Leander Claes

Benjamin Jurgelucks

Lars Meihost

tm - Technisches Messen

该杂志促进面向应用的传感器、测量系统和测量方法的开发人员与使用它们的制造商和测量技术人员之间的对话。主题工业部门测量技术新传感器的制造和特性新测量方法基于硬件和软件的处理和分析测量信号以获得测量值采用新的测量系统和方法的结果。

The journal "Technisches Messen" aims to facilitate dialogue between developers of application-oriented sensors, measurement systems, and measurement methods, and the manufacturers and measurement technicians who use them. Key topics include measurement technology in industrial sectors, the manufacturing and characteristics of new sensors, new measurement methods, and the processing and analysis of measurement signals based on hardware and software to obtain accurate measurement values. The journal also focuses on the results achieved through the adoption of new measurement systems and methods.

《Technisches Messen》杂志旨在促进应用型传感器、测量系统和测量方法的开发者与制造商及测量技术人员之间的交流与对话。主要涵盖的主题包括：工业部门的测量技术、新型传感器的制造与特性、新的测量方法，以及基于硬件和软件的测量信号处理与分析，以获取准确的测量值。此外，杂志还关注采用新测量系统和方法所取得的成果。

Category	Quartile
工程技术	4
工程技术, 仪器仪表	4

Neuronale Netze zur Startwertschätzung bei der Identifikation piezoelektrischer Materialparameter

ivySCI AI Smartly Parses PDF, Answers Researchers' Questions, and Helps You Understand Papers in Seconds

Journal Info

Category	Quartile
INSTRUMENTS & INSTRUMENTATION	4