Detailseite
Projekt Druckansicht

Zeitreihenanalyse Techniken für transiente elektro- und magneto-quasistatische Feldsimulationen

Fachliche Zuordnung Elektronische Halbleiter, Bauelemente und Schaltungen, Integrierte Systeme, Sensorik, Theoretische Elektrotechnik
Elektrische Energiesysteme, Power Management, Leistungselektronik, elektrische Maschinen und Antriebe
Mathematik
Förderung Förderung von 2020 bis 2024
Projektkennung Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 425887141
 
Erstellungsjahr 2024

Zusammenfassung der Projektergebnisse

Im Rahmen der Forschung werden fortgeschrittene Methoden zur Identifizierung linearer/nichtlinearer Teilgebiete untersucht, wobei der Schwerpunkt auf zeitlichen Empfindlichkeiten und der Frequenzzusammensetzung lokaler Zeitreihen liegt. Es werden zwei primäre Ansätze diskutiert. Der erste charakterisiert die Gesamtempfindlichkeit und nutzt die maximale Ableitung der Zeitsignale, die mit den einzelnen Freiheitsgraden assoziiert sind, während der zweite die Entropie der Leistungsspektren nutzt, die mit den Frequenzverteilungen der Freiheitsgrade verbunden sind. Die Ergebnisse zeigen die Wirksamkeit von globalen Quantifikatoren bei der automatischen Identifizierung von Knoten mit hohem Informationsgehalt. Diese Methoden erweisen sich als recheneffizient, robust und geeignet für Black-Box-Modellreduktionsimplementierungen (MOR). Vergleichende Studien mit MOR-Standardmethoden wie DEIM und Gappy-POD unterstreichen ihre konkurrenzfähige Genauigkeit. Die Forschungsarbeit schafft eine theoretische Grundlage für den MESS-Algorithmus (Minimum Entropy Snapshot/State Sampling) und beweist dessen ε-Genauigkeit für zukünftige Zustände unter bestimmten Bedingungen. Es werden Fidelity-Regionen vorgestellt, die durch eine Fidelity-Ungleichung bestimmt werden, und es wird der dynamische Fidelity Index (DFI) eingeführt, um eine obere Grenze für den zukünftigen Index zu schätzen. MESS wird dann als Filter zur Rauschentfernung bei der Konstruktion nichtlinearer Hauptkurven für verrauschte Datensätze eingesetzt. Ein weiterer Schwerpunkt des Projekts lag auf Rekursionsstudien in dynamischen Systemen, wobei ein Skalierungsanalyseframework eingeführt wird, um die Auswahl einer geeigneten Rekursionsschwelle zu automatisieren. Die CREST-Menge (critical recurrence scale threshold) und das Skalenspektrum werden definiert, um die Komplexität und Persistenz von Attraktoren zu quantifizieren, was bei Aufgaben wie Reduktions- und Surrogatmodellierung hilfreich ist. Die Forschung schließt mit einem umfassenden Ansatz zum Verständnis und zur Analyse komplexer dynamischer Systeme durch innovative Algorithmen und theoretische Grundlagen.

Projektbezogene Publikationen (Auswahl)

 
 

Zusatzinformationen

Textvergrößerung und Kontrastanpassung