Im Rahmen des Projektes in Kooperation mit der Fa. Airbus wird das Materialverhalten der Bauteile einer Flugzeugrumpfsektion mit Künstlich Neuronalen Netzen (KNN) von der Kompetenzplattform 'Computer Vision based on Computational Intelligence' an der Fachhochschule Südwestfalen analysiert, modelliert und simuliert. KNN können anhand von Input- und Outputdaten mathematisch physikalische Zusammenhänge lernen. Durch das Training entsteht ein mathematisches Modell, welches auch in der Lage ist zu generalisieren, d.h. es funktioniert auch für Daten, die dem Netz vorher noch nicht präsentiert wurden. KNN sind gut geeignet das nichtlineare Verhalten von großflächig gekrümmten Bauteilen der Flugzeugrumpfsektion zu simulieren. Die Ergebnisse sind auf unbekannte Rumpfschalen gleichen Typs übertragbar. Der Vergleich der beiden Trainingsverfahren lieferte folgendes Ergebnis: Das mit dem Levenberg-Marquardt-Algorithmus trainierte KNN lieferte einen durchschnittlich halb so großen Testfehler über alle Messpunkte (sog. Targets) wie das mit dem Backpropagation-Algorithmus trainierte KNN. Einzelne Targetkomponenten ließen sich mit dem Levenberg-Marquardt-Algorithmus bis zu 70 % besser vorhersagen. Der maximale Testfehler der x-,y- oder z-Komponente eines Targets (SSR_TOV) mit dem Levenberg-Marquardt-Algorithmus war z.B. um 40 % kleiner, bezogen auf alle Testdatensätze, als der maximale Testfehler der x-, y- oder z-Komponente des gleichen Targets mit dem Backpropagation-Algorithmus.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Künstlich Neuronales Netz zur Analyse der Geometrie von großflächig gekrümmten Bauteilen


    Weitere Titelangaben:

    Artificial neural network for the analysis of the geometry of large-area curved components


    Beteiligte:
    Schneider, M. (Autor:in) / Tillmann, R. (Autor:in) / Lehmann, U. (Autor:in) / Krone, J. (Autor:in) / Langbein, P. (Autor:in) / Stark, U. (Autor:in) / Schrickel, J. (Autor:in) / Ament, C. (Autor:in) / Otto, P. (Autor:in)


    Erscheinungsdatum :

    2007


    Format / Umfang :

    7 Seiten, 5 Bilder, 1 Tabelle, 5 Quellen




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Print


    Sprache :

    Deutsch




    Neuronales Netz optimiert Motoren

    Volkswagen,Wolfsburg,DE | Kraftfahrwesen | 1993


    Neuronales Netz hilft bei der Analyse großer Datenmengen

    Schlüter, Jörg / Wölker, Martin | IuD Bahn | 1995


    Neuronales Netz oder Informationskontinuum?

    Lorenz, Karsten | IuD Bahn | 1999


    Schwingungen grossflachig messen

    British Library Online Contents | 2010


    Ultraschallmikroskop zur zerstörungsfreien Untersuchung an gekrümmten Bauteilen

    Wüst, Michael / Eisenhart, Johannes / Rief, Annika et al. | TIBKAT | 2017