4.2 C
Knokke-Heist
maandag, januari 17, 2022
your alt tag'

Stadsgenoot Wannes De Groote over zijn doctoraat aan de UGent

Stadsgenoot Wannes De Groote zocht voor zijn doctoraat naar methodes waarbij fysica-geïnspireerde modellen kunnen gecombineerd worden met neurale netwerken, om zo beter het gedrag van mechatronische systemen te voorspellen.

Mechatronische toepassingen (mechatronica = combinatie elektrotechniek, werktuigbouwkunde en regeltechniek) zoals robots, productiemachines en elektrische wagens zijn niet meer weg te denken uit onze moderne maatschappij. Meer en meer wordt er dan ook gebruik gemaakt van accurate systeemmodellen die het complexe gedrag van deze mechatronische applicaties kunnen voorspellen.

Het construeren van deze systeemmodellen stoelde traditioneel op fysische kennis, waarbij basiswetten gebruikt worden om gesimplificeerde voorstellingen te maken van de beschouwde applicatie.

Een frequent voorkomend probleem is dat er vaak onvoldoende kennis is om alle interacties van het systeem te beschrijven met gekende fysische wetten”, vertelt Wannes.

De laatste jaren is machinaal leren (artificiële intelligentie) dat geen voorkennis over het systeem vereist en waarbij  – niet fysisch interpreteerbare – modelparameters aan de meetgegevens worden aangepast,  in staat om uit de gegevens zelf verbanden te leren.

Helaas zijn deze modellen vaak amper te interpreteren en kan de betrouwbaarheid vaak niet gegarandeerd worden”, legt Wannes uit.

Daarom heb ik in mijn doctoraat gezocht naar methodes waarbij fysica-geïnspireerde modellen kunnen gecombineerd worden met neurale netwerken, om zo interpreteerbare, accurate en robuuste architecturen te bekomen voor het voorspellen van het niet-lineaire gedrag in mechatronische systemen”, besluit Wannes.

Lees het volledige doctoraat

Ook dit moet je even lezen

LAAT EEN REACTIE ACHTER

Vul alstublieft uw commentaar in!
Vul hier uw naam in

Hier praat men over