Identifikation von Stoßvorgängen in elastischen Kontinua mittels neuronaler Netze

Die Verarbeitung von Sensordaten bildet in Bereichen wie Strukturüberwachung und Materialdiagnose eine zentrale Rolle. Aufgrund der Anfälligkeit vieler Signalverarbeitungsmethoden für Rauschen, begrenzter Generalisierbarkeit auf unterschiedliche Umgebungsbedingungen, einem hohen Rechenaufwand und der Unfähigkeit verborgene Muster zu erkennen, kommen neuronale Netze (NN) immer mehr zur Anwendung.
In dieser Arbeit wird untersucht, welche NN-Architekturen zur Identifikation von Ort und Zeitpunkt von Stößen auf unterschiedlichen Versuchsobjekten geeignet sind. Die betrachteten Problemstellungen sind eine zeitverschobene Heaviside Funktion, ein in Längsrichtung schwingender Stab und eine Kreis-Scheibe. In der ersten Problemstellung ist die Zeitverschiebung der Heaviside Funktion zu identifizieren. Für den Stab und die Kreis-Scheibe regt ein Stoß eine Schwingung an. Diese wird von Sensoren erfasst und aus diesen Sensordaten soll der Ort und Zeitpunkt des Stoßes identifiziert werden.
Die Sensordaten werden mit Finite Elemente Methoden generiert. Mit diesen Daten werden NN trainiert und deren Ergebnisse beurteilt. Die verwendeten NN sind Feed Forward Networks (FFN), Recurrent Neural Networks (RNN) und Gated Recurrent Units (GRU).
Die Identifikation von Ort und Zeit von Stoßvorgängen konnte erfolgreich umgesetzt werden. Je nach der Komplexität und Länge der Sensordaten müssen verschiedene NN-Architekturen verwendet werden.