Numerical Simulation in Fatigue Strength OptiY will present "Data-driven Modeling and Simulation via physics-informed Machine Learning on the Example of a double Spring-Damper-Mass-System" in Darmstadt on 29.01.2025 - 30.01.2025.
Innovation Day Mainfranken OptiY will take part in Innovation Day Mainfranken at the university Würzburg on the field of artifical intelligence on 25. September 2024.
Daten-basierte Modellierung und Simulation eines doppelten Feder-Masse-Dämpfer-Systems Für das doppelte Feder-Masse-Dämpfer-System gibt es nur Messdaten für die Position der Masse 1 und die partielle Differentialgleichung und die Anfangsbedingungen für die Masse 2. Aus diesen unvollkommenen Daten und der Physik kann die Systemreaktion in Echtzeit modelliert werden, basierend auf dem physik-informierten maschinellen Lernen. Die Simulation und Messung des Systemverhaltens stimmen vollständig überein. Dieser neuartige Technologiefall zeigt die neue Art und Weise, wie das System aus einer beliebigen Mischung von Daten und physikalischen Komponenten als partielle Differentialgleichung, Anfangsbedingungen und Einschränkungen modelliert werden kann. Mehr
Neue Version OptiY 4.7 Wir sind stolz, die Veröffentlichung der neuen Version OptiY 4.7 bekannt zu geben. Es bietet einen neuartigen Rahmen des Hilbert-Raums für die Modellierung und Simulation auf der Grundlage physik-informierter maschineller Lernverfahren. Die sogenannte Meta-Modellierung stellt einen neuen Weg dar und ist eine beliebige Mischung aus einigen unvollständigen Daten und einigen unvollständigen physikalischen Komponenten wie partiellen Differentialgleichungen, Rand- oder Anfangsbedingungen und Restriktionen. Somit können komplexe Multi-Physik-Systeme mit unterschiedlichen disziplinären und interaktiven Feldern wie Strömung, Energie, Wärme, Elektromechanik, Magnetismen usw. modelliert und für Echtzeit-Computing simuliert werden. Dynamische Systeme mit starker nichtlinearer Reaktion können ebenfalls im Framework erfasst werden. Das nichtlineare autoregressive exogene Modell kann man zur Entdeckung unbekannter partieller Differentialgleichungen verwenden. Es ist eine große Innovation mit großem Potenzial. Entdecken Sie diese Möglichkeiten! Mehr
