Uncertainty quantification for electromagnetic analysis via efficient collocation methods
Verimli kolokasyon yöntemleriyle elektromanyetik analiz için belirsizlik nicelendirmesi
- Tez No: 1023328
- Danışmanlar: PROF. DR. ERIC MICHIELSSEN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2013
- Dil: İngilizce
- Üniversite: Unıversıty Of Mıchıgan
- Enstitü: Yurtdışı Enstitü
- Ana Bilim Dalı: Elektrik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektromanyetik Alanlar ve Mikrodalga Tekniği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Elektromanyetik (EM) aygıtlar ve sistemler çoğu zaman geometrileri, konfigürasyonları ve uyarımlarıyla ilgili belirsizlikler içermektedir. Genellikle“rassal değişkenler”olarak adlandırılan bu belirsizlikler, kritik devreler veya alıcılardaki gerilim ve akımları (genellikle“gözlenebilirler”olarak adlandırılır) güçlü ve doğrusal olmayan bir biçimde etkilemektedir. Bu devrelerin veya alıcıların işlevselliğinin güvence altına alınabilmesi için söz konusu bağımlılığın istatistiksel olarak karakterize edilmesi gerekmektedir. Bu tezde, elektromanyetik analizlerde belirsizlik nicelendirmesi için verimli kolokasyon yöntemleri sunulmaktadır. İlk olarak, elektriksel olarak büyük ve karmaşık platformlardaki elektromanyetik uyumluluk ve elektromanyetik girişim (EMU/EMG) olgularının istatistiksel olarak karakterize edilmesi için Stroud tabanlı bir stokastik kolokasyon yöntemi geliştirilmiştir. İkinci olarak, hızlı değişen ve/veya süreksiz gözlenebilirlerin karakterizasyonuna uygun çok elemanlı olasılıksal kolokasyon (ME-PC) yöntemi sunulmuştur. Bu yöntemin elektriksel olarak büyük ve karmaşık platformlardaki EMU/EMG olgularının ve karmaşık maden ortamlarındaki enine manyetik (TM) dalga yayılımının istatistiksel karakterizasyonuna yönelik uygulamaları gösterilmiştir. Buna ek olarak, ME-PC yöntemi, yeni bir hızlı çokkutup yöntemi ve hızlı Fourier dönüşümü ile hızlandırılmış yüzey integral denklemi çözücüsünün yardımıyla karmaşık maden ortamlarındaki EM dalga yayılımının istatistiksel karakterizasyonuna uygulanmıştır. Söz konusu çözücü, yüzlerce dalga boyu uzunluğundaki maden tünellerinde EM dalga yayılımını karakterize edebilen ilk tam dalga çözücüsüdür. Son olarak, çok sayıda rassal değişken içeren EMU/EMG gözlenebilirlerinin istatistiksel olarak karakterize edilmesi için yinelemeli bir yüksek boyutlu model gösterimi (HDMR) tekniği önerilmiştir. Bu tekniğin genetik algoritma tabanlı EM aygıt optimizasyonuna uygulanması da sunulmuştur.
Özet (Çeviri)
Electromagnetic (EM) devices and systems often are fraught by uncertainty in their geometry, configuration, and excitation. These uncertainties (often termed“ random variables”) strongly and nonlinearly impact voltages and currents on mission-critical circuits or receivers (often termed“ observables”). To ensure the functionality of such circuits or receivers, this dependency should be statistically characterized. In this thesis, efficient collocation methods for uncertainty quantification in EM analysis are presented. First, a Stroud-based stochastic collocation method is introduced to statistically characterize electromagnetic compatibility and interference (EMC/EMI) phenomena on electrically large and complex platforms. Second, a multi-element probabilistic collocation (ME-PC) method suitable for characterizing rapidly varying and/or discontinuous observables is presented. Its applications to the statistical characterization of EMC/EMI phenomena on electrically and complex platforms and transverse magnetic wave propagation in complex mine environments are demonstrated. In addition, the ME-PC method is applied to the statistical characterization of EM wave propagation in complex mine environments with the aid of a novel fast multipole method and fast Fourier transform-accelerated surface integral equation solver—the first-ever full-wave solver capable of characterizing EM wave propagation in hundreds of wavelengths long mine tunnels. Finally, an iterative high-dimensional model representation technique is proposed to statistically characterize EMC/EMI observables that involve a large number of random variables. The application of this technique to the genetic algorithm based optimization of EM devices is presented as well.
Benzer Tezler
- Identıfıcatıon, modellıng and optımısatıon of structures wıth passıve dampıng treatments
Pasif sönümlü yapilarin karakterizasyonu, modellenmesi ve optimizasyonu
HASAN KÖRÜK
Doktora
İngilizce
2013
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. KENAN YÜCE ŞANLITÜRK
- Aiding agricultural practices with the exploration of earth observation data via machine learning
Yer gözlem uydu verilerinin tarımsal uygulamalara yardımcı olmak amacıya makine öğrenme algoritmaları ile incelenmesi
MEHMET FURKAN ÇELİK
Doktora
İngilizce
2023
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. ESRA ERTEN
- Uncertainity quantification and performance comparison for various RF circuit topologies
Çeşitli RF devre topolojileri için belirsizlik hesaplama ve performans karşılaştırmaları
ŞABAN ŞENLİ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiGebze Teknik ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖNDER ŞUVAK
- Uncertainty quantification by using stochastic approach in pore volume calculation for geothermal reservoir
Jeothermal rezervuarlar için gözenek hacmi hesaplamasında stokastik yaklaşım kullanılarak belirsizlik ölçümü
EMRAH GÜREL
Yüksek Lisans
İngilizce
2016
Petrol ve Doğal Gaz MühendisliğiOrta Doğu Teknik ÜniversitesiPetrol ve Doğal Gaz Mühendisliği Ana Bilim Dalı
PROF. DR. SERHAT AKIN
- Interval neural networks for uncertainty quantification in system identification
Sistem tanımlamada belirsizlik nicelemesi için aralıklı yapay sinir ağları
MEHMET ALİ FERAH
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
PROF. DR. TUFAN KUMBASAR