Geri Dön

Electromagnetic interaction complexity reduction using deep learning

Elektromanyetik etkileşim karmaşıklığının derin öğrenim kullanarak düşürülmesi

  1. Tez No: 613339
  2. Yazar: BARIŞCAN KARAOSMANOĞLU
  3. Danışmanlar: DOÇ. DR. ÖZGÜR SALİH ERGÜL
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 147

Özet

Bu tezde, çok seviyeli hızlı çokkutup yöntemi (ÇSHÇY) ile gerçekleştirilen elektromanyetik benzetimlerin hızlandırılması amacıyla yeni bir yaklaşım sunulmuştur. Strateji, iteratif çözümler esnasında elektromanyetik etkileşimlerin aşamalı olarak elenmesine ve kırpılmış ağaç yapılarının oluşturulmasına dayalıdır. Bu tür elemeleri sistematik olarak gerçekleştirmek için, yapay sinir ağı (YSA) modelleri güncellenen yüzey akım katsayılarındaki hataları tahmin etmek için oluşturulmuş ve eğitilmiştir. Bununla ilgili sütun elemelerinin doğrudan satır elemeleri ile de desteklenmesiyle, iterasyonlar devam ettikçe artan seyreklikteki ağaç yapıları ve matris denklemleri elde edilmiştir. Önerilen kırpılmış ÇSHÇY (K-ÇSHÇY) adındaki uygulamanın, büyük ölçekli nesnelerin elektromanyetik simulasyonlarını önemli ölçüde hızlandırdığı, yüksek frekans tekniklerinden de çok daha doğru olduğu gösterilmiştir. K-ÇSHÇY, iyileştirilmiş benzetimler için makine öğreniminin elektromanyetik çözücülere başarılı bir şekilde entegre edildiği bir örnek uygulama olarak görülebilir.

Özet (Çeviri)

In this thesis, we present a novel approach to accelerate electromagnetic simulations by the multilevel fast multipole algorithm (MLFMA). The strategy is based on a progressive elimination of electromagnetic interactions, resulting in trimmed tree structures, during iterative solutions. To systematically perform such eliminations, artificial neural network (ANN) models are constructed and trained to estimate errors in updated surface current coefficients. These column eliminations are supported by straightforward row eliminations, leading to increasingly sparse tree structures and matrix equations as iterations continue. We show that the proposed implementation, namely trimmed MLFMA (T-MLFMA), leads to significantly accelerated electromagnetic simulations of large-scale objects, while the accuracy is still much better than the high-frequency techniques. T-MLFMA can be seen as an exemplar of implementations, where machine learning is successfully integrated into an electromagnetic solver for enhanced simulations.

Benzer Tezler

  1. Characterization of different shape objects using EM pulse for several different scenarios

    Farklı senaryolarda EM darbesi kullanarak farklı şekillerdeki nesnelerin karakterizasyonu

    EMRE İŞCAN

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. SEBAHATTİN EKER

    PROF. VASIL TABATADZE

  2. İndüksiyonlu ocak için yüksek verimli rezonans evirici tasarımı

    Design of a high efficiency resonant inverter for induction cooker

    KEMAL KALAYCI

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. DENİZ YILDIRIM

  3. Noise reduction techniques in PCB design

    PCB dizaynında gürültü azaltma yöntemleri

    EBRU BAYRAK

    Yüksek Lisans

    İngilizce

    İngilizce

    1997

    Elektrik ve Elektronik MühendisliğiDokuz Eylül Üniversitesi

    YRD. DOÇ. DR. HALDUN KARACA

  4. Parallel implementation of the boundary element method for elektromagnetic source imaging of the human brain

    İnsan beyninin elektromanyetik kaynak görüntülemesinde sınır elemanları yönteminin paralel uygulaması

    YOLDAŞ ATASEVEN

    Yüksek Lisans

    İngilizce

    İngilizce

    2005

    Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF.DR. NEVZAT GÜNERİ GENÇER