Final Thesis

Machine Learning zur Modellierung des Kanteneffekts über Schallabsorbern

Gängige analytische Modelle für das Schallfeld über absorbierenden Oberflächen gelten üblicherweise nur für unendlich ausgedehnte Material- oder Impedanzebenen. Für die Beschreibung von Schallfeldern über finiten Absorbersamples existieren hingegen keine einfachen geschlossenen Lösungen. Die von den Materialrändern ausgehenden Beugungs- oder "Kantenwellen" und damit die Diskrepanz zu den idealisierten Modellannahmen werden immer bedeutender, je kleiner der verwendete Absorber. Die genaue Ausprägung der an den Kanten gebeugten und miteinander interagierenden Sekundärwellen hängt von einer Reihe von Parametern und Randbedingungen ab, welche das Material und das genaue Messsetup betreffen. Im Rahmen dieser Abschlussarbeit sollen deshalb Methoden des maschinellen Lernens als alternativer Ansatz zur Modellierung des Kanteneffekts angewendet werden. Nach Definition des Problems müssen in Frage kommende Algorithmen und Modelle des maschinellen Lernens identifiziert werden. Die Trainingsdaten für die Modellentwicklung werden mit Hilfe genauer numerischer Simulationen (Finite-Elemente- bzw. Boundary-Elemente-Methode) generiert, bei denen alle relevanten Parameter systematisch und kontrolliert variiert werden können. Aufgrund der Art der Fragestellung ergeben sich interessante Möglichkeiten, vorhandenes physikalisches Wissen in die Problemlösung bzw. das maschinelle Lernen mit einzubeziehen.