Diese Dissertation stellt ein hybrides Vorgehen vor, das die Finite-Elemente-Methode und neuronale Netze zur Lösung von komplexen Vorwärts- und Inversproblemen kombiniert. Das Modell ist in eine Multiphysik-Softwareumgebung integriert, um beide Welten nahtlos zu integrieren. Um die Stärken und Grenzen des Modells in der Praxisanwendung zu ermitteln, wird es auf ein Vorwärtsproblem, der Windlast auf ein Hochhaus, und ein inverses Problem, der Lagerparameteridentifikation in einem rotordynamischen System, angewendet.     «

Diese Dissertation stellt ein hybrides Vorgehen vor, das die Finite-Elemente-Methode und neuronale Netze zur Lösung von komplexen Vorwärts- und Inversproblemen kombiniert. Das Modell ist in eine Multiphysik-Softwareumgebung integriert, um beide Welten nahtlos zu integrieren. Um die Stärken und Grenzen des Modells in der Praxisanwendung zu ermitteln, wird es auf ein Vorwärtsproblem, der Windlast auf ein Hochhaus, und ein inverses Problem, der Lagerparameteridentifikation in einem rotordynamischen...     »