Gebruik van neurale netwerken om gedrag van mechatronische toepassingen beter te voorspellen

(12-01-2022) Wannes De Groote zocht in zijn doctoraat naar methodes waarbij fysica-geïnspireerde modellen kunnen gecombineerd worden met neurale netwerken, om zo beter het gedrag van mechatronische systemen te voorspellen.

Mechatronische toepassingen (mechatronica = combinatie elektrotechniek, werktuigbouwkunde en regeltechniek) zoals robots, productiemachines en elektrische wagens zijn niet meer weg te denken uit onze moderne maatschappij. Meer en meer wordt er dan ook gebruik gemaakt van accurate systeemmodellen die het complexe gedrag van deze mechatronische applicaties kunnen voorspellen.

Het construeren van deze systeemmodellen stoelde traditioneel op fysische kennis, waarbij basiswetten gebruikt worden om gesimplificeerde voorstellingen te maken van de beschouwde applicatie.

Een frequent voorkomend probleem is dat er vaak onvoldoende kennis is om alle interacties van het systeem te beschrijven met gekende fysische wetten”, vertelt Wannes.

De laatste jaren is machinaal leren (artificiële intelligentie) dat geen voorkennis over het systeem vereist en waarbij  - niet fysisch interpreteerbare - modelparameters aan de meetgegevens worden aangepast,  in staat om uit de gegevens zelf verbanden te leren.

Helaas zijn deze modellen vaak amper te interpreteren en kan de betrouwbaarheid vaak niet gegarandeerd worden”, legt Wannes uit.

Daarom heb ik in mijn doctoraat gezocht naar methodes waarbij fysica-geïnspireerde modellen kunnen gecombineerd worden met neurale netwerken, om zo interpreteerbare, accurate en robuuste architecturen te bekomen voor het voorspellen van het niet-lineaire gedrag in mechatronische systemen”, besluit Wannes.

Lees het volledige doctoraat

-

Titel doctoraat: Hybride fysica-gebaseerde neurale netwerkmodellen voor het voorspellen van niet-lineaire dynamica in mechatronische applicaties

-

ContactWannes De Groote, Guillaume Crevecoeur, Sofie Van Hoecke

Wannes De Groote

Wannes De Groote werd geboren in 1993 te Knokke-Heist, België. In 2017 haalde hij zijn diploma burgerlijk ingenieur werktuigkunde-elektrotechniek met specialisatie in regeltechniek en automatisering.

In 2017 kreeg Wannes de kans om binnen de vakgroep Elektromechanica, Systeem- en Metaalengineering (ESME) een doctoraat te starten onder toezicht van Guillaume Crevecoeur en Sofie Van Hoecke.

Zijn onderzoek was gefocust op het combineren van fysica-geïnspireerde en data-gedreven modellen voor het voorspellen van het gedrag van mechatronische systemen.

Dit onderzoek werd uitgevoerd binnen het (Flanders Make) MODA ICON project en het Flanders AI Research Program. Dit leidde tot de samenwerking met meerdere industriële partners. Vervolgens behaalde hij in 2018 een persoonlijke beurs (Strategisch Basisonderzoek) bij het FWO.

Wannes werd uiteindelijk hoofdauteur van 4 peer-reviewed A1 artikels en 1 peer-reviewed P1 conferentiebijdrage.

-

Redacteur: Jeroen Ongenae - Eindredactie: Ilse Vercruysse -  Illustrator: Roger Van Hecke