Eerdere detectie van schade aan een brug of straaljagervleugel, mechanische longen die zich aanpassen aan de patiënt of efficiëntere chipplaatsing op een printplaat: het kan allemaal dankzij precisiemodellering. TU/e-onderzoeker Bas Kessels ontwikkelde nieuwe methoden en verbeterde modellen met neurale netwerken om digitale tweelingen van systemen uit de echte wereld nauwkeuriger te maken.
Het maken van een schematische weergave van de werkelijkheid – een model – is niet nieuw. Modelleren bestaat al jaren: van tastbare schaalmodellen van het zonnestelsel, gebouwen of bruggen, tot wiskundige modellen die allerlei systemen in de echte wereld beschrijven. Volgens promovendus Bas Kessels heeft een goed model “oneindige mogelijkheden”. Maar wanneer kun je zeggen dat een model ‘goed’ is?
Een nieuwe generatie computers, met steeds meer rekenkracht, maakt het mogelijk om steeds meer gemeten data te gebruiken om systemen digitaal in kaart te brengen. Een ‘digitale tweeling’ is in veel situaties erg handig, legt Kessels uit. Hij ontwikkelde nieuwe methoden die leiden tot nauwkeurigere digitale tweelingen, met name van complexe systemen. Daarvoor gebruikte hij neurale netwerken. “Dit komt doordat je deze neurale netwerken kunt trainen op basis van data die in het echte systeem zijn gemeten. En daarmee kunnen de netwerken compenseren voor het onjuiste of niet-gemodelleerde dynamische gedrag van het echte systeem.” Het unieke aan de aanpak van Kessels is dat zelfs dynamische, niet-lineaire systemen nu nauwkeuriger kunnen worden beschreven.
Lees het hele stuk op de site van de TUe.
