Baorui Pan, M.Eng.

Das Ziel dieses Forschungsschwerpunkts ist die Optimierung akustischer Metamaterialien endlicher Größe mithilfe von Algorithmen des maschinellen Lernens. Während einfache Plattenfedern oder C-förmige Helmholtz-Resonatoren gut geeignet sind, um die Grundprinzipien zu untersuchen, sind für eine breitbandige Dämpfung im Tieffrequenzbereich komplexere Realisierungen der Elementarzelle erforderlich. Obwohl die Periodizität der Struktur auf unendliche Strukturen hindeutet, trifft dies bei praktischen Anwendungen nicht zu, da die Ränder einen erheblichen Einfluss haben. Um den damit verbundenen erhöhten Rechenaufwand durch die mehrfache Modellierung der Zelle effektiv zu bewältigen, wird das DC MOR-Ansätze in Kombination mit Strategien des maschinellen Lernens anwenden, um leistungsfähige numerische Modelle zu erhalten, die in einem Optimierungsschema genutzt werden können. Diese Forschung zielt darauf ab, MOR-Techniken in die auf maschinellem Lernen basierende Optimierung für den parallelen Entwurf einer Wirtsstruktur und eines maßgeschneiderten Metamaterials zu integrieren, wobei Anwendungen im Automobilbereich im Fokus stehen. Zur Validierung des Ansatzes wird eine experimentelle Überprüfung (Absorptionskoeffizient in einem Impedanzrohr) der entworfenen Struktur (poroelastischer Kern mit optimiertem innerem Resonator) durchgeführt.