[Back]

B. Grabner:
"Drehmomentberechnung einer Transversalflußmaschine über ein dreidimensionales Finite Elemente Modell";
Supervisor: E. Schmidt; E372, 1998.

Das Forschungsgebiet der neuronalen Netze und ihre Anwendbarkeit in den verschiedenen Bereichen der Elektrotechnik wird derzeit von sehr vielen Universitäten näher betrachtet. Diese Diplomarbeit konzentriert sich auf das Gebiet der elektrischen Maschinen und untersucht die Einsatzmöglichkeit neuronaler Netze für einen Stromregler einer Asynchronmaschine und die Kompensation von parasitären Einflüssen auf Rotorflußverläufen, die zur Bestimmung der Rotorlage herangezogen werden. Es wird von den Grundlagen neuronaler Netze ausgegangen. Es werden insbesonders das Lernverfahren Backpropagation und das Perceptron detailliert und anwendernah beschrieben und auf die Problematik der neuronalen Netze näher eingegangen. Das Perceptron und das Lernverfahren Backpropagation wurde im praktischen Teil der Arbeit über das Simulationsprogramm Matlab realisiert. Es werden die Probleme, die bei der Realisierung neuronaler Netze entstehen aufgezeigt und mögliche Lösungen näher erörtert. Auch wird die Leistungsfähigkeit dieser Netze gegenüber exakten Berechnungen behandelt. Es hat sich insbesonders herausgestellt, daß neuronale Netze sehr auf den Anwendungsbereich zugeschnitten werden müssen, um hinreichend genaue Ergebnisse zu liefern. Versuche mit unterschiedlichen Netzstrukturen und Funktionen werden zusätzlich dargestellt und der Beweis erbracht, daß ausgedehnte Netze nicht immer zum Erfolg führen müssen. Wenn das neuronale Netz das gewünschte Verhalten erlernt hat, ist es relativ einfach auf einem Prozessor zu realisieren. Ein Problem ist die Darstellung der Aktivierungsfunktion. Es wurde untersucht, welche Auswirkungen eine Annäherung der Aktivierungsfunktion mit Geradengleichungen und in Treppenform auf das Verhalten des neuronalen Netzes hat. Damit soll der erste Schritt zur Realisierung des Netzes auf einem Prozessor gesetzt werden.