Einsatz maschineller Lernalgorithmen zur mikromagnetischen Materialcharakterisierung
Sargon Youssef
Seit Mitte der 80er Jahre werden am Fraunhofer-Institut für Zerstörungsfreie Prüfverfahren IZFP Methoden zur magnetischen Charakterisierung mechanischer Zielgrößen entwickelt. Eine Herausforderung ist dabei stets die Überlagerung verschiedener Einflussfaktoren, die zu Mehrdeutigkeiten in der Ausprägung der magnetischen Merkmale führt. Eine umfassende Referenzierung dieser Einflüsse ist häufig aus werkstoffphysikalischen oder wirtschaftlichen Gründen nicht möglich, wodurch das Potential zur Vorhersage dieser mechanischen Zielgrößen oft nicht voll ausgeschöpft wird. Durch eine anwendungsspezifische Experimentplanung in Kombination mit einer multivariaten Betrachtung der verfügbaren Messinformation können diese Vorhersagen signifikant verbessert werden. Die steigende Popularität maschineller Lernalgorithmen hat dabei den Zugang dieser multivariater Analysemethoden in die Breite der Ingenieurwissenschaften ermöglicht. Dadurch ergibt sich zwangsläufig der Bedarf nach einem methodischen Ansatz zur Datenauswertung, da die vielen Freiheitsgrade in der Experimentplanung und die Auswahl der verfügbaren maschinellen Lernalgorithmen einen wesentlichen Einfluss auf die Vorhersage der Zielgrößen haben.
In dieser Arbeit wird ein methodischer Ansatz zur Analyse mehrdimensionaler Merkmalsräume zur Materialcharakterisierung an dem im Rahmen dieser Arbeit eingesetzten 3MA-X8-System vorgestellt und anhand von praxisnahen Anwendungen zur mikromagnetischen Materialcharakterisierung evaluiert.
