Dipl.-Ing. Dimitrios Ernst Tsokaktsidis

Externer Doktorand

Maschinelles Lernen und NVH-Transfer im Automobilbereich

Fahrzeugentwicklungsprozesse werden zunehmend digitalisiert, um steigende Marktanforderungen und wirtschaftliche Rahmenbedingungen zu erfüllen. Abhängig von dem betrachteten Frequenzbereich haben sich im NVH-Umfeld verschiedene Simulationsmethoden (die Mehrkörpersimulation, die Methode der finiten Elemente, die Randelementmethode und die Statistische Energieanalyse) etabliert. Die spektralen Grenzen, die manuelle Systemmodellierung, die Genauigkeit der Berechnungsergebnisse und die Simulationsdauer bieten Entwicklungspotential. Die Einsatzmöglichkeiten des Maschinellen Lernens werden im geschilderten Kontext untersucht.

Forschungsschwerpunkte

  • Supervised Learning
  • Unsupervised Learning
  • Transferpfadanalyse

Projektpartner

  • Technische Universität München
  • Mercedes-Benz AG

Publikationen

2021

  • Tsokaktsidis, Dimitrios Ernst; Nau, Clemens; Maeder, Marcus; Marburg, Steffen: Using rectified linear unit and swish based artificial neural networks to describe noise transfer in a full vehicle context. The Journal of the Acoustical Society of America 150 (3), 2021, 2088-2105 mehr… BibTeX Volltext ( DOI )

2020

  • Tsokaktsidis, Dimitrios Ernst; Nau, Clemens; Marburg, Steffen: Time Domain Full Vehicle Interior Noise Calculation from Component Level Data by Machine Learning. SAE Technical Paper Series, SAE International, 2020 mehr… BibTeX Volltext ( DOI )

2019

  • Tsokaktsidis, Dimitrios Ernst; Wysocki, Timo Von; Gauterin, Frank; Marburg, Steffen: Artificial Neural Network predicts noise transfer as a function of excitation and geometry. Proceedings of the ICA 2019 and EAA Euroregio : 23rd International Congress on Acoustics integrating 4th EAA Euroregio 2019 : 9-13 September 2019, 2019, 9 Sep 2019-13 Sep 2019; Aachen (2019). mehr… BibTeX Volltext ( DOI )