Maschinelles Lernen für die Elektromagnetische Verträglichkeit

Die Elektromagnetische Verträglichkeit (EMV) befasst sich mit der Unterdrückung ungewollter elektromagnetischer Störungen zwischen elektronischen Geräten, Systemen und Komponenten. Gesetzliche vorgegebene EMV-Richtlinien müssen von allen Produkten eingehalten werden, bevor sie die Marktzulassung erhalten. Typischerweise stellen aufwändige Simulationen und Messreihen während des Entwurfes sicher, dass dies erreicht werden kann.

Steigende Anforderungen im Bereich der EMV – man denke z.B. an die fortschreitende drahtlose Kommunikation bei immer höheren Frequenzen – erfordern eine kontinuierliche Entwicklung der ingenieurwissenschaftlichen Methoden, um früh und kostengünstig die richtigen Entscheidungen bei der Entwicklung zu treffen. Aus diesem Grund werden in diesem Projekt verschiedene Methoden des maschinellen Lernens untersucht im Hinblick auf deren Anwendbarkeit in Bezug auf die Synthese und Analyse von elektrischen Systemen. Hierbei spielen die Anwendungsfelder der

• Signalintegrität (signal integrity) von drahtgebundenen Kanälen,
• Stabilität der Spannungsversorgung (power integrity ) digitaler Systeme und
• Abstrahlung von Leiterplatten und Kabelsträngen

eine besondere Bedeutung. Unser Fokus liegt zurzeit auf künstlichen Neuronalen Netzen, die zur Analyse von Leiterplattenstrukturen verwendet werden und zwar in Bezug auf die Optimierung der Datenübertragung als auch der Entkopplung der Spannungsversorgung.