Mehrstufige optimale Versuchsplanung und Aufbaustrategien bei fehlendem Vorwissen über das System

Optimale Versuchsplanung (OED) zielt darauf ab, die Informationen über Modellparameter mit einem Minimum an Experimenten zu maximieren. Methodisch beruht die OED auf dem Prinzip der Maximierung der Fisher-Information. Die Berechnung eines optimierten Versuchsplans erfordert dabei eine qualifizierte Schätzung, d.h. eine A-priori-Information, über den wahren Wert der zu schätzenden Parameter. In diesem Paper wird ein neuartiger Rahmen für die mehrstufige optimale Versuchsplanung (MS OED) vorgestellt, der Latin Hypercube (LH) Sampling und OED für Szenarien ohne vorherige Systemkenntnis integriert. Der virtuelle Versuchsrahmen (Virtual Experimental Framework, VEF) evaluiert mehrere Versuchsaufbauten und bewertet deren Einfluss auf die Genauigkeit der Parameterschätzung. Angewandt auf eine simulative Studie zur Kalenderalterung von Lithium-Ionen-Batterien (Li-Ion) zeigt unser MS-OED-Framework, dass die Verkürzung der Dauer der anfänglichen LH-Experimente effektivere nachfolgende OED-Phasen ermöglicht und eine 92%ige Verringerung der Standardabweichung der Parameterschätzungen im Vergleich zur einstufigen Versuchsplanung (DoE) erreicht. Dieser Ansatz reduziert auch die Versuchsdauer, die erforderlich ist, um ein ähnliches Konfidenzniveau bei der Parameterschätzung zu erreichen, auf 32 % der Zeit, die bei der herkömmlichen einstufigen DoE benötigt wird. Eine Sensitivitätsanalyse bestätigt außerdem die Robustheit des pi-OED-Ansatzes gegenüber Unsicherheiten in den anfänglichen Parameterschätzungen für das gegebene parametrische Modell. Die Ergebnisse unterstreichen das Potenzial des Rahmens, die Effizienz und Genauigkeit von Experimenten erheblich zu verbessern, insbesondere bei Anwendungen, bei denen das Vorwissen begrenzt ist.

Um mehr darüber zu erfahren, lesen Sie das vollständige Paper hier.