Ijzerverliezen zijn een belangrijke beperking in het ontwerp van elektrische machines en aandrijvingen. De trend naar compacte aandrijvingen met hoge vermogensdichtheid heeft de bedrijfsfrequenties verhoogd, wat deze verliezen sterk doet toenemen. De industrie mist nog steeds tools die hun niveau en distributie nauwkeurig voorspellen. Dit onderzoeksprogramma van drie jaar wordt gezamenlijk gefinancierd door twee onderzoeksfinanciers.
Het brengt twee complementaire onderzoeksgroepen samen: een gespecialiseerd in computationele elektromagnetica en eindige-elementenmethoden, en een andere gespecialiseerd in elektrische machines en magnetische materialen.
Wat je doet
- Het energiegebaseerde (EB) hysterese-model uitbreiden om rekening te houden met anisotropie en rotatieverliezen.
- Neurale surrogaat- en homogenisatiemethoden verder ontwikkelen om snelle en nauwkeurige voorspellingen van ijzerverliezen mogelijk te maken binnen ontwerpoptimisatielussen.
- Experimenteel gevalideerde materiaallibraries voor elektrisch staal opbouwen, in de vorm van neurale netwerken die direct bruikbaar zijn in eindige-elementensimulaties.
Profiel
- Een PhD in computationele wetenschappen, toegepaste wiskunde, elektrotechniek, fysica of een gerelateerd vakgebied.
- Een sterke achtergrond in numerieke methoden voor PDE's (met name eindige elementen) en/of wetenschappelijke machine learning.
- Solide programmeervaardigheden (Python, C++, PyTorch of JAX).
- Kennis van elektromagnetica is een pluspunt, maar geen vereiste.
- Vloeiend in Engels.
Hoe solliciteren?
Bekijk de volledige opdrachttekst en sollicitatie-informatie zodra je sollicitatie op maat klaarstaat.
Bestel een sollicitatie op maat om de volledige opdracht en sollicitatie-informatie te bekijken.
Meer context, minder losse zoekuren.
Je krijgt net genoeg context om te beoordelen of deze opdracht interessant is. De volledige briefing, klantdetails en vervolgstappen blijven beschikbaar in de app.