Datenbestand vom 10. Dezember 2024
Verlag Dr. Hut GmbH Sternstr. 18 80538 München Tel: 0175 / 9263392 Mo - Fr, 9 - 12 Uhr
aktualisiert am 10. Dezember 2024
978-3-8439-5437-2, Reihe Produktentwicklung
Jens Winter Form- und Parameteroptimierung hochgradig restriktiver struktureller Probleme unter Nutzung Bayes'scher Optimierungsmethoden
198 Seiten, Dissertation Technische Universität Braunschweig (2023), Softcover, A5
Der gesellschaftlich, politisch und technologisch angestrebte Wandel zu einer ökologisch nachhaltigen, elektrifizierten und digitalisierten Mobilität stellt viele Unternehmen vor enorme Herausforderungen, sei es durch die Integration neuer Teilsysteme in bestehende Produkte oder die Entwicklung gänzlich neuer Lösungen. Auch und gerade vor diesem Hintergrund spielen Methoden des Leichtbaus und damit des effizienten Einsatzes von Material und Energie eine tragende Rolle im PEP. Im Kontext der hiermit verbundenen Neuauslegung gesamter Baugruppen stellt vor allem der Konzeptleichtbau in Verbindung mit Methoden der Strukturoptimierung ein hilfreiches Werkzeug dar. Die Auslegung zur Erfüllung der an das jeweilige System gestellten technischen Anforderungen in Form von Restriktionen erfordern allerdings aufwändige Simulationsmodelle, welche wiederum mit neuen Herausforderungen für die entsprechenden Optimierungsmethoden einhergehen.
In der vorliegenden Arbeit wurde ein durchgängiger Workflow entwickelt, welcher Probleme der Formoptimierung mithilfe von Metamodell-basierter Bayes'scher Optimierung behandelt und löst. Grundlage dessen ist die geeignete Parametrisierung und automatisierte Modellerstellung von durch geometrische Extrusion beschreibbare FKV-Bauteilen mittels finiter Volumenelemente entlang einer Führungskurve. Die über die hieraus durchgeführte FEM-Simulation gewonnenen Ergebnisse werden dann in Regressionsmodelle überführt, anhand derer über Methoden der Bayes'schen Optimierung neue auszuwertende Entwürfe ermittelt werden. Im Rahmen der Umsetzung des Workflows wurden insbesondere verschiedene Metamodellansätze des maschinellen Lernens, sowie die Einstellung zugehöriger Hyperparameter und die Auswertung der resultierenden Modelle untersucht und verbessert. Darüber hinaus erfolgte eine Betrachtung verschiedener Strategien zur effizienten Behandlung von Restriktionen mithilfe kombinierter Akquisitionsfunktionen.