Neue Methoden für die zuverlässigkeits-basierte Optimierung von Mehrphasenstahlkomponenten unter polymorphen Unschärfen
Zusammenfassung der geplanten Projektinhalte unter Berücksichtigung der Ergebnisse aus der ersten Bearbeitungsphase
Die Berücksichtigung verschiedener Unschärfen ist grundlegendes Problem bei der Optimierung maßgeschneiderter, crash-relevanter Autoteile, sowie bei ihrer numerischen Strukturanalyse selbst. Diese Unschärfen sind assoziiert mit Materialeigenschaften, welche durch Unschärfen auf kleineren Skalen dominiert werden, mit dem Produktionsprozess und mit Lastszenarien, welche während der Lebensdauer der Komponenten erwartet werden müssen. Speziell aufgrund der Anpassungsstrategien wie z.B. dem Konzept der "Tailored Blanks" oder der lokalen Laserverfestigung, variieren wesentliche Materialeigenschaften für die Crash-Sicherheit über die Zeit infolge zyklischer Belastung unter normalen Gebrauchsbedingungen. Dies führt zu vergleichsweise großen
zusätzlichen Unschärfen für die Analyse des Crash-Szenarien. Daher ist wesentliches Ziel dieses Antrags die Entwicklung von Methoden für die zuverlässigkeitsbasierte Design-Optimierung von maßgeschneiderten, crash-relevanten Autoteilen unter polymorpher Unschärfe. Die zentrale Fragestellung dabei ist die Maximierung von Zielgrößen bei gleichzeitiger Vorgabe von Obergrenzen für die Versagenswahrscheinlichkeit. Die Methoden basieren auf einer Dirac-Maß Diskretisierung der epistemischen Unschärfen und daher werden keinerlei Annahmen hinsichtlich der Art von Verteilungsfunktionen dieser Unschärfen erforderlich. Die aleatorischen Unschärfen werden einbezogen mittels einer verschachtelten, verbesserten Monte-Carlo Analyse in Kombination mit einem geeigneten Ersatzmodell. Die Dirac-Maß Diskretisierung wird erweitert in Bezug auf die folgenden Aspekte: (i) Kombination mit Fuzzy-Variablen zur Beschreibung von epistemischen Design-Parametern, (ii) Einbettung in das Konzept der alpha-Level Diskretisierungen und (iii) Erweiterung für die Berechnung optimaler Grenzen propagierter Unschärfen der Optimierungs-Zielgrößen. Für die Berechnung der Zielgrößen sowie der mechanischen Versagensgröße wird ein realistisches Computermodell für die Simulation von Crash-Belastungen konstruiert, welches die relevanten Produktionsprozesse, wie z.B. den Umformprozess zur Abbildung der Eigenspannungen, einbezieht.
Ferner wird eine neue Methode entwickelt für die Berücksichtigung von lokalen Variationen der Materialeigenschaften mittels spezieller Ersatzmodelle, die auf neuronalen Netzen und Zufallsfeldrealisierungen basieren. Diese werden konfiguriert mittels daten-basierter Identifikation realer Eigenschaftsfelder und Konstruktion künstlicher Zufallsfeldrealisierungen, welche den realen lokalen Verteilungen und Korrelationen folgen. Durch Einbeziehung eines zweifach geschachtelten Monte-Carlo Algorithmus werden die Unschärfen des Computermodells, welches für das Training des neuronalen Netzes verwendet wird, kontrolliert. Die entwickelten Methoden werden im Rahmen realistischer Optimierungsprobleme von crashbelasteten Autoteilen sowie anhand der im SPP 1886 definierten Benchmark-Probleme untersucht.
Wesentliche Projektziele
- Kombination von Mehrkriterienoptimierung und OUQ
- Kombination von OUQ und Fuzzy-Sets sowie Unschärfefortpflanzung
- Ersatzmodellkonstruktion für Zufallsfelder
- Berechnung von Benchmarkproblemen
Prof. Dr.-Ing. habil. Daniel Balzani
Ruhr-Universität Bochum
Lehrstuhl für Kontinuumsmechanik
