Entwicklung von Machine Learning basierten Materialmodellen für Finite-Elemente-Simulationen

Simple item page
dc.contributor.advisorRudolph, Günter
dc.contributor.authorBöhringer, Pauline
dc.contributor.refereeWiederkehr, Petra
dc.date.accepted2025-03-13
dc.date.accessioned2025-07-03T06:33:38Z
dc.date.available2025-07-03T06:33:38Z
dc.date.issued2024
dc.description.abstractFinite-Elemente-Simulationen sind essenziell für die Strukturanalyse mechanischer Komponenten und finden Anwendung in Bereichen wie Umformprozessen und Crashtests. Die Genauigkeit solcher Simulationen hängt stark von den eingesetzten Materialmodellen ab, deren Erstellung jedoch komplex ist. In dieser Arbeit wird untersucht, ob klassische Materialmodelle durch datenbasierte Modelle mittels maschinellen Lernens (ML) ersetzt werden können. Dazu werden verschiedene ML-Modelle mithilfe zufällig generierter Daten aus klassischen Materialmodellen trainiert und hinsichtlich ihrer Eignung bewertet. Im zweiten Teil wird ein Ansatz vorgestellt, ML-Modelle direkt mittels Daten aus Versuchen, ohne ein klassisches Referenzmodell zu trainieren, wobei physikalisch motivierte Gleichungen für das Training genutzt werden. Der Fokus liegt auf der Anpassung und Evaluierung unterschiedlicher Trainingsmethoden für die ML-Materialmodelle.de
dc.identifier.urihttp://hdl.handle.net/2003/43788
dc.identifier.urihttp://dx.doi.org/10.17877/DE290R-25562
dc.language.isode
dc.subjectMachine Learning (ML)de
dc.subjectFEM-Simulationende
dc.subjectMaterialmodellierungde
dc.subject.ddc004
dc.subject.rswkMaschinelles Lernende
dc.subject.rswkFinite-Elemente-Methodede
dc.subject.rswkMaterialmodellierungde
dc.titleEntwicklung von Machine Learning basierten Materialmodellen für Finite-Elemente-Simulationende
dc.typeText
dc.type.publicationtypePhDThesis
dcterms.accessRightsopen access
eldorado.secondarypublicationfalse

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Dissertation_Boehringer.pdf
Size:
17.04 MB
Format:
Adobe Portable Document Format
Description:
DNB
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
4.82 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

LS 11