Hybride Modellierung für die datengestützte Mehrzieloptimierung von Mehrk?rpersystemen

In so gut wie keiner Situation ist lediglich ein einziges Ziel von Bedeutung. Beim Kauf einer Ware m?chten wir beispielsweise eine hohe Produktqualit?t zu einem niedrigen Preis erreichen. In ?hnlicher Weise sind in praktisch allen technischen Systemen mehrere Zielfunktionen vorhanden, wie schnelle und energie-effiziente elektrische Fahrzeuge, leichte und gleichzeitig stabile Konstruktionen, oder allgemeiner das gleichzeitige Erreichen technischer, ?konomischer und ?kologischer Zielkriterien. Dieses Dilemma führt in das Gebiet der Mehrzieloptimierung, wo das Ziel darin besteht, alle Kriterien gleichzeitig zu optimieren. W?hrend im Einzielfall in der Regel eine optimale L?sung ausreichend ist, existiert bei mehreren, konflikt?ren Zielfunktionen eine unendliche Anzahl optimaler Kompromisse. Die Kenntnis der entsprechenden Paretomenge erm?glicht die gut informierte Auswahl von Trade-Off-L?sungen sowie die flexible Anpassung des Designs an sich ?ndernde Priorisierungen oder Einflussfaktoren.Konflikt?re Ziele treten auch beim Design komplexer Mehrk?rpersysteme auf, wie beispielsweise der Radaufh?ngung von Fahrzeugen. Hier sind die Minimierung der Herstellungskosten und des Reifenabriebs sowie die Maximierung von Fahrkomfort und -sicherheit von gro?er Wichtigkeit. Die Komplexit?t der betrachteten Mehrk?rpersysteme hat in den vergangenen Jahren aufgrund steigender Rechenkapazit?ten stetig zugenommen, sodass immer detailliertere und gro?skaligere Modelle simuliert werden k?nnen. Das multikriterielle Design solcher Systeme übersteigt jedoch trotz der verfügbaren Rechenressourcen die heutigen Kapazit?ten deutlich.Um diese Herausforderungen anzugehen, ist das Hauptziel dieses Forschungsprojektes die Entwicklung eines hochgradig flexiblen und adaptiven, datengestützten Frameworks für das multikriterielle Design komplexer Mehrk?rpersysteme. Die zentralen Komponenten hierbei sind die Online-Aufnahme von Messdaten aus verschiedenen Quellen, das datenbasierte und hybride Modellieren (d.h., die Berücksichtigung von Gleichungen und Daten zur selben Zeit) individueller Komponenten mit unterschiedlichen Anzahlen an Freiheitsgraden, sowie die interaktive Mehrzieloptimierung des resultierenden hybriden Modells. Die Intention hinter der hybriden Modellierung ist das Ausnutzen der Vorteile beider Welten. Das bedeutet, physikbasierte Modelle zu verwenden wo m?glich, und diese auf der anderen Seite durch datenbasierte Modelle zu erg?nzen und verbessern, wann immer physikalische Modelle ungenau, zu teuer oder sogar unbekannt sind.Die entwickelten Methoden werden für das Design einer Vielzahl von Mehrk?rpersystemen (und damit auch für andere Projekte innerhalb des Schwerpunktprogrammes) von gro?em Nutzen sein, und zeitgleich zum Erreichen der übergeordneten Programmziele beitragen.

DFG-Verfahren Schwerpunktprogramme

Teilprojekt zu SPP 2353: Mehr Intelligenz wagen – Entwurfsassistenten in Mechanik und Dynamik