Mehrskalenmodellierung mit künstlichen neuronalen Netzen

Die gezielte Anpassung von Materialien an die Anforderungen von Tragwerkselementen spielt eine wichtige Rolle bezüglich eines nachhaltigen und wirtschaftlichen Einsatzes von Ressourcen. Das in vielen Fällen daraus resultierende anisotrope Materialverhalten kann beispielsweise unter Verwendung von Mehrskalenmodellen erfasst werden. Dabei werden die mikro- und makroskopischen Eigenschaften konsistent auf zwei Skalen miteinander gekoppelt, was eine homogenisierte konstitutive Beziehung zur Folge hat. 
Um den erhöhten Rechenaufwand des Mehrskalenmodells zu umgehen, können geeignete Ersatzmodelle, wie beispielsweise künstliche neuronale Netze, eingesetzt werden. Auf Grundlage von numerisch generierten Datensätzen wird dabei zunächst das konstitutive Verhalten erlernt, um anschließend das Ersatzmodell im Rahmen von Finite Elemente Simulationen einzusetzen. Die Forschungsschwerpunkte liegen hierbei allgemein in der Untersuchung des Einsatzes neuronaler Netze speziell für Schalenelemente, mit Fokus auf Problematiken die im Rahmen der Numerik entstehen, sowie der Erarbeitung von Möglichkeiten zur Modellierung von nichtlinearem oder zeitabhängigem Materialverhalten. 

Ansprechpartner
Jeremy Geiger