Die ElringKlinger AG, Dettingen/Erms, ist Teil eines vom Bundesministerium für Wirtschaft und Energie geförderten Projekts, das sich mit künstlicher Intelligenz (KI) im Bereich der Werkstoffmodellierung befasst. Das Unternehmen konzentriert sich dabei auf die Implementierung neuartiger Materialmodellierungsansätze in den Produktentstehungsprozess von thermoplastischen Leichtbaustrukturen.
Inhaltsverzeichnis
1. Datengetriebene Werkstoffmodellierung ersetzt modellbasierte Werkstoffbeschreibung
2. Kunststoffmaterialmodelle auf reale Bauteile übertragen
3. Die Institute für Flugzeugbau (IFB) und für Umformtechnik (IFU) der Universität Stuttgart
4. Fraunhofer EMI
5. Dynamore: Software für die Werkstoffmodellierung
Datengetriebene Werkstoffmodellierung ersetzt modellbasierte Werkstoffbeschreibung
Für die Entwicklung zukünftiger, effizienzoptimierter und emissionsarmer Fahrzeugkonzepte ist der Einsatz zuverlässiger und präziser Simulationsmethoden von fundamentaler Bedeutung. Das Ziel des Forschungsvorhabens Artificial Intelligence for Material Models (AIMM) ist es, die klassische modellbasierte Werkstoffbeschreibung durch eine alternative, datengetriebene Materialmodellierung zu ergänzen bzw. zu ersetzen. Insbesondere vor dem Hintergrund des Einsatzes neuer Werkstoffe, deren Werkstoffverhalten zunehmend komplexer wird, sollen damit die Grenzen konventioneller Materialbeschreibung überwunden werden.
In AIMM wird durch eine beschleunigte Beschreibung für CAE-Anwendungen der schnellere Einsatz neuer Werkstoffe, die Entwicklung zugehöriger, neuer Versuchskonzepte zur Erzeugung der notwendigen Trainingsdaten und die Verkürzung der Charakterisierungs- und Modellierungsphase durch Automatisierung der Prozesse im Fokus stehen.
Kunststoffmaterialmodelle auf reale Bauteile übertragen
Die ElringKlinger AG befasst sich im Rahmen des Forschungsprojekts mit der Implementierung neuartiger Materialmodellierungsansätze in den Produktentstehungsprozess von thermoplastischen Leichtbaustrukturen. Um die Forschungsergebnisse von Kunststoffmaterialmodellen auf reale Bauteile übertragen und testen zu können, fertigt das Unternehmen die dafür notwendigen Demonstratorbauteile.
„Wenn uns der Brückenschlag zwischen konventionellen Materialbeschreibungen und einem datenbasierten Ansatz für Materialmodelle gelingt, können wir auch aus unvollständigen Versuchsdatensätzen praxistaugliche Materialbeschreibungen ableiten. Neben der kürzeren Entwicklungszeit aufgrund des Wegfalls von komplexen Materialcharakterisierungsprozessen wird zudem das Material durch innovative Beschreibungsansätze effizienter genutzt. Hierdurch ergibt sich weiteres Gewichtseinsparpotenzial für unsere Leichtbauteile“, erklärt Julian Kleih, Leiter CAE & Simulation im Bereich Leichtbau & Elastomertechnik.
In dem vom Projektträger TÜV Rheinland administrierten Forschungsvorhaben engagieren sich neben der ElringKlinger AG auch die Industriepartner Mercedes-Benz AG, GOM GmbH und die Renumics GmbH. Auf Seiten der Forschungseinrichtungen sind das Ernst-Mach-Institut der Fraunhofer Gesellschaft, das Institut für Softwaretechnik und Theoretische Informatik (IDA) der Technischen Universität Berlin sowie die Universität Stuttgart mit den Instituten für Flugzeugbau und Umformtechnik Teil des Projekts.
AIMM wird mit 2,9 Millionen Euro vom Bundesministerium für Wirtschaft und Energie (BMWi) gefördert. Die Laufzeit des Projektes ist von Januar 2021 bis Dezember 2023 geplant. (bec)
Kontakt:
ElringKlinger AG
Max-Eyth-Straße 2
72581 Dettingen/Erms
Tel._: +49 7123 724–0
E-Mail info.de@elringklinger.com
Website: www.elringklinger.de
Die Institute für Flugzeugbau (IFB) und für Umformtechnik (IFU) der Universität Stuttgart
Hierbei erstellt das IFB vorrangig die Prozesskette einer Methodik zur Beschreibung von Kunststoffen mittels Maschinellem Lernen (ML) in der Simulation, wobei der Fokus auf die Entwicklung und Validierung der ML-Modelle für Kunststoff gerichtet ist. Dazu bringt das Institut bekannte Grundlagen wie die klassische Materialcharakterisierung und -modellierung ein. Ein wichtiger Baustein ist auch die Automatisierung der Prüftechnik zur Generierung reeller Trainingsdaten für Kunststoffe, welche durch optimierte Charakterisierungsversuche die Lernerfahrung der künstlichen Intelligenz darstellen. Hierzu werden kollaborative Robotersysteme mit modernster Messtechnik verknüpft und die Daten für das maschinelle Lernen bereitgestellt.
Das IFU wird das Umformverhalten von Metallen zunächst klassisch charakterisieren und modellieren. Es werden anschließend simulative Trainingsdaten über das Umformverhalten erhoben und die Schnittstelle zwischen Simulationen und ML-Trainingsalgorithmen validiert sowie neue Charakterisierungsversuche zum Umformverhalten speziell für ML-Modelle konzipiert.
Fraunhofer EMI
Das EMI wird in das Projekt seine langjährige Erfahrung in der klassischen Materialcharakterisierung und -modellierung, insbesondere bei hohen Dehnraten, wie sie im Anwendungsfall Automobilcrash auftreten, einbringen. Darüber hinaus wird ein Schwerpunkt des Projekts darauf liegen, diese klassischen Versuchstypen weiterzuentwickeln, um die für das Training der neuartigen Machine-Learning-Modelle notwendigen Daten experimentell effizient ermitteln zu können. Im Rahmen dieses Forschungsvorhabens sollen außerdem die in den letzten Jahren neu am EMI etablierten Themen im Bereich der Datenverarbeitung und -analyse sowie der Datengetriebenen Crashprädiktion vorangetrieben werden.
Dynamore: Software für die Werkstoffmodellierung
Als Software- und Entwicklungsdienstleister bietet Dynamore ein Produktportfolio an, das die Finite-Elemente Software LS-Dyna, den Pre- und Postprozessor LS-PrePost, die Optimierungssoftware LS-OPT sowie zahlreiche FE-Modelle für die Crashsimulation (Dummy-, Barrieren-, Fußgänger-, und Menschmodelle) umfasst. Das Unternehmen hat langjährige Projekt- und Entwicklungserfahrung in Modellentwicklung und Simulation (Prozesssimulation, Insassenschutz, Fahrzeugcrash) in allen Bereichen der Mobilität (Luft- und Raumfahrt, Schienen- und Kraftfahrzeuge). Einen besonderen Schwerpunkt im jüngst mit neuen, größeren Räumlichkeiten ausgestatteten Dynamore Material Competence Center (MCC) bildet die Entwicklung von Werkstoffmodellen (Metalle, Kunststoffe und Composite-Materialien) und die Ableitung von Methoden zu deren prognosefähiger Bedatung und Validierung.
Der Artikel wurde um die Projektpartner ergänzt und aktualisiert am 02.02.2022. (eve)
Hier finden Sie mehr über:
