Hybride Modellierung für die datengestützte Mehrzieloptimierung von Mehrkörpersystemen

Überblick

In so gut wie keiner Situation ist lediglich ein einziges Ziel von Bedeutung. Beim Kauf einer Ware möchten wir beispielsweise eine hohe Produktqualität zu einem niedrigen Preis erreichen. In ähnlicher 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, ökonomischer und ökologischer Zielkriterien. Dieses Dilemma führt in das Gebiet der Mehrzieloptimierung, wo das Ziel darin besteht, alle Kriterien gleichzeitig zu optimieren. Während im Einzielfall in der Regel eine optimale Lösung ausreichend ist, existiert bei mehreren, konfliktären Zielfunktionen eine unendliche Anzahl optimaler Kompromisse. Die Kenntnis der entsprechenden Paretomenge ermöglicht die gut informierte Auswahl von Trade-Off-Lösungen sowie die flexible Anpassung des Designs an sich ändernde Priorisierungen oder Einflussfaktoren.Konfliktäre Ziele treten auch beim Design komplexer Mehrkörpersysteme auf, wie beispielsweise der Radaufhängung von Fahrzeugen. Hier sind die Minimierung der Herstellungskosten und des Reifenabriebs sowie die Maximierung von Fahrkomfort und -sicherheit von großer Wichtigkeit. Die Komplexität der betrachteten Mehrkörpersysteme hat in den vergangenen Jahren aufgrund steigender Rechenkapazitäten stetig zugenommen, sodass immer detailliertere und großskaligere Modelle simuliert werden können. Das multikriterielle Design solcher Systeme übersteigt jedoch trotz der verfügbaren Rechenressourcen die heutigen Kapazitäten deutlich.Um diese Herausforderungen anzugehen, ist das Hauptziel dieses Forschungsprojektes die Entwicklung eines hochgradig flexiblen und adaptiven, datengestützten Frameworks für das multikriterielle Design komplexer Mehrkörpersysteme. 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 möglich, und diese auf der anderen Seite durch datenbasierte Modelle zu ergänzen und verbessern, wann immer physikalische Modelle ungenau, zu teuer oder sogar unbekannt sind.Die entwickelten Methoden werden für das Design einer Vielzahl von Mehrkörpersystemen (und damit auch für andere Projekte innerhalb des Schwerpunktprogrammes) von großem 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

Key Facts

Laufzeit:
10/2022 - 09/2025
Gefördert durch:
DFG
Websites:
DFG-Datenbank gepris
Current research projects

Detailinformationen

Projektleitung

contact-box image

Prof. Dr.-Ing. habil. Walter Sextro

Lehrstuhl für Dynamik und Mechatronik (LDM)

Zur Person
contact-box image

Jun.-Prof. Dr. Sebastian Peitz

Data Science for Engineering

Zur Person