Abstract No.:	4451
Scheduled at:	Thursday, September 17, 2015, Saal Seoul 4:30 PM Anwendungsnahe Schweißsimulation IV
Title:	Anwendung von Optimierungsmethoden bei der Simulation von Schweiß- und Wärmebehandlungsprozessen
Authors:	Jörg Hildebrand* / Bauhaus-Universität Weimar Fakultät Bauingenieurwesen Junior-Professur Simulation und Experiment , Deutschland
Abstract:	Zur Analyse und Bewertung des thermischen und mechanischen Strukturverhaltens werden in der Regel komplexe numerische Modelle aufgestellt und mit Daten aus Messungen abgeglichen. Selbst sehr komplexe Modelle können nur bis zu einem gewissen Grad alle physikalischen Effekte abbilden. Die Unsicherheiten in einem Modell können im Rahmen von Sensitivitäts- und Unsicherheitsanalysen bestimmt und ausgewertet werden. Die Sensitivitätsanalyse ermöglicht eine umfassende Betrachtung der Eingangsparameter eines Simulationsmodells und stellt ein effizientes Werkzeug für die Bewertung dar. Die Unsicherheitsanalyse quantifiziert die Varianz der Modellantwort. Die Abstimmung von Messungen und Simulationen sind eine klassische Herausforderung der Modellvalidierung. Sollte die Differenz zwischen gemessenen und errechneten Daten zu groß sein, kann ein Optimierungsproblem für die Minimierung dieser Differenz formuliert werden. Solche Optimierungsprobleme der Abstimmung von Messungen und Simulationen werden häufig als Identifikationsproblem bezeichnet. Optimierungsverfahren dienen als Hilfsmittel zur Auffindung der Besten aller adäquaten Lösungen einer Optimierungsaufgabe. Trotz der Existenz zahlreicher Optimierungsverfahren eignen sich die meisten nur für spezielle Problemklassen von Optimierungsaufgaben. Praktische Erfahrungen haben gezeigt, dass erfolgreiche Optimierungsprobleme oft nur dann formuliert werden können, wenn der Designraum mittels Sensitivitätsparametern erstellt werden kann. Gegenwärtig stellen eine Vielzahl von aufbereiteten Methoden zur Verfügung: Gradienten-basierte Optimierung (NLPQLP, L-BFGS), Evolutionäre Algorithmen (Genetische Algorithmen, Evolutionsstrategien), Pareto-Optimierung, Globale Response Surface Methoden (linear, quadratisch, moving least square), Adaptive Response Surface Methode (ARSM). Durch Kopplung mit dem Programm Sysweld kann eine effiziente und problemspezifische Optimierung durchgeführt werden.

<= go back