Physik-augmentiertes ML für die Modellierung von nichtlinearen 3D-Balken

04.12.2024

In unserer neuesten Veröffentlichung entwickeln wir Physik-augmentierte neuronale Netzwerke zur Materialmodellierung von 3D-Balken, die nichtlineares, hyperelastisches Materialverhalten aufweisen. Bisher konnten entweder nur linear elastische Materialien berücksichtigt werden, oder es mussten numerisch aufwändigeFE²-artige Ansätze verwendet werden.

Herzlichen Glückwunsch an unseren Doktoranden Jasper Schommartz zur Veröffentlichung seines ersten Zeitschriftenartikels in Computer Methods in Applied Mechanics and Engineering! Vielen Dank auch an Dominik K. Klein und Juan C. Alzate Cobo für ihre Beiträge!

In dieser Arbeit präsentieren wir Konstitutivmodelle für hyperelastische, geometrisch exakte Balken auf Basis neuronaler Netze. Die vorgeschlagenen Modelle sind Physik-augmentiert, d. h. so formuliert, dass sie durch ihre Konstruktion wichtige mechanische Bedingungen erfüllen, was die Genauigkeit und Generalisierung verbessert. Dies ermöglicht eine effiziente konstitutive Ersatzmodellierung für geometrisch exakte Balken mit nichtlinearem Materialverhalten und Querschnittsverformung, die sonst numerisch viel aufwändigere Methoden erfordern würde. Die Modelle werden mit Daten kalibriert und getestet, die für Balken mit kreisförmigen und ringförmigen hyperelastisch verformbaren Querschnitten bei unterschiedlichen Innen- und Außenradien generiert wurden, und zeigen eine hervorragende Genauigkeit und Generalisierung.

Diese Arbeit ist unter Open Access unter verfügbar unter DOI: 10.1016/j.cma.2024.117592