Dr.-Ing. Alexander Henkes
Künstliche neuronale Netze in der Kontinuumsmikromechanik
Moderner Kompositmaterialen für den Leichtbau in Luft- und Raumfahrt, im Automobil- und Maschinenbausektor bestehen aus mehreren Konstituierenden, welche makroskopische Eigenschaften auf Grund ihrer Mikrostruktureigenschaften induzieren. Dies begründet ein Mehrskalenproblem, bei dem Zieleigenschaften auf der Makroskala von der Mikroskala abgeleitet werden sollen. Hierbei zielen rechnergestützte Homogenisierungsalgorithmen darauf ab, effektive Materialeigenschaften auf Grundlage von gegebenen Mikrostrukturen abzuleiten. Diese können dann von numerische Methoden wie zum Beispiel der finiten Elemente Methode verwendet werden, um mehrskalige Strukturprobleme zu lösen. Wenn komplexes Materialverhalten oder Unsicherheiten involviert sind, ist das Mehrskalenproblem sehr rechenaufwendig. Unterstützend können künstliche neuronale Netze (artificial neural networks = ANN) eingesetzt werden. ANN können beliebiege Funktionen approximieren, die Homogenisierung von dreidimensionalen Mikrostrukturen eingeschlossen. Ein trainiertes ANN repräsentiert eine analytische Funktion, was eine effiziente Auswertung und den Einsatz in Simulationsumgebungen industrieller Größenordnung erlaubt, um Mehrskalenberechnungen zu beschleunigen.