Effiziente statistische Parameterkalibrierung für komplexe strukturdynamische Systeme unter Berücksichtigung von Modellunsicherheit

• Antragsteller: Professor Dr.-Ing. Tobias Melz
• Fachliche Zuordnung: Mechanik ; Konstruktion, Maschinenelemente, Produktentwicklung
• Förderung: Förderung seit 2021
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 460838752

Im Zuge der zunehmenden Virtualisierung des industriellen Produktentwicklungsprozesses steigen die Anforderungen an die Vorhersagegenauigkeit von mathematischen Modellen zur Beschreibung des dynamischen Verhaltens strukturdynamischer Systeme stetig. Gleichzeitig stellen immer kürzere Entwicklungszyklen sowie zunehmende Rückrufaktionen und der damit verbundene wirtschaftliche Schaden die Industrie vor neue Herausforderungen zur Verbesserung der Aussagekraft von Modellen bei der Entscheidungsfindung. Die Betrachtung der den Modellen inhärenten Daten- und Modellunsicherheit rückt daher immer mehr in den Fokus. Mit einer statistischen Parameterkalibrierung kann die Unsicherheit der Modellparameter verringert und gleichzeitig quantifiziert werden, um die Vorhersagegenauigkeit des Modells zu erhöhen. Methoden zur statistischen Parameterkalibrierung setzen dabei wenig rechenintensive Modelle voraus oder nutzen schnellere Ersatzmodelle von komplexeren Modellen, die tausendfach ausgewertet werden können. Neuartige Multi-Fidelity-Methoden bauen auf die systematische Verknüpfung der häufigen Auswertungen eines Low-Fidelity-Modells mit niedriger Genauigkeit und Rechenzeit in Verbindung mit wenigen Auswertungen eines High-Fidelity-Modells mit höherer Genauigkeit und Rechenzeit. Dadurch gelingt die Reduktion der Rechenzeit für eine statistische Parameterkalibrierung bei gleichzeitig hoher Genauigkeit der Ergebnisse, wodurch auch rechenintensive Modelle komplexer strukturdynamischer Systeme statistisch kalibriert werden können. Allerdings bleibt bei bestehenden Ansätzen die Modellunsicherheit bisher unberücksichtigt, was die Ergebnisse der Kalibrierung verzerrt und wodurch die Parameter ihre physikalische Bedeutung einbüßen. Das Ziel dieses Forschungsvorhabens ist daher die Entwicklung einer Multi-Fidelity-Methode zur effizienten statistischen Parameterkalibrierung von rechenintensiven Modellen unter Berücksichtigung der Modellunsicherheit. Die Erprobung des Ansatzes am Beispiel des Demonstrators des SFB 805, der in Anlehnung an ein Flugzeugfahrwerk entworfen wurde, ermöglicht die Übertragbarkeit auf vergleichbare strukturdynamische Systeme. Mithilfe der entwickelten Methodik wird es zudem erstmals möglich sein, sowohl die Daten- als auch die Modellunsicherheit für rechenintensive Modelle zu quantifizieren, um die Vorhersagegenauigkeit von rechenintensiven Modellen erhöhen zu können.

• DFG-Verfahren: Sachbeihilfen
• Mitverantwortlich: Dr.-Ing. Christopher Maximilian Gehb