Detailseite
Projekt
KI-gestützte Optimierung der Crashsicherheit von Fahrzeugen: Stochastische Elemente in der Designoptimierung überwinden
Antragsteller
Professor Dr.-Ing. Marcus Stoffel
Fachliche Zuordnung
Konstruktion, Maschinenelemente, Produktentwicklung
Mechanik
Mechanik
Förderung
Förderung seit 2022
Projektkennung
Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 501877598
Die Designoptimierung ist ein zentraler Aspekt der Bauteilauslegung, die angesichts schwindender natürlicher Ressourcen und in Bezug auf Umweltschutz heute wichtiger denn je ist. Auch wenn eine Vielzahl klassischer Optimierungsmethoden existiert, sind die Verfahren meist rechenintensiv, weniger skalierbar und können zu suboptimalen, ineffizienten Ergebnissen führen. Daher schlagen wir in dieser Studie auf maschinellem Lernen basierende (ML) Methoden vor, wobei die Designoptimierung in der Crashsicherheit das zentrale Optimierungsproblem darstellt. Fahrzeug-Crash-Simulationen beinhalten hochgradig nichtlineare Verformungsmuster, sind rechenintensiv und stellen daher ein geeignetes Beispiel dar, um die Wirksamkeit und Effizienz des vorgeschlagenen Optimierungsverfahrens zu demonstrieren. Die vorgeschlagenen Methoden zielen darauf ab, die stochastischen Elemente der in der Literatur verfügbaren Methoden zu beseitigen und eine robuste, verallgemeinernde und nachhaltige Lösung zu finden. Der wissenschaftliche Rahmen umfasst mehrere Design-Assistenten, die jeweils einzeln für verschiedene Optimierungsaufgaben eingesetzt werden können und im Tandem arbeiten, um die Design-Optimierung durchzuführen. Die Designassistenten umfassen ein neuartiges FE-Surrogat auf Basis eines Graph Neuronal Networks (GNN), einen neuartigen intelligenten GNN-Finite-Element-Solver, ein Modell für evolutionäres Reinforcement Learning sowie ein Hardware-Inferenzmodul, die zusammen die mehrdimensionale Optimierung des Fahrzeug-Crashworthiness-Designs untersuchen. Das KI-Inferenzmodul ermöglicht eine nahtlose Plug-and-Play-Designoptimierung, die auf jeder Workstation verwendet werden kann, ohne dass der Administrator Zugang zu neuen Programmpaketen benötigt. Die Designassistenten werden dann auf breit angelegte Optimierungsprobleme aus der Literatur angewendet, um die Robustheit der vorgeschlagenen Designassistenten und ihre Verallgemeinerung zu demonstrieren. Die Studie zielt darauf ab, die Lösung von Optimierungsproblemen zu modernisieren, zu optimieren und nachhaltig zu gestalten, indem der gesamte Rechenaufwand reduziert, die Genauigkeit im Vergleich zu bestehenden Methoden verbessert und durch maßgeschneiderte Inferenzchips Energie gespart wird.
DFG-Verfahren
Schwerpunktprogramme
