Aktuelle Projekte

In der numerischen Simulation komplexer physikalischer Prozesse entstehen häufig große lineare Gleichungssysteme, bei deren Lösung Mehrgitterverfahren eine zentrale Rolle als effiziente Vorkonditionierer für iterative lineare Löser spielen. Die Wahl geeigneter Löserparameter ist entscheidend für die Leistungsfähigkeit des Gleichungslösers, stellt jedoch aufgrund des erforderlichen Expertenwissens in Mehrgittermethoden eine große Herausforderung dar. Zu diesem Zweck untersucht dieses Projekt die Anwendung globaler Sensitivitätsanalyse (GSA)-Methoden auf iterative lineare Gleichungslöser. Ziel ist es, die einflussreichsten und leistungsbestimmenden Parameter sowie jene mit geringerem Einfluss auf die Löser-Performance zu identifizieren, um Anwenderinnen und Anwender bei der Parametrisierung des Gleichungslösers zu unterstützen. Da direkte Sensitivitätsanalysen auf Basis rechenintensiver Simulationen (wie Fluid-Struktur-Interaktion oder Balken-Festkörper-Problemen) sehr aufwendig sind, wird der Einsatz und das Training von Ersatzmodellen untersucht. Diese Modelle ermöglichen eine effiziente Abschätzung der Parametersensitivitäten bei stark reduzierten Rechenkosten. Idealerweise liefern die Ergebnisse ein tieferes Verständnis der Parametereinflüsse und bilden die Grundlage für die automatische Optimierung der Löserparameter mithilfe von Methoden des maschinellen Lernens, wodurch die Robustheit und Effizienz moderner numerischer Löser verbessert werden soll.

Institut für Leichtbau, Universität der Bunderwehr München

Wehrwissenschaftliches Institut für Wertk- und Betriebsstoffe (WIWeB)

Im Projekt InterPlaS wird untersucht, wie sich verschiedene Schädigungsmechanismen in faserverstärkten Verbundwerkstoffen - etwa Plastizität, Rissbildung und Delamination - gegenseitig beeinflussen und das Materialverhalten bis zum Bruch prägen. Dazu werden numerische Modelle auf der Mikro- und Makroskala entwickelt, die sowohl die physikalischen Prozesse in den Fasern und der Matrix erfassen als auch deren Zusammenspiel im Laminat beschreiben. Ein besonderer Schwerpunkt liegt auf der Vorhersage von Delaminationen unter komplexen Belastungen sowie auf der Quantifizierung unvermeidbarer Unsicherheiten, die sich aus Materialstreuungen oder Fertigungstoleranzen ergeben. Hierfür werden moderne probabilistische Methoden eingesetzt, die eine realistischere Einschätzung der Modellgüte erlauben. Ziel des Projekts ist es, ein tiefes Verständnis für das mehrskalige Materialverhalten zu schaffen und zugleich rechnerische Verfahren bereitzustellen, die verlässliche Aussagen über die Sicherheit und Lebensdauer von Bauteilen aus Faserverbundwerkstoffen ermöglichen.

AutoStent ist ein Forschungsprojekt, das sich auf die Entwicklung eines autonomen Design-Assistenten für maßgeschneiderte Stentgrafts konzentriert, die bei der endovaskulären Aneurysmareparatur (EVAR) verwendet werden. Das Projekt kombiniert Deep Reinforcement Learning mit splinebasierter Geometrieerzeugung und Finite-Elemente-Simulation, um patientenindividuelle Stentgraft-Designs zu untersuchen und zu bewerten. Im Gegensatz zu herkömmlichen Ansätzen, die sich auf Standardgrafts und die Intuition von Experten stützen, zielt AutoStent darauf ab, den Designprozess durch algorithmische Unterstützung zu formalisieren und die Anpassungsfähigkeit von Stentgrafts an individuelle anatomische Gegebenheiten zu verbessern. Die daraus resultierenden Methoden und die Software sind so konzipiert, dass sie auf breiter Basis anwendbar sind, wobei Open-Source-Tools die weitere Forschung im Bereich des computergestützten Designs und der Biomechanik unterstützen.

Dieses Projekt zielt auf die Entwicklung robuster und stabiler Diskretisierungstechniken und effizienter iterativer Gleichunslöser für gemischt-dimensionale Finite-Elemente-Modelle von faserverstärkten Kontinua ab. Dabei werden eindimensionale (1D) Fasern mit Balkenmodellen dargestellt, die in einen dreidimensionalen (3D) homogenen Festkörper eingebettet sind, um eine hohe Modellierungsgenauigkeit zu erreichen. Die Innovation liegt in der Aufbringung der Kopplungsbedingungen über ein Lagrange-Multiplikator-Feld, um die schlechte Konditionierung der bisher verwendeten Penalty-Methoden zu überwinden. Aus einem tiefen Verständnis des Zusammenspiels zwischen Lösungsalgorithmen und numerischen Modellen werden schnelle und effiziente Lösungsverfahren resultieren, die für Computerarchitekturen der nächsten Generation geeignet sind. Damit werden erstmals inf-sup stabile Lagrange-Multiplikatorräume in  der gemischt-dimensionalen Faser/Festkörper-Kopplung eingesetzt und die rechnerische Analyse ganzer faserverstärkter Komponenten und großer Systeme auf Supercomputern ermöglicht, ohne unter der schlechten Konditionierung und der fehlenden Diagonaldominanz von Penalty-Methoden zu leiden.

Max Bögl

FIT AG

Institut und Labor für Konstruktiven Ingenieurbau, UniBw München

Im Rahmen des Verbundvorhabens Individuelle Fließfertigung für Betonfertigteile (IFB) wird eine durchgängig digitale Prozesskette zwischen Planung und Fertigung von Stahlbetonbauteilen geschaffen. Gleichzeitig werden modulare Fertigungslösungen unter Einsatz von Robotik und 3D-Druck entwickelt.

Der Hauptbeitrag unseres Instituts besteht in der Optimierung von Bewehrungsgeometrien in nicht standardisierten Stahlbetonbauteilen. Herkömmliche Berechnungsverfahren resultieren bei solchen Bauteilen zu einer Überdimensionierung und damit zu einem nicht optimalen Einsatz von Ressourcen. Der am IMCS Entwickelte Ansatz baut auf modernsten gemischt-dimensionalen Kopplungsverfahren auf um den Verbund Stahlbeton möglichst detailgetreu und effizient zu simulieren. Dies erlaubt die Anwendung von Formoptimierungsalgorithmen für die Bewehrungsgeometrie.

Die Forschungs- und Entwicklungsarbeiten erfolgen in enger Zusammenarbeit starker Partner aus der bayerischen Bauwirtschaft (Max Bögl), der additiven Fertigung (FIT AG) sowie der Forschung (Institut und Labor für Konstruktiven Ingenieurbau, UniBw München).

Dr.-Ing. Ivo Steinbrecher

Tschechische Akademie der Wissenschaften Prag

Westböhmische Universität Pilsen

Dr.-Ing. Sebastian Brandstäter, Moritz Frey M.Sc.

Dr.-Ing. Matthias Mayr, Max Firmbach M.Sc.

Prof. Dr. Thomas Apel, Philipp Zilk M.Sc.

In den letzten Jahren wurden Kontaktformulierungen meist mit der klassischen Finite-Elemente-Methode (FEM) entwickelt. Ein typisches Finite-Elemente-Netz kann jedoch aufgrund der C⁰-Stetigkeit an Elementschnittpunkten kein kontinuierliches Normalenvektorfeld liefern. Eine gängige Lösung besteht darin, das Netz an der Kontaktoberfläche zu verfeinern, was üblicherweise zu einer unnötigen Ausdehnung der verfeinerten Elemente in das Domänenvolumen führt. Um eine Kontinuität höherer Ordnung an der Kontaktoberfläche zu erreichen, wurden in letzter Zeit Kontaktformulierungen unter Verwendung der Isogeometrischen Analyse (IGA) entwickelt. Diese verwenden typischerweise NURBS-Formfunktionen für die Geometriebeschreibung sowie die Approximation des Lösungsfeldes. Allerdings reichen die NURBS-Elemente wiederum in das Domänenvolumen hinein, wo ihre Kontinuität höherer Ordnung nicht unbedingt mehr Vorteile bietet (aufgrund der ohnehin reduzierten Regularität von Kontaktproblemen), sondern eher Rechenkosten verursacht. 

In diesem Projekt werden Methoden für hybride digitale Zwillinge von kritischen Infrastrukturen untersucht und weiterentwickelt. Der Schwerpunkt liegt dabei auf der Kombination von Physik-basierter Modellierung mit Finite-Elemente-Methoden (FEM) und datenbasierter Modellierung mit maschinellen Lernverfahren.

Der erste Anwendungsfall sind Stahlbetonbrücken. Auf der Seite der physikalischen Modellierung wird ein gemischt-dimensionales FEM-Modell für Stahlbetonbauteile entwickelt. Ergänzend dazu werden Varianten von neuronalen Netzen untersucht. Beide werden kombiniert, um das Materialmodell mit Messdaten zu verbessern und um ein Modell reduzierter Ordnung für das physikalische Systems abzuleiten. 

Dabei wird auf die Allgemeinheit und Anwendungsunabhängigkeit der Methoden geachtet, sodass die entwickelten Techniken auch von den Projektpartnern genutzt werden können. Neue Algorithmen werden in Form einer eigenen Softwarelösung implementiert. Eine zugehörige Hardwareplattform für Hochleistungsrechnen wird im Data Science & Computing Lab bereitgestellt.