Material characterization with the aid of neural networks [de, eng]

Institut
Lehrstuhl für Umformtechnik und Gießereiwesen
Typ
Semesterarbeit / Masterarbeit /
Inhalt
theoretisch /  
Beschreibung

Simulativ erzeugte Daten werden in dieser Arbeit zum Training eines neuronalen Netzes verwendet. Zu diesem Zweck wird ein Materialtest für Blechmaterialien simuliert, bei dem das Ausgangsmaterial durch eine Stempelbewegung verformt wird.

Die Ergebnisse der Simulation sollen als Trainingsdaten verwendet werden, der durch verschiedene Materialparameter diversifiziert werden kann. Dazu können komplexe Dehnungszustände an den Oberflächen oder Schnitten durch die großen und kleinen Verformungen des Materials untersucht werden. Die Ausgabe des neuronalen Netzes sollte die entsprechenden Materialparameter eines Materialmodells (z.B. Yld2000) sein. Anschließend sollen die experimentell ermittelten Ergebnisse zur Bewertung der Güte des neuronalen Netzes herangezogen werden.

Ziel der Arbeit ist es, die Möglichkeiten von Deep Learning anhand von simulativ erzeugten Daten aufzuzeigen. In der Arbeit soll eine Gruppe von Materialien mit ähnlichen Materialparametern untersucht werden. Die aufbereiteten Ergebnisse der Arbeit werden anschließend in einem Paper der wissenschaftlichen Gemeinschaft zur Verfügung gestellt.

 

-------------

 

Simulatively generated data will be used in this work to train a neural network. For this purpose, a material test for sheet materials is simulated, in which the initial material is deformed by a punch movement.

The results of the simulation are to be used as input set, which can be diversified by different material parameters. For this purpose, complex strain conditions on the surfaces or sections through the major and minor deformations of the material can be investigated. The output of the neural network should be the corresponding material parameters of a material model (e.g. Yld2000). Subsequently, the experimentally determined results shall be used to evaluate the quality of the neural network. 

The aim of the work is to show the possibilities of Deep Learning by means of simulatively generated data. In the work, a group of materials with similar material parameters will be investigated. The processed results of the work will subsequently be made available to the scientific community in a paper.
 

Voraussetzungen
  • high level of initiative
  • interest in forming simulations and data processing
  • motivation to deal with material models
  • regular meetings with the research team
  • good english or german language skills

The ability to work with FEM programs (e.g. LS-Dyna) is beneficial but not mandatory.

Möglicher Beginn
sofort
Kontakt
Lorenz Maier, M.Sc.
Raum: 0408
Tel.: 08928913734
lorenz.maierutg.de