Weltweit waren 1997 über 480 Millionen Autos in Betrieb, mit stark steigender Tendenz. Angesichts des Trends zu immer üppiger ausgestatteten und dadurch schwereren Fahrzeugen auf der einen Seite und der Problematik der Ressourcenknappheit und des Umweltschutzes andererseits scheint eine Gewichtsreduktion dringend geboten. Die Fahrzeugkarosserie besitzt den größten Einfluss auf die Sicherheit der Insassen und hat mit 25%-30% (ohne Glas und Stoßfänger) den größten Anteil am Gesamtgewicht eines Automobils. Sie ist daher ein lohnendes Ziel um sowohl Steifigkeit als auch Gewicht zu optimieren.
Evolutionäre Algorithmen simulieren das Prinzip der Evolution (Weitergabe des Erbguts über Generationen, Mutation, Selektion etc.) und sind gut geeignet, komplexe mehrdimensionale Probleme zu lösen bzw. eine hinreichend gute Lösung zu ermitteln. Im Falle von mehreren berücksichtigten Zielgrößen gibt es in den seltensten Fällen eine Lösung, die alle Repräsentationen in allen Kriterien dominiert. Stattdessen existieren meistens mehrere Pareto-optimale Lösungen, unter denen der Benutzer anhängig von seinen Präferenzen eine Entscheidung trifft. Im Rahmen dieses Praktikums soll nun überprüft werden, inwieweit dieser Lösungsansatz auf Konstruktionsprobleme des Automobilbaus angewendet werden kann und ob dieses Verfahren Vorteile gegenüber den "klassischen" Konstruktionsmethoden aufweist.
Inhaltsverzeichnis
1. Einleitung
1.1 Zielsetzung
1.2 Überblick
1.3 Grundlagen der Evolutionären Algorithmen
1.4 Grundlagen der Finite-Elemente-Methode (FEM)
2. Verwendete Komponenten
2.1 Modellbildung mit GiD 7.2
2.2 Bewertung mit Impact 0.5.2b
2.3 Evolvierung mit ECJ 12
2.4 Eigene Komponenten
2.5 Veränderte Impact-Komponenten
3. Durchgeführte Experimente
3.1 Genetischer Algorithmus mit direkter Repräsentation
3.2 Genetischer Algorithmus mit Polynomrepräsentation
3.3 Evolutionsstrategie mit Spiegelung
3.4 Evolutionsstrategie mit Spline-Interpolation
3.5 Evolutionsstrategie mit gewölbtem Werkstück
3.6 Evolutionsstrategie mit Mutationsschrittweitenregulierung
3.7 Alternative Materialien
3.8 Mehrzieloptimierung
4. Fazit
4.1 Zusammenfassung der Ergebnisse
4.2 Ausblick
Zielsetzung & Themen
Die Arbeit untersucht in einer Machbarkeitsstudie, ob und wie evolutionäre Algorithmen in Verbindung mit der Finite-Elemente-Methode (FEM) effizient zur Gewichtsoptimierung von Automobilbauteilen eingesetzt werden können, um bei minimalem Gewicht eine maximale Steifigkeit zu erzielen.
- Kopplung von Open-Source FEM-Software und evolutionären Optimierungs-Frameworks
- Entwicklung und Anpassung von Algorithmen für ingenieurtechnische Problemstellungen
- Vergleich verschiedener Repräsentationsformen zur Steuerung der Materialdickeverteilung
- Analyse von Mehrzieloptimierungs-Ansätzen zur Abwägung zwischen Masse und Deformation
Auszug aus dem Buch
1.4 Grundlagen der Finite-Elemente-Methode (FEM)
Nachdem in den 40er bis 60er Jahren viele neue Methoden zur Lösung von Differentialgleichungen entwickelt wurden, erschien 1967 das erste Buch über FEM (KLEIN (1990), S. 2). Zusammen mit der Rechenleistung von Personalcomputern entwickelte sich die FEM schnell weiter, sodass sie seit den 80er Jahren zur Lösung von Problemen im Ingenieursbereich eingesetzt werden konnte. Das Prinzip der FEM beruht auf der Zerlegung einer komplexen Struktur in viele finite, also endlich große Elemente, deren physikalischen Eigenschaften bekannt sind. Durch die Verknüpfung der Elemente entsteht ein lineares Gleichungssystem, das numerisch gelöst wird (KUNOW (1998), S. 4). Ursprünglich in der Luft- und Raumfahrtindustrie eingesetzt, breitete sich die Nutzung schnell auf die Automobilindustrie aus.
Die FEM für Festigkeitsprobleme lässt sich in vier Kategorien unterteilen (KLEIN (1990), S. 9). Die lineare Elastostatik ist geeignet für reversible, linear-elastische Verformungen. Außerdem darf die Verformung nur klein sein, damit die Kräfte als am unverformten Bauteil wirkend betrachtet werden können (STEINBUCH (1998), S. 76). In der nichtlinearen Elastostatik sind auch Belastungen über den linear-elastischen Bereich eines Materials hinaus möglich; es treten dann dauerhafte, plastische Verformungen oder sogar bei zu großer Belastung Materialrisse auf. In diesem Modell wird mit dem Inkrementalverfahren gearbeitet. Das bedeutet, dass ausgehend von einer bekannten Lösung iterativ in kleinen Zeitschritten solange neue Lösungen berechnet werden, bis das Ergebnis hinreichend exakt ist (KUNOW (1998), S. 226).
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung motiviert die Notwendigkeit der Gewichtsreduktion im Automobilbau und definiert die Zielsetzung der Machbarkeitsstudie zur Kopplung evolutionärer Algorithmen mit FEM.
2. Verwendete Komponenten: In diesem Kapitel werden die eingesetzten Softwarewerkzeuge GiD, Impact und ECJ sowie die selbst implementierten Erweiterungsklassen detailliert vorgestellt.
3. Durchgeführte Experimente: Hier werden verschiedene Optimierungsszenarien wie direkte Repräsentation, Spline-Interpolation und Mehrzieloptimierung experimentell erprobt und deren Konvergenzverhalten analysiert.
4. Fazit: Das Fazit fasst die erreichten Fortschritte in der Kopplung der Programme zusammen und bewertet die Eignung der gewählten Mechanismen für die Aufgabenstellung.
Schlüsselwörter
Evolutionäre Algorithmen, Finite-Elemente-Methode, FEM, Gewichtsoptimierung, Automobilbau, Spline-Interpolation, Mehrzieloptimierung, Mutationsschrittweitenregulierung, ECJ, Impact, GiD, Steifigkeit, Machbarkeitsstudie, Materialdickeverteilung
Häufig gestellte Fragen
Worum geht es in dieser Arbeit grundsätzlich?
Die Arbeit untersucht die Eignung evolutionärer Algorithmen zur Optimierung von Automobilteilen, konkret der Materialdickeverteilung, um ein ideales Verhältnis zwischen Gewicht und Steifigkeit zu finden.
Was sind die zentralen Themenfelder?
Die Arbeit fokussiert sich auf die Kopplung von FEM-Software für die physikalische Simulation mit evolutionären Algorithmen für die formale Optimierung von Bauteilgeometrien.
Was ist das primäre Ziel der Untersuchung?
Das Ziel ist eine Machbarkeitsstudie, die aufzeigt, wie Softwarepakete zur Simulation und Optimierung gekoppelt werden können, um bei geringerem Materialeinsatz die Stabilität eines Bauteils zu optimieren.
Welche wissenschaftliche Methode wird verwendet?
Es werden verschiedene Varianten evolutionärer Strategien und genetischer Algorithmen eingesetzt, um mittels Fitnessfunktionen die Dickeverteilung eines zweidimensionalen Blechmodells zu optimieren.
Was wird im Hauptteil behandelt?
Der Hauptteil widmet sich der technischen Umsetzung der Schnittstellen, der Durchführung verschiedener Experimente mit unterschiedlichen Parametrisierungen und der Analyse des Konvergenzverhaltens bei der Formoptimierung.
Welche Schlüsselwörter charakterisieren die Arbeit?
Die zentralen Schlagworte sind Evolutionäre Algorithmen, Finite-Elemente-Methode (FEM), Steifigkeitsoptimierung, Mehrzieloptimierung und computergestützte Konstruktion.
Warum wird eine Mutationsschrittweitenregulierung eingesetzt?
Sie ermöglicht eine variable Anpassung der Mutationsstärke, was zu Beginn eines Laufs schnelle Fortschritte erlaubt und gegen Ende eine feinere Justierung der Lösung ermöglicht.
Welche Rolle spielt die Spline-Interpolation?
Die Spline-Interpolation sorgt für glatte Oberflächenübergänge bei der Formgebung, was die Qualität der Ergebnisse gegenüber kantigen, unnatürlichen Strukturen deutlich verbessert.
Wie unterscheidet sich die Mehrzieloptimierung von anderen Ansätzen?
Statt eines gewichteten Einzelwerts für die Fitness werden Masse und Verformung als separate Kriterien betrachtet, um einen Pareto-Rand effizienter Lösungen zu erzeugen.
- Quote paper
- Carsten Krüger (Author), 2005, Optimierung von Automobilteilen mit Hilfe von evolutionären Algorithmen und der Finite-Elemente-Methode, Munich, GRIN Verlag, https://www.hausarbeiten.de/document/67380
