This thesis focuses on the development of a robust node-based shape optimization framework that integrates vertex morphing and uncertainty quantification (UQ) techniques to improve the design of engineering structures. Traditional shape optimization methods are often limited by their inability to account for uncertainties in real-world applications, such as variations in material properties, boundary conditions, and external forces. This research addresses this limitation by combining node-based optimization with two uncertainty quantification methods: Monte Carlo simulations and Polynomial Chaos Expansion (PCE). This ensures the robustness of the design under stochastic variations. To overcome the challenges of node-based optimization, vertex morphing is used. The proposed methodology is validated through academic case studies, including an arch structure subjected to random load conditions. These examples demonstrate the framework's capability to produce designs that are both optimal under nominal conditions and resilient to uncertainties. The results confirm the effectiveness of the approach in delivering reliable, high-performance designs that account for real-world variability.     «

This thesis focuses on the development of a robust node-based shape optimization framework that integrates vertex morphing and uncertainty quantification (UQ) techniques to improve the design of engineering structures. Traditional shape optimization methods are often limited by their inability to account for uncertainties in real-world applications, such as variations in material properties, boundary conditions, and external forces. This research addresses this limitation by combining node-based...     »

Diese Masterarbeit beschäftigt sich mit der Entwicklung eines robusten, knotenbasierten Formoptimierungsframeworks, das Vertex-Morphing und Methoden der Unsicherheitsquantifizierung (UQ) vereint, um das Design von technischen Strukturen zu verbessern. Traditionelle Methoden der Formoptimierung stoßen oft an ihre Grenzen, da sie Unsicherheiten in realen Anwendungen, wie Materialschwankungen, variierende Randbedingungen oder externe Kräfte, nicht ausreichend berücksichtigen. Diese Forschung adressiert diese Problematik, indem sie knotenbasierte Optimierung mit zwei Methoden der Unsicherheitsquantifizierung kombiniert: Monte-Carlo-Simulationen und Polynomial Chaos Expansion (PCE). Dadurch wird sichergestellt, dass das Design auch unter stochastischen Einflüssen robust bleibt. Um die Herausforderungen der knotenbasierten Optimierung zu überwinden, wird Vertex Morphing als Regularisierungsmethode eingesetzt. Die vorgeschlagene Methodik wird anhand akademischer Fallstudien validiert, darunter eine Bogenstruktur, die zufälligen Lastbedingungen ausgesetzt ist. Diese Beispiele zeigen die Fähigkeit der Methode, Designs zu erzeugen, die sowohl unter nominalen Bedingungen optimal sind als auch widerstandsfähig gegenüber Unsicherheiten. Die Ergebnisse bestätigen die Wirksamkeit des Ansatzes bei der Entwicklung zuverlässiger, leistungsstarker Designs, die reale Variabilitäten berücksichtigen.     «

Diese Masterarbeit beschäftigt sich mit der Entwicklung eines robusten, knotenbasierten Formoptimierungsframeworks, das Vertex-Morphing und Methoden der Unsicherheitsquantifizierung (UQ) vereint, um das Design von technischen Strukturen zu verbessern. Traditionelle Methoden der Formoptimierung stoßen oft an ihre Grenzen, da sie Unsicherheiten in realen Anwendungen, wie Materialschwankungen, variierende Randbedingungen oder externe Kräfte, nicht ausreichend berücksichtigen. Diese Forschung adres...     »