Benutzer: Gast  Login
Mehr Felder
Einfache Suche
Originaltitel:
Multi-fidelity Optimization Methods with Applications to Automotive Crashworthiness and Deep Drawing
Übersetzter Titel:
Multi-fidelity Optimierungsmethoden mit Anwendungen auf die automobile Crashsicherheit und Tiefziehen
Autor:
Kaps, Arne
Jahr:
2024
Dokumenttyp:
Dissertation
Fakultät/School:
TUM School of Engineering and Design
Institution:
Professur für Computational Mechanics (Prof. Duddeck)
Betreuer:
Duddeck, Fabian (Prof. Dr. habil.)
Gutachter:
Duddeck, Fabian (Prof. Dr. habil.); Doerr, Carola (Prof. Dr. habil.); Bourinet, Jean-Marc (Assoc. Prof. Dr.)
Sprache:
en
Fachgebiet:
MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik
Stichworte:
computational mechanics; multi-fidelity; optimization; deep drawing; crashworthiness
TU-Systematik:
BAU 005
Kurzfassung:
The necessity to run nonlinear Finite Element analyses in each iteration of optimization algorithms can often lead to prohibitive computational costs in structural mechanics problems. This thesis investigates efficient multi-fidelity optimization techniques and proposes improvements. Studies on the choice of low-fidelity model and objective function are performed in two application areas. Key novelties include a design of experiments approach and an improved two-stage optimization technique.
Übersetzte Kurzfassung:
Die Notwendigkeit, in jeder Iteration einer Optimierung nichtlineare Finite-Elemente-Analysen durchzuführen, kann bei strukturmechanischen Problemen oft zu prohibitiven Rechenkosten führen. In dieser Arbeit werden effiziente Multi-Fidelity Optimierungsmethoden untersucht und Verbesserungen vorgeschlagen. Studien zur Wahl des Low-Fidelity-Modells und der Zielfunktion werden in zwei Anwendungsbereichen durchgeführt. Zu den wichtigsten Neuerungen gehören ein Ansatz zur Versuchsplanung und eine verb...     »
WWW:
https://mediatum.ub.tum.de/?id=1739653
Eingereicht am:
15.04.2024
Mündliche Prüfung:
24.10.2024
Dateigröße:
9343624 bytes
Seiten:
132
Urn (Zitierfähige URL):
https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241024-1739653-1-4
Letzte Änderung:
03.12.2024
 BibTeX