Login
- Original title:
- Multi-fidelity Optimization Methods with Applications to Automotive Crashworthiness and Deep Drawing
- Translated title:
- Multi-fidelity Optimierungsmethoden mit Anwendungen auf die automobile Crashsicherheit und Tiefziehen
- Author:
- Kaps, Arne
- Year:
- 2024
- Document type:
- Dissertation
- Faculty/School:
- TUM School of Engineering and Design
- Institution:
- Professur für Computational Mechanics (Prof. Duddeck)
- Advisor:
- Duddeck, Fabian (Prof. Dr. habil.)
- Referee:
- Duddeck, Fabian (Prof. Dr. habil.); Doerr, Carola (Prof. Dr. habil.); Bourinet, Jean-Marc (Assoc. Prof. Dr.)
- Language:
- en
- Subject group:
- MTA Technische Mechanik, Technische Thermodynamik, Technische Akustik
- Keywords:
- computational mechanics; multi-fidelity; optimization; deep drawing; crashworthiness
- TUM classification:
- BAU 005
- Abstract:
- 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.
- Translated abstract:
- 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
- Date of submission:
- 15.04.2024
- Oral examination:
- 24.10.2024
- File size:
- 9343624 bytes
- Pages:
- 132
- Urn (citeable URL):
- https://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:91-diss-20241024-1739653-1-4
- Last change:
- 03.12.2024
BibTeX