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 verbesserte zweistufige Optimierungstechnik.
«
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...
»