Benutzeranmeldung

KI-basierte Prognose der Ergebnisse von Umformsimulationen am Beispiel von gratlosen Schmiedeteilen

Status laufend
Ziele

1. Prognose der Ergebnisse von Umformsimulationen (Umformkraft, Gesenkfüllung, Fertigteilgeometrie) in einem für Konstrukteure nicht als störend wahrgenommen Zeitraum
Ziel des beantragten Vorhabens ist die Entwicklung einer Prognosemethode, die eine ausreichend genaue Vorhersage der Ergebnisse Umformkraft, Gesenkfüllung und Fertigteilgeometrie von FEM-Umformsimulationen, in einem für den Konstrukteur nicht als störend wahrgenommen Zeitraum (Prognosezeit < 60 Sekunden), aus einer CAD-Umgebung heraus ermöglicht. Zukünftig soll die Anzahl der Iterationen zwischen Gestaltung und zeitaufwändiger FE-Berechnung auf ein notwendiges Minimum reduziert werden.
Die KImulation wird FEM-Simulationen zur Auslegung von Massivumformprozessen nicht ersetzen. Essentielle Informationen wie z. B. die Gesenkbelastung, Verschleißerscheinungen und Faltenbildung werden nicht durch eine KImulation bestimmbar sein. Da die diversen Modelle, die in den letzten Jahren entwickelt wurden, um die Ergebnisse von FEM-Simulationen so nah wie möglich an reale Umformprozesse zu bringen, nicht Bestandteil einer KImulation sein werden, werden dessen Ergebnisse nicht zur finalen Beurteilung der Umformung anwendbar sein. Zudem ist es notwendig, für jede Schmiedeteil-Gruppe, die KImulation mit FEM-Datensätzen zu trainieren. Eine Übertragung auf andere Gruppen ist nicht möglich. Die Entwicklung der KImulation zur Bestimmung von Umformkraft, Gesenkfüllung und Fertigteilgeometrie wird in dem Forschungsprojekt für eine Beispielgeometrie durchgeführt.

2. Entwicklung eines Verfahrens zur automatisierten FEM-Datenerzeugung
Das Verfahren zur automatisierten FEM-Datenerzeugung soll in einem ersten Schritt entweder auf vorhandene CAD- und FEM-Daten zurückgreifen oder diese für einen definierten Parameterraum automatisiert erzeugen, d. h. FEM-Berechnungen durchführen. In einem zweiten Schritt sollen diese CAD- und FEM-Daten automatisiert in einer Datenbank abgelegt werden. Die Datenbank ermöglicht das effiziente Training von DM-Algorithmen sowie das kontinuierliche Lernen aus neuen Datenbeständen.

3. Entwicklung einer für DM-Verfahren interpretierbaren Modellierung der Halbzeug-, Werkzeug- und Fertigteilgeometrie
Die Modellierung der für DM-Verfahren interpretierbaren Halbzeug-, Werkzeug- und Fertigteilgeometrien soll in Abhängigkeit des zu prognostizierenden Simulationsergebnisses bspw. parameterbasiert auf der Ebene des (vollständigen) Geometriemodells oder auf der Ebene einzelner Knoten erfolgen. Eine weitere Alternative zur Abbildung einer beliebigen Geometrie auf einen für die Verarbeitung mittels DM-Verfahren erforderlichen festdimensionalen Raum liegt in der Verwendung von Baumstrukturen (z. B. Oktalbaum) und so genannten rekursiv autoassoziativen Speichern (RAAM).

4. Auswahl eines für die Prognose von Simulationsergebnissen geeigneten DM-Algorithmus und die Erstellung eines Prognosemodells
Zur Auswahl eines geeigneten Prognose-Algorithmus und zur Erstellung eines Prognosemodells sollen Modelle ausgewählter DM-Verfahren, z. B. Neuronale Netze oder Entscheidungsbäume, auf Basis der erzeugten Datensätze trainiert und hinsichtlich ihrer Prognosegüte evaluiert werden. Das Training der DM-Modelle wird mit Softwarepaketen wie MATLAB Neural Network Toolbox oder RapidMiner durchgeführt.

5. Integration des erzeugten Prognosemodells in ein CAD System
Neben der Entwicklung zusätzlicher Ein- und Ausgabeelemente zur Steuerung und Visualisierung der Umformprognose ist dazu u. a. auch die Anpassung und Integration des im Rahmen von Ziel 2 entwickelten Verfahrens zur Trainingsdatenerzeugung erforderlich. Das Verfahren muss so angepasst werden, dass es die für die Prognose des Simulationsergebnisses relevanten Parameter bspw. aus dem vorliegenden CAD-Modell und der Benutzereingabe extrahiert und für die Umformprognose aufbereitet.


Weitere Informationen für Mitglieder des Industrieverband Massivumformung e.V.
Zum Aufruf der Inhalte müssen Sie über einen gültigen Benutzernamen und ein Kennwort für den Mitgliederbereich verfügen.