h1

TY  - THES
AU  - Abdusalamov, Rasul
TI  - Discovery of novel material models through symbolic regression
VL  - 2025,14
PB  - RWTH Aachen University
VL  - Dissertation
CY  - Aachen
M1  - RWTH-2025-04945
SN  - 978-3-9821703-3-6
T2  - RWTH Aachen University : Lehr- und Forschungsgebiet Kontinuumsmechanik
SP  - 1 Online-Ressource : Illustrationen
PY  - 2025
N1  - Druckausgabe: 2025. - Auch veröffentlicht auf dem Publikationsserver der RWTH Aachen University
N1  - Dissertation, RWTH Aachen University, 2025
AB  - Diese Arbeit stellt eine umfassende Untersuchung der Anwendung der symbolischen Regression für die Entdeckung neuer Materialmodelle dar. Die Einführung gibt einen Überblick über die Motivation für diese Arbeit und eine Diskussion über die derzeitigen Schwächen des gegenwärtigen Forschungsstandes. Die grundlegenden Prinzipien der symbolischen Regression werden vorgestellt, einschließlich eines Überblicks über die genetische Programmierung und einer Erklärung des Konzepts hinter der neuartigen Methode der tiefen symbolischen Regression. Die nachfolgende Analyse basiert auf der Entwicklung eines kontinuumsmechanischen Konzepts, welches allgemeine Prinzipien, konstitutive Gleichungen sowie praktische Überlegungen zur Implementierung umfasst. Es werden Referenztests durchgeführt, bei denen sowohl künstliche als auch experimentelle Daten verwendet werden, um die Leistungsfähigkeit zu bewerten. Diese Tests umfassen die Bewertung des inkompressiblen verallgemeinerten Mooney-Rivlin-Modells und nahezu inkompressibler Formulierungen. Darüber hinaus wird die Arbeit an klassischen Datensätzen validiert, einschließlich der multiaxialen und biaxialen Belastung von vulkanisiertem Kautschuk. Es werden neuartige interpretierbare Formulierungen von Dehnungsenergiefunktionen vorgestellt, die in der Lage sind, experimentelle Daten mit extrem hoher Genauigkeit zu charakterisieren. Darüber hinaus wird die Arbeit auf die Auswertung eines temperaturabhängigen thermoplastischen Polyesterelastomers erweitert. Ein detaillierter Überblick über die Einflüsse von Datensatzgrößen, die Vorteile interpretierbarer Modelle und die Leistungsfähigkeit hinsichtlich Interpolations- und Extrapolationseigenschaften wird vorgestellt. Darüber hinaus wird die Wiederentdeckung des Mullins-Effekts durch die Verwendung künstlicher Daten untersucht, die mit dem Ogden-Roxburgh-Modell erzeugt wurden. Zusätzlich wird ein temperaturabhängiger Datensatz von gefülltem Silikon analysiert. Die Leistungsfähigkeit der vorgestellten Methodik wird anhand von extrem kleinen Datensätzen untersucht. Der Ansatz wird auf die mikrostrukturelle Modellierung von Aerogelen erweitert. Infolgedessen werden mikrostrukturbasierte Formulierungen für Silicat-Aerogelen als Beispiel für aggregierte und κ-carrageenan Aerogelen als Beispiel für offenporige zelluläre Mikrostrukturen vorgestellt. Schließlich werden die Auswirkungen von Hydratationseffekten in Polyamid-Aerogelen auf die Materialeigenschaften modelliert. Am Ende erfolgt eine Zusammenfassung der wichtigsten Ergebnisse und Schlussfolgerungen.
LB  - PUB:(DE-HGF)11 ; PUB:(DE-HGF)3
DO  - DOI:10.18154/RWTH-2025-04945
UR  - https://publications.rwth-aachen.de/record/1012248
ER  -