h1

h2

h3

h4

h5
h6

DFG project G:(GEPRIS)501877598

KI-gestützte Optimierung der Crashsicherheit von Fahrzeugen: Stochastische Elemente in der Designoptimierung überwinden

CoordinatorProfessor Dr.-Ing. Marcus Stoffel
Grant period2022 -
Funding bodyDeutsche Forschungsgemeinschaft
 DFG
IdentifierG:(GEPRIS)501877598

⇧ SPP 2353: Mehr Intelligenz wagen – Entwurfsassistenten in Mechanik und Dynamik ⇧

Note: Die Designoptimierung ist ein zentraler Aspekt der Bauteilauslegung, die angesichts schwindender natürlicher Ressourcen und in Bezug auf Umweltschutz heute wichtiger denn je ist. Auch wenn eine Vielzahl klassischer Optimierungsmethoden existiert, sind die Verfahren meist rechenintensiv, weniger skalierbar und können zu suboptimalen, ineffizienten Ergebnissen führen. Daher schlagen wir in dieser Studie auf maschinellem Lernen basierende (ML) Methoden vor, wobei die Designoptimierung in der Crashsicherheit das zentrale Optimierungsproblem darstellt. Fahrzeug-Crash-Simulationen beinhalten hochgradig nichtlineare Verformungsmuster, sind rechenintensiv und stellen daher ein geeignetes Beispiel dar, um die Wirksamkeit und Effizienz des vorgeschlagenen Optimierungsverfahrens zu demonstrieren. Die vorgeschlagenen Methoden zielen darauf ab, die stochastischen Elemente der in der Literatur verfügbaren Methoden zu beseitigen und eine robuste, verallgemeinernde und nachhaltige Lösung zu finden. Der wissenschaftliche Rahmen umfasst mehrere Design-Assistenten, die jeweils einzeln für verschiedene Optimierungsaufgaben eingesetzt werden können und im Tandem arbeiten, um die Design-Optimierung durchzuführen. Die Designassistenten umfassen ein neuartiges FE-Surrogat auf Basis eines Graph Neuronal Networks (GNN), einen neuartigen intelligenten GNN-Finite-Element-Solver, ein Modell für evolutionäres Reinforcement Learning sowie ein Hardware-Inferenzmodul, die zusammen die mehrdimensionale Optimierung des Fahrzeug-Crashworthiness-Designs untersuchen. Das KI-Inferenzmodul ermöglicht eine nahtlose Plug-and-Play-Designoptimierung, die auf jeder Workstation verwendet werden kann, ohne dass der Administrator Zugang zu neuen Programmpaketen benötigt. Die Designassistenten werden dann auf breit angelegte Optimierungsprobleme aus der Literatur angewendet, um die Robustheit der vorgeschlagenen Designassistenten und ihre Verallgemeinerung zu demonstrieren. Die Studie zielt darauf ab, die Lösung von Optimierungsproblemen zu modernisieren, zu optimieren und nachhaltig zu gestalten, indem der gesamte Rechenaufwand reduziert, die Genauigkeit im Vergleich zu bestehenden Methoden verbessert und durch maßgeschneiderte Inferenzchips Energie gespart wird.
   

Recent Publications

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article  ;
A sustainable neuromorphic framework for disease diagnosis using digital medical imaging
Computer methods and programs in biomedicine update 7, 100171 () [10.1016/j.cmpbup.2024.100171]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article/Contribution to a conference proceedings  ;  ;
Multi‐parameter design optimization of crash box for crashworthiness analysis
94. Annual Meeting of the International Association of Applied Mathematics and Mechanics, GAMM 2024, MagdeburgMagdeburg, Germany, 18 Mar 2024 - 22 Mar 20242024-03-182024-03-22 Proceedings in applied mathematics and mechanics : PAMM 24(3), e202400096 () [10.1002/pamm.202400096] special issue: "Special Issue: 94th Annual Meeting of the International Association of Applied Mathematics and Mechanics (GAMM) / Issue Edited by: H. Altenbach, P. Benner, C. Böhm, C. Daniel, S. Glas, J. Heiland, D. Juhre, T. Richter, J. Saak, M. Schmidtchen, J. Waimann, E. Woschke, M. Kaliske"  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article/Contribution to a conference proceedings  ;  ;
Generative learning‐based model for the prediction of 2D stress distribution
93. Annual Meeting of the International Association of Applied Mathematics and Mechanics, GAMM 2023, DresdenDresden, Germany, 30 May 2023 - 2 Jun 20232023-05-302023-06-02 Proceedings in applied mathematics and mechanics : PAMM 23(4), e202300201 () [10.1002/pamm.202300201] special issue: "Special Issue: 93rd Annual Meeting of the International Association of Applied Mathematics and Mechanics (GAMM) / Issue Edited by: M. Beitelschmidt, Ch. Böhm, K. Eckert, J. Fröhlich, M. Kästner, S. Löhnert, S. Neukamm, O. Sander, M. Schmidtchen, A. Voigt, J. Waimann, T. Wallmersperger, M. Kaliske"  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article/Contribution to a conference proceedings  ;  ;
Machine learning enhanced optimisation of crash box design for crashworthiness analysis
93. Annual Meeting of the International Association of Applied Mathematics and Mechanics, GAMM 2023, DresdenDresden, Germany, 30 May 2023 - 2 Jun 20232023-05-302023-06-02 Proceedings in applied mathematics and mechanics : PAMM 23(4), e202300145 () [10.1002/pamm.202300145] special issue: "Special Issue: 93rd Annual Meeting of the International Association of Applied Mathematics and Mechanics (GAMM) / Issue Edited by: M. Beitelschmidt, Ch. Böhm, K. Eckert, J. Fröhlich, M. Kästner, S. Löhnert, S. Neukamm, O. Sander, M. Schmidtchen, A. Voigt, J. Waimann, T. Wallmersperger, M. Kaliske"  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article/Contribution to a conference proceedings  ;  ;
Graph Neural Network enhanced Finite Element modelling
92. Annual Meeting of the International Association of Applied Mathematics and Mechanics, GAMM 2022, AachenAachen, Germany, 15 Aug 2022 - 19 Aug 20222022-08-152022-08-19 Proceedings in applied mathematics and mechanics : PAMM 22(1), e202200306 () [10.1002/pamm.202200306] special issue: "Special Issue: 92nd Annual Meeting of the International Association of Applied Mathematics and Mechanics (GAMM) / Issue Edited by: Ch. Böhm, K. Mang, B. Markert, S. Reese, M. Schmidtchen, J. Waimann, M. Kaliske"  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article  ;  ;
Generative adversarial network based data augmentation for CNN based detection of Covid-19
Scientific reports 12(1), 19186 () [10.1038/s41598-022-23692-x]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

All known publications ...
Download: BibTeX | EndNote XML,  Text | RIS | 

 Record created 2023-01-20, last modified 2025-07-16
Similar records



Rate this document:

Rate this document:
1
2
3
4
5
 
(Not yet reviewed)