h1

h2

h3

h4

h5
h6

DFG project 504279932

Ein neuer Finite Elemente Ansatz mit Hilfe neuronaler Netze

CoordinatorProfessor Dr.-Ing. Marcus Stoffel
Grant period2022 -
Funding bodyDeutsche Forschungsgemeinschaft
 DFG
IdentifierG:(GEPRIS)504279932

Note: Die Auslegung von Bauteilstrukturen in Ingenieuranwendungen erfolgt zumeist mit Hilfe von Finite Elemente Simulationen basierend auf kontinuumsmechanischen Modellen. Abhängig von der Komplexität des Randwertproblems, z.B. von Crashtests, kann die Simulationsdauer auch auf Hochleistungsrechnern Stunden oder gar Tage einnehmen. In geometrisch und physikalisch nichtlinearen Strukturberechnungen nimmt die Bestimmung von Zustandsvariablen und Tangentensteifigkeitsmatrizen in jedem Zeitinkrement den überwiegenden Anteil der Rechenzeit ein. Im vorliegenden Antrag wird eine neue Methode vorgeschlagen, um vollständige Steifigkeitsmatrizen und Materialgesetze in Finite Elemente Simulationen durch künstliche neuronale Netze zu ersetzen. Die neue Effizienz und Effektivität werden durch eine signifikant geringere Rechenzeit erreicht sowie durch die fehlende Notwendigkeit eines kontinuumsmechanischen Modells in der neuen erweitereten Finite Elemente Simulation. In der Literatur liegen Studien über Anwendungen künstlicher neuronale Netze in Bezug auf Stoffgesetze, Ersatzmodelle sowie für Lösungen von Bewegungsgleichungen vor. Jedoch steht bislang keine Methode zur Beschreibung des vollständigen Zusammenhangs zwischen generalisierten Verschiebungen und Kräften für physikalisch und geometrisch nichtlineares Strukturverhalten zur Verfügung. Hier setzt die beantragte Studie an, die zu zwei Vorteilen im Vergleich zur klassischen Finite Elemente Methode führt. Zunächst wird in den Finite Elemente Simulationen unter Verwendung der zu entwickelten neuronalen Netze kein zugrundeliegendes kontinuumsmechanisches Modell, außer im Trainingsprozess, mehr notwendig sein. Außerdem wird die Simulation unter Verwendung der hier vorgestellten Methode signifikant beschleunigt, sodass die Rechenzeit gegenüber klassischen Finite Elemente Simulationen deutlich reduziert wird. Die vorgeschlagene Methode wurde bereits für ein deutsches Patent angemeldet.
   

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  ;  ;  ;
FPGA-accelerated Binary Neural Networks as a surrogate model for a viscoplastic constitutive law in impulsively loaded beams
Mechanics research communications 146, 104420 () [10.1016/j.mechrescom.2025.104420]  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  ;  ;
Physics‐Based Spiking Neural Network as a Surrogate Model for Viscoplastic Material Law in Impulsively Loaded Beams
94. Annual Meeting of the International Association of Applied Mathematics and Mechanics (GAMM), GAMM 2024, MagdeburgMagdeburg, Germany, 18 Mar 2024 - 22 Mar 20242024-03-182024-03-22 Proceedings in applied mathematics and mechanics : PAMM 24(4), e202400066 () [10.1002/pamm.202400066] 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  ;  ;  ;
Recurrent neural networks as a physics-based self-learning solver to satisfy plane stress viscoplasticity undergoing isotropic damage
Mechanics research communications 142, 104347 () [10.1016/j.mechrescom.2024.104347]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Dissertation / PhD Thesis/Book  ;  ;
Sustainable brain-inspired networks and deep-learning methods in structural mechanics
Aachen : RWTH Aachen University, Report. Institute of General Mechanics / Institut für Allgemeine Mechanik (IAM) 22, 1 Online-Ressource : Illustrationen () [10.18154/RWTH-2024-08806] = Dissertation, Rheinisch-Westfälische Technische Hochschule Aachen, 2024  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article  ;
Brain-inspired spiking neural networks in Engineering Mechanics: a new physics-based self-learning framework for sustainable Finite Element analysis
Engineering with computers 40, 2703-2738 () [10.1007/s00366-024-01967-3]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article  ;
Physics-Based Self-Learning Spiking Neural Network enhanced time-integration scheme for computing viscoplastic structural finite element response
Computer methods in applied mechanics and engineering 422, 116847 () [10.1016/j.cma.2024.116847]  GO OpenAccess  Download fulltext Files BibTeX | EndNote: XML, Text | RIS

http://join2-wiki.gsi.de/foswiki/pub/Main/Artwork/join2_logo100x88.png Journal Article  ;
Recurrent and convolutional neural networks in structural dynamics : a modified attention steered encoder–decoder architecture versus LSTM versus GRU versus TCN topologies to predict the response of shock wave-loaded plates
Computational mechanics 72(4), 765-786 () [10.1007/s00466-023-02317-8]  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  ;  ;
Physically constrained deep recurrent neural network for stiffness computation of plate structures
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), e202200068 () [10.1002/pamm.202200068] 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

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

 Record created 2023-01-20, last modified 2023-01-24
Similar records



Rate this document:

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