Entwicklung von Simulationsmethoden im Zeit- und Frequenzbereich sowie Machine-Learning-Modelle zur Defekterkennung in Faser-Metall-Laminaten
-
Eintrittstermin:
Ab sofort
- Kontaktperson:
Entwicklung von Simulationsmethoden im Zeit- und Frequenzbereich sowie Machine-Learning-Modelle zur Defekterkennung in Faser-Metall-Laminaten
Entwicklung von Simulationsmethoden im Zeit- und Frequenzbereich sowie Machine-Learning-Modelle zur Defekterkennung in Faser-Metall-Laminaten
Motivation
Der Einsatz von Faser-Metall-Laminaten (FML) ist derzeit in der Luftfahrt insbesondere für kritische Rumpf- und Tragflächen- sowie Leitwerkabschnitte vorbehalten. Ein großes Hindernis für die Weiterverbreitung dieser Verbundmaterialien ist die wirtschaftliche Schadenskontrolle von Bauteilen im Betrieb und in der Fertigung. Eine schnelle, zuverlässige und zerstörungsfreie Prüfmethodik soll entwickelt werden, um diese Materialien zukunftsfähiger zu gestalten. Der in diesem Projekt untersuchte Ansatz soll mittels Analyse des Schwingverhaltens eines Bauteils Anomalien erkennen, klassifizieren und charakterisieren. Eine simulative Abbildung diverser Schädigungen und deren Auswirkungen auf das Schwingverhalten soll über inverse Problemlösung oder Surrogat-Modelle Rückschlüsse auf das vorliegende Laminat ermöglichen.
Mögliche Inhalte und Tätigkeiten
- Entwicklung von FEM- und Machine-Learning-Modellen (Python)
- Durchführung und Auswertung von Simulationen im Zeit- und Frequenzbereich in Abaqus und Python-basierten Simulationsumgebungen
- Konzeptionierung, Auswertung und Verarbeitung von experimentellen Daten aus Modalanalysen
Anforderungsprofil
- Studium des Maschinenbaus, Mechatronik o.ä.
- Interesse an Faserverbundmaterialien und Strukturdynamik bzw. Schwingungen
- Programmiererfahrung (Python o.ä.) von Vorteil aber nicht notwendig
- Strukturierte, zielorientierte Arbeitsweise
Kontakt
E-Mail: jonathan.knirsch∂kit.edu
Tel.: +49 721 608-45380