CAE-Kette & Mapping

Der Produktentstehungsprozess findet im Spannungsfeld zwischen Werkstoff, Herstellungsprozess und Konstruktion statt. Insbesondere bei der Verwendung von Faserverbundkunststoffen stehen diese Bereiche in ständiger Wechselwirkung. Unser CAE-Kettenansatz verbindet einzelne Prozessschritte sowie die eigentliche Bauteilsimulation in einem digitalen Zwilling. Dies erlaubt frühzeitig Fertigungseffekte und deren Einfluss auf die Performance zu identifizieren und diese bei der Optimierung von Prozess- und Materialwahl sowie der konstruktiven Ausgestaltung zu berücksichtigen. Hierbei spielt der Datentransfer zwischen unterschiedlichen Rechennertzen eine zentrale Rolle und erfordert die Auswahl geeigneter Mappingalgorithmen – insbesondere bei der Betrachtung richtungsabhängiger Größen.

 

Forschungsschwerpunkte
  • Berücksichtigung von Fertigungseffekten entlang der virtuellen Prozesskette
  • Informatisch und physikalisch konsistenter Transfer von relevanten Ergebnisgrößen und Metainformationen
  • Iterative Optimierung von Bauteil und Prozess über mehrere Prozessschritte hinweg
  • Mapping und Interpolation von Feldgrößen zwischen nicht-kongruenten Diskretisierungen

 

Forschungsprojekte
Ansprechpartner

M.Sc. Constantin Krauß
Tel.: +49 721 608-45896
Email: constantin.krauss∂kit.edu

 

 

Bild FAST-LB
Prinzip der virtuellen Prozesskette für endlosfaserverstärkte Materialien
Bild FAST-LB
Fertigungseffekte: abweichende Faserorientierungen in Kofferecken

Ausgewählte Veröffentlichungen im Forschungsfeld


Forming process optimisation for variable geometries by machine learning – Convergence analysis and assessment
Zimmerling, C.; Kärger, L.
2023. Material Forming 26th International ESAFORM Conference on Material Forming (ESAFORM 2023) Krakau, Polen, 19.04.2023–21.04.2023, 1155–1166, Materials Research Forum LLC. doi:10.21741/9781644902479-126
Formability Assessment of Variable Geometries Using Machine Learning - Analysis of the Influence of the Database
Zimmerling, C.; Fengler, B.; Kärger, L.
2022. Key Engineering Materials, 926, 2247–2257. doi:10.4028/p-1o0007
Zeit- und kosteneffiziente Prozess und Produktentwicklung für den Hochleistungs-Faserverbundleichtbau unterstützt durch Techniken des Maschinellen Lernens
Zimmerling, C.; Kärger, L.; Carosella, S.; Middendorf, P.; Henning, F.
2019, Mai 20. 6. Technologietag Hybrider Leichtbau (2019), Leinfelden-Echterdingen, Deutschland, 20.–21. Mai 2019
Experimental and Numerical Analysis of SMC Compression Molding in Confined Regions : A Comparison of Simulation Approaches
Rothenhäusler, F.; Meyer, N.; Wehler, S.; Hohberg, M.; Gude, M.; Henning, F.; Kärger, L.
2022. Journal of composites science, 6 (3), Art.-Nr.: 68. doi:10.3390/jcs6030068
Optimisation of manufacturing process parameters for variable component geometries using reinforcement learning
Zimmerling, C.; Poppe, C.; Stein, O.; Kärger, L.
2022. Materials and Design, 214, Art.-Nr.: 110423. doi:10.1016/j.matdes.2022.110423
Forming optimisation embedded in a CAE chain to assess and enhance the structural performance of composite components
Kärger, L.; Galkin, S.; Zimmerling, C.; Dörr, D.; Linden, J.; Oeckerath, A.; Wolf, K.
2018. Composite structures, 192, 143–152. doi:10.1016/j.compstruct.2018.02.041
Development and validation of a CAE chain for unidirectional fibre reinforced composite components
Kärger, L.; Bernath, A.; Fritz, F.; Galkin, S.; Magagnato, D.; Oeckerath, A.; Schön, A.; Henning, F.
2015. Composite structures, 132, 350–358. doi:10.1016/j.compstruct.2015.05.047
Aufbau einer durchgängigen CAE-Kette durch Verknüpfung von Drapier-, Formfüll- und Struktursimulation zur ganzheitlichen Bewertung von Bauteilen aus Hochleistungsfaserverbunden
Kärger, L.; Schön, A.; Fritz, F.; Böhler, P.; Magagnato, D.; Fischer, S.; Henning, F.
2013. 19. Symposium Verbundwerkstoffe und Werkstoffverbunde, Karlsruhe, 3.-5. Juli 2013