ML4ProcessSimulation

Simulative Methoden sind aus keinem Bereich der Material-, Bauteil- und Prozessentwicklung mehr wegzudenken. Dies gilt auch für Faser-Kunststoff-Verbunde (FKV) mit ihrer inhärent mehrskaligen und heterogenen Materialstruktur, die für effiziente Simulationen Multiskalenansätze erfordern. Die zur Herstellung von FKV notwendige Imprägnierung der Faserstruktur wird getrennt auf Faser-, Textil- und Bauteilebene simuliert. Für eine genaue Simulation müssen dann jedoch die Ergebnisse der niedrigeren Skalenebene berücksichtigt werden. Dies erfolgt meist durch Homogenisierung lokaler Eigenschaften beim Übertrag auf die höhere Ebene. Dieser Multiskalenansatz reduziert zwar den Rechenaufwand erheblich, es müssen aber auch eine Vielzahl von Vereinfachungen getroffen werden, die sich negativ auf die Genauigkeit der Ergebnisse auswirken. Das Projekt „ML4ProcessSimulation“ zielt daher darauf ab, durch die Integration von Methoden des maschinellen Lernens (ML) sowohl die Genauigkeit als auch die Effizienz der Simulationsworkflows gesteigert werden.

Zur Permeabilitätsvorhersage auf Faserebene konnten unterschiedliche ML-Methoden identifiziert werden, die vergleichbare Genauigkeiten wie numerische Ansätze und Experimente erzielen. Hierbei wurden u.a. Feed Forward neuronale Netzwerke (NN) und 3D-Convolutional NN eingesetzt, die je nach Komplexität der Methode die Rechenzeit auf der Mikroskala um 80 bis 99 % reduzieren. Diese Methoden wurden in automatisierte Multiskalen-Simulationsabläufe integriert, um manuelle Schritte zu reduzieren und die Genauigkeit zu erhöhen. Die Forschungsarbeit zur Kombination von physikalisch informierten NNs (PINNs) mit numerischen Methoden in einem hybriden Solver wurde erfolgreich für 1D-Wärmeübertragungssimulationen entwickelt und wird derzeit auf 3D-Strömungssimulationen übertragen, was zu einem Folgeprojekt (HybridSolver) führt.

Ziel des Projekts ist die Integration von ML-Methoden in Multiskalen-Simulationsansätze, um relevante physikalische Effekte für eine genaue Simulation von Harzinjektionsverfahren effizient zu berücksichtigen.