Article,

Materialcharakterisierung mittels Künstlicher IntelIigenz/Material characterisation by using machine learning models

, , and .
wt Werkstattstechnik online, 110 (10): 656--660 (January 2020)
DOI: 10.37544/1436-4980-2020-10-12

Abstract

Die für die FEM (Finite-Elemente-Methode)-Simulation von Blechumformprozessen benötigten validierten Materialparameter können heutzutage durch eine vollflächige optische Messung der Verformung eines Prüfkörpers in Kombination mit einem simulationsbasierten inversen Ansatz ermittelt werden. Dieser inverse Ansatz erfordert jedoch Fachwissen in der FEM-Analyse, Optimierung sowie Programmierung und kann zudem recht zeitaufwendig sein. Vor diesem Hintergrund wird in diesem Beitrag eine auf maschinellem Lernen basierende Methode zur Bestimmung von validierten Materialparametern vorgestellt. Today, validated material parameters required for FE simulation of sheet metal forming processes can be identified via full-field optical measurement of test specimen`s deformation combined with a simulation-based inverse approach. This inverse approach normally requires deep expertise in FE analysis, optimization, and programming and can be very time-consuming. This paper proposes a novel machine-learning approach for determining such validated material parameters.

Tags

Users

  • @ifu

Comments and Reviews