Anwendung von neuronalen Netzen für die Materialdatengenerierung am Beispiel von Polyamid
Publikationen: Thesis / Studienabschlussarbeiten und Habilitationsschriften › Diplomarbeit
Standard
2007. 79 S.
Publikationen: Thesis / Studienabschlussarbeiten und Habilitationsschriften › Diplomarbeit
Harvard
APA
Vancouver
Author
Bibtex - Download
}
RIS (suitable for import to EndNote) - Download
TY - THES
T1 - Anwendung von neuronalen Netzen für die Materialdatengenerierung am Beispiel von Polyamid
AU - Fuchs, Peter
N1 - gesperrt bis null
PY - 2007
Y1 - 2007
N2 - Diese Diplomarbeit beschäftigt sich mit der Materialdatengenerierung durch neuronale Netze. Anhand von Polyamid wird untersucht, ob eine geeignete standardisierte Vorgehensweise zur Beschreibung des Materialverhaltens in Abhängigkeit von verschiedenen Einflussgrößen gefunden werden kann. Die Parameter einer Funktion zur Beschreibung des Dehnungsverhaltens wurden für verschiedene Zustände mittels Biegeprüfung generiert. Dabei wurden Temperatur, Feuchte und Prüfgeschwindigkeit variiert. Die ermittelten Parameter wurden den neuronalen Netzen als Zielwerte zur Verfügung gestellt. Im Ergebnis zeigt sich die hohe Relevanz der Anzahl und der Qualität der Trainingsdaten. Das Materialverhalten wird durch die neuronalen Netze gut wiedergegeben, wenn die Daten der gesamten Prüfmatrix zur Verfügung gestellt werden. Nur in den Bereichen, wo die Qualität der Daten aus den Messungen nicht ausreichend gegeben ist, treten teilweise Probleme auf. Eine Reduzierung der Daten ist allerdings nicht möglich. Mit Trainingsdaten aus weniger Messungen wurden keine geeigneten Ergebnisse erzielt.
AB - Diese Diplomarbeit beschäftigt sich mit der Materialdatengenerierung durch neuronale Netze. Anhand von Polyamid wird untersucht, ob eine geeignete standardisierte Vorgehensweise zur Beschreibung des Materialverhaltens in Abhängigkeit von verschiedenen Einflussgrößen gefunden werden kann. Die Parameter einer Funktion zur Beschreibung des Dehnungsverhaltens wurden für verschiedene Zustände mittels Biegeprüfung generiert. Dabei wurden Temperatur, Feuchte und Prüfgeschwindigkeit variiert. Die ermittelten Parameter wurden den neuronalen Netzen als Zielwerte zur Verfügung gestellt. Im Ergebnis zeigt sich die hohe Relevanz der Anzahl und der Qualität der Trainingsdaten. Das Materialverhalten wird durch die neuronalen Netze gut wiedergegeben, wenn die Daten der gesamten Prüfmatrix zur Verfügung gestellt werden. Nur in den Bereichen, wo die Qualität der Daten aus den Messungen nicht ausreichend gegeben ist, treten teilweise Probleme auf. Eine Reduzierung der Daten ist allerdings nicht möglich. Mit Trainingsdaten aus weniger Messungen wurden keine geeigneten Ergebnisse erzielt.
KW - neural nets material modelling polyamide bending tests
KW - neuronale Netze Materialmodellierung Polyamid dynamische Biegeprüfung
M3 - Diplomarbeit
ER -
