Methodenentwicklung zur Kalibrierung von FE-Simulationen mittels Sensitivitätsanalysen und optischer Dehnungsmessungen

Abstract

Das Streben nach einer simultanen Steigerung von Energieeffizienz und Sicherheit bei der Entwicklung zukünftiger Fahrzeuge lässt die Erforschung neuartiger Leichtbaumaterialien erforderlich werden. Aufgrund ihrer hervorragenden spezifischen Eigenschaften bieten Faserverbundkunststoffe auf diesem Anwendungsgebiet hohes Potenzial. Bedingt durch deren anisotrope Beschaffenheit gestaltet sich die Charakterisierung der Werkstoffkennwerte jedoch äußerst aufwendig. Zudem lässt sich das mechanische Verhalten von Faserverbundkunststoffen derzeit nur bedingt mit numerischen Simulationen vorhersagen, da aufgrund der Komplexität des Materials teils erhebliche Diskrepanzen zwischen Realität und Berechnung auftreten. Eine Kalibrierung der Simulationsmodelle anhand von Versuchen ist daher insbesondere bei sicherheitskritischen Bauteilen unabdingbar. Gegenstand dieser Arbeit ist die Untersuchung einer Methode, die die Identifizierung der Modellparameter direkt an einer Prinzipkomponente ermöglichen soll. Dadurch könnte sowohl auf eine Vielzahl an Coupon-Versuchen als auch auf eine Kalibrierung verzichtet werden. Zur Umsetzung werden mithilfe eines Optimierungs-Algorithmus die Verschiebungen und Dehnungen des Simulationsmodells an die des Experimentes angeglichen. Um Messdaten in hoher Qualität und Quantität zu erhalten, sollen für die Aufnahme der Verschiebungen und Dehnungen erweiterte Messmethoden wie Digital Image Correlation eingesetzt werden. Zur Validierung der Methode beschränkt sich diese Arbeit jedoch auf die Verwendung eines Simulationsmodells als Referenz. Um identifizierbare Modellgrößen zu bestimmen, wird im Vorfeld ein Python-Algorithmus zur Analyse der Sensitivitäten der Materialparameter hinsichtlich der Messgrößen aufgebaut. Darüber hinaus werden Werkzeuge zur Visualisierung und Interpretation der Sensitivitäten entwickelt, welche anschließend zur Identifizierung der Parameter genutzt werden. Durch eine nach Raumrichtung getrennte Betrachtung der Verschiebungen, ein quadratisches Metamodell sowie eine Erhöhung der Frequenz zur Datenextraktion aus den Simulationen gelingt die simultane Identifizierung von vier Materialparametern mit einem Fehler von jeweils weniger als 5 %.