|
|
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
 |
|
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
 |
|
|
|
Fachgebiet Fahrzeugentwicklung < zurück |
|
|
||
|
|
|
|
Entwicklung einer Prozesskette zur Optimierung von Fahrzeugstrukturen unter der Berücksichtigung der Passiven Sicherheit
Dr.-Ing. Jörgen Hilmann Technische Universität Berlin Betreuer: Prof. Dr. rer. nat. Volker Schindler Kraftfahrzeuge müssen unterschiedlichste Anforderungen in vielfältigen Disziplinen (auch Fahrzeugattribute genannt) erfüllen. Beispiele dieser so genannten Fahrzeugattribute sind die Fahrzeugsicherheit, Fahrdynamik, Karrosseriesteifigkeit, Akkustikeigenschaften, Fahrleistungen, Innenraummaße, das Fahrzeuggewicht bzw. deren Kosten. Diese Attribute haben Anforderungen an das Fahrzeug und resultieren häufig in Zielkonflikten untereinander (wie z.B. passive Sicherheit und Fahrzeuggewicht). Nur durch einen ausgewogenen Kompromiss der Attribute kann man große Kundengruppen vom eigenen Produkt überzeugen (im Gegensatz zu Nischenfahrzeugen, wo oft bestimmte Attribute radikal bevorzugt werden (auf Kosten anderer). Wachsende Erwartungen an Fahrzeugqualität, - zuverlässigkeit und Verbrauch stehen massivem Kostendruck durch steigende Rohstoffpreise und einem harten Wettbewerbsumfeld gegenüber. Zwei mögliche Lösungsstrategien sind verkürzte Produktentwicklungszyklen, um schneller auf sich ändernde Kundenwünsche reagieren zu können und immer intelligentere und ausgefeiltere Fahrzeugstrukturen, die aber mehr Entwicklungsaufwand erfordern. Leider besteht auch zwischen diesen beiden ein Zielkonflikt. Die Dissertation behandelt einen Ansatz neueste (kommerzielle und freie) Programme und Rechner zu einer funktionalen Einheit zu kombinieren, die es erlaubt automatisiert Karosseriestrukturen systematisch zu optimieren. Dieser ”Structural Analyzer” wurde – wie die anderen Module – in PERL programmiert. Der Structural Analyzer (siehe Bild 1) besteht aus den Modulen Modellaufbau (Model Built), Berechnung (Simulation) und Auswertung (Evaluation). Unter Nutzug von Optimierungsmethoden wie z.B. den Genetischen Algorithmen entsteht ein geschlossener Optimierungsprozess (Closed Loop), d. h. Zwischenergebnisse haben Einfluss auf weitere Funktionsaufrufe. In Kombination mit Statistischen Versuchsplänen oder Monte Carlo Simulationen entsteht ein Open Loop Prozess, d. h. Zwischenergebnisse haben keinen Einfluss auf weitere Funktionsaufrufe. Um diese Prozesse zu realisieren, werden im Modul Modellaufbau Designvariablen eingeführt, die sowohl einfache Blechdicken- oder Materialänderungen ermöglichen, aber auch komplexe Geometrieänderungen oder Bauteilalternativen steuern können, die während der Optimierung ausgetauscht werden können. Dazu werden qualitativ hochwertige FEM-Netze und Schweißpunkte basierend auf parametrischen Geometriemodellen erzeugt. Die besonderen Möglichkeiten des CAD-Systems SFE Concept werden genutzt, das im Batch Modus in die Prozesskette eingebettet ist. Das Simulationsmodul ermöglicht die (auch gleichzeitige) Nutzung unterschiedlichster Hardware, von einer Workstation bis hin zu Linux-Clustern mit über 1.000 CPUs. Die erzielten Ergebnisse für typische Anwendungsfälle werden analysiert. Es wird ein ausgewogenes Bewertungssystem vorgestellt, mit dem Designalternativen verglichen werden können. Mit Hilfe von Methoden des Data Mining werden Abhängigkeiten in großen Datensätzen extrahiert, Ergebnisse gruppiert und die wesentlichen Einflussgrößen identifiziert. Diese Methoden werden an vier Anwendungsbeispielen vom ”Low Speed” Bereich, also langsamen Aufprallgeschwindigkeiten (15 km/h), bis zu schweren Cashs mit 64 km/h erprobt. In diesen Beispielen werden Gesamtfahrzeug- und Teilfahrzeugmodelle verwendet, letztere um die Rechenzeit zu verringern. Wesentliche Teile dieser Arbeit werden bei einem großen Automobilhersteller inzwischen produktiv für automatische Optimierungen und der interaktiven Suche nach besseren Strukturen eingesetzt, um effektiver Karosseriestrukturen zu entwickeln. < zurück |
|
|
|
|
|
|
|