Generelle Netzabhängigkeit bei Scherschneidsimulationen: Ansatz durch implizite Geometrierepräsentation

Institute

Lehrstuhl für Umformtechnik und Gießereiwesen (TUM-ED)

Type

Bachelor's Thesis / Semester Thesis / Master's Thesis /

Content

experimental / constructive /  

Description

Die numerische Simulation von Scherschneidprozessen ermöglicht eine detaillierte Untersuchung von Materialverhalten, Verschiebungs- und Dehnungsfeldern sowie Prozesskräften. Aufgrund der hochgradig nichtlinearen Vorgänge können die Simulationsergebnisse jedoch stark von der verwendeten Netzauflösung und -struktur abhängen. Dies erschwert die Vergleichbarkeit und Interpretation der Ergebnisse.

Ziel dieser Arbeit ist es, die Netzabhängigkeit von Scherschneidsimulationen systematisch zu untersuchen und einen Ansatz zur impliziten Beschreibung der Geometrie zu analysieren. Dabei soll untersucht werden, wie stark sich die Simulationsergebnisse bei Veränderung des Rechennetzes verändern und ob eine implizite Geometrierepräsentation dazu beitragen kann, diese Abhängigkeit zu reduzieren.

Aufgaben

Untersuchung der Netzabhängigkeit

• Durchführung von Scherschneidsimulationen mit unterschiedlichen Netzen
• Untersuchung des Einflusses der Netzauflösung auf Verschiebungs-, Dehnungs- und Temperaturfelder sowie Kraft-Weg-Verläufe
• Quantitative Bewertung und Vergleich der Simulationsergebnisse

Implizite Geometrierepräsentation

• Untersuchung und Implementierung eines Ansatzes zur impliziten Beschreibung der Geometrie
• Vergleich der klassischen diskreten mit einer impliziten Geometrierepräsentation
• Untersuchung des Potenzials zur Reduzierung der Netzabhängigkeit
• Auswertung und Visualisierung der Ergebnisse

Das solltest du mitbringen

• Studium im Bereich Maschinenbau, Mechatronik, Computational Engineering, Informatik oder vergleichbar
• Interesse an numerischer Mechanik, Fertigungstechnik und Machine Learning
• Gute Programmierkenntnisse in Python
• Erste Erfahrungen mit numerischen Simulationen und/oder Deep Learning (z. B. PyTorch) von Vorteil
• Analytische und strukturierte Arbeitsweise

Wir bieten dir

• Mitarbeit an einem aktuellen Forschungsprojekt im Bereich numerischer Simulation und datengetriebener Fertigungstechnik
• Einblick in moderne Methoden der numerischen Mechanik und impliziten neuronalen Repräsentation
• Vorhandene Simulations- und Experimentdaten
• Möglichkeit zur Integration in eine Bachelor-, Semester- oder Masterarbeit 
• Betreuung in einem interdisziplinären Umfeld aus Fertigungstechnik, numerischer Mechanik und Machine Learning

Bewerbung

Sende deinen Lebenslauf, Notenspiegel und ein kurzes Motivationsschreiben an:

 

kevin.pruefer@tum.de

Possible start

sofort

Contact

Kevin Prüfer, M.Sc.
Room: MW 5204.EG.008
Phone: 089 289 13996
kevin.pruefertum.de