Arbeitsbericht zum Projekt Integrierte Simulation des Systems "Werkzeugmaschine - Antriebe - Zerspanprozess" auf der Grundlage ordnungsreduzierter FEM-Strukturmodelle. Inhalt: Modellreduktion für lineare Systeme, Balanciertes Abschneiden, Singuläre Systeme 2. Ordnung, Offene Fragen und weiteres Vorgehen.

Arbeitsbericht zum Projekt Integrierte Simulation des Systems "Werkzeugmaschine - Antriebe - Zerspanprozess" auf der Grundlage ordnungsreduzierter FEM-Strukturmodelle. Inhalt: Modellreduktion für lineare Systeme, Balanciertes Abschneiden, Singuläre Systeme 2. Ordnung, Offene Fragen und weiteres Vorgehen.

Für die elastische Mehrkörpersimulation bzw. die FEM-MKS-Kopplung sind reduzierte FE-Modelle von großer Bedeutung. Die Erstellung reduzierter Modelle mit hoher Abbildungsgüte im Rahmen einer Modellordnungsreduktion erfordert einerseits ein geeignetes Reduktions-verfahren und andererseits zuverlässige Korrelationsmethoden. Beides wird durch die Soft-ware MORPACK bereitgestellt. Die Korrelation reduzierter FE-Modelle basiert in MORPACK derzeit ausschließlich auf modalen Eigenschaften. Ausgehend von der Annahme, dass sich die Abbildungsgüte eines reduzierten FE-Modells erst im Rahmen einer Zeitbereichssimula-tion vollständig beurteilen lässt, ist eine dahingehende Erweiterung von MORPACK geplant. Für einfache Topologien muss die Möglichkeit bestehen, das dynamische Verhalten, redu-zierter Modelle, direkt in MORPACK zu simulieren. Mit Hilfe der resultierenden Zeitsignale werden die reduzierten Modelle bewertet. Für die Umsetzung dieser Idee muss in MORPACK zunächst ein eigenständiges EMKS-Programm implementiert werden. Die Implementierung des EMKS-Programms in MORPACK (bzw. MATLAB) stellt den Schwerpunkt dieser Arbeit dar. Es werden zunächst die Anforderungen an das EMKS-Programm formuliert. Nach der Behandlung aller erforderlichen theoretischen Grundlagen werden die Systemgleichungen hergeleitet. Anschließend wird ein Formalismus bereitgestellt, der den Aufbau der Systemgleichungen, auf Basis der Nutzereingaben ermöglicht. Nach der Implementierung des Formalismus wird das EMKS-Programm verifiziert und erprobt. / Reduced FE-Models are very important for elastic multibody simulation and FEM-MKS-coupling. The generation of reduced FE-models with high approximation quality in a model order reduction requires on the one hand a suitable reduction method and on the other hand reliable correlation methods. Both are provided by the MORPACK software. In MORPACK the correlation of reduced FE models based currently only on modal properties. An extension of the MORPACK software is planned on the assumption, that the approximation quality of a reduced FE-model can be completely assessed only in a time domain simulation. For simple topologies, it must be possible to simulate the dynamic behavior of reduced models directly into MORPACK. With the correlation of resulting time signals, the reduced models are as-sessed. To realize this idea, an independent EMKS program must be implemented in MORPACK. The implementation of the EMKS program in MORPACK (respectively MATLAB) represents the focus of this thesis. The first part is to formulate the necessary requirements for the EMKS program. After handling of all the necessary theoretical foundations, the system equa-tions are derived. Subsequently, formalism is provided that allows a construction of the sys-tem equations based on the user input. After the implementation of the formalism, the EMKS program will verify and tested.

Transiente Simulationen im Rahmen von Parameterstudien oder Optimierungsprozessen erfor-dern die Anwendung der Modellordnungsreduktion zur Minimierung der Berechnungs¬zeiten. Die aus der Wärmestrahlung resultierende Nichtlinearität bei der Analyse thermischer Felder wird hier als äußere Last betrachtet, wodurch die entkoppelte Ermittlung der strahlungs-beding¬ten Wärmeströme gelingt. Darüber hinaus ermöglichen die infolgedessen konstanten System¬matrizen die Reduktion des Temperaturvektors mit etablierten Verfahren für lineare Systeme, wie beispielsweise den Krylov-Unterraummethoden. Die aus der in der Regel großflächigen Verteilung der thermischen Lasten folgende hohe Anzahl von Systemeingängen limitiert allerdings die erzielbare reduzierte Dimension. Deshalb werden zustandsunabhängige, sich synchron verändernde Lasten zu einem Eingang zusammengefasst. Die aus der Strahlung resultierenden Wärmeströme sind im Gegensatz dazu durch die aktuelle Temperaturverteilung bestimmt und lassen sich nicht derart gruppieren. Vor diesem Hintergrund wird ein Ansatz basierend auf der Singulärwertzerlegung von aus Trai¬ningssimulationen gewonnenen Beispiellastvektoren vorgeschlagen. Auf diese Weise gelingt eine erhebliche Verringerung der Eingangsanzahl, sodass im reduzierten System ein sehr geringer Freiheitsgrad erreicht wird. Im Vergleich zur Proper Orthogonal Decomposition (POD) genügen dabei deutlich weniger Trainingsdaten, was den Rechenaufwand während der Offline-Phase erheblich vermindert. Darüber hinaus dehnt das entwickelte Verfahren die Gültigkeit des reduzierten Modells auf einen weiten Parameterbereich aus. Die Berechnung der strahlungsbedingten Wärmeströme in der Ausgangsdimension bestimmt dann den numerischen Aufwand. Mit der Discrete Empirical Interpolation Method (DEIM) wird die Auswertung der Nichtlinearität auf ausgewählte Modellknoten beschränkt. Schließlich erlaubt die Anwendung der POD auf die Wärmestrahlungsbilanz die schnelle Anpassung des Emissionsgrades. Somit hängt das reduzierte System nicht mehr vom ursprünglichen Freiheitsgrad ab und die Gesamt-simulationszeit verkürzt sich um mehrere Größenordnungen. / Transient simulations as part of parameter studies or optimization processes require the appli-cation of model order reduction to minimize computation times. Nonlinearity resulting from heat radiation in thermal analyses is considered here as an external load. Thereby, the determi-nation of the radiation-induced heat flows is decoupled from the temperature equation. Hence, the system matrices become invariant and established algorithms for linear systems, such as Krylov Subspace Methods, can be used for the reduction of the temperature vector. However, in general the achievable reduced dimension is limited as the thermal loads distributed over large parts of the surface lead to a high number of system inputs. Therefore, state-independent, synchronously changing loads are combined into one input. In contrast, the heat flows resulting from radiation are determined by the current temperature distribution and cannot be grouped in this way. Against this background, an approach based on the singular value decomposition of snapshots obtained from training simulations is proposed allowing a considerable decreased input number and a very low degree of freedom in the reduced system. Compared to Proper Orthogonal Decomposition (POD), significantly less training data is required reducing the computational costs during the offline phase. In addition, the developed method extends the validity of the reduced model to a wide parameter range. The computation of the radiation-induced heat flows, which is performed in the original dimension, then determines the numerical effort. The Discrete Empirical Interpolation Method (DEIM) restricts the evaluation of the nonlinearity to selected model nodes. Finally, the application of the POD to the heat radiation equation enables a rapid adjustment of the emissivity. Thus, the reduced system is no longer dependent on the original degree of freedom and the total simulation time is shortened by several orders of magnitude.

Für die elastische Mehrkörpersimulation bzw. die FEM-MKS-Kopplung sind reduzierte FE-Modelle von großer Bedeutung. Die Erstellung reduzierter Modelle mit hoher Abbildungsgüte im Rahmen einer Modellordnungsreduktion erfordert einerseits ein geeignetes Reduktions-verfahren und andererseits zuverlässige Korrelationsmethoden. Beides wird durch die Soft-ware MORPACK bereitgestellt. Die Korrelation reduzierter FE-Modelle basiert in MORPACK derzeit ausschließlich auf modalen Eigenschaften. Ausgehend von der Annahme, dass sich die Abbildungsgüte eines reduzierten FE-Modells erst im Rahmen einer Zeitbereichssimula-tion vollständig beurteilen lässt, ist eine dahingehende Erweiterung von MORPACK geplant. Für einfache Topologien muss die Möglichkeit bestehen, das dynamische Verhalten, redu-zierter Modelle, direkt in MORPACK zu simulieren. Mit Hilfe der resultierenden Zeitsignale werden die reduzierten Modelle bewertet. Für die Umsetzung dieser Idee muss in MORPACK zunächst ein eigenständiges EMKS-Programm implementiert werden. Die Implementierung des EMKS-Programms in MORPACK (bzw. MATLAB) stellt den Schwerpunkt dieser Arbeit dar. Es werden zunächst die Anforderungen an das EMKS-Programm formuliert. Nach der Behandlung aller erforderlichen theoretischen Grundlagen werden die Systemgleichungen hergeleitet. Anschließend wird ein Formalismus bereitgestellt, der den Aufbau der Systemgleichungen, auf Basis der Nutzereingaben ermöglicht. Nach der Implementierung des Formalismus wird das EMKS-Programm verifiziert und erprobt.:1 Einleitung 1 1.1 Motivation 1 1.2 Zielsetzung 2 1.3 Lösungsweg 3 2 Verifikation und Optimierung durch Zeitbereichssimulationen 5 2.1 Erweiterung von MORPACK 5 2.2 Anforderungen an das EMKS-Programm 10 2.3 Korrelation von Zeitsignalen 12 3 Grundlagen der elastischen Mehrkörpersimulation 16 3.1 Berücksichtigung elastischer Deformationen in Mehrkörpersystemen 16 3.2 Kinematik freier Einzelkörper 19 3.2.1 Räumliche Drehungen von Bezugssystemen 19 3.2.2 Methode des bewegten Bezugssystems 23 3.2.3 Diskretisierung und Variablen für die Zustandsbeschreibung 25 3.2.4 Kinematik der Schnittstellenknoten 28 3.3 Kinetik freier Einzelkörper 31 3.4 Wahl des Körperbezugssystems 40 3.4.1 Kinematische Zwangsbedingungen 40 3.4.2 Kinetische Zwangsbedingungen 42 3.5 Gebundene Mehrkörpersysteme 44 3.6 Daten von elastischen Körpern 48 4 Bewegungsgleichungen und EMKS Formalismus für zwei beliebig gekoppelte Körper 52 4.1 Modellbildung 52 4.2 Bewegungsgleichungen in einem Satz natürlicher Koordinaten 54 4.3 Transformation auf Minimalkoordinaten 62 4.3.1 Formalismus 63 4.3.2 Herleitung der notwendigen Vektoren und Matrizen 65 5 Erweiterung des EMKS-Algorithmus für die festgelegte Topologie 76 6 Implementierung in MORPACK 84 6.1 Struktur der Eingabe- und Definitionsdaten 84 6.2 Grafische Benutzeroberfläche und Einbindung in MORPACK 90 6.3 Implementierung des EMKS-Formalismus 92 7 Verifikation und Erprobung 98 7.1 Verifikation mit SIMPACK 98 7.2 Erprobung der Prozesskette 101 7.2.1 Erprobungsmodell 101 7.2.2 Ergebnisse der Zeitbereichssimulation im Vergleich zu modalen Korrelationskriterien 103 7.2.3 Optimierung durch Zeitbereichssimulation 108 8 Zusammenfassung und Ausblick 112 / Reduced FE-Models are very important for elastic multibody simulation and FEM-MKS-coupling. The generation of reduced FE-models with high approximation quality in a model order reduction requires on the one hand a suitable reduction method and on the other hand reliable correlation methods. Both are provided by the MORPACK software. In MORPACK the correlation of reduced FE models based currently only on modal properties. An extension of the MORPACK software is planned on the assumption, that the approximation quality of a reduced FE-model can be completely assessed only in a time domain simulation. For simple topologies, it must be possible to simulate the dynamic behavior of reduced models directly into MORPACK. With the correlation of resulting time signals, the reduced models are as-sessed. To realize this idea, an independent EMKS program must be implemented in MORPACK. The implementation of the EMKS program in MORPACK (respectively MATLAB) represents the focus of this thesis. The first part is to formulate the necessary requirements for the EMKS program. After handling of all the necessary theoretical foundations, the system equa-tions are derived. Subsequently, formalism is provided that allows a construction of the sys-tem equations based on the user input. After the implementation of the formalism, the EMKS program will verify and tested.:1 Einleitung 1 1.1 Motivation 1 1.2 Zielsetzung 2 1.3 Lösungsweg 3 2 Verifikation und Optimierung durch Zeitbereichssimulationen 5 2.1 Erweiterung von MORPACK 5 2.2 Anforderungen an das EMKS-Programm 10 2.3 Korrelation von Zeitsignalen 12 3 Grundlagen der elastischen Mehrkörpersimulation 16 3.1 Berücksichtigung elastischer Deformationen in Mehrkörpersystemen 16 3.2 Kinematik freier Einzelkörper 19 3.2.1 Räumliche Drehungen von Bezugssystemen 19 3.2.2 Methode des bewegten Bezugssystems 23 3.2.3 Diskretisierung und Variablen für die Zustandsbeschreibung 25 3.2.4 Kinematik der Schnittstellenknoten 28 3.3 Kinetik freier Einzelkörper 31 3.4 Wahl des Körperbezugssystems 40 3.4.1 Kinematische Zwangsbedingungen 40 3.4.2 Kinetische Zwangsbedingungen 42 3.5 Gebundene Mehrkörpersysteme 44 3.6 Daten von elastischen Körpern 48 4 Bewegungsgleichungen und EMKS Formalismus für zwei beliebig gekoppelte Körper 52 4.1 Modellbildung 52 4.2 Bewegungsgleichungen in einem Satz natürlicher Koordinaten 54 4.3 Transformation auf Minimalkoordinaten 62 4.3.1 Formalismus 63 4.3.2 Herleitung der notwendigen Vektoren und Matrizen 65 5 Erweiterung des EMKS-Algorithmus für die festgelegte Topologie 76 6 Implementierung in MORPACK 84 6.1 Struktur der Eingabe- und Definitionsdaten 84 6.2 Grafische Benutzeroberfläche und Einbindung in MORPACK 90 6.3 Implementierung des EMKS-Formalismus 92 7 Verifikation und Erprobung 98 7.1 Verifikation mit SIMPACK 98 7.2 Erprobung der Prozesskette 101 7.2.1 Erprobungsmodell 101 7.2.2 Ergebnisse der Zeitbereichssimulation im Vergleich zu modalen Korrelationskriterien 103 7.2.3 Optimierung durch Zeitbereichssimulation 108 8 Zusammenfassung und Ausblick 112

A two-step model order reduction method is investigated in order to overcome problems of certain one-step methods. Not only optimal combinations of one-step reductions are considered but also the selection of a suitable intermediate dimension (ID) is described. Several automated selection methods are presented and their application tested on a gear box model. The implementation is realized using a Matlab-based Software MORPACK. Several recommendations are given towards the selection of a suitable ID, and problems in Model Order Reduction (MOR) combinations are pointed out. A pseudo two-step is suggested to reduce the full system without any modal information. A new node selection approach is proposed to enhance the SEREP approximation of the system’s response for small reduced representations. / Mehrschrittverfahren der Modellreduktion werden untersucht, um spezielle Probleme konventioneller Einschrittverfahren zu lösen. Eine optimale Kombination von strukturmechanischen Reduktionsverfahren und die Auswahl einer geeigneten Zwischendimension wird untersucht. Dafür werden automatische Verfahren in Matlab implementiert, in die Software MORPACK integriert und anhand des Finite Elemente Modells eines Getriebegehäuses ausgewertet. Zur Auswahl der Zwischendimension werden Empfehlungen genannt und auf Probleme bei der Kombinationen bestimmter Reduktionsverfahren hingewiesen. Ein Pseudo- Zweischrittverfahren wird vorgestellt, welches eine Reduktion ohne Kenntnis der modalen Größen bei ähnlicher Genauigkeit im Vergleich zu modalen Unterraumverfahren durchführt. Für kleine Reduktionsdimensionen wird ein Knotenauswahlverfahren vorgeschlagen, um die Approximation des Frequenzganges durch die System Equivalent Reduction Expansion Process (SEREP)-Reduktion zu verbessern.

Die FEM-MKS-Kopplung erfordert Modellordnungsreduktions-Verfahren, die mit kleiner reduzierter Systemdimension das Übertragungsverhalten mechanischer Strukturen abbilden. Rationale Krylov-Unterraum-Verfahren, basierend auf dem Arnoldi-Algorithmen, ermöglichen solche Abbildungen in frei wählbaren, breiten Frequenzbereichen. Ziel ist der Entwurf einer fehlerüberwachten Modelreduktion auf Basis von Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Model. Auf Grundlage der Software MORPACK wird eine Arnoldi-Funktion erster Ordnung um interpolativen Startvektor, Eliminierung der Starrkörperbewegung und Reorthogonalisierung erweitert. Diese Operationen beinhaltend, wird ein rationales, interpolatives SOAR-Verfahren entwickelt. Ein rationales Block-SOAR-Verfahren erweist sich im Vergleich als unterlegen. Es wird interpolative Gleichwichtung verwendet. Das Arnoldi-Verfahren zeichnet kleiner Berechnungsaufwand aus. Das rationale, interpolative SOAR liefert kleinere reduzierte Systemdimensionen für gleichen abgebildeten Frequenzbereich. Die Funktionen werden auf Rahmen-, Getriebegehäuse- und Treibsatzwellen-Modelle angewendet. Zur Fehlerbewertung wird eigenfrequenzbasiert ein H2-Integrationsbereich festgelegt und der übertragungsfunktionsbasierte, relative H2-Fehler berechnet. Es werden zur Lösung linearer Gleichungssysteme mit Matlab entsprechende Löser-Funktionen, auf Permutation und Faktorisierung basierend, implementiert. / FEM-MKS-coupling requires model order reduction methods to simulate the frequency response of mechanical structures using a smaller reduced representation of the original system. Most of the rational Krylov-subspace methods are based on Arnoldi-algorithms. They allow to represent the frequency response in freely selectable, wide frequency ranges. Subject of this thesis is the implementation of an error-controlled model order reduction based on Krylov-subspace methods and the application to a mechanical model. Based on the MORPACK software, a first-order-Arnoldi function is extended by an interpolative start vector, the elimination of rigid body motion and a reorthogonalization. Containing these functions, a rational, interpolative Second Order Arnoldi (SOAR) method is designed that works well compared to a rational Block-SOAR-method. Interpolative equal weighting is used. The first-order-Arnoldi method requires less computational effort compared to the rational, interpolative SOAR that is able to compute a smaller reduction size for same frequency range of interest. The methods are applied to the models of a frame, a gear case and a drive shaft. Error-control is realized by eigenfrequency-based H2-integration-limit and relative H2-error based on the frequency response function. For solving linear systems of equations in Matlab, solver functions based on permutation and factorization are implemented.

A two-step model order reduction method is investigated in order to overcome problems of certain one-step methods. Not only optimal combinations of one-step reductions are considered but also the selection of a suitable intermediate dimension (ID) is described. Several automated selection methods are presented and their application tested on a gear box model. The implementation is realized using a Matlab-based Software MORPACK. Several recommendations are given towards the selection of a suitable ID, and problems in Model Order Reduction (MOR) combinations are pointed out. A pseudo two-step is suggested to reduce the full system without any modal information. A new node selection approach is proposed to enhance the SEREP approximation of the system’s response for small reduced representations.:Contents Kurzfassung..........................................................................................iv Abstract.................................................................................................iv Nomenclature........................................................................................ix 1 Introduction........................................................................................1 1.1 Motivation........................................................................................1 1.2 Objectives........................................................................................1 1.3 Outline of the Thesis........................................................................2 2 Theoretical Background.......................................................................3 2.1 Finite Element Method......................................................................3 2.1.1 Modal Analysis...............................................................................4 2.1.2 Frequency Response Function.......................................................4 2.2 Model Order Reduction.....................................................................5 2.3 Physical Subspace Reduction Methods.............................................7 2.3.1 Guyan Reduction...........................................................................7 2.3.2 Improved Reduced System Method...............................................8 2.4 Modal Subspace Reduction Methods...............................................10 2.4.1 Modal Reduction...........................................................................11 2.4.2 Exact Modal Reduction..................................................................11 2.4.3 System Equivalent Reduction Expansion Process.........................13 2.5 Krylov Subspace Reduction Methods...............................................14 2.6 Hybrid Subspace Reduction Methods..............................................15 2.6.1 Component Mode Synthesis........................................................16 2.6.2 Hybrid Exact Modal Reduction......................................................19 2.7 Model Correlation Methods.............................................................21 2.7.1 Normalized Relative Frequency Difference...................................21 2.7.2 Modified Modal Assurance Criterion.............................................22 2.7.3 Pseudo-Orthogonality Check.......................................................22 2.7.4 Comparison of Frequency Response Function.............................23 3 Selection of Active Degrees of Freedom............................................25 3.1 Non-Iterative Methods...................................................................26 3.1.1 Modal Kinetic Energy and Variants..............................................26 3.1.2 Driving Point Residue and Variants..............................................27 3.1.3 Eigenvector Component Product..................................................28 3.2 Iterative Reduction Methods...........................................................29 3.2.1 Effective Independence Distribution.............................................29 3.2.2 Mass-Weighted Effective Independence.......................................32 3.2.3 Variance Based Selection Method.................................................33 3.2.4 Singular Value Decomposition Based Selection Method................34 3.2.5 Stiffness-to-Mass Ratio Selection Method.....................................34 3.3 Iterative Expansion Methods...........................................................35 3.3.1 Modal-Geometrical Selection Criterion...........................................36 3.3.2 Triaxial Effective Independence Expansion...................................36 3.4 Measure of Goodness for Selected Active Set..................................39 3.4.1 Determinant and Rank of the Fisher Information Matrix................39 3.4.2 Condition Number of the Partitioned Modal Matrix........................40 3.4.3 Measured Energy per Mode..........................................................40 3.4.4 Root Mean Square Error of Pseudo-Orthogonality Check.............41 3.4.5 Eigenvalue Comparison................................................................41 4 Two-Step Reduction in MORPACK.......................................................42 4.1 Structure of MORPACK.....................................................................42 4.2 Selection of an Intermediate Dimension.........................................43 4.2.1 Intermediate Dimension Requirements........................................44 4.2.2 Implemented Selection Methods..................................................45 4.2.3 Recommended Selection of an Intermediate Dimension...............48 4.3 Combination of Reduction Methods.................................................49 4.3.1 Overview of All Candidates..........................................................50 4.3.2 Combinations with Modal Information.........................................54 4.3.3 Combinations without Modal Information....................................54 5 Applications........................................................................................57 5.1 Gear Box Model...............................................................................57 5.2 Selection of Additional Active Nodes................................................58 5.3 Optimal Intermediate Dimension......................................................64 5.4 Two-Step Model Order Reduction Results........................................66 5.5 Comparison to One-Step Model Order Reduction Methods..............70 5.6 Comparison to One-Step Hybrid Model Order Reduction Methods...72 5.7 Proposal of a New Approach for Additional Node Selection..............73 6 Summary and Conclusions...................................................................77 7 Zusammenfassung und Ausblick..........................................................79 Bibliography............................................................................................81 List of Tables..........................................................................................86 List of Figures.........................................................................................88 A Appendix.............................................................................................89 A.1 Results of Two-Step Model Order Reduction.....................................89 A.2 Data CD............................................................................................96 / Mehrschrittverfahren der Modellreduktion werden untersucht, um spezielle Probleme konventioneller Einschrittverfahren zu lösen. Eine optimale Kombination von strukturmechanischen Reduktionsverfahren und die Auswahl einer geeigneten Zwischendimension wird untersucht. Dafür werden automatische Verfahren in Matlab implementiert, in die Software MORPACK integriert und anhand des Finite Elemente Modells eines Getriebegehäuses ausgewertet. Zur Auswahl der Zwischendimension werden Empfehlungen genannt und auf Probleme bei der Kombinationen bestimmter Reduktionsverfahren hingewiesen. Ein Pseudo- Zweischrittverfahren wird vorgestellt, welches eine Reduktion ohne Kenntnis der modalen Größen bei ähnlicher Genauigkeit im Vergleich zu modalen Unterraumverfahren durchführt. Für kleine Reduktionsdimensionen wird ein Knotenauswahlverfahren vorgeschlagen, um die Approximation des Frequenzganges durch die System Equivalent Reduction Expansion Process (SEREP)-Reduktion zu verbessern.:Contents Kurzfassung..........................................................................................iv Abstract.................................................................................................iv Nomenclature........................................................................................ix 1 Introduction........................................................................................1 1.1 Motivation........................................................................................1 1.2 Objectives........................................................................................1 1.3 Outline of the Thesis........................................................................2 2 Theoretical Background.......................................................................3 2.1 Finite Element Method......................................................................3 2.1.1 Modal Analysis...............................................................................4 2.1.2 Frequency Response Function.......................................................4 2.2 Model Order Reduction.....................................................................5 2.3 Physical Subspace Reduction Methods.............................................7 2.3.1 Guyan Reduction...........................................................................7 2.3.2 Improved Reduced System Method...............................................8 2.4 Modal Subspace Reduction Methods...............................................10 2.4.1 Modal Reduction...........................................................................11 2.4.2 Exact Modal Reduction..................................................................11 2.4.3 System Equivalent Reduction Expansion Process.........................13 2.5 Krylov Subspace Reduction Methods...............................................14 2.6 Hybrid Subspace Reduction Methods..............................................15 2.6.1 Component Mode Synthesis........................................................16 2.6.2 Hybrid Exact Modal Reduction......................................................19 2.7 Model Correlation Methods.............................................................21 2.7.1 Normalized Relative Frequency Difference...................................21 2.7.2 Modified Modal Assurance Criterion.............................................22 2.7.3 Pseudo-Orthogonality Check.......................................................22 2.7.4 Comparison of Frequency Response Function.............................23 3 Selection of Active Degrees of Freedom............................................25 3.1 Non-Iterative Methods...................................................................26 3.1.1 Modal Kinetic Energy and Variants..............................................26 3.1.2 Driving Point Residue and Variants..............................................27 3.1.3 Eigenvector Component Product..................................................28 3.2 Iterative Reduction Methods...........................................................29 3.2.1 Effective Independence Distribution.............................................29 3.2.2 Mass-Weighted Effective Independence.......................................32 3.2.3 Variance Based Selection Method.................................................33 3.2.4 Singular Value Decomposition Based Selection Method................34 3.2.5 Stiffness-to-Mass Ratio Selection Method.....................................34 3.3 Iterative Expansion Methods...........................................................35 3.3.1 Modal-Geometrical Selection Criterion...........................................36 3.3.2 Triaxial Effective Independence Expansion...................................36 3.4 Measure of Goodness for Selected Active Set..................................39 3.4.1 Determinant and Rank of the Fisher Information Matrix................39 3.4.2 Condition Number of the Partitioned Modal Matrix........................40 3.4.3 Measured Energy per Mode..........................................................40 3.4.4 Root Mean Square Error of Pseudo-Orthogonality Check.............41 3.4.5 Eigenvalue Comparison................................................................41 4 Two-Step Reduction in MORPACK.......................................................42 4.1 Structure of MORPACK.....................................................................42 4.2 Selection of an Intermediate Dimension.........................................43 4.2.1 Intermediate Dimension Requirements........................................44 4.2.2 Implemented Selection Methods..................................................45 4.2.3 Recommended Selection of an Intermediate Dimension...............48 4.3 Combination of Reduction Methods.................................................49 4.3.1 Overview of All Candidates..........................................................50 4.3.2 Combinations with Modal Information.........................................54 4.3.3 Combinations without Modal Information....................................54 5 Applications........................................................................................57 5.1 Gear Box Model...............................................................................57 5.2 Selection of Additional Active Nodes................................................58 5.3 Optimal Intermediate Dimension......................................................64 5.4 Two-Step Model Order Reduction Results........................................66 5.5 Comparison to One-Step Model Order Reduction Methods..............70 5.6 Comparison to One-Step Hybrid Model Order Reduction Methods...72 5.7 Proposal of a New Approach for Additional Node Selection..............73 6 Summary and Conclusions...................................................................77 7 Zusammenfassung und Ausblick..........................................................79 Bibliography............................................................................................81 List of Tables..........................................................................................86 List of Figures.........................................................................................88 A Appendix.............................................................................................89 A.1 Results of Two-Step Model Order Reduction.....................................89 A.2 Data CD............................................................................................96

Die FEM-MKS-Kopplung erfordert Modellordnungsreduktions-Verfahren, die mit kleiner reduzierter Systemdimension das Übertragungsverhalten mechanischer Strukturen abbilden. Rationale Krylov-Unterraum-Verfahren, basierend auf dem Arnoldi-Algorithmen, ermöglichen solche Abbildungen in frei wählbaren, breiten Frequenzbereichen. Ziel ist der Entwurf einer fehlerüberwachten Modelreduktion auf Basis von Krylov-Unterraumverfahren und Anwendung auf ein strukturmechanisches Model. Auf Grundlage der Software MORPACK wird eine Arnoldi-Funktion erster Ordnung um interpolativen Startvektor, Eliminierung der Starrkörperbewegung und Reorthogonalisierung erweitert. Diese Operationen beinhaltend, wird ein rationales, interpolatives SOAR-Verfahren entwickelt. Ein rationales Block-SOAR-Verfahren erweist sich im Vergleich als unterlegen. Es wird interpolative Gleichwichtung verwendet. Das Arnoldi-Verfahren zeichnet kleiner Berechnungsaufwand aus. Das rationale, interpolative SOAR liefert kleinere reduzierte Systemdimensionen für gleichen abgebildeten Frequenzbereich. Die Funktionen werden auf Rahmen-, Getriebegehäuse- und Treibsatzwellen-Modelle angewendet. Zur Fehlerbewertung wird eigenfrequenzbasiert ein H2-Integrationsbereich festgelegt und der übertragungsfunktionsbasierte, relative H2-Fehler berechnet. Es werden zur Lösung linearer Gleichungssysteme mit Matlab entsprechende Löser-Funktionen, auf Permutation und Faktorisierung basierend, implementiert.:1. Einleitung 1.1. Motivation 1.2. Einordnung 1.3. Aufbau der Arbeit 2. Theorie 2.1. Simulationsmethoden 2.1.1. Finite Elemente Methode 2.1.2. Mehrkörpersimulation 2.1.3. Kopplung der Simulationsmethoden 2.2. Zustandsraumdarstellung und Reduktion 2.3. Krylov Unterraum Methoden 2.4. Arnoldi-Algorithmen erster Ordnung 2.5. Arnoldi-Algorithmen zweiter Ordnung 2.6. Korrelationskriterien 2.6.1. Eigenfrequenzbezogene Kriterien 2.6.2. Eigenvektorbezogene Kriterien 2.6.3. Übertragungsfunktionsbezogene Kriterien 2.6.4. Fehlerbewertung 2.6.5. Anwendung auf Systeme sehr großer Dimension 3. Numerik linearer Gleichungssysteme 3.1. Grundlagen 3.2. Singularität der Koeffizientenmatrix 3.2.1. Randbedingungen des Systems 3.2.2. Verwendung einer generellen Diagonalperturbation 3.3. Iterative Lösungsverfahren 3.4. Faktorisierungsverfahren 3.4.1. Cholesky-Faktorisierung 3.4.2. LU-Faktorisierung 3.4.3. Fillin-Reduktion durch Permutation 3.4.4. Fazit 3.5. Direkte Lösungsverfahren 3.6. Verwendung externer Gleichungssystem-Löser 3.7. Zusammenfassung 4. Implementierung 4.1. Aufbau von MORPACK 4.2. Anforderungen an Reduktions-Funktionen 4.3. Eigenschaften und Optionen der KSM-Funktionen 4.3.1. Arnoldi-Funktion erster Ordnung 4.3.2. Rationale SOAR-Funktionen 4.4. Korrelationskriterien 4.4.1. Eigenfrequenzbezogen 4.4.2. Eigenvektorbezogen 4.4.3. Übertragungsfunktionsbezogen 4.5. Lösungsfunktionen linearer Gleichungssysteme 4.5.1. Anforderungen und Aufbau 4.5.2. Verwendung der Gleichungssystem-Löser 4.5.3. Hinweise zur Implementierung von Gleichungssystem-Lösern 5. Anwendung 5.1. Versuchsmodelle 5.1.1. Testmodelle kleiner Dimension 5.1.2. Getriebegehäuse 5.1.3. Treibsatzwelle 5.2. Validierung der Reduktionsmethoden an kleinem Modell 5.2.1. Modifizierte Arnoldi-Funktion erster Ordnung 5.2.2. Rationale SOAR-Funktionen 5.2.3. Zusammenfassung 5.3. Anwendung der KSM auf große Modelle 5.3.1. Getriebegehäuse 5.3.2. Treibsatzwelle 5.4. Auswertung 6. Zusammenfassung und Ausblick 6.1. Zusammenfassung 6.2. Ausblick / FEM-MKS-coupling requires model order reduction methods to simulate the frequency response of mechanical structures using a smaller reduced representation of the original system. Most of the rational Krylov-subspace methods are based on Arnoldi-algorithms. They allow to represent the frequency response in freely selectable, wide frequency ranges. Subject of this thesis is the implementation of an error-controlled model order reduction based on Krylov-subspace methods and the application to a mechanical model. Based on the MORPACK software, a first-order-Arnoldi function is extended by an interpolative start vector, the elimination of rigid body motion and a reorthogonalization. Containing these functions, a rational, interpolative Second Order Arnoldi (SOAR) method is designed that works well compared to a rational Block-SOAR-method. Interpolative equal weighting is used. The first-order-Arnoldi method requires less computational effort compared to the rational, interpolative SOAR that is able to compute a smaller reduction size for same frequency range of interest. The methods are applied to the models of a frame, a gear case and a drive shaft. Error-control is realized by eigenfrequency-based H2-integration-limit and relative H2-error based on the frequency response function. For solving linear systems of equations in Matlab, solver functions based on permutation and factorization are implemented.:1. Einleitung 1.1. Motivation 1.2. Einordnung 1.3. Aufbau der Arbeit 2. Theorie 2.1. Simulationsmethoden 2.1.1. Finite Elemente Methode 2.1.2. Mehrkörpersimulation 2.1.3. Kopplung der Simulationsmethoden 2.2. Zustandsraumdarstellung und Reduktion 2.3. Krylov Unterraum Methoden 2.4. Arnoldi-Algorithmen erster Ordnung 2.5. Arnoldi-Algorithmen zweiter Ordnung 2.6. Korrelationskriterien 2.6.1. Eigenfrequenzbezogene Kriterien 2.6.2. Eigenvektorbezogene Kriterien 2.6.3. Übertragungsfunktionsbezogene Kriterien 2.6.4. Fehlerbewertung 2.6.5. Anwendung auf Systeme sehr großer Dimension 3. Numerik linearer Gleichungssysteme 3.1. Grundlagen 3.2. Singularität der Koeffizientenmatrix 3.2.1. Randbedingungen des Systems 3.2.2. Verwendung einer generellen Diagonalperturbation 3.3. Iterative Lösungsverfahren 3.4. Faktorisierungsverfahren 3.4.1. Cholesky-Faktorisierung 3.4.2. LU-Faktorisierung 3.4.3. Fillin-Reduktion durch Permutation 3.4.4. Fazit 3.5. Direkte Lösungsverfahren 3.6. Verwendung externer Gleichungssystem-Löser 3.7. Zusammenfassung 4. Implementierung 4.1. Aufbau von MORPACK 4.2. Anforderungen an Reduktions-Funktionen 4.3. Eigenschaften und Optionen der KSM-Funktionen 4.3.1. Arnoldi-Funktion erster Ordnung 4.3.2. Rationale SOAR-Funktionen 4.4. Korrelationskriterien 4.4.1. Eigenfrequenzbezogen 4.4.2. Eigenvektorbezogen 4.4.3. Übertragungsfunktionsbezogen 4.5. Lösungsfunktionen linearer Gleichungssysteme 4.5.1. Anforderungen und Aufbau 4.5.2. Verwendung der Gleichungssystem-Löser 4.5.3. Hinweise zur Implementierung von Gleichungssystem-Lösern 5. Anwendung 5.1. Versuchsmodelle 5.1.1. Testmodelle kleiner Dimension 5.1.2. Getriebegehäuse 5.1.3. Treibsatzwelle 5.2. Validierung der Reduktionsmethoden an kleinem Modell 5.2.1. Modifizierte Arnoldi-Funktion erster Ordnung 5.2.2. Rationale SOAR-Funktionen 5.2.3. Zusammenfassung 5.3. Anwendung der KSM auf große Modelle 5.3.1. Getriebegehäuse 5.3.2. Treibsatzwelle 5.4. Auswertung 6. Zusammenfassung und Ausblick 6.1. Zusammenfassung 6.2. Ausblick

Im Zuge der Miniaturisierung werden mechanische Nichtlinearitäten immer wichtiger für die Auslegung und Optimierung von mikromechanischen Drehratensensoren. Die vorliegende Arbeit beschäftigt sich mit neuen Simulationsmethoden zur Beschreibung dieser mechanischen Nichtlinearitäten. Die Methoden werden mit Benchmark-Simulationen und Messergebnissen validiert. Die Genauigkeit der neuen Simulationsmethoden erlaubt den Einsatz in der Designoptimierung von kommerziellen MEMS Drehratensensoren. / In this thesis, new simulation methods for the mechanical nonlinearities in microelectromechanical gyroscopes are developed and validated with benchmark simulations and experimental results. The benchmark simulations use transient finite element analysis that consider geometric nonlinear effects. Experimental results are from Laser Doppler Vibrometry and electrical measurements on wafer level. Two different simulation methods, the energy- and stiffness-based approach, are compared with respect to numerical performance and accuracy. In order to evaluate these methods, four different mechanical structures are taken into account: a doubly-clamped beam, a gyroscope test structure and two state-of-the-art gyroscopes with 1 and 2 axes. For the accuracy measurement, the simulated frequency shifts of modes are compared to the true frequency shifts that are developed from either benchmark simulation, Laser Doppler Vibrometry or electrical measurement. The presented methods allow to predict the frequency shift of modes accurately and with a minimum of computational cost. Furthermore, the methodologies allow to generate modal reduced order models which are compatible with common model order reduction in the field. This makes it possible to incorporate mechanical nonlinearity in already established reduced order models of gyroscopes. The simulation and modeling strategies are applicable for generic actuated structures that can be also in different fields of study such as the aerospace and earthquake engineering.