Ein etabliertes Werkzeug zur Simulation von Schüttgütern ist die Diskrete-Elemente-Methode. Diese modelliert das reale Material durch eine Vielzahl von Partikeln, welche sich frei im Raum bewegen und miteinander interagieren können. Eine besondere Herausforderung bei der Anwendung der Methodik stellt die Parameterwertbestimmung für die sogenannten Kontaktmodelle dar, welche das Interaktionsverhalten der Partikel definieren. Das Bestimmen und Einstellen optimaler Parameterwerte wird auch als Kalibrierung bezeichnet. Die vorliegende Arbeit präsentiert eine neue effiziente Kalibriermethodik, welche als Ersatzmodell-gestützte globale Kalibrierung bezeichnet wird. Diese nutzt Ersatzmodelle um das Schüttgutverhalten respektive die Reaktionsgrößen zu einem vorgegebenen Parametersatz zu prognostizieren. Die Notwendigkeit zum Einsatz von Simulationen im Rahmen der Parameterwerbestimmung entfällt hiermit vollständig.
Im Fokus der Betrachtungen steht die Ersatzmodellbildung. Es werden Möglichkeiten zum Aufbau materialübergreifender DEM-Modelle und zur parametrischen Abbildung unterschiedlicher Korngrößenverteilungen und Kornformen präsentiert. Weiterhin werden verschiedene Stichprobenverfahren miteinander verglichen und ein neues Verfahren für hochdimensionale Parameterräume vorgestellt. Als Ersatzmodellarten werden künstliche neuronale Netze, das Kriging-Verfahren, Symbolische Regression mittels genetischer Programmierung sowie ein Ensemble-Modell, welches die zuvor genannten Ersatzmodellarten kombiniert, untersucht. Die Ergebnisse der Ersatzmodellbildung zeigen, dass das Ensemble-Modelle sehr hohe Approximationsgüten besitzen. Symbolische Regressionsmodelle besitzen hingegen bessere introspektive Eigenschaften und ermöglichen ein tieferes Verständnis über Parametereinflüsse und Sensitivitäten. Zur Validierung der Kalibriermethodik werden die Parameterwerte für zwei unbekannte Materialien – Sojabohnen und Kies 8-16 mm - bestimmt und mittels Simulation überprüft. Hierbei wird eine sehr gute Übereinstimmung der prognostizierten und realen Reaktionsgrößen erreicht. / An established tool for the simulation of bulk materials is the discrete element method. It models the real material by a large number of particles, which move freely in space and can interact with each other. A particular challenge in the application of the methodology is the determination of parameter values for the so-called contact models, which define the interaction behavior of the particles. The determination and adjustment of optimal parameter values is called calibration. The present work presents a new efficient calibration methodology, which is called metamodel based global calibration. The metamodels are used to predict the bulk material behavior respectively the response variables for a given set of parameters. The necessity of using simulations in the context of parameter value determination is completely eliminated.
The focus of the considerations is on substitute modelling. Possibilities for the construction of cross-material DEM models and for the parametric representation of different grain size distributions and grain shapes are presented. Furthermore, different sampling methods are compared and a new method for high-dimensional parameter spaces is presented. As substitute model types, artificial neural networks, the Kriging method, symbolic regression by means of genetic programming as well as an ensemble model, which combines the previously mentioned substitute model types, are examined. The results of the replacement model formation show that the ensemble models have very high approximation qualities. Symbolic regression models, on the other hand, have better introspective properties and allow a deeper understanding of parameter influences and sensitivities. To validate the calibration methodology, the parameter values for two unknown materials - soybeans and gravel 8-16 mm - are determined and verified by simulation. Very good agreement between the predicted and real response variables is achieved.
Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:88417 |
Date | 04 December 2023 |
Creators | Richter, Christian |
Contributors | Will, Frank, Herlitzius, Thomas, Technische Universität Dresden |
Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
Language | German |
Detected Language | German |
Type | info:eu-repo/semantics/publishedVersion, doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0016 seconds