Die vorliegende Arbeit befasst sich mit der Modellierung kurzfaserverstärkter Kunststoffe und der draus folgenden Berechnung effektiver Compositeeigenschaften. Die grundlegen-de Idee für alle Untersuchungen in dieser Arbeit ist, dass eine gesteigerte Information auf Mikrostrukturebene zu einer besseren Vorhersage der effektiven Compositeeigenschaften führt. Welche Informationen und wie sie genutzt und verarbeitet werden, wird in dieser Arbeit eingehend analysiert und bewertet. Insbesondere steht dabei die Information über die Faserorientierung im Vordergrund der durchgeführten Untersuchungen. Darüber hinaus werden weitere Informationen über die Mikrostruktur hinsichtlich ihrer Auswirkungen auf die effektiven Compositeeigenschaften untersucht. Hierzu werden zahlreiche mögliche Mikrostrukturen als Repräsentative Volumen Elemente mit veränderlichen Modellierungsparametern mit der Finite-Elemente Methode analysiert.
Weiter wird in dieser Arbeit ein neuronales Netz auf Basis einer Datengrundlage von RVEs erarbeitet und vorgestellt. Hierzu werden RVEs mit zufällig gewählten Inputparametern erstellt und ausgewertet. Die RVEs unterscheiden sich dabei durch ihre Faserorientierung, Faser-länge, Faservolumenanteil und durch die verwendeten Eigenschaften der Matrix. Es wird eindeutig gezeigt, dass das neuronale Netz im Mittel die Ergebnisse der RVEs besser approximieren kann als eine zweistufige Homogenisierung auf Basis der Methode von Mori-Tanaka. Der Zielkonflikt zwischen genauerer Modellierung und schnellerer Berechnungen auf der Bauteilebene kann mit dem vorgestellten Vorgehen deutlich entschärft werden.
| Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:88170 |
| Date | 20 November 2023 |
| Creators | Breuer, Kevin |
| Contributors | Stommel, Markus, Kästner, Markus, Technische Universität Dresden, Leibnitz-Institut für Polymerforschung Dresden e.V. |
| 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 0.0135 seconds