Optimierung von Crashstrukturen
Bei der numerischen Optimierung von Fahrzeugstrukturen handelt es sich um komplexe hoch-nicht-lineare Antwortsysteme, die automatisiert analysiert und auf Grund der hohen Rechenzeit effizient ausgewertet werden müssen. Im Institut werden Methoden der künstlichen Intelligenz untersucht und für die Crashoptimierung angepasst. Ziel hierbei ist es, für eine Optimierungsaufgabe die effizienzteste Methode automatisch zu identifizieren und schnell zu einem ersten optimalen Lösungsvorschlag zu kommen.
Die Optimierung moderner Fahrzeugstrukturen zur Verbesserung der Crashsicherheit ist eine hochkomplexe Aufgabe. Grundlage sind detaillierte Crashsimulationen, bei denen die physikalischen Abläufe eines Unfalls virtuell abgebildet werden. Diese Simulationen sind nicht-linear, da Materialverhalten, Strukturverformungen und Wechselwirkungen zwischen Insassen, Fahrzeug und Umgebung gleichzeitig berücksichtigt werden müssen. Entsprechend hoch ist der Rechenaufwand, was eine effiziente Auswertung und Optimierung erforderlich macht.
Am Institut für Fahrzeugkonzepte werden deshalb Methoden der Künstlichen Intelligenz (KI) erforscht und speziell für die Crashoptimierung weiterentwickelt. KI-Algorithmen – darunter Machine Learning, Surrogatmodelle und Bayesian Optimization – lernen aus abgeleiteten Simulationsdaten, um Muster zu erkennen und Prognosen zu erstellen. So können sie automatisch optimierte Parametersets für eine konkrete Zielfunktion identifizieren und in kurzer Zeit einen ersten optimalen Lösungsvorschlag liefern.
Durch diese intelligente Verknüpfung von numerischen Crashsimulationen und datengetriebener KI können Entwicklungszeiten erheblich reduziert, innovative Fahrzeugkonzepte schneller bewertet und neue Sicherheitsstrategien gezielt entwickelt werden – ein wichtiger Beitrag für ein sichere Mobilität in der Zukunft.