Zuverlässigkeitsbeurteilung vorgeschädigter komplexer Tragstrukturen auf der Basis neuronaler Netzwerkapproximation

点击翻译按钮获取中文摘要

Bestehende exakte Verfahren zur Zuverlässigkeitsbewertung von Tragstrukturen sind hinsichtlich einer effizienten Anwendung in der Regel auf einfachere Systeme beschränkt. Diese Limitierung ist durch den enormen numerischen Aufwand einer nichtlinearen Strukturanalyse unter Berücksichtigung komplexer Versagensmechanismen sowie durch die notwendige Anzahl dieser Strukturanalysen mit variierenden Eingangsparametern innerhalb eines stochastischen Verfahrens begründet. Das beantragte Projekt setzt sich das Ziel eine Sicherheitsbewertung komplexer Strukturen mit vertretbaren numerischen Aufwand zu ermöglichen. Als Werkzeug sollen dabei neuronale Netzwerke, die eine Art künstliches Gedächtnis darstellen, angewendet werden. Diese Netzwerke sollen dazu dienen, die äußerst komplexen nichtlinearen Abhängigkeiten zwischen zufällig schwankenden Material-, Last- und Geometrieparametern und den Antwortgrößen des Systems sehr schnell zu approximieren. Um diese Prognose zu ermöglichen, müssen die neuronalen Netzwerke für die geforderte Aufgabenstellung trainiert werden. In dem Vorhaben sollen geeignete Verfahren entwickelt werden, mit denen eine stabile und genaue Zuverlässigkeitsanalyse auf Basis neuronaler Netzwerke für hochdimensionale Probleme realisiert werden kann. Dabei soll der numerische Aufwand dadurch begrenzt werden, dass nur eine geringe Anzahl von Strukturanalysen als Basis des Netzwerktrainings notwendig ist. Um diese Algorithmen für bestehende vorgeschädigte Tragwerke anwenden zu können, soll schließlich ein Verfahren erarbeitet werden, bei dem aus einem unsicheren Ausgangszustand der Endzustand unter Einbeziehung dynamischer Messwerte direkt approximiert wird und somit bewertet werden kann.