© C. Hölzl

Beispiele für TO und Gitterstrukturen

Bild: Beispiele für TO und Gitterstrukturen

Betreuer: C. Hölzl

Ko-Betreuer: J. Stampfl

Ph.D. Student: S. Geyer

Ziele: Das Ziel dieses Promotionsvorhabens ist die Entwicklung von Algorithmen für topologisch optimierte Teile, die mittels SLS und Heißlithographie hergestellt werden können. Unter Verwendung bewährter Software-Tools wie SolidWorks für das Design von Modellen, Altair Inspire für die Topologieoptimierung, ANSYS für die Verifizierung per FEM und sowohl Rhinoceros als auch Grasshopper für die Entwicklung von Algorithmen zur strukturellen Optimierung über nichtkonforme Gitterstrukturen, eine einfach zu bedienende Toolchain für Bauteiloptimierung entwickelt werden. Im Rahmen der Entwicklung von Algorithmen wird das Potenzial des Einsatzes von Machine-Learning-Algorithmen evaluiert und mit konventionellen Algorithmen verglichen. Zu diesem Zweck werden Komponenten aus der Open-Source-Machine-Learning-Bibliothek LunchBoxML verwendet und übernommen.

Mit beiden genannten additiven Fertigungsverfahren sollen die optimierten Bauteile hergestellt werden, die in einem nächsten Schritt über vorgegebene Werkzeuge der Materialprüfung verifiziert werden sollen. Im Heißlithographie-Verfahren hergestellte Teile müssen zusätzlich hinsichtlich Stützstrukturen optimiert werden, damit keine zusätzliche Stütze benötigt wird. Das Hauptziel dieses Projekts ist die Entwicklung maßgeschneiderter Algorithmen, die Eingabedaten aus CAD- und FEM-Software unter den Randbedingungen von Bauraum, Vorrichtungen, Lasten und dem Soft-Kill-Option (SKO)-Ansatz sowie spezifischen physikalischen Parametern automatisch optimieren das verwendete Material/Fertigungssystem, um das Gewicht zu minimieren und die Steifigkeit der resultierenden Geometrien zu maximieren.

Die FH Campus Wien stellt Software zur Verfügung, die zum Entwerfen und Optimieren des Teiledesigns sowie der erwähnten Fertigungsprozesse benötigt wird. Darüber hinaus wird die FH Campus Wien die Entwicklung von Algorithmen und Themen rund um maschinelles Lernen betreuen. Die TU Wien stellt Werkzeuge und Maschinen zur Verfügung, um die optimierten und gefertigten Teile zu verifizieren.