Maschinelles Lernen für die numerische Homogenisierung von Beton/Machine Learning for the Numerical Homogenization of Concrete

Die Materialmodellierung von Beton mittels moderner numerischer Methoden beschleunigt den Entwurfsprozess von Bauwerken erheblich. Bei der Multiskalenmodellierung eines solch heterogenen Materials sind jedoch die etablierten Homogenisierungsverfahren weiterhin sehr rechenintensiv, insbesondere bei hohen Genauigkeitsanforderungen. In diesem Beitrag wird ein Ansatz des maschinellen Lernens vorgeschlagen, der eine recheneffiziente Lösungsmethode darstellt und zugleich ein hohes Maß an Genauigkeit bietet. Der für den Trainings- und Testprozess verwendete Datensatz besteht aus künstlichen und realen mikrostrukturellen Bildern (Input), während die Ergebnisdaten (Output) die homogenisierten Spannungen eines bestimmten repräsentativen Volumenelements (RVE) sind. Die Leistungsfähigkeit des Modells wird anhand von Beispielen demonstriert und mit klassischen Homogenisierungsmethoden verglichen. Das entwickelte ML-Modell erzielt eine höhere Genauigkeit bei der Ermittlung der homogenisierten Spannungen und reduziert die Berechnungszeit erheblich.