Efficient Order Reduction for the Prediction of Macroscopic Mechanical Properties of Nonlinear Fiber-Reinforced Composite Material with Varying Design Parameters

Promovendus/a: Arada Jamnongpipatkul

Promotor(en): prof. Francisco Antonio Gilabert Villegas, prof. Frank Naets

Vezel-versterkte composieten zijn geavanceerde materialen die worden gebruikt in vele toepassingen. Ze bestaan uit polymeerlagen die zijn versterkt met vezels, wat resulteert in materialen die zowel sterk als licht zijn. Ze bieden ook grote ontwerpflexibiliteit, waardoor ontwerpers hun eigenschappen kunnen afstemmen op een breed scala aan toepassingen. Het ontwerpen van dergelijke materialen vereist echter complexe berekeningen en computersimulaties. Dit proces kan zeer tijdrovend zijn. Deze scriptie presenteert een efficiëntere methode om deze berekeningen uit te voeren door middel van een dimensionale reductiemethode, een techniek uit ‘’machine learning’' en data-analyse voor datatransformatie. Deze aanpak extraheert essentiële informatie uit een dataset om een vereenvoudigde stelsel op te stellen dat het oorspronkelijke systeem nauwkeurig benadert, wat resulteert in een vermindering in rekentijd. De focus ligt op het ontwikkelen van een stelsel dat rekening houdt met variaties in vezelpatronen binnen het composiet, een belangrijke factor die de prestaties van composietmaterialen beïnvloedt. De resultaten tonen aan dat de methode de rekentijd aanzienlijk verkort, terwijl de gedragingen binnen 10% nauwkeurig blijven ten opzichte van de oorspronkelijke berekeningen. Ook de spanningsverdelingen binnen het materiaal worden naar tevredenheid vastgelegd. Dit vormt de basis voor de integratie van realistischere en complexere materiaalmodellen in toekomstig werk.