Geometrien von 3D CAD-Daten für das Digital MockUp verstehen und bewerten

?berblick

Das Projekt war im Bereich des digitalen Prototypenbaus in der Fahrzeugentwicklung angesiedelt. Im sogenannten Digital MockUp werden die Bauteile eines Fahrzeugs, gegeben als 3D CAD-Daten, bezüglich ihrer Funktionalit?t abgesichert. Dies geschieht nicht nur einzeln für jedes Bauteil, sondern auch für das Zusammenspiel der von vielen verschiedenen Konstrukteuren geplanten Teile. Ein wichtiger Aspekt dabei ist zu prüfen, dass Bauteile nicht in Konflikt zu ihren Nachbarn stehen, also nicht den gleichen Bauraum einnehmen. Der Automatisierungsgrad ging hier in der Vergangenheit nur soweit, dass gro?e Mengen an Bauteilen auf Kollisionen mit ihren Nachbarn untersucht werden konnten.

Forschungsfrage

Die in der Praxis zuhauf auftretenden Kollisionen zwischen Bauteilen weisen den Ingenieuren in einigen F?llen relevante Fehler auf, die eine konstruktive Ver?nderung der Bauteile erfordern. Die Mehrzahl ist allerdings für die Ingenieure irrelevant. Ein h?ufiges Beispiel sind Kollisionen, an denen Kleinteile wie Schrauben, Bolzen oder Klipse beteiligt sind. Deren Aufgabe ist es, Bauteile aneinander zu befestigen und die so erzeugten Kollisionen sind gewollt. Die endgültige Bewertung in kritisch oder unkritisch musste durch einen Experten erfolgen. In GeoCADUp wurden Verfahren für eine automatisierte Klassifizierung und Bewertung der Kollisionen, an denen sehr h?ufig Befestigungselemente wie Schrauben oder Klipse beteiligt sind, entwickelt.

Vorgehensweisen

Im Projekt wurde der Schwerpunkt auf die Verwendung tiefer neuronaler Netze auf Basis von Bildern oder Punktwolken gelegt. Es wurden bildbasierte neuronale Netze entwickelt, die 3D Objekte und insbesondere verschiedene Arten von Befestigungselementen klassifizieren, um dem Experten Informationen über die an einer Kollision beteiligten Bauteile zu liefern. Die für das Training von neuronalen Netzen notwendige gro?e Datenbasis war bei unserem industriellen Projektpartner vorhanden und wurde für GeoCADUp aufbereitet. Darüber hinaus wurde im Projekt ein akademischer Datensatz von Befestigungselementen erzeugt und der wissenschaftlichen Community zur Verfügung gestellt.

Für eine anschlie?ende Bewertung von Kollisionen zwischen einem Befestigungselement und seiner Loch-Gegengeometrie kommt ebenfalls ein neuronales Netz zur Anwendung, das Panoramaviews verwendet.

Darüber hinaus wurde ein neuronales Netz auf Basis von Punktwolken zur Segmentierung von Anschlussstellen innerhalb eines Bauteils erarbeitet.

  • Logos Forschung an Fachhochschulen
LeitungProf. Dr. Nicola Wolpert
Partner (extern)invenio Virtual Technologies GmbH, Johannes Gutenberg-Universit?t Mainz
Projekt E-Mailadressenicola.wolpert@hft-stuttgart.de
F?rdergeberBundesministerium für Bildung und Forschung (BMBF)
AusschreibungIngenieurnachwuchs
Laufzeit01.05.2017?– 30.04.2021, verl?ngert bis 30.06.2022

Team

Name & Position E-Mail & Telefon Büro
Professorin+49 711 8926 2697 2/368