Weder beim Vergleich Versuch/Versuch noch beim Vergleich Simulation/Versuch darf exakte Übereinstmmung einzelner Durchführungen erwartet werden. Was übereinstimmen muss, ist das Gesamtbild, das sich erst aus mehreren Durchführungen ergibt, also die statistische Beschreibung der Ergebnisse (z.B. Mittelwerte, Streuungsmaße, Verteilungen). Stochastische Simulationen sind ein Ansatz, bei dem Streuungen aus der Realität konsequent in die Simulationsergebnisse übertragen werden. So wird es möglich, auch die Streuung der Simulationsergebnisse zu ermitteln und Aussagen über die Zuverlässigkeit und damit letztendlich über die Qualität des simulierten Systems zu treffen. Zur Erzeugung der statistischen Beschreibung des Verhaltens eines Systems bieten sich Stochastische Simulationen mit der Monte-Carlo-Methode an. Hierbei werden basierend auf einem nominalen Ausgangsmodell Kopien des Modells (Clones) erzeugt, wobei bestimmte Parameter des Modells durch Zufallszahlen ersetzt werden, die jedoch vorgegebenen statistischen Verteilungen gehorchen. So entsteht eine Zufallsstichprobe des Modells. Jedes Modell unterscheidet sich minimal von den übrigen Modellen. Alle so erzeugten Modelle der Stichprobe werden anschließend simuliert. Im Idealfall kann die gesamte Stichprobe gleichzeitig berechnet werden. Als Ergebnis der Berechnung aller Modelle erhält man die Rohdaten, die anschließend statistisch auszuwerten sind. Die Einsatzmöglichkeiten stochastsicher Simulationen sind vielfältig. Eine häufige Anwendung sind Robustheitsuntersuchungen von Simulationsmodellen. Als weitere Anwendung bietet sich die Verbesserung von Systemen an. Als wichtigste Anwendung wird die Modellvalidierung genannt. Im Beitrag wird anhand zweier Beispiele die praktische Anwendung der Methode gezeigt: die FE-Simulation eines Kopfaufpralls nach FMVSS 201 auf die B-Säule eines PKW mit dem Berechnungsprogramm LS-DYNA sowie die Verbesserung eines Rückhaltesystems.
Bewertung von Berechnungsergebnissen mittels Stochastischer Simulationsverfahren
Assessment of analysis results using stochastic simulation methods
2000
23 Seiten, 12 Bilder, 7 Quellen
Conference paper
German
Airbag , Automobilindustrie , Berechnung , Bewertungsmethode , Modellsimulation , Monte-Carlo-Methode , Pkw (Personenkraftwagen) , rechnerisches Ergebnis , rechnerunterstützte Simulation , Sicherheitseinrichtung (Fahrzeuginsasse) , Simulationsmodell , Standardabweichung , statistisches Verfahren , stochastisches Modell , Streuung (Messwert) , Zufallszahl
Bewertung von Berechnungsergebnissen mittels stochastischer Simulationsverfahren
Automotive engineering | 2000
|HENRY – Federal Waterways Engineering and Research Institute (BAW) | 2014
|Robuste Flugplanung mittels stochastischer Modellierung
TIBKAT | 2007
|Robuste Flugplanung mittels stochastischer Modellierung
GWLB - Gottfried Wilhelm Leibniz Bibliothek | 2007
|Robuste Flugplanung mittels stochastischer Modellierung
Tema Archive | 2007
|