Sie sind auf Seite 1von 359

Martin Meywerk

CAE-Methoden in der Fahrzeugtechnik


Martin Meywerk

CAE-Methoden
in der
Fahrzeugtechnik

Mit 239 Abbildungen und 10 Tabellen

123
Prof. Dr.-Ing. Martin Meywerk
Institut für Fahrzeugtechnik und Antriebssystemtechnik
Helmut-Schmidt-Universität
Universität der Bundeswehr Hamburg
Holstenhofweg 85
Postfach 700822
22043 Hamburg
martin.meywerk@hsu-hh.de

Bibliografische Information der Deutschen Bibliothek


Die Deutsche Bibliothek verzeichnet diese Publikation in der Deutschen
Nationalbibliografie; detaillierte bibliografische Daten sind im Internet über
http://dnb.ddb.de abrufbar.

ISBN 978-3-540-49866-7 Springer Berlin Heidelberg New York

Dieses Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere
die der Übersetzung, des Nachdrucks, des Vortrags, der Entnahme von Abbildungen und
Tabellen, der Funksendung, der Mikroverfilmung oder der Vervielfältigung auf anderen We-
gen und der Speicherung in Datenverarbeitungsanlagen, bleiben, auch bei nur auszugsweiser
Verwertung, vorbehalten. Eine Vervielfältigung dieses Werkes oder von Teilen dieses Werkes
ist auch im Einzelfall nur in den Grenzen der gesetzlichen Bestimmungen des Urheberrechts-
gesetzes der Bundesrepublik Deutschland vom 9. September 1965 in der jeweils geltenden
Fassung zulässig. Sie ist grundsätzlich vergütungspflichtig. Zuwiderhandlungen unterliegen
den Strafbestimmungen des Urheberrechtsgesetzes.

Springer ist ein Unternehmen von Springer Science+Business Media


springer.de

© Springer-Verlag Berlin Heidelberg 2007

Die Wiedergabe von Gebrauchsnamen, Handelsnamen, Warenbezeichnungen usw. in diesem


Werk berechtigt auch ohne besondere Kennzeichnung nicht zu der Annahme, dass solche
Namen im Sinne der Warenzeichen- und Markenschutz-Gesetzgebung als frei zu betrachten
wären und daher von jedermann benutzt werden dürften. Text und Abbildungen wurden
mit größter Sorgfalt erarbeitet. Verlag und Autor können jedoch für eventuell verbliebene
fehlerhafte Angaben und deren Folgen weder eine juristische Verantwortung noch irgendeine
Haftung übernehmen.

Satz: Digitale Druckvorlage des Autors


Herstellung: LE-TEX, Jelonek, Schmidt & Vöckler GbR, Leipzig
Umschlaggestaltung: WMXDesign GmbH, Heidelberg
Gedruckt auf säurefreiem Papier 68/3100 YL – 5 4 3 2 1 0
Für meine Frau Annette und für meine Kinder
Sophia, Aljoscha, Indira und Felicia
Vorwort

Das vorliegende Buch entstand aus Vorlesungsmanuskripten über CA-Techni-


ken und CAE-Methoden in der Fahrzeugtechnik. Die Vorlesungen wurden in
den Jahren 2003 – 2006 mehrfach an der Helmut-Schmidt-Universität, Uni-
versität der Bundeswehr Hamburg, für Studierende des Maschinenbaus und
der Rechnergestützten Ingenieurwissenschaften gehalten.
Meinen Mitarbeitern und meinen ehemaligen Mitarbeitern Dr.-Ing. W. To-
maske, Dr.-Ing. C. Harnisch, Dr.-Ing. B. Lach, Dipl.-Ing. T. Fortmüller, Dipl.-
Ing. C. Breidenbach, Dipl.-Ing. V. Pracny, Dipl.-Ing. D. Engel und Dipl.-Ing.
N. Samadi danke ich für die Unterstützung bei der Erstellung von Beispielen
und für das Korrekturlesen einzelner Kapitel. Frau M. Schulz und Frau M.
Gerds danke ich für das Erstellen der Wordvorlage. Frau M. Gerds danke ich
für die Erstellung und Überarbeitung der Bilder und für die Durchsicht des
Latex-Endausdrucks.
Den Lizenzinhabern der von mir für Lehrzwecke eingesetzten Softwarepakete
ADAMS, ANSYS, Hyperview, MADYMO, MATLAB/Simulink, MEDINA,
OPTIMUS, PAMCRASH, SIMMechanics, Techplot und Virtual Lab danke
ich für die Bereitstellung von Lizenzen für Lehrzwecke.
Der Volkswagen AG und meinen ehemaligen Kollegen von Volkswagen danke
ich für die Bereitstellung aktueller Berechnungsergebnisse. Ebenso danke ich
der Daimler-Chrysler AG, der BMW Group und der AUDI AG für die Be-
reitstellung von Bildmaterial.
Mein besonderer Dank gilt meiner Frau Dr. A. Nicolay. Sie hat mir beim
Schreiben die notwendige Zeit gegeben und mir den Rücken von anderen Auf-
gaben freigehalten. Weiterhin danke ich ihr für das intensive Korrekturlesen
während der Endphase der Erstellung des Buches.

Hamburg, Januar 2007 Martin Meywerk


Inhaltsverzeichnis

1 Einleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1

2 Rechnergestützte Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1 CAx-Methoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.2 Computer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14

3 Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1 Physikalische Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Geometrische Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.1 Geometrische Aufbereitung . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.2.2 Physikalische Modifikation . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3 Mathematische Modellbildung . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

4 Partielle Differentialgleichungen und


Diskretisierungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4.1 Klassifikation partieller Differentialgleichungen . . . . . . . . . . . . . . 33
4.2 Diskretisierungsprinzipe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2.1 Schwache Formen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2.2 Methode der gewichteten Residuen . . . . . . . . . . . . . . . . . . 39
4.2.3 Finite-Differenzen-Methode . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.2.4 Finite-Volumen-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4.2.5 Begriffe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
4.2.6 Smoothed-Particle-Hydrodynamic-Methode . . . . . . . . . . . 46
4.2.7 Moving-Least-Square-Approximation . . . . . . . . . . . . . . . . . 48
4.2.8 Äußere Approximation (Trefftz-FEM) . . . . . . . . . . . . . . . 48
4.2.9 Randelemente-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . 50

5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion 55


5.1 Wärmeleitung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
5.2 Temperaturstrahlung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
5.3 Konvektion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
X Inhaltsverzeichnis

5.4 Diffusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.5 Plausibilitätsbetrachtungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

6 Dynamik starrer Körper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71


6.1 Kinetik des starren Körpers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73
6.2 Kinetische Energie des starren Körpers . . . . . . . . . . . . . . . . . . . . . 76
6.3 Elemente von Starrkörperprogrammen . . . . . . . . . . . . . . . . . . . . . 81
6.4 Orientierung starrer Körper . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
6.5 Aufstellen und Lösen der Gleichungen . . . . . . . . . . . . . . . . . . . . . . 88
6.5.1 Aufstellen der Bewegungsgleichungen . . . . . . . . . . . . . . . . 88
6.5.2 Lösen der Gleichungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89

7 Statik und Dynamik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93


7.1 Grundlagen der Elastizitätstheorie . . . . . . . . . . . . . . . . . . . . . . . . . 93
7.1.1 Der dreiachsige Spannungszustand . . . . . . . . . . . . . . . . . . . 94
7.1.2 Der ebene Spannungszustand . . . . . . . . . . . . . . . . . . . . . . . 101
7.1.3 Kinematik des verformbaren Körpers . . . . . . . . . . . . . . . . 103
7.1.4 Hauptachsen und Invarianten . . . . . . . . . . . . . . . . . . . . . . . 107
7.1.5 Kompatibilitätsbedingungen . . . . . . . . . . . . . . . . . . . . . . . . 108
7.1.6 Stoffgesetz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
7.1.7 Formänderungsenergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 113
7.2 Elemente und Elementmatrizen . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
7.3 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 117
7.3.1 Spannungsberechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 118
7.3.2 Eigenschwingungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

8 Finite-Elemente-Vernetzungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.1 Finite-Elemente-Typen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 123
8.2 Numerische Integration (Quadratur) . . . . . . . . . . . . . . . . . . . . . . . 126
8.3 Spannungsberechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.4 Elementqualität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.5 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130
8.6 Abschätzungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 136

9 Crashberechnung und Insassensimulation . . . . . . . . . . . . . . . . . . 141


9.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 141
9.2 Elasto-Plastizität . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 145
9.3 Kontaktalgorithmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 151
9.4 Weitere Aspekte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9.4.1 Hourglass-Moden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153
9.4.2 Zeitschritt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 155
9.4.3 Crashprogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 156
9.5 Insassensimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 157
9.6 Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 160
9.7 Praktische Hinweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 165
Inhaltsverzeichnis XI

10 Akustik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
10.1 Einführung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
10.2 Berechnungsmethoden . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
10.2.1 Theoretische Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . 172
10.2.2 Rayleighsche Integralmethode . . . . . . . . . . . . . . . . . . . . . . . 176
10.2.3 Boundary-Element-Methode . . . . . . . . . . . . . . . . . . . . . . . . 180
10.2.4 Finite-Elemente-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . 185
10.2.5 Statistische Energie-Analyse . . . . . . . . . . . . . . . . . . . . . . . . 187
10.2.6 Ray-Tracing-Methode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 199
10.3 Praktische Hinweise . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 201

11 Statik, Dynamik, Betriebsfestigkeit von Rohkarosserien . . . . 203


11.1 Statik von Rohkarosserien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 204
11.2 Dynamik von Rohkarosserien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 208
11.3 Vorhersage der Lebensdauer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 211

12 Strömungssimulation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.1 Motoren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 213
12.2 Außenaerodynamik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 216
12.3 Klimatisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 217
12.4 Ladungswechselberechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 218

13 MKS-Modelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 235
13.1 Ventilsteuerung und Antriebsstrang . . . . . . . . . . . . . . . . . . . . . . . . 235
13.2 Fahrdynamik . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 237

14 Fahrbahn-Fahrzeug-Interaktion . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
14.1 Reifenmodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 245
14.2 Nachgiebige Fahrbahn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 257

15 Nichtlineare Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265


15.1 Grundlagen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 265
15.2 Suchstrategien . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
15.2.1 Jacob-Suchverfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 277
15.2.2 Simplex-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 279
15.2.3 Monte-Carlo-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 281
15.3 Newton- und Gradienten-Verfahren . . . . . . . . . . . . . . . . . . . . . . . . 282
15.4 Verfahren der zulässigen Richtungen und SQP-Verfahren . . . . . 285
15.5 Evolutionäre Algorithmen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285
15.6 Ganzzahlige Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 289
15.7 DOE und RSM . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 291
15.8 Neuronale Netze . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 302
15.9 Multikriterielle Optimierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304
15.10Beispiele . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
15.10.1Crashberechnung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 308
XII Inhaltsverzeichnis

15.10.2Parameteridentifizierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 310
15.10.3Rückhaltesysteme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 311
15.10.4Sicken- und Topologieoptimierung . . . . . . . . . . . . . . . . . . . 313

16 Phänomene nichtlinearer dynamischer Systeme . . . . . . . . . . . . 319


16.1 Singuläre Punkte und invariante Mannigfaltigkeiten . . . . . . . . . . 320
16.2 Bifurkationen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 328
16.3 Super- und subharmonische Schwingungen . . . . . . . . . . . . . . . . . . 337
16.4 Attraktoren und deterministisches Chaos . . . . . . . . . . . . . . . . . . . 340

Literaturverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 347

Sachverzeichnis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 353
1
Einleitung

Der steigende Wettbewerbsdruck in der Fahrzeugentwicklung erfordert sin-


kende Innovationszykluszeiten und steigende Qualität.
Um dieses Ziel zu erreichen, setzen Automobilhersteller verstärkt CAE-Me-
thoden zur Berechnung von Fahrzeugeigenschaften ein. Diese Eigenschaften
betreffen sowohl die Karosserie und das Fahrwerk als auch Sicherheitskompo-
nenten, Komfortaspekte und den Antrieb.
Beim Einsatz der CAE-Methoden ist man bestrebt, möglichst frühzeitig (be-
vor ein Prototyp erstellt wird) das Fahrzeug zu optimieren. Das Ziel dabei
ist, einen virtuellen Prototypen möglichst früh in der Berechnung einsetzen
zu können, um Fehler zu erkennen und konstruktive Veränderungen virtuell
im CAD-Modell umzusetzen.
In der Entwicklung laufen dabei die Geometrieerstellung (Design/Strak: Fest-
legung der äußeren Form; CAD: dreidimensionale Modelle; DMU: Digital-
Mock-Up, Zusammenbau aller Komponenten) und die virtuelle Erfassung der
Eigenschaften (CAE: Berechnung, Simulation; CAT: Computer Aided Te-
sting) parallel ab.
Im CAE-Umfeld gibt es viele Bereiche, die den Entwicklungsprozess un-
terstützen. In den Tabellen 1.1 bis 1.5 sind einige der Bereiche zusammen-
gefasst. Die Güte und die Vorhersagegenauigkeit ist durch die Buchstaben A,
B und C mit folgender Bedeutung gekennzeichnet (aus [17]): A ... im Einsatz,
prognosesicher; B ... im Einsatz, zur Unterstützung der Entwicklung; C ...
Beschränkter Einsatz wegen unvollständiger Methode.
In den Tabellen sind zusätzlich Teilbereiche der Physik angegeben, die von der
entsprechenden CAE-Methode berührt sind. Die Abkürzungen1 bedeuten: SK:
Mechanik starrer Körper; DK: Kontinuumsmechanik fester, deformierbarer
Körper; HM: Hydromechanik; AM: Aeromechanik; TD: Thermodynamik.
Zusätzlich ist in der Spalte FG (Freiheitsgrade) angegeben, ob die betrof-
fenen Teilbereiche der Physik auf Systeme mit endlich vielen Freiheitsgraden

1
Die Abkürzungen wurden lediglich zum Zweck der kompakten Darstellung
gewählt und besitzen keine allgemeine Gültigkeit.
2 1 Einleitung

führen (abgekürzt: n) oder auf Systeme mit unendlich vielen Freiheitsgraden


(abgekürzt: ∞).

Tabelle 1.1. Prognosegüte von CAE-Methoden im Bereich Karosserie und betei-


ligte Teilbereiche der Physik.
Karosserie
A B C SK DK HM AM TD FG
Steifigkeit × × ∞
Festigkeit, Spannungen × × × ∞
Akustik × × × ∞
Betriebsfestigkeit × × ∞
Modalanalyse × × ∞
Crash × × × × × × ∞
Insassensimulation × × × × × n/∞
Tiefziehen/Thermo-/Blasformen × × × ∞
Gießsimulation × × × ∞
Verbindungstechnik × × × ∞
Dichtungen (Tür, ....) × × × ∞

Tabelle 1.2. Prognosegüte von CAE-Methoden im Bereich Aggregate und beteiligte


Teilbereiche der Physik.
Aggregate
A B C SK DK HM AM TD FG
Festigkeit, Spannungen × × × ∞
Modalanalyse × × ∞
Steuertriebsdynamik × × n
Schallabstrahlung × × ∞
Ladungswechsel, 1-dimensional × × ∞
Zylinderinnenströmung × × × ∞
Gemischaufbereitung × × × ∞
Verbrennung × × × ∞
Strömung Wassermantel × × × ∞
Ölkreislauf × × × ∞

An der großen Zahl der beteiligten Simulationsgebiete erkennt man, dass


es sehr viele Anwendungsgebiete von CAE in der Fahrzeugentwicklung gibt.
Ebenso sind zahlreiche physikalische Teilbereiche in unterschiedliche Anwen-
dungsgebiete involviert. Die Grundlagen der Teilbereiche werden nicht in je-
dem Ingenieurstudiengang umfassend vermittelt, so dass es einem Ingenieur,
der in das Gebiet CAE einsteigen möchte, schwer fällt, sich diese Grundlagen
1 Einleitung 3

Tabelle 1.3. Prognosegüte von CAE-Methoden im Bereich Elektronik und betei-


ligte Teilbereiche der Physik.
Elektronik
A B C SK DK HM AM TD FG
Hardware in the Loop × n
EMV × ∞
Auslegung Steuergeräte × n

Tabelle 1.4. Prognosegüte von CAE-Methoden im Bereich Fahrwerk und beteiligte


Teilbereiche der Physik.
Fahrwerk
A B C SK DK HM AM TD FG
Kinematik, Elastokinematik × × n
Festigkeit, Spannungen × × ∞
Lebensdauer, Betriebsfestigkeit × × ∞
Simul. aktiver Fahrwerke × × n

Tabelle 1.5. Prognosegüte von CAE-Methoden im Bereich Gesamtfahrzeug und


beteiligte Teilbereiche der Physik.
Gesamtfahrzeug
A B C SK DK HM AM TD FG
Fahrdynamik × n
Fahrleistung/Verbrauch × × n
Schwingungen, linear × × n/∞
Schwingungen, nichtlinear × × n/∞
Lebensdauer × × ∞
Außenumströmung × × ∞
Innenströmung × × ∞
Motorraumdurchströmung × × × ∞
Klimatisierung × × × ∞
Wärmemanagement × × × × n/∞
Regelungstechnik × n

aus der Literatur anzueignen.


Aus diesen Gründen richtet sich dieses Buch an Studenten im Haupt- oder
Masterstudium oder Ingenieure, die sich über wichtige CAE-Anwendungen
einen Überblick verschaffen wollen und die ihre Kenntnisse über die zugrun-
de liegenden physikalischen Teilbereiche daher auffrischen müssen. Da CAE-
Anwendungen einen sehr weiten Bereich in der Fahrzeugentwicklung einneh-
men und die Gesamtheit aller beteiligter physikalischer Teilbereiche sehr groß
ist, musste für dieses Buch eine Auswahl getroffen werden. Wichtige Anwen-
4 1 Einleitung

dungsfälle und wichtige physikalische Teilbereiche wurden dabei abgedeckt.


Der Leser sollte sich darüber im Klaren sein, dass dieses Buch lediglich in
die Thematik einführt, ihn allerdings nicht in die Lage versetzt, Modelle nach
den Regeln der Kunst zu erstellen. Um sich über aktuelle Fragestellungen zu
informieren und um den Stand der CAE-Modelle in der Fahrzeugentwicklung
kennenzulernen, sei auf Tagungsbände einschlägiger Konferenzen verwiesen.
Das gesamte Buch besteht aus 16 Kapiteln. Nach der Einleitung folgt im
zweiten Kapitel eine Übersicht über das Werkzeug Computer, mit dessen Hil-
fe CAE-Anwendungen ermöglicht werden.
Das dritte Kapitel widmet sich der Modellbildung. Modellbildung ist die Um-
setzung einer Aufgabe in ein Computerprogramm (CAE-Anwendung). Dies
ist aus Sicht des Autors eine der anspruchsvollsten Aufgaben eines Ingenieurs
im Rahmen von CAE. Um diese Aufgabe zu bewältigen, muss der Ingenieur
einen großen Überblick über beteiligte physikalische Teilbereiche haben. Eben-
so muss er den Schritt von CAD-Daten zu CAE-gerechter Geometrie beherr-
schen und ein gewisses Verständis für mathematische Lösungsmethoden mit-
bringen.
Das vierte Kapitel beschäftigt sich mit partiellen Differentialgleichungen und
Diskretisierungsmethoden. In den Tabellen 1.1 bis 1.5 ist jeweils angegeben, ob
die behandelten physikalischen Probleme durch endlich oder unendlich viele
Freiheitsgrade beschreibbar sind. Bei den Systemen, die durch unendlich viele
Freiheitsgrade beschrieben werden, müssen zu deren Lösung Diskretisierungs-
techniken angewendet werden, um diese auf dem Computer lösen zu können.
Die Diskretisierung bezieht sich im Rahmen dieses Buches auf örtliche Diskre-
tisierungen. Zeitliche Diskretisierungen, die ebenfalls notwendig sind, werden
unter dem Stichwort Integrationsverfahren behandelt.
Die Kapitel 5, 6 und 7 widmen sich wichtigen physikalischen Teilbereichen.
Wärmeleitung, Temperaturstrahlung und Konvektion werden im fünften Ka-
pitel beschrieben, Systeme starrer Körper im sechsten Kapitel und Statik und
Dynamik deformierbarer Körper im siebten Kapitel. In diesen drei Kapiteln
werden im Wesentlichen die theoretischen Grundlagen der beteiligten physika-
lischen Bereiche dargestellt. Es handelt sich also vielfach um die Auffrischung
der während des Studiums erworbenen Grundkenntnisse. Jemand, der sehr gu-
te Kenntnisse in Thermodynamik und technischer Mechanik (starre Körper
und Kontinuumsmechanik) mitbringt, kann beim Lesen des Buches diese Ka-
pitel überspringen und lediglich im Bedarfsfall nachlesen. Die in diesen drei
Kapiteln vermittelten Grundlagen stellen eine notwendige Voraussetzung für
das Grundverständnis und für die einfache Bedienung von CAE-Programmen
dar. Leser, die unsicher im Umgang mit Tensoren sind, sollten sich alle drei
Kapitel ansehen, da Tensoren in CAE-Anwendungen eine wichtige Rolle so-
wohl beim Aufbau von CAE-Modellen als auch bei der Interpretation von
Ergebnissen spielen.
Kapitel 8 stellt eine Sonderrolle dar, da es Grundlagen der Finite-Elemente-
Methode erläutert, ohne einen physikalischen Teilbereich abzudecken und oh-
ne eine spezifische CAE-Anwendung aus dem Automobilbereich zu betreffen.
1 Einleitung 5

Trotzdem sind die vermittelten Begriffe wichtig, um viele CAE-Anwendungen


zu verstehen und richtige Modelle aufbauen zu können. Der Leser, der geringe
Kenntnisse in der Finite-Elemente-Methode mitbringt, sollte sich dieses Ka-
pitel ansehen.
Die Kapitel 9 bis 14 widmen sich spezifischen CAE-Anwendungen aus der
Automobilindustrie. Kapitel 9 geht auf die Crashberechnung und Insassen-
simulation ein. Beide Disziplinen stellen an den Berechnungsingenieur sehr
hohe Anforderungen, da eine Vielzahl physikalischer Effekte in den Modellen
berücksichtigt werden muss.
Das zehnte Kapitel behandelt akustische Berechnungsmethoden. Dargestellt
sind mehrere Ansätze, um die Akustik von Fahrzeuginnenräumen oder das
Abstrahlverhalten von Fahrzeugteilen (z. B. Aggregaten) rechnerisch zu er-
fassen.
Im elften Kapitel sind CAE-Anwendungen im Bereich der Rohkarosserie dar-
gestellt. Die wesentlichen Inhalte sind Statik und Dynamik von Rohkarosserien
und Lebensdaueranalyse.
Das zwölfte Kapitel widmet sich unterschiedlichen Anwendungsgebieten der
Strömungsmechanik. In diesem Kapitel findet sich am Beispiel der eindi-
mensionalen Ladungswechselberechnung eine etwas detailliertere Darstellung
theoretischer Grundlagen.
Im dreizehnten Kapitel werden Anwendungen von MKS-Modellen vorgestellt.
Hierbei handelt es sich zum einen um Simulationen im Bereich der Aggregate
und des Antriebsstrangs und zum anderen um das große Gebiet der Fahrdy-
namik.
Da der Reifen für viele Fragestellungen eine entscheidende Rolle spielt, ist der
Fahrbahn-Fahrzeug-Interaktion ein eigenes Kapitel 14 gewidmet. In diesem
wird auf unterschiedliche Reifenmodelle eingegangen. Ebenso werden neben
der klassischen festen Fahrbahn auch nachgiebige Fahrbahnen vorgestellt.
In zunehmendem Maße werden CAE-Anwendungen nicht nur dazu herange-
zogen, um einzelne Versuchsergebnisse nachzurechnen, sondern um komplette
Fahrzeugstrukturen zu optimieren. Optimieren heißt, dass sehr viele Rechnun-
gen, gesteuert durch ein geeigneten Algorithmus, automatisiert durchgeführt
werden. Aus diesem Grund werden im Kapitel 15 unterschiedliche nichtlineare
Optimierungsverfahren vorgestellt.
Im 16. Kapitel werden Phänomene beschrieben, die bei der Zeitintegration
nichtlinearer dynamischer Systeme auftauchen können. Es dient letztendlich
der korrekten Interpretation und dem korrekten Einsatz von Verfahren, um
Ergebnisse von Berechnungen für nichtlineare dynamische Systeme richtig zu
analysieren. Da im Ingenieurstudium häufig Verfahren und Denkweisen für
lineare Systeme vermittelt werden, kann dies bei der Übertragung auf nicht-
lineare Systeme schnell zu falschen Interpretationen führen. Es ist daher hilf-
reich, zumindest grundlegende Phänomene zu kennen, die bei nichtlinearen
Systemen (im Gegensatz zu linearen Systemen) auftauchen können.
2
Rechnergestützte Methoden

Die Arbeit eines Ingenieurs wird zunehmend durch den Einsatz des Computers
geprägt. Während viele organisatorische Abläufe durch die Anwendung relativ
einfach zu bedienender Bürosoftware (z. B. für Emails, Textverarbeitung oder
für die Erstellung von Präsentationen) erleichtert werden, setzt die Bedienung
komplexer Softwarepakete zur Unterstützung der Ingenieurtätigkeit ein ver-
tieftes Wissen der Grundlagen und der Software voraus. Diese Grundlagen
setzen sich aus mathematischen und physikalischen Disziplinen zusammen.
So werden zum einen mathematische Beschreibungsmöglichkeiten von Ober-
flächen benötigt, um die Geometrie von Bauteilen zu erfassen. Zum ande-
ren sind physikalische Grundlagengleichungen, die die wesentlichen Vorgänge
beschreiben, unerlässlich. Um die mathematischen Gleichungen zu lösen,
benötigt man numerische Verfahren.
Im ersten Abschnitt dieses Kapitels wird auf Aspekte von CAx-Methoden
eingegangen, der zweite Abschnitt widmet sich Computern.

2.1 CAx-Methoden
Die Abkürzung CA steht häufig für Computer Aided“, also rechnerun-

terstützt. Der dritte Buchstabe x in der Abkürzung ist ein Platzhalter für
unterschiedliche Buchstaben. In der folgenden Tabelle sind einige Abkürzun-
gen zusammengefasst, wobei diese Abkürzungen in anderem Zusammenhang
auch andere Bedeutungen haben können: Die rechnergestützte Ingenieurtätig-
keit (also im eigentlichen Sinne CAE) wird meist auch als CE (Computational
Engineering) bezeichnet.
Der Produktentstehungsprozess wird durch die vier Bereiche CAD, CAE, CAT
und CAM maßgeblich beeinflusst. Keiner der Bereiche darf für sich allein ge-
sehen werden, und der Ingenieur muss zumindest Grundlagenwissen in allen
drei Bereichen mitbringen.
Liegt dieses Wissen vor, so können CAx-Methoden den Konstruktionsprozess
deutlich beschleunigen:
8 2 Rechnergestützte Methoden

Tabelle 2.1. Erläuterung von CAx-Methoden.


Abkürzung Erklärung
CAD Computer Aided Design, rechnergestütztes Konstruieren
und Entwerfen
CAE Computer Aided Engineering: Berechnung, Simulation
u.a.; CAE umfasst in seiner eigentlichen Bedeutung
rechnergestützte Ingenieurtätigkeit, also alle mit Rech-
nern durchzuführenden Ingenieurtätigkeiten; im Sprach-
gebrauch schränkt man die Bedeutung häufig ein auf Be-
rechnung und Simulation. In diesem Sinne wird CAE
auch hier gebraucht.
CAM Computer Aided Manufacturing, rechnergestützte Ferti-
gung
CAQ Computer Aided Quality Assurance, rechnergestützte
Qualitätssicherung
CAT Computer Aided Testing, automatisierte, rechnergestütz-
te Versuchsdurchführung und Auswertung
DMU Digital Mock Up, geometriebasiertes Modell,
hauptsächlich für Bauraumuntersuchungen

... CAx-Methoden würden die Produktivität bei Konstruktionsprozes-


sen immens erhöhen. Dennoch müsse der Ingenieur alles, was der
Rechner tue, nach wie vor auch im eigenen Kopf nachvollziehen
können.

vdi-nachrichten vom 27.10.2000

Da alle drei Bereiche sehr spezielles Wissen erfordern, werden diese häufig von
unterschiedlichen Spezialisten bearbeitet. Das erfordert Kommunikation (vgl.
Abb. 2.1) zwischen den Spezialisten und damit zwangsläufig einen gemein-
samen Grundwortschatz. Eine größere Herausforderung als die gemeinsame
Sprache bildet allerdings der Austausch von Daten zwischen den Bereichen.
Zum einen muss es geeignete Austauschformate zwischen den unterschiedli-
chen Bereichen geben, was weitgehend gelöst ist.
Zum anderen sind die Anforderungen, die in den unterschiedlichen Berei-
chen an die Daten gestellt werden, verschieden. Dies erschwert den Austausch
der Daten und damit die Zusammenarbeit.
Beispiel 2.1. In Abb. 2.2 ist ein vereinfachtes Beispiel gezeigt. Der Entwick-
lungsprozess beginnt mit einem einfachen Pralltopf. Dieser dient in Kraftfahr-
zeugen zum Abfangen leichter Unfälle und wird vor dem Längsträger montiert.
In diesem Beispiel ist die Form sehr einfach gewählt. Der Berechnungsinge-
nieur hat die Aufgabe, die Form so zu verbessern, dass bei einem leichten
Unfall der Längsträger nicht beschädigt wird.
Um diese Optimierung vorzunehmen, baut der Berechnungsingenieur zunächst
2.1 CAx-Methoden 9

Abb. 2.1. Verbindungen zwischen CAD, CAE, CAT und CAM .

Abb. 2.2. Möglicher Ablauf eines Entwicklungsprozesses von CAD über CAE bis
CAM (Formoptimierung vgl. [79]; Quelle unten links: KUKA Roboter GmbH)).

ein Finite-Elemente-Modell auf der Basis der CAD-Daten auf, um dann die
Form zu variieren. Aus den unterschiedlichen Formen wird schließlich eine aus-
gewählt. Diese muss unter Umständen allerdings noch weiter im CAE-Bereich
untersucht werden, um zum Beispiel festzustellen, ob die ausgewählte Form
tiefziehbar ist. Bei genaueren Untersuchungen werden sogar die Ergebnisse
einer Tiefziehsimulation (z. B. Blechdickenverteilung und Verfestigung) in
der Crashberechnung berücksichtigt. Hier greifen CAE- und CAM-Methoden
10 2 Rechnergestützte Methoden

ineinander.
Hat man eine gute Form gefunden, so muss zunächst überprüft werden, ob
diese nicht mit anderen Bauteilen kollidiert. Für diese Untersuchung muss
das Finite-Elemente-Modell in eine CAD-Geometrie überführt werden. Diese
Geometrie wird zurück in das Digitale Modell (DMU) integriert, um entspre-
chende Bauraumuntersuchungen durchzuführen. Während diese Bauraumun-
tersuchungen in der Vergangenheit häufig statisch durchgeführt wurden, also
ohne Deformationen auf Grund kleiner Schwingungen zu berücksichtigen, tritt
der Aspekt der Bauraumuntersuchung deformierter und bewegter Teile heute
zunehmend in den Vordergrund. Aspekte, die die Wichtigkeit dieser Unter-
suchungen hervorheben, sind z. B. eine zunehmende Dichte von Bauteilen in
modernen Maschinen (Packaging) und daraus resultierend die Gefahr, dass z.
B. Schläuche an Karosserieteilen scheuern und so Leckagen entstehen können
(was bei Bremsschläuchen fatale Folgen hätte). Das Problem der Bestimmung
des Bauraums deformierter und bewegter Teile ist zur Zeit noch Gegenstand
der Forschung. In Abb. 2.3 ist ein Beispiel für eine Bauraum-Hülle gezeigt. Die
Schwierigkeit bei der Bestimmung ist die komplexe Topologie: es gibt konvexe
und konkave Bereiche und es kann beliebig viele Löcher geben.
Falls die Bauraumuntersuchung positiv abgeschlossen wird, folgt im letzten
Schritt die Fertigungsplanung. Besteht ein Pralltopf aus zwei Hälften, die mit
Hilfe eines Roboters zusammengeschweißt werden müssen, so muss dieser Vor-
gang entsprechend geplant werden.

Abb. 2.3. Komplexe Hülle eines bewegten Bauteils (links); die einzuhüllenden Bau-
teile (rechts).

Der Übergang von der CAD-Geometrie zu Finiten Elementen erfolgt durch


zum Teil leistungsstarke, automatische sogenannte Vernetzungsprogramme.
Voraussetzung für den erfolgreichen Einsatz ist allerdings, dass die CAD-
Geometrie bestimmte Kriterien erfüllt. Andernfalls versagen die Vernetzungs-
2.1 CAx-Methoden 11

programme. Die Abbn. 2.4 bis 2.6 zeigen die Schritte bis zu einem Finite-
Elemente-Netz. Zunächst werden charakteristische Punkte definiert, die zur
Festlegung von sogenannten Splines dienen (Abb. 2.4). Mit Hilfe dieser Spline-
Kurven wird eine Oberfläche (Surface) definiert, auf der das eigentliche Bauteil
(definiert durch ein Face) liegt (Abb. 2.5). Dieses Bauteil ergibt sich anschau-
lich durch Beschneiden der Surface. Mit Hilfe dieser Face wird ein Vernet-
zungsbereich definiert, der automatisch durch ein gemischtes Netz (Dreiecke
und Vierecke) in Finite Elemente überführt wird (Abb. 2.6).
CAE-Methoden sind für eine große Zahl von Anwendungen verfügbar. In

Abb. 2.4. Definition der Punkte im Raum und der Kurven als Splines.

Abb. 2.5. Definition der Oberfläche (Surface), auf der die Geometrie des eigentli-
chen Bauteils (Face) liegt.

der folgenden Tabelle sind Beispiele für unterschiedliche Berechnungsdiszi-


plinen aufgeführt. Die Einführung von CAD ab den 70-er Jahren hat den
Konstruktionsprozess tiefgreifend verändert. Heute werden gerade bei Pro-
dukten, die in großen Stückzahlen hergestellt werden, dreidimensionale CAD-
Systeme eingesetzt. Ein Vorteil liegt darin, dass die Zeichnungen leicht mo-
difiziert werden können. Noch größer ist allerdings der Vorteil, dass man mit
der CAD-Geometrie z. B. CNC-Fräsmaschinen steuern kann, die Halbzeuge
oder Werkstücke direkt erstellen können (Rapid Prototyping).
Durch die Einführung von CAE können sogar diese Prototypen eingespart
und zunächst virtuelle Prototypen im Computer getestet werden. So ist z. B.
12 2 Rechnergestützte Methoden

Abb. 2.6. Definition des Bereichs der Face als Vernetzungsbereich und Finite-
Elemente-Netz.

die Entwicklung in der Automobilindustrie auf einem Stand angekommen, bei


dem der erste Prototyp eines neuen Fahrzeugs virtuell ist. Anhand dieses vir-
tuellen Prototyps werden die ersten Tests des Fahrzeugs, angefangen bei der
Untersuchung der Fahrdynamik bis hin zu Crashtests, virtuell ausgeführt. Der
große Vorteil dieses Vorgehens liegt zum einen in der Kostenersparnis (dies
spielt gerade bei Crashtests eine wichtige Rolle, da Crashtests mit Hardware-
Prototypen immer zur Zerstörung der Prototypen führen) und zum anderen
in dem Erkenntnisgewinn, der bei virtuellen Tests deutlich größer sein kann
als bei Hardware-Tests.

Abb. 2.7. Historische Entwicklung von CAD und CAE (nach [117]).
2.1 CAx-Methoden 13

Tabelle 2.2. Beispiele für von CAE-Methoden


Disziplin Bemerkung
Akustik Schallausbreitung (z. B. in der Luft), Schallpegel
(z. B. am Fahrerohr)
Dynamik Eigenfrequenzen, transiente Vorgänge, Vergröße-
rungsfunktionen
Statik Spannungen, Deformationen, Lebensdauer, plasti-
sche Deformationen
Wärmebehandlung, Härten, Phasenumwandlungen, Diffusion,
Vergüten Ausfällen, Elektromagnetismus
Tiefziehen, Innen- Blechdicken, Verfestigung, Eigenspannung, Rück-
hochdruckumformen federung
Thermoformen Kunststoffe, Faserverbundwerkstoffe

Gießsimulation Temperatur, Erstarrung, Füllvorgang

Stoßvorgänge Vogel trifft auf Tragfläche, Geschoss auf Panze-


rung, Partikel auf Raumfahrtstruktur
Elektrodynamik Elektromagnetische Verträglichkeit

Strömungssimulation Widerstandsbeiwerte, Klimaanlagen

Schweißsimulation Spannungen, Temperaturen

Crashsimulation Deformation beim Autounfall, Beschleunigung

Insassensimulation Belastung des menschlichen Körpers beim Auto-


unfall
Ergonomie, Handha- Bedienbarkeit von Maschinen
bung
Menschsimulation Elastische, fluiddynamische Simulation von Teilen
des Menschen (z. B. Herz für Herzklappensimula-
tion) oder des gesamten Menschen

Die historische Entwicklung von CAD und CAE ist in Abb. 2.7 dargestellt.
Die ersten CAE-Anwendungen sind John von Neumann im Rahmen seiner
zumeist militärisch motivierten Berechnungen zuzuschreiben. Letztlich war
es auch von Neumann, der durch seine grundlegenden Arbeiten über Compu-
terarchitektur (Speicher, zentrale Arithmetikeinheit mit Kontrolleinheit sowie
Ein- und Ausgabewerke) im Rahmen des IAS-Computerprojekts in den Jahren
1946 bis 1951 den Grundstein für die Entwicklung von Hochleistungscompu-
tern legte ([73], S. 267 f.).
14 2 Rechnergestützte Methoden

2.2 Computer
In den Anfängen der Entwicklung von Computern wurde deren Bedeutung
vollkommen unterschätzt. Dies ist an Zitaten aus dieser Zeit ersichtlich (aus
Kultur & Technik 4, 2001):
Ich denke, es gibt einen Weltmarkt für vielleicht fünf Computer.“

Thomas Watson, IBM-Vorsitzender, 1943
Ich bin kreuz und quer durch das Land gereist und habe mit den besten

Leuten gesprochen, und ich kann versichern, dass Datenverarbeitung
ein Tick ist, der noch vor dem Jahresende ausgestanden sein wird.“
Der verantwortliche Lektor für Wirtschaftsliteratur bei Prentice Hall, 1957
Es gibt keinen Grund, warum sich irgendjemand zu Hause einen

Computer wünschen sollte. “
Ken Olsen, Präsident und Vorstandsvorsitzender von Digital Equipment
Corp., 1977
640 Kilobyte sollten für jedermann genug sein“

Bill Gates, 1981
Die Entwicklung der Leistungsfähigkeit von Computern als Funktion der
Zeit verläuft nahezu exponentiell. Obwohl häufig auf technologische und prin-
zipielle, physikalische Grenzen hingewiesen wird, die diesem Anstieg ein Ende
setzen könnten, scheinen diese Grenzen noch nicht erreicht, oder diese Grenzen
werden durch den Einsatz neuer Techniken und Technologien weiter verscho-
ben.
Die Entwicklung der Leistungsfähigkeit in industriellen Anwendungen wird
zur Zeit deutlich durch die Umstellung der kommerziellen CAE-Anwendungen
auf parallel abzuarbeitende Algorithmen vorangetrieben. So werden zum Bei-
spiel in der Automobilindustrie Cluster von bis zu 500 Prozessoren genutzt,
um die sehr aufwändigen Crashberechnungen beschleunigt durchführen zu
können. Dazu werden die Berechnungen auf z. B. 8 bis 64 Prozessoren paral-
lel verteilt; bei wenigen Prozessoren erreicht man nahezu lineare Skalierbarkeit
(also die Antwortzeit sinkt fast um den gleichen Faktor wie die Anzahl der
Prozessoren steigt). Der im Jahre 2004 leistungsfähigste Computer, der Blue
Gene, enthält 32768 Prozessoren.
Die Entwicklung der Leistungsfähigkeit von Hochleistungsrechnern ist in Abb.
2.8 an einigen Beispielen zu sehen. Die Leistungsfähigkeit ist in MIPS (Million
Instructions Per Second) angegeben1 . Die Ordinate ist logarithmisch geteilt.
1
Für die älteren Geräte sind in der Literatur lediglich Zeiten zu finden, die diese
für eine Multiplikation benötigen. In der Grafik wurde eine Multiplikation gleich-
gesetzt mit vier IPS (Instructions Per Second).
2.2 Computer 15

Man erkennt die nahezu exponentielle Entwicklung der Leistungsfähigkeit der


Rechner. Beim Vergleich der Rechenanlage Z3 von Konrad Zuse mit dem zur
Zeit leistungsfähigsten Rechner, dem sogenannten Blue Gene, erkennt man
einen Unterschied von nahezu 13 Zehnerpotenzen.
Diese rasante Entwicklung in der Rechentechnik hat die Verbreitung von CAE-
Methoden deutlich vorangetrieben. Aber auch die Sichttechnik (große Farb-
bildschirme, dreidimensionale Betrachtungsmöglichkeiten usw.) haben deut-
liche Fortschritte in den letzten 10 Jahren gemacht, was die Akzeptanz von
CAE-Methoden maßgeblich gesteigert hat.

Abb. 2.8. Entwicklung der Leistungsfähigkeit von einigen ausgewählten Compu-


tern: einer der ersten Rechner von Babbage (Wert geschätzt), der Z3 von Konrad
Zuse (Wert geschätzt), einer der ersten Transistorcomputer (Wert geschätzt), einer
CRAY und der Blue Gene (32768 Prozessoren); die Zahlen in Klammern geben das
Jahr an; (Quellen: [18], [73], Internet: http://www.top500.org, 2005).

Die unterschiedlichen Berechnungsdisziplinen benötigen jeweils für eine Be-


rechnung deutlich unterschiedliche Rechenleistungen, aber auch die gesam-
te Rechenleistung, die in der Automobilindustrie für die Disziplinen zur
Verfügung gestellt wird, variiert stark zwischen den Disziplinen. In Abb. 2.9
sind die für unterschiedliche Disziplinen eingesetzten Rechenleistungen dar-
gestellt. Man erkennt, dass die Crashberechnung mit mehr als der Hälfte den
Großteil der gesamten Rechenleistung benötigt. Gefolgt wird die Crashberech-
nung von strömungsmechanischen Simulationen (CFD: Computational Fluid
Dynamics) mit einem Drittel der gesamten benötigten Rechenleistung.
In Abb. 2.10 sind die in der Automobilindustrie installierten Rechnerleistun-
gen (Superrechner, in TFlops) dargestellt. Bemerkenswert ist der Vergleich
16 2 Rechnergestützte Methoden

Abb. 2.9. Verteilung der Rechnerressourcen auf unterschiedliche Berechnungsdis-


ziplinen nach [107].

der USA mit Deutschland und Japan. Der geringe Unterschied liegt zum
einen auch darin begründet, dass die für die Entwicklung von Fahrzeugen not-
wendige Rechenleistung nicht durch die Anzahl verkaufter Fahrzeuge sondern
durch die Anzahl unterschiedlicher Modelle und Derivate bestimmt ist, und
zum anderen dadurch, in welche Länder die Fahrzeuge exportiert werden und
in welchen Ländern damit weitere Gesetze und Verbrauchertests erfüllt bzw.
durchlaufen werden müssen. Da die Crashberechnung einen sehr großen Anteil
an den benötigten Rechenleistungen ausmacht, ist nachvollziehbar, dass an-
dere Gesetzgebungen und Verbrauchertests bezüglich der passiven Sicherheit
weitere Berechnungen und damit einen erhöhten Bedarf an Rechenleistung
hervorrufen.

Abb. 2.10. Verteilung der Rechnerressourcen von Superrechnern in der Automo-


bilindustrie auf verschiedene Länder nach [107].
3
Modellbildung

Eine anspruchsvolle Aufgabe stellt für einen Ingenieur die Umsetzung einer
Aufgabenstellung in ein mathematisch-physikalisches Modell dar. Dazu gehört
zum einen das Wissen über eine große Vielzahl physikalischer Gesetzmäßigkei-
ten und deren Umsetzung in numerisch einfach zu lösende Gleichungen. Zum
anderen muss der Ingenieur bei der Modellbildung einen großen Erfahrungs-
schatz besitzen, um die Modelle gerade so einfach genug gestalten zu können,
dass sie die für die Aufgabenstellung wesentlichen Effekte zeigen.
In diesem Kapitel werden die wesentlichen drei Schritte zum Aufbau eines
Modells behandelt. Die Abfolge dieser drei Schritte sind in Abb. 3.1 darge-
stellt.
Im ersten Abschnitt wird die Nachbildung der physikalischen Vorgänge be-
schrieben. Der zweite Abschnitt beschäftigt sich mit der Umsetzung der Geo-
metrie. Im dritten Abschnitt wird die Lösung der mathematischen Gleichun-
gen dargestellt.
Diese drei Schritte werden zum Zweck der Übersicht nacheinander erläutert,
allgemein greifen sie aber ineinander und beeinflussen sich gegenseitig. Der
Ingenieur, der Modelle aufstellt, muss deshalb einen Überblick über alle drei
Schritte besitzen. Die Reihenfolge der drei Schritte wurde gewählt, da die phy-
sikalische Modellbildung einen großen Einfluss auf die Wahl des Detaillierungs-
grades in der geometrischen Modellbildung ausübt. Ebenso haben geometri-
sche und physikalische Modellbildung auf die Wahl des Diskretisierungsver-
fahrens Einfluss; dieser ist nicht unbedingt zwingend, ergibt sich aber häufig
aus pragmatischen Überlegungen.
Dieses Kapitel kann keine komplette Abhandlung über Modellbildung erset-
zen, sondern lediglich einige Aspekte beleuchten.

3.1 Physikalische Modellbildung


In diesem Abschnitt werden unterschiedliche physikalische Aspekte darge-
stellt, die bei der Modellbildung eine Rolle spielen können. Das erste Beispiel
18 3 Modellbildung

Abb. 3.1. Schritte der Modellbildung.

zeigt, dass zu starke Vereinfachungen zu falschen Ergebnissen führen können.

Abb. 3.2. Versuchsaufbau und Modell eines Airbag-Pendel-Versuchs.

Beispiel 3.1. Um die Effektivität eines Airbags beim Aufschlag eines Kopfes
zu testen, kann der in Abb. 3.2 gezeigte Versuchsstand verwendet werden. Ein
solcher Versuch wird auch eingesetzt, um Modelle zu validieren, also auf ihre
Güte und Vorhersagbarkeit hin zu überprüfen.
Bei diesem Versuch prallt eine Hohlkugel aus Stahl, die in ihren Abmessungen
3.1 Physikalische Modellbildung 19

einem menschlichen Kopf entspricht, mit einer bestimmten Geschwindigkeit


gegen einen sich entfaltenden Airbag. Die Hohlkugel ist pendelnd aufgehängt,
wobei die Pendelstange aus einem Aluminiumprofil aufgebaut ist. In Abb. 3.2
ist ebenfalls das entsprechende Modell gezeigt.
Für dieses werden die folgenden, vereinfachenden Annahmen getroffen:
• Die Wand wird als starrer Körper im Modell berücksichtigt.
• Pendel und Hohlkugel sind starr.
• Der Airbag wird durch so genannte Membranelemente dargestellt (auf
Details des Airbagmodells wird hier nicht eingegangen).
Der Ablauf des Entfaltungsvorgangs des Airbags wird in Abb. 3.3 deutlich.
Der Beschleunigungsverlauf der Pendelmasse ist in Abb. 3.4 zu erkennen
(durchgezogene Kurve). Beim Vergleich mit Experimenten (hier nicht darge-
stellt) wurden deutliche Abweichungen sichtbar. Es hat sich dabei herausge-
stellt, dass dieses Modell kein starres Pendel enthalten darf, sondern durch ein
nachgiebiges Pendel abgebildet werden muss, da im Experiment Schwingun-
gen in den Beschleunigungsverläufen sichtbar wurden. Die gestrichelte Kurve
in Abb. 3.4 zeigt ein Simulationsergebnis mit einem nachgiebigen Pendel.

Abb. 3.3. Verlauf des Entfaltungsvorgangs des Airbags.

An diesem Beispiel wird deutlich, dass ein Modell auf seine Gültigkeit hin
überprüft werden sollte. Der Anwender von CAE-Methoden sollte stets kri-
20 3 Modellbildung

tisch die Ergebnisse seiner Berechnungen überprüfen. Lediglich beim Vorlie-


gen eines genügend großen Erfahrungsschatzes können Prognosen ausschließ-
lich auf der Basis von Berechnungen getroffen werden. Letztendlich ist aber
gerade dies das Ziel von Berechnungsmethoden, das zum Beispiel in der Crash-
berechnung von Fahrzeugen in der Automobilindustrie bereits erreicht wird.
Mit Hilfe von Abb. 3.5 wird der erste Teil, die physikalische Modellbildung,

Abb. 3.4. Beschleunigung für ein starres Pendel (durchgezogen) und für ein nach-
giebiges Pendel (gestrichelt).

erläutert. Dieses Schema ist zwar allgemein gehalten, doch gibt es spezielle
Aufgabenstellungen, die nicht damit lösbar sind und die weitere Kreativität
und Phantasie des Ingenieurs erfordern. Im ersten Schritt wird ermittelt, wel-

Physikalische Relativistische
Klassische Mechanik
Disziplinen
Mechanik
Starre Deformierbare Quanten-
Körper Medien mechanik
Hydro/Aero- Deformier-
Elektro- Thermo- mechanik bare Körper
dynamik dynamik Chemie

Festlegen der maßgeblichen physikalischen Disziplinen

Annahmen:
Innerhalb der Disziplinen und bezüglich der Schnittstellen
Ändern ?

Überprüfung der Annahmen und einfache Absch ätzungen oder Experimente

Festlegen der Gleichungen

Abb. 3.5. Physikalische Modellbildung


3.1 Physikalische Modellbildung 21

che Disziplinen beteiligt sind. Hier aufgeführt sind klassische Disziplinen, mit
denen der Ingenieur immer wieder in Kontakt kommt: Thermodynamik, Me-
chanik und Elektrodynamik.
Es gibt weitere Disziplinen, von denen stellvertretend in Abb. 3.5 die Quan-
tenmechanik und die Relativitätstheorie genannt sind.
Der Maschinenbauingenieur wird am häufigsten Aufgabenstellungen aus der
Thermodynamik und der Mechanik zu bearbeiten haben. Durch den zuneh-
menden Einsatz elektronischer Systeme wird er allerdings auch Systeme, die
die Elektrodynamik oder sogar die Quantenmechanik einschließen, beschrei-
ben müssen (Mechatronik, Nanotechnologien).
Wir beschränken uns hier auf die Thermodynamik und die klassische Mecha-
nik. Dies wollen wir auch für unser Beispiel tun. Das heißt, dass die chemischen
(oder letztendlich quantenmechanischen und statistischen) Prozesse, die beim
Abbrennen der Zündladung im Gasgenerator des Airbags ablaufen, in dem fol-
genden Modell nicht beschrieben werden. Um dennoch das System des Airbags
darstellen zu können, wird im nächsten Schritt zumindest die Beschreibung
der Schnittstelle zwischen dem System Airbag und dem System Gasgenera-
tor benötigt. Weiter sind Annahmen zur Wechselwirkung zwischen dem Gas
im Airbag und dem Airbagmaterial erforderlich. Diese Wechselwirkung ent-
spricht einer Schnittstelle zwischen der Thermodynamik und der Mechanik.
An dieser Stelle kann man berechtigterweise einwenden, dass die Mechanik
auch innerhalb des Airbags eine Rolle spielt, denn der Vorgang des Füllens
mit dem Gas ist geprägt von der Strömungsmechanik und der Thermodyna-
mik. Hier wird unmittelbar eine weitere stillschweigende Annahme deutlich,
nämlich die Vernachlässigung der strömungsmechanischen Vorgänge während
des Entfaltungsvorgangs. Strömungsmechanische Vorgänge in Airbags wer-
den mit ALE-Methoden (Arbitrary Lagrange Eulerian) oder der FPM (Finite
Pointset Method, vgl. [59], [58].) in der Praxis berechnet.
Die Schnittstelle zwischen der Thermodynamik und der Mechanik wird durch
den Druck beschrieben, der sowohl in den thermodynamischen Gleichungen
als auch in den mechanischen Gleichungen auftaucht.
Wir wenden uns nun den Annahmen innerhalb der Disziplin zu. Beim Gas,
das in den Airbag einströmt, gehen wir von einem idealen Gas und der Gleich-
gewichtsthermodynamik aus. Die Strömungsmechanik innerhalb des Airbags
wird vernachlässigt. Der Airbag bestehe aus einem biegeweichen Material.
Dehnungen innerhalb des Materials werden nicht, Trägheitskräfte jedoch wer-
den berücksichtigt. Das Pendel sei starr. Damit sind die wesentlichen Annah-
men getroffen.
Als letzter Schritt erfolgt die Festlegung des Gleichungssatzes. Die Schnittstel-
le zwischen dem Gasgenerator und dem Airbag wird durch den Massenfluss
ṁ des Gases bestimmt, der aus dem Generator in den Airbag fließt. Das Gas
hat dabei eine bestimmte Temperatur. Da der Gasgenerator nicht im Modell
behandelt werden soll, sehen wir diese Größen als gegeben an:

ṁ = ṁ(t) , (3.1)
22 3 Modellbildung

T = T (t) . (3.2)

Experimentell können diese Funktionen ermittelt werden, indem das Gas aus
dem Generator in einen großen Behälter strömt (man nennt diesen Versuch
Kannenversuch).
Die Thermodynamik wird durch den 1. Hauptsatz
dU dQ dV
= −p , (3.3)
dt dt dt
die Zustandsgleichung für ideale Gase

pV = nRT (3.4)

und die Gleichung für die innere Energie

U = ncv T (3.5)

beschrieben. Hier ist:


U : innere Energie,
t: Zeit,
Q : Wärme,
V : Volumen,
p: Druck,
T : Temperatur,
n : Anzahl der Mole,
R : universelle Gaskonstante,
cv : Wärmekapazität bei konstantem Volumen.

Die nächsten Gleichungen betreffen das Airbaggewebe, das durch die Mem-
brangleichungen beschrieben wird.
Wir geben hier vereinfacht lediglich die Gleichungen für eine zweidimensionale
Membran an. Eine zweckmäßige Vorgehensweise, um zu den Bewegungsglei-
chungen zu kommen, beginnt mit den Energien. Die potentielle Energie einer
Membran ist:    2  2 
S ∂u ∂u
U= + dxdy. (3.6)
2 ∂x ∂y
Hier ist S die Spannkraft pro Längeneinheit, u ist die Verschiebung der Mem-
bran in z-Richtung. Die Verschiebung u hängt von den Koordinaten x und
y ab. Das Potential der Gravitation wird hier vernachlässigt. Die kinetische
Energie T der Membran ist
 
µ
T = u̇2 dxdy . (3.7)
2
Hier ist µ die Massendichte bezogen auf die Fläche.
Mit Hilfe der Energieausdrücke (3.6) und (3.7), der Variationsrechnung und
3.2 Geometrische Modellbildung 23

den sogenannten Finite-Elemente-Ansätzen erhält man die Bewegungsglei-


chung für die Membran als System gewöhnlicher Differentialgleichungen.
Der Gasdruck taucht in diesen Gleichungen als äußere Kraft auf ebenso wie
die Kontaktkräfte zwischen der Membran und dem Pendel. Bei diesem Vorge-
hen wird vereinfachend von der Annahme einer undehnbaren Membran aus-
gegangen. Genau genommen muss die Membran als dehnbar und elastisch
berücksichtigt werden, was in der Praxis auch getan wird.
Die letzten Gleichungen betreffen das Pendel. Dies berücksichtigen wir als
starren Körper, der durch seine Trägheitseigenschaften beschrieben wird. Das
Pendel ist drehbar gelagert, besitzt also lediglich einen Freiheitsgrad. Die Be-
wegungsgleichung könnte man z. B. auch mit Hilfe einer Energiemethode her-
leiten. Da es sich um ein einfaches, physikalisches Pendel handelt, geben wir
dessen Differentialgleichung ohne Herleitung an:

J ϕ̈ = MK . (3.8)

Das Moment MK rührt von den Kontaktkräften zwischen Membran und Pen-
del her. Damit ist der Gleichungssatz für dieses Beispiel vollständig.

3.2 Geometrische Modellbildung

Ebenso anspruchsvoll wie die physikalische Modellbildung ist die geometrische


Modellbildung. Für die geometrische Modellbildung benötigt der Ingenieur
im Rahmen von CAE-Methoden zunächst eine Beschreibung der Geometrie
der zu berechnenden Objekte. Im günstigsten Fall liegen diese bereits als
elektronische, dreidimensionale CAD-Daten vor. Von diesem Fall wird hier
ausgegangen. Die Umsetzung der geometrischen CAD-Daten in CAE-gerechte
Geometriebeschreibungen erfolgt in zwei Schritten.
Im ersten Schritt werden die CAD-Daten in eine eindeutige Form gebracht;
wir nennen diesen Schritt geometrische Aufbereitung.
Im zweiten Schritt wird die Geometrie unter physikalischen Gesichtspunkten
modifiziert; diesen Schritt nennen wir physikalische Modifikation.

3.2.1 Geometrische Aufbereitung

Der erste Schritt ist notwendig, da Konstrukteure die CAD-Daten nicht an al-
le Erfordernisse nachfolgender Stufen im Entwicklungsprozess anpassen (z. B.
aus Zeitmangel oder bei unzureichender Nutzung der Kontrollmöglichkeiten
moderner CAD-Systeme). CAD-Daten dienen zum einen der Überprüfung von
Kollisionen. Bei komplexen Produkten werden einzelne Baugruppen häufig
von unterschiedlichen Konstrukteuren zeitgleich in einem CAD-System er-
stellt. Eine Forderung muss dabei sein, dass diese Baugruppen nicht den glei-
chen Bauraum beanspruchen. Bei einem Auto dürfen zum Beispiel die Wasser-
pumpe und der Motorblock nicht im gleichen Bauraum liegen. Zum anderen
24 3 Modellbildung

müssen die Baugruppen zueinander passen, damit das Gesamtprodukt funk-


tionsfähig ist. Eine zweite Forderung ist erreicht, wenn man die Baugruppen
zusammenfügen kann, ohne dass bei diesem Prozess Kollisionen auftreten.
Durch eine dritte Forderung wird gewährleistet, dass die Baugruppen gefer-
tigt werden können, dass also zum Beispiel etwas tiefziehbar oder gießbar ist.
Es kann noch weitere Forderungen geben. Häufig gehört aber die Forderung
nach CAE-gerechten Daten nicht dazu. Im Wesentlichen gibt es drei Gründe,
warum CAD-Daten nicht CAE-gerecht sind:
• die Geometrie ist zum Teil doppelt definiert (übereinanderliegende Flä-
chen),
• die Geometrie ist zum Teil gar nicht definiert,
• die Geometrie ist sehr fein (zum Beispiel durch sehr kleine Radien) defi-
niert.
In den Abb. 3.6 bis 3.10 sind Beispiele gezeigt. In Abb. 3.6 ist die CAD-

Abb. 3.6. Doppelte und fehlende Geometrie.

Geometrie eines Gehäuses dargestellt, bei dem in einem Teil doppelt definierte
Geometrie vorhanden ist; in einem anderen Abschnitt des Gehäuses fehlt ein
Teil der Geometrie. Beides ist auf den ersten Blick nicht erkennbar.
In Abb. 3.7 erkennt man aneinanderstoßende Flächen, bei denen an den Grenz-
kurven eine weitere Fläche definiert wurde. Häufig sind diese doppelt definier-
ten Geometrieteile sehr klein, im Laufe des Konstruktionsprozesses entstanden
und später fälschlicherweise nicht gelöscht worden. Für geometrische Baurau-
muntersuchungen ist dies häufig nicht kritisch. Problematisch wird es, wenn
die so definierten Bauteile auf Tiefzieh- oder Gießbarkeit hin untersucht wer-
den sollen oder mit Hilfe dieser Geometriebeschreibungen ein FE-Netz au-
tomatisch erzeugt werden soll. In Abb. 3.8 erkennt man eine Struktur, die
ähnlich wie die des Beispiel aus Abb. 3.7 entstanden sein könnte. Bei diesem
3.2 Geometrische Modellbildung 25

Abb. 3.7. Doppelte Geometrie.

Abb. 3.8. Fehlende Geometrie.

Beispiel fehlt ein Teil. Problematisch wird eine Überprüfung auf Tiefzieh- oder
Gießbarkeit. Wird ein solches Loch mit Finiten-Elementen vernetzt, so kann
dies zu diversen Problemen führen, die im zweiten Schritt, der physikalischen
Modifikation, behandelt werden.
In Abb. 3.9 ist eine Struktur mit einem sehr kleinen Radius und einer sehr
kleinen Bohrung gezeigt, deren Vernetzung (also Erzeugung eines Finite-
Elemente-Netzes) zu sehr kleinen Finiten Elementen führt. Diese Fälle werden
26 3 Modellbildung

Abb. 3.9. Geometrie mit einer kleinen Bohrung und einem kleinen Radius.

Abb. 3.10. Detail der Geometrie von Abb. 3.9 mit einem kleinen Loch und einem
kleinen Radius.

im zweiten Schritt aufgegriffen. Abbildung 3.10 zeigt Details von Abb. 3.9.
In Abb. 3.11 sind die Schritte der geometrischen Modellbildung zusammen-
gefasst. Im ersten Schritt, der geometrischen Aufbereitung, werden Mehrdeu-
tigkeiten und fehlende Definitionen beseitigt.

3.2.2 Physikalische Modifikation

Im zweiten Schritt der geometrischen Modellbildung wird entschieden, in wel-


chen Bereichen geometrische Vereinfachungen möglich sind. Dies hängt zum
einen davon ab, welche physikalischen Disziplinen die Gleichungen bestimmen
und zum anderen davon, welche Lösungen erwartet werden. Gerade dieser letz-
te Schritt erfordert vom Ingenieur eine gewisse Erfahrung, mit deren Hilfe er
die Teile der Lösung des zu behandelnden Problems bereits vor der Lösung
des Problems erahnt. Es kann aber auch möglich sein, diesen Schritt lediglich
iterativ korrekt zu bewältigen, indem zunächst eine Lösung berechnet wird
und anschließend die physikalisch begründete Modifikation verifiziert und un-
3.2 Geometrische Modellbildung 27

CAD -Daten

nein
Eindeutig, nicht doppelt definiert ? Modifikation
ja
nein
Überall definiert? Modifikation

ja

Physikalisch begründete Modifikationen

Kleine Kleine Kleine Geometrie--


Sicken Bohrungen Radien element
Fragestellung
1) 2) 2)
o + + Eigenschwingungen + Kann vereinfacht werden
3) 4) 4)
o - - Statik
5) 5) 5) o Kann mit Einschränkung
o o o Elastoplastizität vereinfacht werden
6) 6) 6)
- - - Str ömungsmechanik
7) 7) 7) - Sollte nicht vereinfacht
+ + + Wärmeleitung werden

Abb. 3.11. Geometrische Modellbildung; die Zahlen entsprechen untenstehenden


Kommentaren.

ter Umständen revidiert oder erweitert wird.


In Abb. 3.11 sind mögliche Vereinfachungen für physikalische Disziplinen auf-
geführt. Dargestellt ist dies für kleine Radien, kleine Bohrungen und kleine
Sicken.
Die Nummern der folgenden Bemerkungen beziehen sich auf die Nummern in
Abb. 3.11.
1. Bei den kleinen Sicken hängt der Grad der Beeinflussung von deren An-
zahl und von deren Lage ab. Sehr viele Sicken können die Eigenschwin-
gungen deutlich verändern und sollten deshalb nicht vereinfacht werden.
Auch wenige Sicken, die im Bereich von Schwingungsknoten (Linien) lie-
gen, beeinflussen diese Eigenschwingungen deutlich. Die Beurteilung, ob
Sicken die Eigenschwingungen beeinflussen, erfordert somit entweder sehr
gute Kenntnisse in der Eigenschwingungsanalyse oder die Berechnung mit
anschließender Überprüfung der Annahmen.
2. Bohrungen haben i. Allg. einen geringen Einfluss auf das Eigenschwin-
gungsverhalten. Es lassen sich zwar Beispiele konstruieren, bei denen auch
Bohrungen mit kleinem Durchmesser einen beträchtlichen Einfluss haben,
doch erkennt der geübte Ingenieur diese Fälle häufig schnell.
Ansonsten gilt hier wie bei 1., dass die Anzahl der Bohrungen nicht zu
groß sein darf. Kleine Radien können durch etwas größere im Rahmen von
CAE-Anwendungen ersetzt werden. Man erhält dadurch häufig gutartige-
re, numerisch einfacher zu lösende Gleichungssätze.
28 3 Modellbildung

3. Hier kommt es wie bei 1. auf die Lage und die Anzahl an. Gerade lang-
gezogene Sicken oder eine Vielzahl kleiner Sicken können das statische
Verhalten maßgeblich beeinflussen. Einzelne, räumlich begrenzte Sicken
können in der Regel vernachlässigt werden.
4. Bei der Statik steht häufig die Frage nach der Spannungsverteilung im Vor-
dergrund. Da es gerade an kleinen Bohrungen oder bei kleinen Radien zu
hohen Spannungen kommen kann, dürfen diese keinesfalls vernachlässigt
werden. Geht es hingegen um globale Deformationen, so spielen kleine
Radien oder kleine Bohrungen (wenn es nicht zu viele sind) häufig eine
untergeordnete Rolle.
5. Bei der Berechnung elastoplastischen Verhaltens (z. B. Tiefziehvorgang
oder Crashverhalten) spielen kleine Sicken, Bohrungen oder Radien dann
eine Rolle, wenn diese in Bereichen liegen, in denen große (Vergleichs)-
Spannungen und damit plastisches Verhalten auftritt. Gerade Sicken in
Blechen dienen im Crash häufig dazu, gezielt Beulverhalten einzuleiten.
In diesen Fällen ist es offensichtlich, dass keine Vereinfachungen vorgenom-
men werden dürfen. Andererseits bestimmen gerade die kleinsten Finiten-
Elemente in der Crashberechnung den Integrationszeitschritt und damit
den Aufwand einer Berechnung, so dass ein Kompromiss gesucht werden
muss.
6. In der Strömungsmechanik kann es durch Vernachlässigung kleiner geo-
metrischer Strukturen häufig zu fehlerhaften Rechenergebnissen kommen,
da diese Strukturen die Bildung von Wirbeln oder den Übergang von la-
minarer zu turbulenter Strömung begünstigen.
Vernachlässigt man diese kleinen Strukturen und weist das Rechenergeb-
nis somit keine Turbulenzen oder Wirbel auf, so erhält man keinen Hin-
weis auf die fehlerhafte, geometrische Modellbildung (dies gilt ähnlich für
Sicken, die Beulverhalten initiieren sollen, oder für Sollbruchstellen).
7. Bei der Wärmeleitung ist eine sehr genaue geometrische Modellbildung i.
Allg. nicht wichtig. Es lassen sich jedoch Ausnahmen konstruieren, bei de-
nen speziell der Wärmefluss auf Grund dieser kleinen Geometrieelemente
maßgeblich beeinflusst wird.
Es bleibt festzuhalten, dass man die Geometrie für CAE-Anwendungen ver-
einfachen kann, in einigen Fällen sogar vereinfachen muss und dass es zum
Teil zu Zielkonflikten kommt.

3.3 Mathematische Modellbildung

Im letzten Schritt der Modellbildung werden die beschreibenden Gleichun-


gen aus dem ersten Schritt auf die (vereinfachte) Geometrie aus dem zweiten
Schritt angewendet. Am Ende dieses Schrittes stehen numerisch zu lösende
Gleichungssysteme.
Um diese Gleichungen und das Vorgehen der mathematischen Modellbildung
3.3 Mathematische Modellbildung 29

beschreiben zu können, führen wir zunächst einige Begriffe ein.


Die unabhängigen Veränderlichen werden durch die Raumkoordinaten z. B.
x, y und z und/oder die Zeit t beschrieben. Die von diesen Raum-Zeit-
Koordinaten abhängigen Größen nennen wir abhängige Größen oder Varia-
ble. Ein Teil dieser abhängigen Variablen beschreibt den Zustand des Sy-
stems (z. B. die Temperatur oder die Lage und die Geschwindigkeit eines
Massenpunktes im Raum). Diese werden auch Zustandsvariablen genannt. Es
müssen aber nicht alle abhängigen Größen Zustandsvariablen sein. Es kann
auch Hilfsgrößen geben, die durch eine Funktion der Zustandsvariablen be-
schrieben werden. Auf den Unterschied zwischen diesen Hilfsgrößen und den
Zustandsvariablen kann und soll im Rahmen dieser Darstellung nicht einge-
gangen werden.
Es gibt Problemstellungen, bei denen die Raum-Zeit-Variablen nicht auftre-
ten. Diese sogenannten statischen Probleme spielen allerdings in der Praxis
eines Maschinenbauingenieurs eine untergeordnete Rolle. Stabfachwerke mit
statischer Belastung sind ein solches Beispiel; diese findet man häufig bei Fra-
gen aus dem Bauingenieurwesen.
Wir teilen in dem dritten Schritt der Modellbildung, der mathematischen Mo-
dellbildung, die Gleichungen in drei Gruppen ein:
1. In der ersten Gruppe tauchen Größen und deren Ableitungen auf, die
ausschließlich von der Zeit abhängen. Die Gleichungen in dieser Gruppe
sind gewöhnliche Differentialgleichungen (GDGL; im englischsprachigen
Ordinary Differential Equation, ODE).
2. Die zweite Gruppe besteht aus Größen und deren Ableitungen, die aus-
schließlich von einer oder mehreren Ortskoordinaten abhängen. Die Glei-
chungen werden partielle Differentialgleichungen (PDGL) genannt, wenn
nach mehr als einer Veränderlichen ableitet wird (im englischsprachigen
Partial Differential Equation, PDE).
3. Die Größen und deren Ableitungen in den Gleichungen der dritten Gruppe
hängen sowohl von einer (oder mehreren) Ortskoordinaten als auch von
der Zeit ab. Auch diese Gleichungen sind partielle Differentialgleichungen.
Die drei Gruppen bzw. die Energieausdrücke, aus denen diese gewonnen wer-
den, sind beispielhaft in Abb. 3.12 aufgelistet.
Diese Einteilung wird nicht mehr unter dem Aspekt der physikalischen Mo-
dellbildung gesehen werden, sondern unter dem Aspekt numerisch zu lösender
Gleichungen. Die Lösungen der Gleichungen sind i. Allg. Funktionen vom Ort
und/oder von der Zeit. Da diese Funktionen mit Hilfe eines Computers nume-
risch bestimmt werden, können diese (von wenigen, für die Praxis irrelevanten
Beispielen abgesehen) lediglich an diskreten Stellen bestimmt oder approxi-
miert werden.
Am häufigsten werden zu dem Zweck der Approximation die abhängigen
Funktionen als ein Produkt aus zwei Funktionen dargestellt; die erste Funk-
tion hängt ausschließlich von der Zeit t ab und die zweite Funktion von den
Ortskoordinaten. Diese Aufspaltung wird auch Separation genannt. Die orts-
30 3 Modellbildung

abhängigen Funktionen werden durch einfache, stückweise definierte Funktio-


nen (häufig Polynome) approximiert. Die Koeffizienten in diesen Funktionen
sind zeitabhängig, sodass dieses Vorgehen auf ein gewöhnliches Differential-
gleichungssystem für die Koeffizienten (als Funktionen der Zeit) führt. Dieses
Differentialgleichungssystem wird numerisch gelöst, z. B. mit einem Runge-
Kutta-Verfahren.

Abb. 3.12. Lösungswege.

Abb. 3.13. Finite-Elemente am Beispiel eines Dehnstabs.


3.3 Mathematische Modellbildung 31

Beispiel 3.2. Gegeben sei ein einseitig eingespannter Zugstab, dessen Eigen-
formen und Eigenfrequenzen bestimmt werden sollen. Die Auslenkung u des
Stabes (Dehnsteifigkeit EA und Massenbelegung µ vgl. Abb. 3.13) ist eine
Funktion des Ortes x und der Zeit t:

u = u(x, t) . (3.9)

Als approximierende Funktion wird eine stückweise lineare Funktion gewählt


(s. Diagramm oben rechts in Abb. 3.13). Diese Funktion kann man schreiben
als:

5
u(x, t) = αk (t)uk (x) . (3.10)
k=1

Die Dreiecksfunktionen uk , k = 1, . . . , 5 werden Formfunktionen genannt.


Die Koeffizienten αk , k = 1, . . . , 5 sind zeitabhängig und stellen gerade die
Auslenkungen des Stabes an den so genannten Knoten dar.
Wird die Näherungsfunktion in die Ausdrücke für die kinetische Energie T
und die potentielle Energie U eingesetzt,


1
T = µu̇2 (x, t)dx , (3.11)
2
0

1
U = EA(u )2 (x, t)dx , (3.12)
2
0

so resultieren daraus fünf gewöhnliche Differentialgleichungen zweiter Ord-


nung bezüglich der Zeit für die zeitabhängigen Koeffizienten αk , k = 1, . . . , 5
nach Anwendung der Variationsrechnung und entsprechender partieller Inte-
gration (Hamiltonsches Prinzip). Aus dem Differentialgleichungssystem zwei-
ter Ordnung lassen sich die Eigenwerte und die Eigenformen bestimmen.

Bei der Vereinfachung der Gleichungen aus der dritten Gruppe geht man
häufig in vier Schritten vor:

1. Abspalten der Zeitabhängigkeit in den abhängigen Größen.


2. Festlegen von ausgezeichneten räumlichen Punkten, an denen die abhängi-
gen Größen bestimmt werden sollen.
3. Interpolation der abhängigen Größen zwischen den unter 2. ausgewählten
Punkten mit Hilfe geeigneter Funktionen.
4. Einsetzen der Funktionen aus 3. in die Gleichungen der drei Gruppen;
anschließend weitere Operationen (z. B. Variation und partielle Integrati-
on oder Projektion) führen auf gewöhnliche Differentialgleichungssysteme
(bezüglich der Zeit).
32 3 Modellbildung

Anmerkung 3.3. Die Punkte aus Schritt 2 nennt man im Rahmen der Finite-
Elemente-Methode Knoten. Diese können aber auch Gitterpunkte oder Zel-
lenmittelpunkte darstellen.

Anmerkung 3.4. Die Wahl der Punkte hängt von der Geometrie ab. Die Schrit-
te 2 bis 4 führen in der zweiten Gruppe auf algebraische Gleichungssysteme,
die i. Allg. iterativ gelöst werden. Es handelt sich bei diesen Problemen z. B.
um die Bestimmung der statischen Spannungsverteilung elastischer Struktu-
ren bei bestimmten äußeren Lasten.

Anmerkung 3.5. Zur Lösung der Gleichungen der ersten Gruppe wendet man
häufig Zeitintegrationsverfahren an, um transiente Vorgänge zu bestimmen,
oder man erhält aus eλt -Ansätzen Stabilitätsaussagen.
4
Partielle Differentialgleichungen und
Diskretisierungsmethoden

In diesem Kapitel werden zunächst einige Begriffe im Zusammenhang mit par-


tiellen Differentialgleichungen behandelt. Anschließend werden unterschiedli-
che Möglichkeiten zur Diskretisierung partieller Differentialgleichungen skiz-
ziert.
Der erste Abschnitt hat die Klassifizierung partieller Differentialgleichungen
sowie Rand- und Anfangswerte zum Inhalt. Im zweiten Abschnitt wird auf
verschiedene, prinzipielle Vorgehensweisen eingegangen, um zu den diskreti-
sierten Gleichungssystemen zu gelangen. Es werden wesentliche Aspekte der
Finite-Elemente-Methode aufgezeigt. Ein Unterabschnitt widmet sich noch
in den Anfängen steckenden Verfahren, den netzfreien Methoden (meshfree
methods). In einem weiteren Unterabschnitt wird die Methode von Trefftz
(oder die äußere Approximation) beschrieben. Das Kapitel endet mit einer
Beschreibung der Randelemente-Methode.

4.1 Klassifikation partieller Differentialgleichungen


Im Folgenden werden lineare partielle Differentialgleichungen zweiter Ordnung
mit konstanten Koeffizienten (vgl. [8]) klassifiziert.

Partielle Differentialgleichung: Gegeben sei eine lineare partielle Differenti-


algleichung der Ordnung 2. mit konstanten Koeffizienten bezüglich der
Ortsvariablen x, y und z und der Zeit t. Wir bezeichnen die unabhängigen
Variablen, nach denen in der partiellen Differentialgleichung mindestens
einmal abgeleitet wird, mit ξi , i = 1, . . . , n (also könnte ξ1 = t und ξ2 = x
sein). Es sei f die abhängige Funktion. Die Differentialgleichung lässt sich
dann schreiben als:

n
∂2  ∂
n
0= aij f+ bi f + cf . (4.1)
i,j=1
∂ξi ∂ξj i=1
∂ξi
34 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

Es seien λi , i = 1, . . . , n die Eigenwerte der Matrix A = (aij ). Die partielle


Differentialgleichung heißt:
elliptisch ⇔ alle λi haben dasselbe Vorzeichen,
hyperbolisch ⇔ (n − 1) Eigenwerte λi haben dasselbe Vorzeichen und
ein Eigenwert hat ein entgegengesetztes Vorzeichen und
parabolisch ⇔ es verschwindet mindestens ein Eigenwert.
Kennt man die Art der partiellen Differentialgleichung, so kann man auch
prinzipielle Aussagen über die Lösung treffen, so zum Beispiel:
• bei parabolischen Gleichungen können keine Schwingungs- oder Wellen-
ausbreitungsphänomene auftreten,
• bei hyperbolischen Differentialgleichungen können Schwingungs- und Wel-
lenausbreitungsphänomene auftreten.
• bei parabolischen Gleichungen können sich Störungen (entgegen der Rela-
tivitätstheorie) unendlich schnell ausbreiten.
Beispiel 4.1. Die Laplace-Gleichung

∆φ = 0 (4.2)

und die Poisson-Gleichung


∆φ = f (4.3)
sind elliptische Differentialgleichungen. Anwendung finden diese Gleichungen
z. B. in der Elektrostatik, bei dem Geschwindigkeitspotential der Potential-
strömung einer inkompressiblen Flüssigkeit und bei der Berechnung der Kon-
zentration der stationären Diffusion.
Beispiel 4.2. Die Wellengleichung ist die am häufigsten auftauchende und auch
einfachste hyperbolische Differentialgleichung:
1 ∂2u
− ∆u = 0 . (4.4)
v 2 ∂t2
Mit der Wellengleichung werden zum Beispiel Dehnschwingungen eines Stabes
ρ
ü − u = 0 (4.5)
E
beschrieben. Hier ist ρ die Massendichte des Stabes und E der Elastizitäts-
modul. Die zweite Zeitableitung der Auslenkung u ist mit ü bezeichnet, die
zweite Ortsableitung mit u .
Separiert man die Zeit- und die Ortsabhängigkeit für u in der Wellengleichung

u = ûeiωt , (4.6)

so führt dies auf die sogenannte Helmholtzgleichung


ω2
û + ∆û = 0 . (4.7)
v2
4.1 Klassifikation partieller Differentialgleichungen 35

Torsionsschwingungen einer Welle werden durch


ρ
ϕ̈ − ϕ = 0 (4.8)
G
beschrieben. Hier ist G der Schubmodul und ϕ der Verdrehwinkel.
Beispiel 4.3. Ein Beispiel für eine parabolische partielle Differentialgleichung
ist die Fouriersche Differentialgleichung
∂T λ
= ∆T . (4.9)
∂t cρ
Hier ist T die Temperatur, λ die Wärmeleitfähigkeit, c die Wärmekapazität
und ρ die Massendichte.
Bei der Lösung partieller Differentialgleichungen sind neben den eigentlichen
Gleichungen zusätzlich Randbedingungen und bei instationären Prozessen
weiterhin Anfangsbedingungen von Bedeutung. Im Folgenden werden diese
Begriffe erläutert:
Man nennt die partiellen Differentialgleichungen auch Feldgleichungen (in die-
sem Zusammenhang spricht man auch vom Temperaturfeld oder vom elektri-
schen Feld). Die Feldgleichungen gelten innerhalb eines bestimmten Gebietes
(dies ist zum Beispiel das Volumen eines Körpers, dessen Temperaturfeld be-
rechnet werden soll).
Randbedingung: An den Rändern des Gebietes, in dem die Feldgleichung gilt,
werden i. Allg. Randbedingungen von den Lösungen der Feldgleichung ge-
fordert. Diese Randbedingungen schränken die Lösungsvielfalt ein. Man
unterscheidet (sowohl bei Randwertproblemen gewöhnlicher Differential-
gleichungen, vgl. [116] S. 173 ff, als auch bei Randwertproblemen partieller
Differentialgleichungen, vgl. [8] S. 243 ) zwischen Randwertproblemen er-
ster, zweiter und dritter Art. Gehen wir z. B. von der Laplace-Gleichung

∆Φ = 0 (4.10)

aus, die in einem Gebiet V gilt und bei der F ein Teil der Oberfläche dieses
Gebietes ist, so sind die Randbedingungen beim ersten Randwertproblem
oder Dirichletschen Randwertproblem

Φ( x) = f ( x) für x ∈ F , (4.11)

beim zweiten Randwertproblem oder Neumannschen Randwertproblem


x) n = f ( x) für x ∈ F und n Normalenvektor von F
∇Φ( (4.12)

und beim gemischten Randwertproblem oder Sturmschen Randwertpro-


blem
x) n + Φ = f ( x) für x ∈ F und n Normalenvektor von F.
∇Φ( (4.13)
36 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

Der Normalenvektor n weist jeweils nach außen. Häufig werden auf unter-
schiedlichen Teilen der Berandung unterschiedliche Typen der Randwerte
vorgegeben, z. B. auf einem Teil der Berandung der Wert der Lösung und
auf einem anderen Teil deren Ableitung.

Anfangsbedingung: Bei instationären Problemen spielt auch die Zeitabhäng-


igkeit der abhängigen Größen eine Rolle. Für diese muss die Bedingung
zum Beginn der Betrachtung, also i. Allg. für t = 0, vorgeben werden.
Diese nennt man Anfangsbedingung.

Abb. 4.1. Anfangs- und Randbedingungen.

Beispiel 4.4. In Abb. 4.1 sind die Begriffe Feldgleichung, Randbedingung und
Anfangsbedingung am Beispiel eines einseitig eingespannten Euler-Bernoulli-
Balkens und am Beispiel eines Stabes, an dessen linkem Ende die Temperatur
konstant gehalten wird, verdeutlicht.
Die Randbedingungen beim Balken ergeben sich aus der Einspannung,

u(x = 0, t) = 0 u (x = 0, t) = 0 (4.14)

und aus dem querkraft- und momentenfreien Ende,

u (x = , t) = 0 u (x = , t) = 0 . (4.15)


4.2 Diskretisierungsprinzipe 37

Die Anfangsbedingung für den Balken ist eine Anfangsauslenkung zum Zeit-
punkt t = 0:
u(x, t = 0) = f (x) . (4.16)
Die Feldgleichung ist eine partielle Differentialgleichung vierter Ordnung
bezüglich des Ortes und zweiter Ordnung bezüglich der Zeit1 .
Das zweite Beispiel zeigt die Temperaturleitung in einem Stab, der am linken
Ende wärmeleitend mit einem Wärmereservoir verbunden ist. Die Temperatur
des Reservoirs wird konstant gehalten. Das andere, rechte Ende des Stabes ist
frei; hier findet kein Wärmetransport statt. Daraus ergeben sich die Randbe-
dingungen: am linken Ende ist die Temperatur

T (x = 0, t) = Ta (4.17)

konstant und am rechten Ende verschwindet der Wärmestrom:

T  (x = , t) = 0 . (4.18)

Zu Beginn bei t = 0 hat der Stab die Anfangstemperatur T (x, t = 0) = Ta .


Dies ist die Anfangsbedingung. Die Feldgleichung ist die Fouriersche Differen-
tialgleichung.

4.2 Diskretisierungsprinzipe
In diesem Abschnitt stellen wir unterschiedliche Prinzipe vor, um partielle
Differentialgleichungen in algebraische Gleichungssysteme oder in gewöhnli-
che Differentialgleichungssysteme zu überführen. Diese Prinzipe betreffen die
zweite und dritte Gruppe in Abb. 3.12.

4.2.1 Schwache Formen

Die erste Methode beruht auf dem Prinzip der virtuellen Arbeit, auf dem
Hamiltonschen Prinzip (das Prinzip von Hamilton-Ostrogradskij wäre zwar
auch geeignet, wird aber in der Praxis nicht häufig angewendet) oder auf der
Methode der gewichteten Residuen.
Wir beginnen mit dem Hamiltonschen Prinzip, das wir zunächst auf das Bei-
spiel der freien Schwingungen eines Dehnstabes anwenden. Zuerst bestimmt
man für das zu lösende Problem die sogenannte Lagrange-Funktion; dies ist
1
Die vierte Ordnung bezüglich des Ortes ergibt sich wie bei der Kirchhoffschen
Plattentheorie durch die vereinfachende Bedingung, dass die Querschnitte senk-
recht auf der sogenannten neutralen Faser stehen. In CAE-Programmen wird
häufig mit dem Differentialgleichungssystem des Timoshenko-Balkens und dem
Differentialgleichungssystem für die Mindlin-Reissner-Platte gearbeitet. Hier ste-
hen die Querschnitte nicht senkrecht auf der neutralen Faser bzw. Ebene. Die
Differentialgleichungssysteme sind zweiter Ordnung bezüglich des Ortes.
38 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

die Differenz zwischen der potentiellen Energie Epot und der kinetischen Ener-
gie Ekin :
L = Ekin − Epot . (4.19)
Für den Dehnstab gilt:
 
1
Ekin = µ u̇2 dx , (4.20)
2 0
 
1
Epot = EA u2 dx . (4.21)
2 0

Hier ist µ die (in diesem Beispiel) ortsunabhängige Massebelegung (Masse pro
Längeneinheit) und EA die (ebenfalls in diesem Beispiel) ortsunabhängige
Dehnsteifigkeit.
Als Ansatzfunktionen wählen wir die Dreiecksfunktionen wie in (3.10):


5
u(x, t) = αk (t)uk (x). (4.22)
k=1

Nach dem Hamiltonschen Prinzip (oder auch dem Prinzip der kleinsten Wir-
kung) nimmt die Wirkung S,
 t2
S= Ldt , (4.23)
t1

einen minimalen Wert an (genaugenommen ist es ein extremaler Wert; auf


diesen Unterschied wird hier nicht weiter eingegangen). Setzt man (4.22) in
(4.23) ein, so kann man die Integrationen bezüglich des Ortes in (4.20) und
(4.21) ausführen und erhält aus (4.23):
 t2
S= L(αk , α̇k )dt . (4.24)
t1

Um das Extremum zu bekommen, ersetzt man

αk → αk + εδαk , (4.25)
α̇k → α̇k + εδ α̇k , (4.26)

leitet nach ε ab und setzt ε = 0:


  t2 
d
0 = δS = L(αk + εδαk , α̇k + εδ α̇k )dt . (4.27)
dε t1 ε=0

Nach anschließender partieller Integration bezüglich der Zeit bekommt man


die gewöhnlichen Differentialgleichungen für die Koeffizienten αk . Diese Dif-
ferentialgleichungen erhält man, indem man jeweils den Ausdruck vor jedem
δαk null setzt. Der Operator δ bezeichnet die Variation. Die Funktionen δαk
4.2 Diskretisierungsprinzipe 39

und δ α̇k sind beliebige Funktionen, die mit den Randbedingungen verträglich
sind.
Führt man die Schritte der Variation und der partiellen Integration bezüglich
der Zeit vor der Ortsintegration aus, so erhält man den folgenden Ausdruck:

5  t2   5 
5

0= δαi EA αk uk  − µ α̈k uk ui dxdt. (4.28)
i=1 t1 0 k=1 k=1

Dies sind dieselben Gleichungen wie vorher, denn damit dieses Integral ver-
schwindet, muss für i = 1, . . . , 5 gelten:
   5 
5


0= EA αk uk − µ α̈k uk ui dx . (4.29)
0 k=1 k=1

Man erkennt an dem Integranden die Differentialgleichung für den Dehnstab:

EAu − µü = 0. (4.30)

Für diesen Fall kann das Hamiltonsche Prinzip umformuliert werden:


Ist
5
u= αk uk (4.31)
k=1

eine Ansatzfunktion für die Lösungen der freien Schwingungen des Dehnstabes
mit den elementaren Ansatzfunktionen uk , dann muss das Residuum ε,


5 
5
ε = EA αk uk  − µ α̈k uk , (4.32)
k=1 k=1

senkrecht auf den elementaren Ansatzfunktionen uk , k = 1, . . . , 5 stehen, wo-


bei als Skalarprodukt f, g zwischen zwei Funktionen das Integral
 
f, g = f (x)g(x)dx (4.33)
0

definiert wird.

Anmerkung 4.5. Man erhält aus dem Hamiltonschen Prinzip mit Hilfe der
Ansatzfunktionen also lediglich die Aussage, dass das Integral verschwindet.
Die Differentialgleichung ist i. Allg. nicht erfüllt. Deshalb nennt man dieses
Vorgehen auch schwache Form.

4.2.2 Methode der gewichteten Residuen

Eine andere, allgemeinere schwache Formulierung ist die Methode der gewich-
teten Residuen, die wir wieder am Beispiel des Dehnstabs erklären. Ist
40 4 Partielle Differentialgleichungen und Diskretisierungsmethoden


5
u= αk uk (4.34)
k=1

eine Ansatzfunktion wie in (4.22) dargestellt, so lautet diese Formulierung,


dass die gewichteten Integrale über das Residuum verschwinden:

ε(x, t)wi (x)dx = 0 i = 1, . . . , n . (4.35)
0

Die Funktionen wi stellen die Wichtungsfunktionen dar. Der Unterschied zum


Hamiltonschen Prinzip besteht darin, dass sich die Wichtungsfunktionen wi
von den elementaren Ansatzfunktionen uk unterscheiden.
Anmerkung 4.6. Die Methode der gewichteten Residuen ist allgemeiner als
die Methode nach dem Hamiltonschen Prinzip. Setzt man in der Methode
der gewichteten Residuen an Stelle der Wichtungsfunktionen die elementaren
Ansatzfunktionen ein, so gelangt man wieder zum Hamiltonschen Vorgehen.
Anmerkung 4.7. Bei der Methode der gewichteten Residuen geht man von
den partiellen Differentialgleichungen aus; ein Funktional wie die Lagrange-
Funktion oder Ausdrücke für die potentielle Energie oder die kinetische Ener-
gie sind nicht notwendig. Aus diesem Grund kann man die Methode der ge-
wichteten Residuen z. B. auch bei Problemen aus der Strömungsmechanik,
bei der Wärmeleitung oder bei Diffusionsprozessen anwenden.
Anmerkung 4.8. Durch Wahl der Wichtungsfunktionen kann die Genauigkeit
in bestimmten Bereichen erhöht werden. Dadurch ist es möglich, gezielt auf
die Approximationsgüte Einfluss zu nehmen.
Anmerkung 4.9. Wählt man als Wichtungsfunktionen Diracsche Deltafunk-
tionen (oder genauer: Distributionen), so gelangt man zu den so genannten
Kollokationsmethoden. Bei diesen wird die Differentialgleichung an bestimm-
ten Punkten genau erfüllt. Sind ξi , i = 1, . . . , n Kollokationspunkte, so sind
die Bedingungen bei der Kollokationsmethode:
EAu (ξi ) − µü(ξi ) = 0 , i = 1, . . . , n. (4.36)
Bei den schwachen Formulierungen werden Zwangs- oder Randbedingungen
häufig durch die Wahl der Ansatzfunktionen erfüllt. Beim Beispiel des Dehn-
stabs ist die Randbedingung an der Stelle der Einspannung so, dass die Aus-
lenkung verschwindet.

4.2.3 Finite-Differenzen-Methode
Die Finite-Differenzen-Methode spielt für Anwendungen eine eher unterge-
ordnete Rolle. Bei dieser Methode geht man von Taylorentwicklungen der
entsprechenden Größen an den Gitterpunkten aus. Bei einfachen Gittern
führt die Finite-Volumen-Methode zu denselben Gleichungen wie die Finite-
Differenzen-Methode.
4.2 Diskretisierungsprinzipe 41

4.2.4 Finite-Volumen-Methode

Die Methode der Finiten Volumen (FVM: Finite Volumen Methode) basiert
auf der Anwendung von Erhaltungssätzen auf einzelne, finite Volumen. Erhal-
tungssätze, die in der Strömungsmechanik angewendet werden, berücksichti-
gen die Masse, den Impuls und die Energie (Euler-Gleichungen für kompres-
sible Strömungen):

dρ · v ,
= −ρ∇ (4.37)
dt
d v
∇p
=− , (4.38)
dt ρ
du p
=− ∇ · v . (4.39)
dt ρ
Hier bedeutet der Punkt · das Skalarprodukt; die anderen Größen sind die
Dichte ρ, die Geschwindigkeit v , der Druck p und die innere Energie u.
Mit Hilfe von Abb. 4.2 kann man sich die Herleitungen der Gleichung für die
Massenerhaltung verdeutlichen. Gezeigt ist ein Quader mit den Kantenlängen
∆x, ∆y und ∆z. Über die Flächen des Quaders strömt Masse in den Quader
oder aus dem Quader heraus. Die Differenzmasse ∆m in einem Zeitintervall
∆t erhält man, indem man alle Masseströme addiert.
Während des Zeitintervalls ∆t fließt über die linke Fläche der Größe ∆y∆z ein
Volumen der Größe (vx − (∂vx /∂x)∆x/2)∆t∆y∆z in den Quader hinein, dies
entspricht einer Masse von (ρ − (∂ρ/∂x)∆x/2)(vx − (∂vx /∂x)∆x/2)∆t∆y∆z.
Über die rechte Fläche fließt (entwickelt man die Geschwindigkeit ebenfalls in
eine Taylorreihe) ein Volumen der Größe
 
∂vx ∆x
vx + ∆t∆y∆z (4.40)
∂x 2

aus dem Quader heraus. Verfährt man bei den anderen Flächen analog, so
erhält man die Änderung ∆m der Masse im Volumen der Größe ∆x∆y∆z im
Zeitintervall ∆t
  
∂ρ ∆x ∂vx ∆x
∆m = ρ − vx − ∆t∆y∆z −
∂x 2 ∂x 2
  
∂ρ ∆x ∂vx ∆x
+ ρ+ vx + ∆t∆y∆z
∂x 2 ∂x 2
  
∂ρ ∆y ∂vy ∆y
+ ρ− vy − ∆t∆x∆z −
∂y 2 ∂y 2
  
∂ρ ∆y ∂vy
+ ρ+ vy + ∆y ∆t∆x∆z
∂y 2 ∂y
  
∂ρ ∆z ∂vz ∆z
+ ρ− vz − ∆t∆x∆y −
∂z 2 ∂z 2
42 4 Partielle Differentialgleichungen und Diskretisierungsmethoden
  
∂ρ ∆z ∂vz
+ ρ+ vz + ∆z ∆t∆x∆y
∂z 2 ∂z
  

∂vx ∂vy ∂vz v ∆t∆x∆y∆z
=− ρ + + + ∇ρ (4.41)
∂x ∂y ∂z

Abb. 4.2. Massenbilanz an einem Quader.

Teilt man die Gleichung durch ∆t∆x∆y∆z, so erhält man die erste der Eu-
lerschen Gleichungen. Teilt man das zu betrachtende Gebiet in Finite Volu-
menelemente auf (vgl. Abb. 4.3) und generiert sich zwei Gitter aus Punkten,
an denen z. B. Geschwindigkeiten, Dichte, Druck und Energie definiert sind,
so gelangt man zu einem Finiten Volumenverfahren. Ein Gitter, in Abb. 4.3
durch helle Punkte dargestellt, benötigt man mit Eckpunkten jeweils auf den
Stirnflächen der Finiten Volumenelemente (hier Würfel). Jedem Punkt des
hellen Gitters wird eine mittlere Geschwindigkeitskomponente zugeordnet. So
gilt im Vergleich zu Abb. 4.2:
∂vx ∆x
V(i+2)jk = vx + . (4.42)
∂x 2
An den Punkten des zweiten Gitters (in Abb. 4.3 ist lediglich ein dunkler
Gitterpunkt in der Mitte gezeichnet) werden der mittlere Druck, die mittlere
Dichte und die mittlere Energie definiert.
Setzt man nun die diskreten Werte in die Gleichung für die Herleitung der
Masseerhaltung ein, so folgt:
4.2 Diskretisierungsprinzipe 43
ρ(i−1)jk + ρijk ρijk + ρ(i+1)jk
ρ̇ijk = Vijk − V(i+2)jk (4.43)
2 2
ρi(j−1)k + ρijk ρijk + ρi(j+1)k
+ V(i+1)(j−1)k − V(i+1)(j+1)k ,
2 2
ρij(k−1) + ρijk ρijk + ρij(k+1)
+ V(i+1)j(k−1) − V(i+2)j(k+1) .
2 2
Man spricht bei dieser Anordnung der unterschiedlichen Gitter für die skalaren
Größen und für die vektoriellen Größen von versetzten Gittern.
Anmerkung 4.10. Man erkennt, dass die Gleichungen in den unbekannten
Knotengrößen für die Geschwindigkeit v und die Dichte ρ nichtlinear sind.
Das erschwert die Berechnung deutlich.
Anmerkung 4.11. Die Bilanzgleichungen für die innere Energie und den Impuls
müssen analog diskretisiert werden.

Abb. 4.3. Finite-Volumen-Gitter an einem Quader.

Anmerkung 4.12. In kommerziellen Programmen zur Strömungssimulation


werden auch andere Formen für die Volumina verwendet, so z. B. schiefe,
quaderförmige Volumen oder Hexaeder (vgl. Abb. 4.6). Die Erzeugung der
Finiten Volumen kann bei verwickelter Geometrie aufwändig sein. In Abb.
4.4 und 4.5 ist am Beispiel eines Zylinders die Erzeugung des Gitters mit Te-
traederelementen gezeigt. Bei diesem Beispiel erzeugt man zunächst Kurven.
Diese Kurven sind Berandungen der Flächen, die im zweiten Schritt erzeugt
werden und das zu durchströmende Volumen begrenzen. Im dritten Schritt
erzeugt man Dreieckselemente auf den begrenzenden Flächen. Diese bilden
den Ausgangspunkt für die Volumenvernetzung mit Tetraederelementen. Die
mit den Volumenelementen vernetzte Struktur ist in Abb. 4.5 unten rechts
gezeigt.
44 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

Abb. 4.4. Geometrie und Oberflächennetz für eine Tetraedervernetzung.

Abb. 4.5. Schnitt durch ein Tetraedernetz.

Anmerkung 4.13. Bei vielen Strömungen spielt Reibung eine wichtige Rolle.
Um diese Strömungen zu beschreiben, verwendet man die Navier-Stokesche
Gleichung ([64], S. 59):

d v


ρ + η∆ v + ζ + η ∇
= −∇p ∇ · v . (4.44)
dt 3
Hier sind η und ζ Zähigkeitskoeffizienten (ζ wird auch als zweite Zähigkeit be-
zeichnet). Deutlich einfacher wird diese Gleichung, wenn man inkompressible
· v = 0 gilt:
Strömungen betrachtet, für die ∇

d v + η∆ v .
ρ = −∇p (4.45)
dt
Anmerkung 4.14. Kommerzielle Programme sind mit weiteren Möglichkeiten
ausgestattet, um z. B. auch turbulente Strömungen oder die Kopplung mit
Temperaturfeldern berechnen zu können. Turbulente Strömungen werden al-
lerdings häufig durch Ersatzmodelle beschrieben.

4.2.5 Begriffe

In diesem Unterabschnitt werden einige Begriffe erläutert, die im Zusammen-


hang mit den bisher beschriebenen Diskretisierungsmethoden auftauchen.
4.2 Diskretisierungsprinzipe 45

Knoten: Die abhängigen Größen (z. B. die Temperatur) werden häufig an


Punkten vorgegeben. Man nennt diese Punkte im Rahmen von Finite-
Elemente-Methoden Knoten. Bei Finite-Volumen-Verfahren heißen diese
Punkte Gitterpunkte.
Elemente: Ein Element wird durch die Elementknoten aufgespannt. Es ist
eindimensional (z. B. für Balken oder Stäbe), zweidimensional (i. Allg.
aber nicht eben) oder dreidimensional. Zweidimensionale Elemente sind
z. B. Dreiecke oder Vierecke, die durch drei bzw. vier Knoten festgelegt
sind. Dreidimensionale Elemente sind z. B. Hexaeder oder Tetraeder, die
durch acht bzw. vier Knoten festgelegt sind (vgl. Abb. 4.6).

Abb. 4.6. Finite Elemente: Dreieckselemente, Viereckselemente, Hexaeder und Te-


traeder.

Inzidenzmatrix: Diese Matrix gibt an, welche Knoten welches Element be-
stimmen. Für den Anwender von CAE-Programmen ist diese Matrix ohne
praktische Bedeutung.
Lagrangesche Beschreibung: Bei der Lagrangeschen Beschreibung sind die
Knoten fest mit materiellen Teilchen verbunden. Verschieben sich die Teil-
chen, so verschieben sich auch die Knoten im Raum. Diese Beschreibung
wird bei der Finite-Elemente-Methode eingesetzt.
Eulersche Beschreibung: Bei dieser Beschreibung bleiben die Gitterpunkte
fest im Raum und die Materie fließt an den Punkten vorbei. Diese Methode
setzt man z. B. bei den Finite-Volumen-Methoden in der Strömungsme-
chanik ein.
Netzfreie Methoden: Netzfreie Methoden halten zunehmend Einzug in kom-
merzielle Programme, zum Teil als Ergänzung zu Finiten Elementen, zum
Teil als eigenständige Programme. Der Vorteil dieser Methoden ist, dass
46 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

der Aufwand für die Vernetzung reduziert wird. In den nächsten drei Un-
terabschnitten stellen wir einige netzfreie Methoden vor; weiterführende
Literatur: [69].

4.2.6 Smoothed-Particle-Hydrodynamic-Methode

Diese Methode (abgekürzt: SPH) geht zurück auf Lucy, Gingold und Mo-
nohan ([70], [36], [81], [58]). Zur Verdeutlichung der Idee gehen wir aus von
der Darstellung einer Funktion ρ (z. B. die Massendichte) mit Hilfe der Di-
racschen Deltafunktion (genau genommen ist dies keine Funktion, sondern im
funktionalanalytischem Sinne eine Distribution):
∞
ρ(x) = ρ(ξ)δ(x − ξ)dξ. (4.46)
−∞

Zur Vereinfachung wird hier die Dichte ρ als Funktion einer Veränderlichen
bezüglich des Ortes betrachtet (Beispiel: Luftschwingungen in einem Rohr).
Ersetzt man in diesem Integral die δ-Distribution durch eine ähnliche Funktion
Wh (x − ξ) (vgl. Abb. 4.7), so erhält man eine Funktion ρh :
∞
ρh = ρ(ξ)Wh (x − ξ)dξ . (4.47)
−∞

Die Funktion Wh hat die folgenden Eigenschaften:


1. Wh (s) > 0 für |s| < a,
2. Wh (s) = 0 für |s| ≥ a,

3. Wh (x − ξ)dξ = 1,
−∞
4. Wh monoton fallend oder steigend für s ≥ 0 bzw. s ≤ 0 und
5. limh→0 Wh (s) = δ(s).
Ein Beispiel für eine solche, sogenannte Wichtungsfunktion ist ein kubischer
B-Spline wie er in Abb. 4.7 dargestellt ist. Aus der Forderung 5 folgt

lim ρh = ρ. (4.48)
h→0

Man nennt h die Glättungslänge und den Bereich |s| ≤ a Einflussbereich. Die
neue Funktion ρh ist eine Approximation für die ursprüngliche Dichte ρ. Das
Integral (4.47) lässt sich näherungsweise berechnen


N
ρh (x) ≈ ρ̂h (x) = ρ(ξn )Wh (x − ξn )∆ξn . (4.49)
n=1
4.2 Diskretisierungsprinzipe 47

Hier ist
ξn − ξn−1 ξn+1 − ξn
∆ξn = + (4.50)
2 2
ξn+1 − ξn−1
= . (4.51)
2
Diese Formel stellt die Mittelpunktformel zur näherungsweisen Integration
einer Funktion dar. Die Idee dieses Verfahrens zur näherungsweisen Bestim-
mung eines Integrals kann man Abb. 4.8 entnehmen, bei dem die Fläche unter
der Kurve angenähert wird durch Rechtecke, die in der Mitte durch die Kurve
geschnitten werden. Man nennt diese Verfahren zur näherungsweisen Bestim-
mung eines Integrals auch Quadraturverfahren.
Gleichung (4.49) stellt eine Näherungsdarstellung von ρ mit endlich vie-
len Funktionen Wh (x − ξ1 ), . . . , Wh (x − ξn ) dar. Diese Darstellung unter-
scheidet sich auf den ersten Blick nicht wesentlich von den Ansätzen der
Finite-Elemente-Methode, bei der die Funktionen ebenfalls durch eine end-
liche Anzahl einfacher Funktionen dargestellt ist. Bei der Finite-Elemente-
Methode sind die Knoten fest, bei der Smoothed-Particle-Hydrodynamic-
Methode können die Knoten ξ n jedoch zeitabhängig sein. Die approximie-
renden Funktionen können sich so z. B. im Falle von Strömungen mit freien
Oberflächen in Abhängigkeit von der Strömung verändern.

Abb. 4.7. Smoothed-Particle-Hydrodynamic: Gewichtungsfunktion.

Abb. 4.8. Smoothed-Particle-Hydrodynamic: Mittelpunktmethode.


48 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

4.2.7 Moving-Least-Square-Approximation

Bei dieser Methode approximiert man eine abhängige Veränderliche ρ(x)


durch

m
ρh (x) = xm ai (x). (4.52)
i=0

Die Funktion ai (x) erhält man aus einer Regression


2

N 
m
J= Wh (x − ξn ) ξni ai (x) − ρn , (4.53)
n=1 i=0

wobei J ein Minimum annehmen muss; wegen J > 0 muss


∂J
=0 (4.54)
∂ai
gelten. Hier sind ξn die Knoten und ρn die Werte der Dichte ρ an den Knoten.
Die Definition von J und die Bedingung für das Minimum erinnern an
eine klassische Fehlerquadratformulierung. Der Begriff moving rührt von der
Gewichtungsfunktion her, deren Mittelpunkt nicht fest ist. Der Wert der ap-
proximierenden Funktion ρh an der Stelle ξi hängt von allen Werten ρ1 , .., ρn
ab. Die Approximation ist also nicht lokal. Damit ist die Erfüllung von Rand-
bedingungen erschwert.
Auf der Methode der Moving-Least-Square beruhen weitere Ansätze,
so z. B. die elementfreien Galerkin Methoden oder die netzfreien lokalen
Petrov-Galerkin-Methoden. Auf diesem Gebiet wird allerdings noch inten-
siv geforscht. Die Smoothed-Particle-Hydrodynamic-Methode findet man be-
reits in industriellen Anwendungen. In Abb. [76] ist z. B. der Kraftstoff
im Kraftstoffbehälter eines Kraftfahrzeuges mit Hilfe der Smoothed-Particle-
Hydrodynamic-Methode beschrieben. Das Schwappen des Kraftstoffs ist wich-
tig für die Bewegungen und die Belastungen des Kraftstoffbehälters.

4.2.8 Äußere Approximation (Trefftz-FEM)

Bei der Finite-Elemente-Methode (FEM) erfüllt die Ansatzfunktion die Feld-


gleichungen lediglich näherungsweise; die Randbedingungen werden exakt ein-
gehalten. Umgekehrt verhält es sich bei der sogenannten äußeren Approxima-
tion. Bei dieser geht man von exakten Lösungen der Feldgleichungen aus und
approximiert die Randbedingungen. Obwohl sich diese Methode bisher noch
nicht maßgeblich durchsetzen konnte, weist sie gegenüber der FEM den Vor-
teil auf, dass man nicht im dreidimensionalen Raum, dem Feld, approximiert,
sondern auf dem zweidimensionalen Rand. Angewendet wurde die Methode
bisher hauptsächlich bei der linearen Elastostatik.
Wir erläutern die Methode am Beispiel eines einseitig eingespannten Krag-
balkens mit einer Bohrung, der am freien Ende durch ein Schubfeld belastet
4.2 Diskretisierungsprinzipe 49

wird.
Auf diesen Kragbalken wirken lediglich über die Oberfläche äußere Kräfte (die
Gravitation bleibt unberücksichtigt). Die Feldgleichung lässt sich schreiben als
(vgl. [65]):
(1 − 2ν)∆ u + grad div u = 0. (4.55)
Hier ist ν die Querkontraktionszahl, u der Vektor des Verschiebungsfeldes
(dieser hängt
ab von den
drei Koordinaten x, y und z) und
grad = ∇ = ∂x ∂ ∂
, ∂y ∂
, ∂z und div ( u) = ∇ · u = ∂u 1 ∂u2 ∂u3
∂x + ∂y + ∂z .
Ausgeschrieben lauten diese Gleichungen:
 2   
∂ u1 ∂ 2 u1 ∂ 2 u1 ∂ ∂u1 ∂u2 ∂u3
(1 − 2ν) + + + + + =0 ,
∂x2 ∂y 2 ∂z 2 ∂x ∂x ∂y ∂z
(4.56)
 2   
∂ u2 ∂ 2 u2 ∂ 2 u2 ∂ ∂u1 ∂u2 ∂u3
(1 − 2ν) + + + + + = 0,
∂x2 ∂y 2 ∂z 2 ∂y ∂x ∂y ∂z
(4.57)
 2 2 2
  
∂ u3 ∂ u3 ∂ u3 ∂ ∂u1 ∂u2 ∂u3
(1 − 2ν) + + + + + =0 .
∂x2 ∂y 2 ∂z 2 ∂z ∂x ∂y ∂z
(4.58)

Falls f eine beliebige, sogenannte biharmonische Funktion ist (es gilt also
∆∆f = 0), so erhält man daraus Lösungen für (4.55) aus:
1
u = ∆f − grad div f . (4.59)
2(1 − ν)
Für die Aufgabenstellung des Kragbalkens mit der Bohrung wählt man zum
einen biharmonische Funktionen, die überall im Gebiet des Kragbalkens defi-
niert sind. Um die Spannungserhöhung im Bereich der Bohrung gut approxi-
mieren zu können, setzt man zum anderen biharmonische Funktionen ein, die
in der Mitte der Bohrung eine Singularität besitzen. Mit Hilfe dieses Satzes
von Funktionen approximiert man die Randbedingungen an den Oberflächen
des Balkens:
Stirnseite A: τxz = F
A,
Einspannung: u1 = 0, u2 = 0, u3 = 0,
Freie Oberfläche: verschwindende Normal- und Tangentialspannungen.
Anmerkung 4.15. Die Güte der Approximation hängt zum einen von der An-
zahl der biharmonischen Funktionen zum anderen aber auch von der Anzahl
und der Wahl der singulären biharmonischen Funktionen ab.
Anmerkung 4.16. Für gerade Bohrungen und gerade verlaufende Kerben (also
Bereiche mit kleinem Krümmungsradius) lassen sich die singulären biharmo-
nischen Funktionen einfach bestimmen. Ist dies nicht der Fall, so kann die
Bestimmung der biharmonischen Funktionen schwierig sein.
50 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

Anmerkung 4.17. Bei der praktischen Anwendung teilt man das Gebiet des
Körpers auf und approximiert das Verschiebungsfeld für die unterschiedlichen
Gebiete separat. An den Übergängen zwischen den Gebieten formuliert man
Übergangsbedingungen, die lediglich angenähert erfüllt werden können.
Anmerkung 4.18. Die Methode ist für sehr komplexe geometrische Gebilde
noch nicht genau genug. Im Gegensatz zur FEM ist sie aber für einfache
geometrische Bauteile sehr schnell.
Anmerkung 4.19. Unterteilt man das Gebiet in viele Finite Elemente und
wählt als Ansatzfunktion für diese einzelnen Finiten Elemente Funktionen, die
die Feldgleichungen exakt erfüllen, so erhält man die Trefftz-Finite-Elemente-
Methode. Diese Methode wird zum Beispiel bei Problemen aus der Elektro-
dynamik (also für Lösungen der Maxwellschen Gleichungen) angewendet.
Die externe Approximation für Strukturberechnungen ist z. B. in dem Soft-
wareprodukt PROCISION programmiert. Die Trefftz-FEM für elektrodyna-
mische Probleme findet man z. B. in ANSYS.
Während für die externe Approximation wenig Literatur existiert (im Wesent-
lichen ist es die Monographie [4]), so gibt es für die Trefftz-FEM eine Vielzahl
von Publikationen (der ursprüngliche Gedanke von Trefftz findet sich in [111]).

4.2.9 Randelemente-Methode

Die im Englischen auch Boundary-Element-Method genannte Methode ist eine


Alternative zur Finite-Elemente-Methode. Angewendet werden muss sie auf
Probleme, bei denen sich das zu betrachtende Gebiet bis in das Unendliche
erstreckt, denn bei diesen Gebieten würde die Finite-Elemente-Methode zu
unendlich großen Gleichungssystemen führen.2 Beispiel ist die Schallabstrah-
lung eines vibrierenden Körpers. Aber auch für endlich ausgedehnte Probleme
ist die Randelemente-Methode geeignet (eine Übersicht über Vor- und Nach-
teile sowie Anwendungsfelder ist in [6] zu finden).
Bei der Randelemente-Methode transformiert man ein dreidimensionales (oder
zweidimensionales) Problem mit Hilfe der symmetrischen Form des Green-
schen Satzes (vgl. [7]) auf ein zweidimensionales (bzw. eindimensionales) Pro-
blem. Sucht man zum Beispiel eine Lösung der Laplace-Gleichung

∆ϕ( x) = 0 (4.60)

in einem dreidimensionalen Gebiet D (der Rand des Gebietes sei S, der Nor-
malenvektor sei n), so kann man dieses dreidimensionale Problem mit Hilfe
des Greenschen Satzes
 

(ϕ∆ψ − ψ∆ϕ)(ξ)dV = (ϕ∇ψ − ψ ∇ϕ)(
ndS
ξ) (4.61)
D S
2
In der Akustik gibt es auch unendliche Finite-Elemente (eine sprachlich wider-
sprüchlich erscheinende Formulierung).
4.2 Diskretisierungsprinzipe 51

in ein Integral über die Berandung S überführen. Ist G( x) die sogenannte


Greensche Funktion, das heißt Lösung der folgenden Gleichung (δ ist die Di-
racsche Delta-Funktion, genauer Distribution)

∆G = δ( x) , (4.62)

so erhält man durch Einsetzen von ψ(ξ) = G(ξ − x), (4.60) und (4.62) in
(4.61) unter Ausnutzung der Eigenschaft der Diracschen Delta-Distribution

ξ − x)dV = f ( x)
f (ξ)δ( (4.63)
D

die folgende Gleichung für die gesuchte Lösung ϕ der Laplace-Gleichung


(4.60): 

ϕ( x) = (ϕ(ξ) G(ξ − x) − G(ξ − x)∇ ndS .
ϕ(ξ)) (4.64)
ξ ξ
S
Die Greensche Funktion für diesen dreidimensionalen Fall der Laplace-Glei-
chung (4.60) ist3 :
1 1
G(ξ − x) = − . (4.65)
4π |ξ − x|
Das Integral über die Oberfläche in der Darstellung der Lösung (4.64) wird
näherungsweise numerisch bestimmt, zum Beispiel durch eine Kollokationsme-
thode. Die Oberfläche wird ähnlich wie bei der Finite-Elemente-Methode in
einfache Oberflächenstücke unterteilt. Diese werden auch Boundary-Elemente
oder Panels genannt.
Da lediglich die Oberfläche eines Gebietes vernetzt werden muss, ergeben sich
eine Reihe von Vorteilen bei dreidimensionalen Problemstellungen. Diese Vor-
teile sind auch bei nichtlinearen Problemen zu finden.
Es folgt eine Aufzählung der Vorteile (aus [6]):
• Oberflächenvernetzung: Bei dreidimensionalen Problemen muss lediglich
die Oberfläche vernetzt werden.
• Genauigkeit: Bei der Randelement-Methode muss lediglich die Oberfläche
vernetzt werden, im Innern des betrachteten Gebietes ist keine weitere Ap-
proximation wie bei der Finite-Elemente-Methode notwendig. Aus diesem
Grund ist die Randelemente-Methode im Vergleich zur Finite-Elemente-
Methode bei ähnlicher Netzfeinheit genauer, z. B. bei der Berechnung me-
chanischer Spannungen.
• Rechnerressourcen: Die Randelemente-Methode benötigt bei gleicher Ge-
nauigkeit wie die Finite-Elemente-Methode weniger Speicherplatz und we-
niger Rechenleistung (CPU-Zeit) als die Finite-Elemente-Methode.

3
In Darstellungen über die Randelemente-Methode wird die Greensche Funktion
auch mit einem negativen Vorzeichen eingeführt. Die Darstellung der Lösung

erfolgt auch mit Vertauschen von x und ξ.
52 4 Partielle Differentialgleichungen und Diskretisierungsmethoden

• Daten: Bei der Randelemente-Methode fallen in vielen Fällen weniger Da-


ten an, die nicht benötigt werden. So ist man häufig am Spannungsma-
ximum, das i. Allg. auf der Oberfläche auftritt, interessiert. Die Finite-
Elemente-Methode berechnet und speichert allerdings auch für alle inneren
Knoten Werte.
• Inkompressible Materialien: Mit der Randelemente-Methode können pro-
blemlos inkompressible Materialien (Querkontraktionszahl v = 0,5, z. B.
Gummi) berechnet werden.
Diesen vielen Vorteilen stehen einige Nachteile gegenüber:
• Verwickelte, mathematische Theorie: Die für viele Anwender verwickelte,
mathematische Theorie, die hinter der Randelemente-Methode steht, ist
hinderlich für industrielle Anwendungen ebenso wie der Mangel an kom-
merziell verfügbarer Software.
• Nichtlineare Fragestellungen: Um nichtlineare Fragestellungen beantwor-
ten zu können, muss auch bei der Randelemente-Methode das Innere ver-
netzt werden. Der Vorteil der Oberflächenvernetzung ist dann zum Teil
hinfällig, trotzdem ist die Randelemente-Methode auch bei nichtlinearen
Problemen sehr genau.
• Dünnwandige Strukturen: Die Randelemente-Methode ist nicht geeig-
net für dünnwandige Strukturen, da die Integrale bei verschwindender
Wandstärke singulär werden. Dies hat numerische Ungenauigkeiten bei
der Lösung zur Folge.
• Matrizen: Die Systemmatrizen sind asymmetrisch und voll besetzt (im
Gegensatz zu symmetrischen, schwach besetzten Bandmatrizen bei der
Finite-Elemente-Methode).
• Kommerzielle Software: Es ist nur wenig kommerzielle Software verfügbar.
Die Randelemente-Methode wird häufig auf lineare Problemstellungen ange-
wendet, dennoch bietet sich auch bei nichtlinearen Systemen die Anwendung
der Randelemente-Methode an. Es folgt eine Aufzählung der Gebiete, für die
die Randelemente-Methode geeignet ist:
• Lineare Elastizitätstheorie: Die Methode ist wegen der einfachen Ober-
flächenvernetzung sehr gut geeignet für dreidimensionale Probleme.
• Dreidimensionale Probleme mit Spannungskonzentrationen: Die Methode
ist zum Teil geeignet für Berechnungen im Bereich von Bohrungen oder
von Teilen mit kleinen Krümmungsradien.
• Konzeptstudien: Wegen des geringen Vernetzungsaufwands ist die Metho-
de sehr gut für Konzeptstudien geeignet.
• Neuvernetzungen, adaptive Vernetzungen: Wegen des geringen Aufwands
bei der Vernetzung sind Neuvernetzungen in lokalen Bereichen leicht
möglich.
• Kontaktprobleme: Auch hier bietet die Methode Vorteile.
4.2 Diskretisierungsprinzipe 53

• Bruchmechanik, Rissausbreitung: Die Methode kann die Singularitäten


an der Rissspitze erfassen. Ebenso können Neuvernetzungen bei Rissfort-
schritt leicht durchgeführt werden.
• Unendlich ausgedehnte Gebiete: Hier ist die Methode sehr gut geeignet
wegen der einfachen Möglichkeit den unendlichen Bereich zu betrachten.
5
Wärmeleitung, Temperaturstrahlung,
Konvektion, Diffusion

In diesem Kapitel wenden wir uns einigen ausgewählten physikalischen Vor-


gängen zu, die häufig im Zusammenhang mit Temperaturdifferenzen bei be-
stimmten Vorgängen auftreten.

Beispiel 5.1. Sowohl der Gesetzgeber als auch Verbrauchertests fordern für
Bremsen im Auto selbst unter verschärften Testbedingungen deren uneinge-
schränkte Funktionsfähigkeit. So können sich die Bremsen bei häufigen Folge-
bremsungen auf bis zu T = 1000 K erwärmen. In Abb. 5.1 ist eine glühende
Bremse gezeigt.

Abb. 5.1. Glühende Bremse auf einem dynamischen Räderprüfstand (Quelle:


BMW).

Probleme können sich bei dieser starken Erwärmung aus den mit der Tem-
peratur abfallenden Reibkoeffizienten oder aus einem Überschreiten der Sie-
detemperatur der Bremsflüssigkeit ergeben. Denkbar ist auch, dass Teile der
Bremsen auf Grund der starken Erwärmung und der daraus resultierenden
Spannungen reißen.
56 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion
Reibung

Wärmeleitung

Strahlung

Konvektion
Bremsscheibe

Abb. 5.2. Abkühlungs- und Erwärmungsvorgänge der Bremsscheibe.

Die Wärmeenergie wird über die Reibungskontakte in die Bremse und hier
hauptsächlich in die Bremsscheibe eingebracht. Abgeführt wird die Wärme
über Strahlung, Konvektion und Wärmeleitung. Bei der Konvektion spielt,
gerade bei Bremsen im Automobil, die Umströmung der Bremse eine Rolle,
ebenso wie die Durchströmung von innenbelüfteten Scheiben. Die Konvektion
wird also maßgeblich durch die Strömungsmechanik bestimmt. In Abb. 5.2
sind mögliche physikalische Vorgänge aufgeführt, die bei der Erwärmung der
Bremse Einfluss haben könnten.
Wir wenden uns im Folgenden den beschreibenden Gleichungen zu, die im
Zusammenhang mit der Erwärmung der Bremse wichtig sind. Ergänzend
dazu geben wir auch die Diffusionsgleichung an, denn Diffusion oder auch
Phasenumwandlungen spielen bei der Wärmebehandlung eine wichtige Rolle.
So wird bei der thermochemischen Wärmebehandlung die Randschicht eines
Werkstücks durch Aus- oder Eindiffundieren eines oder mehrerer Elemente ge-
zielt verändert. Beim Induktionshärten spielen elektromagnetische Vorgänge
eine Rolle, die allerdings hier nicht behandelt werden.
Ein Bereich, bei dem Erwärmung und Wärmeabfuhr eine wichtige Stel-
lung einnimmt, betrifft den Motorraum und hier hauptsächlich den Motor als
maßgebliche Wärmequelle. In 5.3 ist die Temperaturverteilung in einem Teil
eines Motorblocks dargestellt. Die Temperaturverteilung spielt z. B. bei der
Beurteilung von Wärmespannungen eine Rolle. Wichtig für die Berechnung
der Temperaturverteilung im Motorblock ist auch die Wärmeabfuhr durch die
Kühlflüssigkeit.
5.1 Wärmeleitung 57

Abb. 5.3. Temperaturverteilung Zylinderkopf in einem BMW V8 Dieselmotor


(Quelle: BMW).

5.1 Wärmeleitung

Wärmeleitung: Unter Wärmeleitung versteht man den Ausgleich von Tempe-


raturdifferenzen in strahlungsundurchlässigen Medien, bei denen mit der
Wärmeleitung kein Materialtransport verbunden ist. Die Wärmestrom-
dichte ju ist proportional zum Gradienten der Temperatur T :
.
ju = −λ∇T (5.1)

Hier ist λ die Wärmeleitfähigkeit.

Die Wärmeleitfähigkeit ist eine skalare Größe, wenn das Medium bezüglich
der Wärmeleitung isotrop ist. Im Allgemeinen ist die Wärmeleitfähigkeit ein
Tensor zweiter Stufe. Der Ausdruck ∇T ist der Gradient der Temperatur (es
≡ gradT üblich). Es gilt:
ist auch die Schreibweise ∇T
⎛ ⎞
  ex
= ∂T ∂T ∂T ⎝ ey ⎠ .
∇T , , (5.2)
∂x ∂y ∂z
ez

Die Dimensionen und Beispiele für Einheiten sind in der folgenden Übersicht
zusammengefasst:
58 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion
 
Energie
dim( ju ) = ju = J
Fläche·Zeit m2 s
Energie J
dim(λ) = [λ] = . (5.3)
Länge·Zeit·Temperatur msK
 
Temperatur
dim(∇)T = ∇T = K
Länge m

Betrachtet man ein (infinitesimales) Volumenelement ∆V , in das über dessen


Grenzflächen (Wärme-)energie über einen gewissen Zeitraum der Länge ∆t
hinein- oder herausfließt, so erhält man mit Hilfe der spezifischen Wärmeka-
pazität c und der Dichte ρ die Fouriersche Differentialgleichung der Wärme-
leitung für eine ortsunabhängige Wärmeleitfähigkeit λ:
∂T λ
= ∆T. (5.4)
∂t cρ
Hier ist ∆ der Laplace-Operator:

∂2T ∂2T ∂2T


∆T = + + . (5.5)
∂x2 ∂y 2 ∂z 2
Man nennt a = λ/(cρ) Temperaturleitvermögen oder Temperaturleitzahl. Die
Dimensionen und Beispiele für Einheiten sind in der folgenden Übersicht zu-
sammengestellt:
Energie J
dim(c) = [c] =
Temperatur·Masse K·kg

dim(ρ) = Masse [ρ] = kg . (5.6)


Volumen m3

dim(a) = Fläche [a] = m2


Zeit s

Anmerkung 5.2. Möchte man die Fouriersche Differentialgleichung herleiten,


so entwickelt man den Wärmestrom in eine Taylorsche Reihe und bestimmt
die Energiebilanz für ein infinitesimales Volumenelement. Dann taucht in der
Fourierschen Differentialgleichung auf der rechten Seite nicht der Laplace-
Operator, sondern der Ausdruck
1 1
∇(λ∇T ) = div(λgradT )
cρ cρ
auf.
Anmerkung 5.3. Bei diesen grundsätzlichen Betrachtungen geht man häufig
von der spezifischen Wärmekapazität cv bei konstantem Volumen aus. Im
Experiment bestimmt man allgemein die spezifische Wärmekapazität cp bei
konstantem Druck. Da sich diese für Festkörper wenig unterscheiden, spricht
man häufig lediglich von einer spezifischen Wärmekapazität c.
In der folgenden Tabelle sind für einige Werkstoffe die Wärme- und die Tem-
peraturleitfähigkeit aufgeführt. Die in der Tabelle angegebenen Werte gelten
5.1 Wärmeleitung 59

Tabelle 5.1. Wärme- und Temperaturleitfähigkeit.


2
λ/ m Js K a/ ms
Aluminium 204 8, 9 10−5
Beton ∼ 1, 0 ∼ 5, 7 10−7
Blei 34,7 2, 4 10−5
Eisen, rein 81 2, 3 10−5
Gold 310 1, 2 10−4
Grauguss 58 1, 5 10−5
Hartgummi 0,17 ∼ 8, 6 10−8
Kork ∼ 0, 05 ∼ 1, 0 10−7
Kupfer, rein 384 1, 1 10−4
Leder, trocken 0,15 ∼ 1, 1 10−7
Papier 0,14 ∼ 1, 1 10−7
Platin 70 ∼ 2, 5 10−5
Porzellan ∼1 4, 3 10−7
Silber 407 1, 7 10−4
Stahl, unlegiert 47 . . . 58 1, 2 . . . 1, 5 10−5
Tantal 54 2, 4 10−5
Wachs 0,084 2, 6 10−8
Ziegelmauerwerk 1,0 ∼ 6, 0 10−7
Zink 110 4, 2 10−5

bei T = 293 K. Für die spezifische Wärmekapazität ist in [35] ein Tempera-
turbereich von 273 K < T < 372 K angegeben.
Die Wärmeleitungsgleichung (5.2) für ju = o und die Fouriersche Differen-
tialgleichung (5.4) sind partielle Differentialgleichungen: die erste bezüglich
der Ortsvariablen, die zweite bezüglich der Ortsvariablen und bezüglich der
Zeit. Die Fouriersche Differentialgleichung ist eine parabolische Differential-
gleichung.
Neben der partiellen Differentialgleichung (der Feldgleichung) benötigt man
zur Bestimmung der Lösung noch Randbedingungen (vgl. Kap. 4). Diese
können im Falle der Temperaturleitungsgleichung z. B. isotherme oder adia-
bate Randbedingungen sein. Bei den isothermen Randbedingungen wird für
einen gewissen Rand eines zu betrachtenden Gebietes eine feste Tempera-
tur vorgegeben. In der Realität findet man diese Randbedingungen lediglich
näherungsweise, z. B. bei einem sehr großen Wärmereservoir (ein großes Was-
serbecken, das stets gut durchmischt wird und bei dem durch entsprechende
Kühlung oder Heizung die Temperatur konstant gehalten wird).
Letztendlich stellen isotherme Randbedingungen eine Idealisierung dar. Adia-
bate Randbedingungen fordern einen verschwindenden Wärmefluss. Auch die-
ses ist eine Idealisierung, denn selbst bei einem Körper im Vakuum, bei dem
keine Wärme durch Leitung oder Konvektion abgeführt werden kann, findet
immer ein Energieaustausch über Strahlung statt (selbst das Vakuum ist ei-
ne Idealisierung). Adiabate Randbedingungen können aus Symmetriegründen
60 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion

auch ohne Idealisierung der tatsächlichen Bedingungen vorliegen.


Neben diesen isothermen und adiabaten Randbedingungen gibt es noch wei-
tere Möglichkeiten, so zum Beispiel ein vorgegebener Wärmefluss wie es bei
der Bremse sinnvoll wäre. Wir wollen im Folgenden das Beispiel der Bremse
aufgreifen und die Temperaturverteilung in der Bremsscheibe bestimmen.
Dabei gehen wir von den folgenden Annahmen aus (vgl. Abb. 5.4):
1. Die Bremsbeläge leiten keine Wärme weiter.
2. Die Wärmeleitung über die Anbindung der Bremsscheibe an das Rad wird
vernachlässigt.
3. Konvektion und Strahlung werden vernachlässigt.
4. Die Reibleistung wird gleichmäßig über die Bremsfläche der Scheibe ver-
teilt. Diese wird als Scheibe mit einem Loch abgebildet, bei dem sich
Innen- und Außenradius nur wenig unterscheiden.
Die Annahmen eins bis drei stellen eine grobe Vereinfachung dar, die zu un-
genauen Ergebnissen führen wird. An dieser Stelle soll allerdings lediglich
ein mögliches Vorgehen bei der Diskretisierung der Wärmeleitungsgleichung
demonstriert werden. Die Annahmen eins bis drei gehören in den Bereich
der physikalischen Modellbildung. Die vierte Annahme ist Teil der geome-
trischen Modellbildung, außerdem eine gute Annäherung an die Realität, da
sich die Bremsscheibe sehr schnell dreht und ein Großteil der Fläche von den
Bremsbelägen bedeckt ist. Durch diese Annahme haben wir das Problem auf
die Lösung eines eindimensionalen Wärmeleitungsproblems reduziert. Inter-
essiert sind wir an der zeitlichen Entwicklung der Temperaturverteilung über
die Dicke der Bremsscheibe.
Wir gehen von folgenden Daten aus:
Ein Fahrzeug (Masse m = 1000 kg) wird von einer Geschwindigkeit v0 =
30 ms innerhalb von t0 = 5s durch konstantes Abbremsen a = v0 /t0 zum
Stillstand gebracht. Die kinetische Energie des Fahrzeuges Ekin = m 2
2 v0 wird
also, verteilt auf die vier gebremsten Räder des Fahrzeuges, innerhalb von 5
s in Wärmeenergie umgewandelt. Die Energie des Fahrzeugs als Funktion der
Zeit t ist also:
1
2

Ekin (t) = m v02 − (v0 − at)
2   2 
1 t
= mv0 1 − 1 −
2
. (5.7)
2 t0

Die Fläche einer der vier Bremsscheiben ist A0 . Damit ergibt sich die Wärme-
stromdichte auf einer Seite der acht Bremsscheibenseiten zu
1 1 ∂E
j0 = −
8 A0 ∂t
m 2t 1
= − v0 . (5.8)
8 t0 A0 t0
5.1 Wärmeleitung 61

Abb. 5.4. Eindimensionales Modell für die Erwärmung der Bremse.

Die Wärmestromdichte in der Mitte der Scheibe ist aus Symmetriegründen


null. Wir haben also die folgenden Rand- und Anfangsbedingungen und die
Feldgleichung (die halbe Dicke der Scheibe sei d)
∂T ∂2T
= a 2 für 0 < x < d , (5.9)
∂t ∂x
∂T
0 = −λ Randbedingung in der Mitte, (5.10)
∂x x=0

mv02 t ∂T
− = −λ Randbedingung am Bremsbelag, (5.11)
8A0 t2
0 ∂x x=d
T (x, t = 0) = T0 für 0 ≤ x ≤ d Anfangswert. (5.12)

Anmerkung 5.4. Es macht für diesen Fall keinen Sinn, sich die stationäre
Lösung z. B. für eine Dauerbremsung auf einem Prüfstand anzusehen, da zur
Bremsscheibe ausschließlich Energie zugeführt aber keine Energie abgeführt
wird. Es wird sich daher für eine Dauerbremsung keine stationäre Lösung
einstellen.
Der dritte Teil der Modellbildung, die mathematische Modellbildung, beginnt
mit einer Diskretisierung über die Scheibendicke. Wegen der vierten Annahme
können wir das Problem näherungsweise als eindimensional betrachten. In
Abb. 5.4 unten ist ein Stück aus der Scheibe dargestellt. Dieses Stück ist
eingeteilt in sechs Finite Volumenelemente mit sechs äquidistanten Knoten.
Zum Aufstellen der Gleichungen betrachten wir die innere Energie U in
einem Volumenelement, die sich durch Zu- oder Abfluss von Energie ändert.
Wir betrachten als Beispiel das dritte Element mit der Temperatur T3 . Nach
der Wärmeleitungsgleichung ist der Wärmefluss vom vierten in das dritte
Element
T4 − T3
jU 4→3 = λ (5.13)
∆x
62 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion

und vom zweiten in das dritte Element


T2 − T3
jU 2→3 = λ . (5.14)
∆x

Die Änderung der inneren Energie U̇ ergibt sich aus den Wärmeflüssen:

U̇ = A0 (jU 4→3 + jU 2→3 ). (5.15)

Die innere Energie ist über die spezifische Wärmekapazität c und die Dichte
ρ mit der Temperatur verknüpft:
∂T
U̇ = ρc A0 ∆x . (5.16)
∂t
Insgesamt ergibt sich für die Temperatur im dritten Volumenelement:
∂T3 2T3 − T2 − T4
ρc A0 ∆x = A0 λ (5.17)
∂t ∆x
und analog in den anderen Elementen
∂Ti 2Ti − Ti−1 − Ti+1
ρc A0 ∆x = A0 λ , i = 2, ..., 5. (5.18)
∂t ∆x
Die Randbedingungen lauten:
T2 − T1
0 = −λ (5.19)
∆x
mv02 t T6 − T5
− = −λ . (5.20)
8A0 t20 ∆x

Setzt man die Randbedingungen (5.19) und (5.20) in (5.18) ein, so erhält man
vier gewöhnliche Differentialgleichungen für die vier Temperaturen T2 , . . . , T5 ,
in denen lediglich diese fünf Größen auftauchen.
Die Temperatur T1 erhält man aus der ersten Randbedingung (5.19) (T1 =
T2 ), die Temperatur T6 erhält man aus der zweiten Randbedingung (5.20):

mv02 t
T6 = ∆x + T5 . (5.21)
8A0 t20 λ

Die Anfangsbedingungen für die Temperaturen T2 , . . . , T5 sind:

Ti = T0 für i = 2, . . . , 5. (5.22)

Zur Lösung der vier gewöhnlichen Differentialgleichungen werden entsprechen-


de Integrationsverfahren eingesetzt.
Beispiel 5.5. An diesem Beispiel wird deutlich, dass eine anisotrope Wärme-
leitung bei symmetrischen Problemen zu asymmetrischen Ergebnissen führt.
5.2 Temperaturstrahlung 63

In Abb. 5.5 ist die Temperaturverteilung für eine quadratische Platte gezeigt.
An der oberen, linken Seite ist in diesem Beispiel eine konstante Temperatur
von T = 100K und an der unteren rechte Seite eine konstante Temperatur von
T = 500K vorgegeben. Die anderen beiden Rädern sind adiabat. Der Wärme-
leitungskoeffizient ist in vertikaler Richtung um den Faktor 4,6 höher als der
in horizontaler Richtung. Man erkennt deutlich, dass sich eine asymmetrische
stationäre Temperaturverteilung einstellt.

Abb. 5.5. Stationäre Temperaturverteilung bei orthotroper Wärmeleitfähigkeit.

5.2 Temperaturstrahlung
Temperaturstrahlung: Man nennt elektromagnetische Strahlung, die ausschließ-
lich ihre Ursache in der Temperatur besitzt (also ohne zusätzliche Anre-
gung stattfindet) Temperaturstrahlung.
Man spricht von einem Schwarzen Strahler (oder Schwarzen Körper), wenn
sein Absorptionsgrad α = 1 ist, unabhängig von der Wellenlänge der auf-
treffenden Strahlung. Ein Absorptionsgrad α = 1 bedeutet, dass jeder auf
den Körper auftreffende Strahlungsfluss vollständig absorbiert wird. Für rea-
le Körper gilt α < 1. Die Leistungsdichte M , also die Leistung, die von einem
Schwarzen Strahler pro Flächeneinheit ausgestrahlt wird, kann man nach dem
Stefan-Boltzmannschen Gesetz bestimmen (M = P A spezifische Ausstrahlung;
P : Leistung, A: Fläche).

M = σT 4 , (5.23)
2π 5 k 4
σ= ,
15c2 h3
64 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion

W
σ ≈ 5, 7 · 10−8 .
K 4 m2
Hier ist k die Boltzmann-Konstante, c die Lichtgeschwindigkeit und h das
Plancksche Wirkungsquantum.
Die Gesamtstrahlung von realen Körpern ist niedriger als die von Schwarzen
Strahlern. Es gilt das Kirchhoffsche Strahlungsgesetz, das besagt, dass der
Absorptionsgrad α̃ gleich dem Emissionsgrad ε̃ ist:
ε̃(ν, T, ϑ) = α̃(ν, T, ϑ). (5.24)
Hier ist ν die Frequenz der emittierten oder der absorbierten Strahlung, T die
Temperatur und ϑ der Einfall- bzw. der Ausfallwinkel.
Bei einem sogenannten grauen Strahler ist der Emissionsgrad (und damit
auch der Absorptionsgrad) unabhängig von der Frequenz. Geht man bei einem
grauen Strahler von der gleichen Richtungsabhängigkeit wie beim Schwarzen
Strahler aus, so erhält man die spezifische Ausstrahlung des grauen Strahlers
über den vom Winkel unabhängigen Emissionsgrad ε:
Mreal = εσT 4 . (5.25)
In der untenstehenden Tabelle 5.2 ist der Emissionsgrad einiger technischer
Oberflächen wiedergegeben (aus [57]).
Beispiel 5.6. Im Folgenden schätzen wir die Strahlungsleistung einer Eisen-
fläche der Größe A = 0, 078m2 (dies entspricht einem Kreisring mit ei-
nem Innendurchmesser von ri = 0, 1m und einem Außendurchmesser von
ra = 0, 15m, der beidseitig abstrahlt) für eine Temperatur von T = 1073 K
ab. Der spektrale Emissionsgrad bei λ = 650 nm ist ε(λ) = 0,351. Wenn wir
näherungsweise davon ausgehen, dass Eisen ein grauer Strahler ist, so erhalten
wir eine Leistung von:
P = εσT 4 A
≈ 0, 351 · 5, 7 · 10−8 (1073)4 · 0, 078W
≈ 2068W . (5.26)
Wenn man sich vor Augen hält, dass ein Fahrzeug mit einer Masse von m =
1500 kg auf einer Autobahn ständig von v0 = 120 km/h (≈ 33 m/s) auf v1 =
90 km/h (≈ 25 m/s) z. B. wegen starken Lkw-Verkehrs abbremst, um danach
unmittelbar wieder zu beschleunigen, und wenn dieser Vorgang des Bremsens
und Beschleunigens ∆t = 20 s dauert, so entspricht dies einer Leistung von:
m 2  1
P = v0 − v12
2 ∆t
≈ 17, 4kW. (5.27)
Der Anteil der Bremsleistung, der über Strahlung abgegeben wird (vorausge-
setzt, die Bremse erwärmt sich auf 800˚C), ist bei diesem Beispiel ungefähr
48%, wenn man von vier Bremsscheiben ausgeht.
5.2 Temperaturstrahlung 65

Tabelle 5.2. Emissionsgrad technischer Oberflächen.


Oberfläche T in K ε
Silber, blank 293,15 0,02
Aluminium, normal gewalztes Blech, 373,15 0,05 ... 0,08
blank
Aluminium, stark oxidiert 773,15 0,2 ... 0,5
Chrom, poliert 423,15 0,07 ... 0,08
Eisen, blank verzinkt 293,15 0,08
Eisen, gerostet 293,15 0,65
Gusseisen, blank 293,15 0,6 ... 0,8
Organische Kunststoffe 293,15 0,9
Glas 363,15 0,88
Eis glatt, Wasser 273,15 0,92

In dem Beispiel der Finite-Volumen-Berechnung reduziert sich durch die Tem-


peraturstrahlung der eingebrachte Wärmestrom:

mv02 t Ps ∂T
− + = −λ . (5.28)
8A0 t20 A0 ∂x

Setzt man für Ps das Stefan-Boltzmann-Gesetz (5.25) ein, so erhält man die
Randbedingung:
 
mv02 t ∂T 4

− 2 = −λ − εσT . (5.29)
8A0 t0 ∂x x=d

Die Einführung der Temperaturstrahlung führt also von der Neumannschen


zu der gemischten (oder Sturmschen) Randbedingung (vgl. Kap. 4). Diese
lautet für die diskretisierten Gleichungen:

mv02 t T6 − T5
− = −λ − εσT64 . (5.30)
8A0 t20 ∆x
Die bisherigen Betrachtungen sind davon ausgegangen, dass die Temperatur-
strahlung nicht reflektiert wird und dass kein zweiter Körper auch Tempera-
turstrahler ist (im Fall der Bremse könnte das z. B. die Felge sein). Geht man
von zwei gleichgroßen Flächen aus, die parallel zueinander stehen und deren
Temperaturen und Absorptionskoeffizienten T1 , ε1 , α1 bzw. T2 , ε2 , α2 sind, so
ändert sich der Strahlungsfluss. Wir betrachten zunächst die spezifische Strah-
lungsleistung von der Fläche A1 nach A2 , diese ist

M̃1 = ε1 σT14 . (5.31)

Ein Teil dieser Strahlung wird von der Fläche 2 reflektiert. Diese zurückge-
strahlte Energie wird teilweise wieder von Fläche 1 absorbiert. Addiert man so
alle Anteile der reflektierten Strahlung, so gelangt man zu einer geometrischen
66 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion

Reihe; die gesamte spezifische Strahlungsleistung, die die Fläche 1 infolge der
Temperatur T1 abstrahlt, ist

 i
M1 = ε1 σT14 − α1 ε1 σT14 (1 − α2 ) ((1 − α1 )(1 − α2 ))
i=0
1
= ε1 σT14 − α1 ε1 σT14 (1 − α2 )
1 − (1 − α1 )(1 − α2 )
ε1 α2
= σT 4 . (5.32)
1 − (1 − α1 )(1 − α2 ) 1

Ebenfalls über eine geometrische Reihe erhält man die spezifische Strahlungs-
leistung der Fläche 2, die von der Fläche 1 absorbiert wird:

 i
M2 = α1 ε2 σT24 ((1 − α1 )(1 − α2 ))
i=0
1
= α1 ε2 σT24 . (5.33)
1 − (1 − α1 )(1 − α2 )

Das Kirchhoffsche Strahlungsgesetz besagt, dass der spektrale Emissionsgrad


gleich dem spektralen Absorptionsgrad ist, in diesem Fall also ε1 = α1 und
ε2 = α2 gilt. Für die spezifische Strahlungsleistung der Fläche 1 erhält man
somit insgesamt:
ε1 α2 α1 ε2
M1 − M2 = σT 4 − σT 4
1 − (1 − α1 )(1 − α2 ) 1 1 − (1 − α1 )(1 − α2 ) 2
ε 1 ε2  
= σ T14 − T24 . (5.34)
1 − (1 − ε1 )(1 − ε2 )

Ein Strahlungsfluss tritt also unabhängig von den eingesetzten Materialien


der Fläche 1 und 2 in Richtung des Temperaturgefälles auf (dies ist aus Sicht
des zweiten Hauptsatzes der Thermodynamik auch zwingend notwendig). Der
Strahlungsfluss steigt mit zunehmender Temperaturdifferenz und mit steigen-
dem Emissionsgrad beider Flächen.

Anmerkung 5.7. In der Literatur findet man auch eine vereinfachte Beziehung
für die Temperaturstrahlung, bei der ε1 = ε2 gesetzt ist.

Anmerkung 5.8. Der Fall der Abstrahlung ohne die Fläche 2 ist in der Formel
(5.34) enthalten, wenn man T2 = 0 und ε2 = 1 setzt.

5.3 Konvektion

Bei der Konvektion ist der Transport von Wärme verbunden mit dem Trans-
port von Materie. In Festkörpern spielt er aus diesem Grund lediglich eine
5.4 Diffusion 67

untergeordnete Rolle. In Gasen und Flüssigkeiten jedoch spielt die Konvekti-


on häufig eine größere Rolle als die Wärmeleitung.
Die rechnerische Bestimmung der Konvektion erfordert eine Strömungssimu-
lation, die i. Allg. sehr aufwändig ist. Die Strömung wird entweder durch
Temperaturdifferenzen selber erzeugt oder sie ist von außen vorgegeben (Bei-
spiel: angeströmte Bremse).

Abb. 5.6. Umströmung einer Bremse am Beispiel eines Fahrzeugs der Mercedes
A-Klasse (Quelle: Daimler-Chrysler)).

Beispiel 5.9. In Abb. 5.6 erkennt man die Umströmung einer Bremse. Man
kann die Kühlwirkung der Luft so beurteilen und konstruktive Verbesserungen
durch Simulationen schnelle einschätzen.

5.4 Diffusion

Die Diffusion spielt bei einigen Herstellungsprozessen eine Rolle, so zum Bei-
spiel bei der thermochemischen Wärmebehandlung von Stählen. Die Feld-
gleichungen sind wie die Gleichungen für die Wärmeleitung aufgebaut. Die
Teilchenstromdichte i ist nach dem 1. Fickschen Gesetz proportional zum
Gradienten der Teilchenkonzentration N:
.
i = −D∇N (5.35)

Die Feldgleichung für die Teilchenkonzentration ist wie die Temperaturlei-


tungsgleichung eine parabolische Differentialgleichung (2. Ficksches Gesetz):
68 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion

Ṅ = D∆N . (5.36)
Als Rand- und Anfangswerte dienen i. Allg. Vorgaben der Konzentration N .
Bringt man ein Material A mit einem Material B in Kontakt, mit dem Ziel,
dass die Teilchen von B in A eindiffundieren, so werden auch Teilchen von A
in B eindiffundieren (Gegendiffusion). Dadurch muss man zwei Diffusionspro-
zesse u.U. mit unterschiedlichen Diffusionskonstanten betrachten.

5.5 Plausibilitätsbetrachtungen
Für den Ingenieur ist es wichtig, die durch ein Computerprogramm berechne-
ten Ergebnisse auf Plausibilität hin zu untersuchen. Dies beschränkt sich aller-
dings auf einfache, quantitative Abschätzungen und auf qualitative Aspekte.
Wir wollen hier für die Wärmeleitungsgleichung einige vorstellen. Diese Aussa-
gen gelten analog auch für die Diffusionsgleichung, wenn man die Temperatur
T durch die Konzentration N ersetzt:
1. Die (absolute) Temperatur ist stets positiv. Stellt man also bei der Über-
prüfung von Lösungen einen negativen Wert für T fest, so wird die Ursa-
che dafür häufig in einer nicht der Realität entsprechenden Definition der
Randbedingungen oder in einem Fehler in dem Programm liegen. Treten
in kleinen Gebieten kleine, negative Werte für T auf, so kann dies Fol-
ge der Diskretisierung oder ein numerischer Fehler sein, der nicht unbe-
dingt zu einem vollkommen falschen Ergebnis führen muss. Definiert man
beim Neumannschen Randwertproblem oder beim Sturmschen Randwert-
problem (also Randwertproblemen, in die der Wärmefluss eingeht) den
Wärmefluss unabhängig von der Temperatur, so kann dies zu einer steten
Abkühlung des Körpers und so zu negativen Temperaturen führen. Die
Temperaturleitungsgleichung lässt diese Lösungen zu1 .
2. Für Lösungen der Temperaturleitungsgleichung gilt das Minimum-Max-
imum-Prinzip:
Es sei T ( x, t) eine Lösung der Temperaturleitungsgleichung (ohne Quell-
terme) in einem Gebiet G des dreidimensionalen Raums für t ∈ [0, τ ]. Die
Extremwerte in dem Raum aller Punkte ( x, t) ∈ G × [0, τ ] werden entwe-
der für t = 0 oder für x ∈ ∂G angenommen (hier ist ∂G der Rand des
Gebietes G).
Betrachtet man alle Temperaturen einer Lösung, also die Temperaturen
zu allen Zeitpunkten t ∈ [0, τ ] und an allen Orten x ∈ G, so tritt die dabei
beobachtete maximale Temperatur entweder zum Zeitpunkt t = 0 irgend-
wo in G auf, oder sie tritt zu einem späteren Zeitpunkt t > 0 dann aber
auf dem Rand ∂G von G auf. Die gleiche Aussage gilt für die minimale
Temperatur.
1
Das Erreichen des absoluten Nullpunktes T = 0 wird durch den sogenannten III.
Hauptsatz der Thermodynamik oder das Nernstsche Wärmetheorem ausgeschlos-
sen.
5.5 Plausibilitätsbetrachtungen 69

3. An adiabaten Rändern (also j = 0) stehen die Isothermen senkrecht auf


diesen Rändern.
4. An adiabaten Rändern verlaufen die Wärmeströme parallel zu diesen
Rändern (diese Aussage ist äquivalent zu der vorangegangenen).
5. Die Wärmeflüsse an Rändern, an denen diese über Randbedingungen vor-
gegeben sind, müssen mit diesen Vorgaben übereinstimmen.

Abb. 5.7. Turbine (Quelle: MEDINA-Beispiel, T-Systems).

Beispiel 5.10. In diesem Beispiel gehen wir auf die Erwärmung der in Abb.
5.7 gezeigten Turbine ein. Man erkennt, dass diese Turbine aus einer Vielzahl
identischer Segmente aufgebaut ist. Diese Symmetrie erlaubt es, das Problem
auf ein Segment mit entsprechenden Randbedingungen zu reduzieren. Die
Temperaturverteilung eines Segments ist in Abb. 5.8 gezeigt. Die Randbe-
dingungen auf Grund der Symmetrie sind gleiche Temperatur am linken und
am rechten Schnittufer des Segments und verschwindender Wärmestrom an
diesen Schnittufern. Die gleichen Temperaturen sind leicht nachvollziehbar,
da andernfalls innerhalb der gesamten Turbine an den Übergängen Tempera-
tursprünge auftreten würden. Die verschwindenden Wärmeströme bedeuten
70 5 Wärmeleitung, Temperaturstrahlung, Konvektion, Diffusion

einen verschwindenden Temperaturgradienten an den Schnittufern. Hätte man


keinen verschwindenden Temperaturgradienten, so hätte dies zur Folge, dass
innerhalb der Segmente Minimum und Maximum der Temperatur angenom-
men würden, was dem Minimum-Maximum-Prinzip widerspräche.
Durch diese Reduzierung verringert sich der Rechenaufwand deutlich. Man
sollte sich bei der Ausnutzung von Symmetrien bei nichtlinearen Problemen
immer im Klaren darüber sein, dass man u. U. nicht alle Lösungen berech-
nen kann oder dass man eine sogenannte instabile Lösung berechnet, die in
der Realität meist keine Aussagekraft besitzt (vgl. die Ausführungen zu den
Eulerschen Knickstäben in Unterabschnitt 7.3.1).

Abb. 5.8. Temperaturverteilung eines Segments zwischen 600 K (vorne links) und
1053 K (rechts) (Quelle: MEDINA-Beispiel, T-Systems).
6
Dynamik starrer Körper

Mehrkörpersysteme (MKS) bestehen aus Systemen mehrerer Körper. Ty-


pisch für MKS ist, dass die Körper als starr angenommen werden und durch
Gelenke verbunden sind. Zusätzlich zu den starren Körpern kommen in MKS
Federn, Dämpfer oder andere diskrete Elemente zum Einsatz, die einen Zu-
sammenhang zwischen Verschiebungen und Geschwindigkeiten einerseits und
Kräften andererseits herstellen.
In modernen Programmsystemen für MKS kann man Teile von Strukturen
als Finite-Elemente-Systeme berücksichtigen, um so die Modellgüte im Be-
reich deformierbarer Teilstrukturen zu erhöhen.

Beispiel 6.1. Ein weites Feld von Anwendungen findet sich in Mehrkörper-
modellen von Fahrzeugen, z. B. Eisenbahnen oder Automobilen. In Abb. 6.1
ist ein Mehrkörpermodell eines Golf 5 dargestellt. Bei den in der Automo-
bilindustrie eingesetzten Modellen wird der sogenannte Aufbau (dies ist im
Wesentlichen die Karosserie) als starrer Körper mit sechs Freiheitsgraden ein-
gesetzt. Die sogenannten Lenker, die dazu dienen, die Räder so zu führen, dass
das Fahrverhalten stabil ist (es gibt auch Lenker an nicht gelenkten Rädern),
werden ebenfalls als starre Körper in den Modellen berücksichtigt. Verbun-
den sind die Lenker, der Aufbau und die Radträger (an diesen befinden sich
die Radlager und die Bremse) durch Gelenke. Weiterhin werden diese zur
Beurteilung der Fahrdynamik eingesetzten Modelle mit Federn und Dämp-
fern versehen. Da zum Teil bei den Fahrzeugen gezielt Teile des Fahrwerks
als deformierbar vorgesehen sind (Verbundlenkerachsen), müssen auch in den
Modellen deformierbare Teile eingesetzt werden.

Beispiel 6.2. Zur Beurteilung von Fahrzeugen bezüglich des Verletzungsrisi-


kos von Insassen bei einem Unfall werden sogenannte Dummys eingesetzt.
Dies sind menschenähnliche Puppen aus Stahl, Kunststoffen und Schäumen,
die mit Sensoren ausgestattet sind. Diese Dummys werden in Fahrzeugen plat-
ziert. Die Fahrzeuge werden dann gezielt in einem standardisierten Unfallexpe-
riment (z. B. Fahrt gegen eine starre Wand) eingesetzt. Das Verletzungsrisiko,
72 6 Dynamik starrer Körper

Abb. 6.1. MKS-Modell eines Golf 5 (Quelle: Volkswagen AG).

das Menschen bei einem solchen Unfall hätten, wird anhand der Sensorsignale
der Dummys abgeschätzt. Diese Dummys werden ebenfalls als Mehrkörpersy-
steme auf dem Computer nachgebildet, wenn diese im Frontalcrash eingesetzt
werden. Aber auch hier gibt es nachgiebige Teile, so zum Beispiel die Brust, die
beim Frontalcrash nennenswert eingedrückt werden kann. In Abb. 6.2 ist ein
Frontalcrashdummy gezeigt. In Programmen, die diese Dummys berechnen,
wird neben den Trägheitseigenschaften (Massen und Massenmomente 1. und
2. Grades oder Schwerpunkt und Massenträgheitsmomente) auch die Geome-
trie der einzelnen Bestandteile des Dummys berücksichtigt, um die Kinematik
richtig vorhersagen zu können.

Abb. 6.2. Frontalcrashdummy für das Programm MADYMO.


6.1 Kinetik des starren Körpers 73

Beispiel 6.3. Bei der Beschreibung von Robotern kommen ebenfalls Mehrkör-
persysteme zum Einsatz. Bei diesen Systemen spielt eine hohe Vorhersagegüte
der Positionen des Roboterarms und der Raum, der vom Roboter für die Be-
wegungen benötigt wird, eine Rolle. Um die Positionen genau vorhersagen
zu können, müssen auch die Nachgiebigkeiten der Roboterarme berücksich-
tigt werden. Diese Nachgiebigkeiten haben Einfluss auf die Position und auf
die möglichen Geschwindigkeiten des Roboters. In Abb. 6.3 ist eine Roboter-
schweißstraße in der Automobilindustrie gezeigt. Abbildung 6.4 zeigt einen
Roboter als CAD-Modell, das zur Untersuchung der Kinematik allerdings
nicht für dynamische Untersuchungen geeignet ist.

Abb. 6.3. Simulation einer Roboterschweißstation für eine Rohkarosserie in der


Automobilindustrie (Quelle: KUKA Roboter GmbH).

6.1 Kinetik des starren Körpers


Die Lage eines starren Körpers im Raum lässt sich durch die Angabe von sechs
Lagekoordinaten vollständig beschreiben. Es gibt unterschiedliche Möglichkei-
ten, diese Lagekoordinaten zu wählen.
Beispiel 6.4. Zur Festlegung eines Punktes PB1 eines Körpers reichen drei
Koordinaten eines Vektors vom Koordinatenursprung zu diesem Punkt aus
rP = (x, y, z) e .
Hält man lediglich einen Punkt fest, so kann sich der Körper noch belie-
big um diesen Punkt drehen. Zur Beschreibung einer Drehung benötigt man
drei Angaben. Dies können drei Winkel sein (z. B. die Euler-Winkel oder die
Kardan-Winkel). Man kann aber auch eine Drehachse durch den Punkt P und
einen Drehwinkel um diese Achse festlegen. Da zur Festlegung der Achse ledig-
lich der Richtungsvektor, dessen Länge unwichtig ist, angegeben werden muss,
74 6 Dynamik starrer Körper

Abb. 6.4. CAD-Modell eines Roboters (KR360 von KUKA; Quelle: KUKA Roboter
GmbH).

Abb. 6.5. Koordinatensysteme für starre Körper.

sind dies wiederum drei Parameter. Ist D die Drehmatrix (in Abhängigkeit
von den Euler-Winkeln oder den Kardan-Winkeln) so lassen sich die Richtung
der Drehachse und der Drehwinkel α aus der Matrix D berechnen:
Die Drehachse ist der Eigenvektor zum Eigenwert 1 von D. Für die Spur von
D (die Spur einer Matrix ist die Summe der Diagonalelemente) gilt:

Spur D = 1 + 2 cos α . (6.1)


6.1 Kinetik des starren Körpers 75

Wir gehen im Folgenden von der Beschreibung der Lage eines Körpers K aus,
die sich aus einer Translation und einer Drehung zusammensetzt. Die Trans-
lation wird durch einen Vektor rP = (x, y, z) e beschrieben, der zu jedem
Zeitpunkt vom Ursprung des raumfesten Koordinatensystems zu einem festen
Punkt P des Körpers zeigt. Die Koordinaten x, y, z sind i. Allg. zeitabhängig.
Die Drehung wird durch eine Drehmatrix beschrieben. Diese wird mit D be-
zeichnet; sie ist häufig ebenfalls zeitabhängig.
Es sei Q ein beliebiger Punkt des Körpers und eK sei ein im Punkt P fest mit
dem Körper verbundenes Koordinatensystem.
Der Vektor von P nach Q sei r = (r, s, t) ek . Da eK fest mit K verbunden ist
und da P und Q ihre Lage bezüglich des Körpers und relativ zueinander we-
gen der angenommenen Starrheit von K nicht ändern, sind die Koordinaten
r, s, t von der Zeit unabhängig.
Die Lage von Q kann durch den Vektor rQ angegeben werden (vgl. Abb. 6.5):
rQ = rP + r . (6.2)
Im Folgenden soll die Geschwindigkeit des Punktes Q bestimmt werden. Dazu
ist zu beachten, dass die drei Vektoren eK zeitabhängig sind und aus e durch
die zeitabhängige Drehung hervorgehen; e ist nicht von der Zeit abhängig:
d
r˙ Q = r˙ P + ( r)
dt
d  
= r˙ P + (r, s, t) D e
dt
= r˙ P + (r, s, t) Ḋ e ersetze e = DT eK
= r˙ P + (r, s, t) Ḋ DT eK
  
=Ω

= (ẋ, ẏ, ż) e + (r, s, t) Ω eK . (6.3)

Wir wenden uns zunächst der Matrix Ω = Ḋ DT zu. Dazu leiten wir die
Einheitsmatrix
E = D DT (6.4)
nach der Zeit ab. Da E zeitunabhängig ist, folgt
T
0 = Ḋ DT + D Ḋ

T
= Ḋ DT + Ḋ DT . (6.5)

Also ist Ω = −Ω T ; d.h., dass Ω eine antimetrische Matrix ist. Die Diagonal-
elemente einer solchen Matrix sind null, sie besitzt lediglich drei voneinander
unabhängige Komponenten:
⎛ ⎞
0 ω3 −ω2
Ω = ⎝ −ω3 0 ω1 ⎠ . (6.6)
ω2 −ω1 0
76 6 Dynamik starrer Körper

Geht man von einem anderen körperfesten Koordinatensystem ˜eK aus, das
aus eK durch eine (zeitunabhängige) Matrix D̃ hervorgeht, so kann man un-
mittelbar die Transformierte Ω̃ angeben.
Es gilt: ˜eK = D̃ eK , daraus folgt

r = (r, s, t) eK
T
= (r, s, t) D̃ D̃ eK . (6.7)

Leitet man diese Gleichung nach der Zeit ab, so erhält man:
T
r˙ = (r, s, t) D̃ D̃ Ω eK
T T
= (r, s, t) D̃ · D̃ Ω D̃ ˜eK . (6.8)
     
=(r̃,s̃,t̃) =Ω̃

Für Ω gelten die gleichen Transformationseigenschaften wie für den Span-


nungstensor und wie für den Verzerrungstensor:
T
Ω̃ = D̃ Ω D̃ . (6.9)

Auch Ω stellt einen Tensor dar, im Gegensatz zu dem Spannungs- und Ver-
zerrungstensor jedoch einen antimetrischen Tensor. Den Ausdruck (r, s, t) Ω
erhält man auch in gewohnter Weise aus dem Vektorprodukt:

(r, s, t) Ω = (ω1 , ω2 , ω3 ) × (r, s, t) . (6.10)

6.2 Kinetische Energie des starren Körpers


Es sei V das Volumen des Körpers K. Die Geschwindigkeit eines beliebigen
Punktes Q wurde im vorherigen Abschnitt bereits angegeben. Um die kineti-
sche Energie des Körpers zu bestimmen, muss lediglich das Geschwindigkeits-
quadrat multipliziert mit der halben Dichte ρ über V integriert werden. Wir
gehen davon aus, dass P und der Massenmittelpunkt zusammenfallen, d.h.,
dass die folgenden Integrale null sind (die Massenmomente ersten Grades ver-
schwinden also):

0 = rρ dV , (6.11)
V

0= sρ dV , (6.12)
V

0= tρ dV , (6.13)
V
6.2 Kinetische Energie des starren Körpers 77

denn P liegt im Koordinatenursprung von eK .


Die kinetische Energie ist:
 2
1
T = ρ r˙ Q dV . (6.14)
2
V

Hier bedeutet das Quadrat der Norm:

| r˙ Q |2 = (ẋ, ẏ, ż)(ẋ, ẏ, ż)T


 T
+2(ẋ, ẏ, ż) (r, s, t) ΩD
+(r, s, t) Ω Ω T (r, s, t)T (6.15)
 T
Das gemischte Glied (ẋ, ẏ, ż) (r, s, t) ΩD liefert keinen Beitrag zu T , da es
wegen des Verschwindens der Massenmomente ersten Grades nach der Inte-
gration null ist. Die anderen beiden Summanden betrachten wir einzeln:

1 1
ρ(ẋ, ẏ, ż)(ẋ, ẏ, ż)T dV = M | r˙ P |2 . (6.16)
2 2
V

Diesen Anteil nennt man die Translationsenergie des Körpers. Zur Betrach-
tung des letzten Summanden formen wir diesen zunächst um:

(r, s, t) Ω Ω T (r, s, t)T


⎛ 2 ⎞⎛ ⎞
ω2 + ω32 −ω1 ω2 −ω1 ω3 r
= (r, s, t) · ⎝ −ω1 ω2 ω12 + ω32 −ω2 ω3 ⎠ ⎝ s ⎠
−ω1 ω3 −ω2 ω3 ω12 + ω22 t
= ω12 (s2 + t2 ) + ω22 (r2 + t2 ) + ω32 (r2 + s2 )
−2ω1 ω2 rs − 2ω1 ω3 rt − 2ω2 ω3 st . (6.17)

Mit den Abkürzungen



I11 = ρ(s2 + t2 ) dV , I22 = ρ(v 2 + t2 ) dV ,

V
V
I33 = ρ(r2 + s2 ) dV , I12 = ρrs dV , (6.18)

V
V
I13 = ρrt dV , I23 = ρst dV
V V

lässt sich die kinetische Energie schreiben als:


1 2
T = M r˙ P
2
1
+ (I11 ω12 + I22 ω22 + I33 ω32
2
−2I12 ω1 ω2 − 2I13 ω1 ω3 − 2I23 ω2 ω3 ) . (6.19)
78 6 Dynamik starrer Körper

Die Größen Ijk (j, k = 1, . . . , 3) heißen Massenmomente zweiten Grades und


lassen sich in einem Tensor (dem Tensor der Massenmomente zweiten Grades
oder dem Trägheitstensor) zusammenfassen:
⎛ ⎞
I11 −I12 −I13
I = ⎝ −I21 I22 −I23 ⎠ . (6.20)
−I31 −I32 I33

Es gilt: I12 = I21 ,I13 = I31 , I23 = I32 .


Mit Hilfe dieses Tensors lässt sich die kinetische Energie schreiben als:
1 2 1
T = M r˙ P + (ω1 , ω2 , ω3 ) I (ω1 , ω2 , ω3 )T . (6.21)
2 2
Der Tensor I und die Komponenten des Winkelgeschwindigkeitsvektors ω sind
bezüglich des Koordinatensystems eK angegeben. Geht man zu einem anderen
körperfesten Koordinatensystem ˆeK = D̂ eK über, so ändern sich nicht nur
die Komponenten von ω , sondern auch die von I. Aus

= (ω1 , ω2 , ω3 ) D̂ ˆeK
ω (6.22)
  
=(ω̂1 ,ω̂2 ,ω̂3 )

ergibt sich
ω = ω̂ D̂ . (6.23)
Setzt man dies in ω T I ω ein, so erhält man

1 T
T rot = ω̂ T D̂ I D̂ ω̂ (6.24)
2
und daraus die Transformationsvorschrift für I:
T
Î = D̂ I D̂ . (6.25)

Aus der kinetischen Energie erhält man z. B. mit Hilfe des Hamiltonschen
Prinzips die Bewegungsgleichungen. Bisher haben wir lediglich die kinetische
Energie eines starren Körpers hergeleitet. Wesentlich bei Mehrkörpersystemen
ist, dass diese aus mehreren Körpern bestehen, die durch Gelenke oder Lager
miteinander verbunden sind. In Abb. 6.6 sind zwei Körper gezeigt. Der erste
Körper B1 wird wie der starre Körper aus Abb. 6.5 beschrieben durch den
Vektor rB1 vom Ursprung des Inertialsystems (0, eI1 , eI2 , eI3 ) zum Massen-
mittelpunkt PB1 und durch eine Drehmatrix D1 :
T T
( eB11 , eB12 , eB13 ) = D1 ( eI1 , eI2 , eI3 ) . (6.26)

Der Verbindungsvektor zwischen PB1 und J1 ist rJ1 . In diesem Punkt kann
sich zum Beispiel ein Drehgelenk oder eine Linearführung befinden. Der Vek-
tor von J1 zum Massenmittelpunkt PB2 des Körpers B2 sei rB2 . An diesem
6.2 Kinetische Energie des starren Körpers 79

B1

r
eB13
r r
eB12 rJ1 J1

r
eB11
PB1

r
rB 2 B2
r
r rB1 r
eI3 eB 23

r
r eB 22 r
eI 2 r r dm
rm
r PB 2
0 eI1 r
eB 21

Abb. 6.6. Starrkörperkette.

Körper betrachten wir das Masseelement dm. Die Punkte J1 und das Mas-
seelement dm sind fest innerhalb der jeweiligen körperfesten Koordinaten-
systeme (PB1 , eB11 , eB12 , eB13 ) und (PB2 , eB21 , eB22 , eB23 ). Die Vektoren rJ1
und r lassen sich daher durch zeitunabhängige Koordinatentupel rJ1 und r
darstellen:
T
rJ1 = rJ1 ( eB11 , eB12 , eB13 ) , (6.27)
T
r = r ( eB21 , eB22 , eB23 ) . (6.28)

Der Vektor rm zum Masseelement dm ist damit:

rm = rB1 + rJ1 + rB2 + r (6.29)


⎛ ⎞ ⎛ ⎞ ⎛ ⎞ ⎛ ⎞
eI1 eB11 eB11 eB21
= rB1 ⎝ eI2 ⎠ + rJ1 ⎝ eB12 ⎠ + rB2 ⎝ eB12 ⎠ + r ⎝ eB22 ⎠ .
eI3 eB13 eB13 eB23

Das Koordinatentupel rB2 ist ebenfalls zeitunabhängig. Zwischen den beiden


körperfesten Koordinatensystemen gilt weiter die Beziehung:
T
( eB21 , eB22 , eB23 ) = D2 ( eB11 , eB12 , eB13 ) . (6.30)

Die Basisvektoren sind, bis auf die Basisvektoren des Inertialsystems, zeit-
abhängig. Um diese Zeitabhängigkeit besser fassen zu können, setzen wir die
Drehmatrizen ein:
80 6 Dynamik starrer Körper
⎛ ⎞

eI1
rm = rB1 + rJ1 D1 + rB2 D1 + r D2 D1 ⎝ eI2 ⎠ . (6.31)
eI3

Um zur kinetischen Energie von B2 zu gelangen, benötigen wir zunächst die


Geschwindigkeit:

r˙ m = ṙB1 + rJ1 Ḋ1 + ṙB2 D1 + rB2 Ḋ1


⎛ ⎞

eI1
+r Ḋ2 D1 + D2 Ḋ1 ⎝ eI2 ⎠ (6.32)
eI3

Die ersten vier Terme stellen die Translationsenergie dar; der fünfte Term
ergibt nach der Integration über das Volumen die Rotationsenergie. Durch die
sukzessive Definition der Kinematik ist es leicht möglich, zu der kinetischen
Energie zu kommen. Dazu formen wir um:

Ḋ2 D1 + D2 Ḋ1 = Ḋ2 DT2 D2 D1 + D2 Ḋ1 DT1 D1


     
E E

= Ḋ2 DT2 D2 D1 + D2 Ḋ1 DT1 D1


     
Ω Ω
2 1

= Ω 2 D2 D1 + D2 Ω 1 DT2 D2 D1
  
E


= Ω 2 + Ω̂ 1 D2 D1 , (6.33)

wobei
Ω̂ 1 = D2 Ω 1 DT2 (6.34)
der in das körperfeste Koordinatensystem von Körper B2 transformierte Win-
kelgeschwindigkeitstensor Ω 1 ist.
Betrachtet man den letzten Ausdruck in der Geschwindigkeit
⎛ ⎞ ⎛ ⎞

eI1
eI1
r Ḋ2 D1 + D2 Ḋ1 ⎝ eI2 ⎠ = r Ω 2 + Ω̂ 1 D2 D1 ⎝ eI2 ⎠
eI3 eI3
⎛ ⎞

eB21
= r Ω 2 + Ω̂ 1 ⎝ eB22 ⎠ , (6.35)
eB23

so erkennt man, dass die Bestimmung der kinetischen Energie durch eine
einfache Hintereinanderausführung von Drehungen möglich ist. Nach der In-
tegration des Geschwindigkeitsquadrats erhält man die kinetische Energie.
(Die kinetische Energie auf Grund der Bewegung des Schwerpunktes wurde
6.3 Elemente von Starrkörperprogrammen 81

hier weggelassen; das gemischte Glied verschwindet bei der Integration, da die
Massenmomente 1. Grades null sind).
Man erkennt, dass Ketten von starren Körpern leicht durch die sukzessive An-
wendung von Translationen und Drehungen behandelt werden können. Analog
verfährt man bei Baumstrukturen. Schwierig wird es bei geschlossenen Ket-
ten.
Nach der kinetischen Energie bestimmt man zusätzlich die potentielle Energie,
um dann mit dem Hamiltonschen Prinzip oder dem Prinzip von Hamilton-
Ostrogradskij zu den gewöhnlichen Differentialgleichungen zu gelangen.

6.3 Elemente von Starrkörperprogrammen

Um Modelle in Starrkörperprogrammen zu erstellen, bedient man sich i. Allg.


vordefinierter Elemente. Die wesentlichen dieser Elemente stellen wir im Fol-
genden vor.

Starrkörper: Diese werden zum einen durch ihre Trägheitseigenschaften (Mas-


se und Massenmomente 1. und 2. Grades) und zum anderen durch ihre
äußere Form charakterisiert.
Normalerweise würden die äußere Form eines Körpers und die Masse-
verteilung die Trägheitseigenschaften festlegen. Häufig sind die starren
Körper Modelle für zusammengesetzte Gebilde, so dass es unpraktisch
wäre, die Trägheitseigenschaften mit Hilfe der Geometrie zu definieren.
Daher gibt es in Starrkörperprogrammen entweder die Möglichkeit, Geo-
metrie und Trägheitseigenschaften getrennt voneinander einzugeben oder
die Trägheitseigenschaften über die Geometrie vom Programm berechnen
zu lassen. Den starren Körpern sind ein körperfestes Koordinatensystem
und ein Koordinatensystem, das zur Definition der Verbindung (z. B. Ge-
lenk) mit einem anderen Körper dient, zugeordnet.

Verbindungen: Diese verbinden die verschiedenen Körper miteinander. Zur


Beschreibung bietet es sich an, eigene Koordinatensysteme zu definieren,
um die Freiheitsgrade, die durch das Gelenk eingeschränkt sind, möglichst
einfach darstellen zu können. In Starrkörperprogrammen sind unterschied-
liche Gelenktypen vordefiniert, so dass die Definition von Gesamtmodellen
leicht fällt. In den Abbn. 6.7 bis 6.9 sind unterschiedliche Verbindungen
dargestellt. Die Freiheitsgrade finden sich in den Abbildungsunterschrif-
ten.

Geometrische Randbedingungen: Dies sind zum Beispiel feste Einspannungen


oder gelenkige Einspannungen. Man kann diese Randbedingungen, so wie
es auch in einigen MKS-Programmen geschieht, den Gelenken zuordnen.

Kraftgesetze: Diese dienen dem Zweck, z. B. Federn oder Dämpfer in den


Programmen abzubilden. Einfache Kraftgesetze sind linear. Es gibt aber
82 6 Dynamik starrer Körper

auch frei definierbare Kraftgesetze. Bei diesen sollte man allerdings über-
prüfen, ob keine Energie in das System gelangt (es sei denn, es handelt
sich um aktive Elemente).
Oberflächengeometrie: Die Definition der Oberflächen unterschiedlicher star-
rer Körper kann zwei Ziele verfolgen. Zum einen gibt es bei einigen
Starrkörperprogrammen die Möglichkeit, aus der Oberflächengeometrie
bei Vorgabe der Massendichte die Trägheitseigenschaften (Massenmo-
mente 1. und 2. Grades) zu bestimmen. Zum anderen spielen bei ei-
nigen Starrkörperprogrammen Kontakte zwischen den einzelnen starren
Körpern eine wichtige Rolle. Ein Beispiel hierfür sind Dummymodelle,
die in der Insassensimulation bei Fahrzeugunfällen eingesetzt werden. In
Abb. 6.2 ist ein Starrkörperdummy gezeigt. Die Gelenke, die hier einge-
setzt werden, sind denen des Menschen nachgebildet. In Abb. 6.10 ist die
Vorderachse eines Fahrzeugs in einem Mehrkörpersimulationsprogramm
(ADAMS) wiedergegeben.

Abb. 6.7. Linearführung mit einem Translationsfreiheitsgrad (translational joint)


und Drehgelenk mit einem Rotationsfreiheitsgrad (revolute joint).

Aktive Elemente: In zunehmendem Maße werden auch aktive Elemente in


Starrkörperprogrammen eingesetzt, um die Anforderungen, die aus der
Simulation moderner mechatronischer Systeme erwachsen, erfüllen zu
können. Die aktiven Elemente werden entweder von außen gesteuert oder
durch Regelungen, also unter Einbeziehung von Systemgrößen, beeinflusst.

6.4 Orientierung starrer Körper


Um die Lage von starren Körpern oder von lokalen Koordinatensystemen in
Bezug zu einem globalen oder zu einem anderen lokalen Koordinatensystem
6.4 Orientierung starrer Körper 83

Abb. 6.8. Linearführung mit einem Translations- und einem Drehfreiheitsgrad (cy-
lindrical joint) und Kugelgelenk mit drei Rotationsfreiheitsgraden (spherical joint).

Abb. 6.9. Kardangelenk mit zwei Drehfreiheitsgraden (universal joint) und nicht
geradlinige Führung mit einem Translationsfreiheitsgrad.

anzugeben, gibt es eine Vielzahl von Möglichkeiten.


Bei diesen Möglichkeiten handelt es sich im Wesentlichen darum, die Lage
zweier Orthonormalsysteme relativ zueinander zu beschreiben, um die Orien-
tierung zu erfassen.
Die Lage des Ursprungs eines Koordinatensystems relativ zu einem anderen
wird durch einen Vektor (dargestellt durch ein Tripel bezüglich eines Ortho-
normalsystems) beschrieben. Zur Beschreibung der Orientierung eines Koor-
dinatensystems (Orthonormalsystems) zu einem anderen reichen drei Para-
meter aus. Diese Parameter sind unter bestimmten Bezeichnungen bekannt,
wobei man sich immer vergewissern sollte, in welcher Bedeutung diese in der
Literatur oder in einem speziellen Programmsystem verwendet werden. Leider
gibt es sowohl in der Literatur als auch in den Programmen unterschiedliche
84 6 Dynamik starrer Körper

Abb. 6.10. Vorderachse eines Fahrzeugs in einem Mehrkörpersimulationsprogramm


(ADAMS).

Konventionen für diese Parameter (vgl. [38], S. 120). Es folgt eine Aufzählung
der Möglichkeiten, die Orientierung anzugeben.
Drehmatrix: Die Angabe der vollständigen Drehmatrix (3 × 3-Matrix) ist
eindeutig. Nachteil bei dieser Darstellung ist, dass die neun Parameter
(Drehmatrizen besitzen i. Allg. keine Symmetrieeigenschaften) in der Ma-
trix nicht unabhängig voneinander sind. Ein Anwender wird daher nur
selten direkt die komplette Drehmatrix angeben. Es gibt allerdings Pro-
grammsysteme (z. B. MADYMO), die diese Möglichkeit eröffnen. Ein Bei-
spiel für eine Drehmatrix ist:
⎛ √ √ √ ⎞
6 2 2
⎜ √4 √4 √2 ⎟
D = ⎝ − 46 − 42 − 22 ⎠ . (6.36)

2 − 2
1 3
0

Es handelt sich um Drehungen um 30o , 90o und 45o . Man erkennt, dass
eine numerische Eingabe in Dezimalzahlen i. Allg. fehlerbehaftet ist.
Euler-Winkel: Man kann eine beliebige Drehmatrix durch Hintereinander-
ausführung dreier Elementardrehungen um bestimmte Koordinatenachsen
darstellen. Häufig werden hier die sogenannten Euler-Winkel eingesetzt.
Bei den Euler-Winkeln dreht man zunächst um die e3 -Achse des Aus-
gangskoordinatensystems, anschließend um die neu entstandene ˜e1 -Achse
und zum Schluss um die dann neu entstandene ˆe3 -Achse. Diese Drehungen
sind in Abb. 6.11 dargestellt. Wesentlich ist, dass jeweils um die neu ent-
standenen Achsen gedreht wird. Die Drehmatrix für die in der Abb. 6.11
dargestellte Drehfolge ist in (6.37) wiedergegeben. Häufig versteht man
unter den Euler-Winkeln die Drehfolge um die e3 -Achse, die ˜e1 -Achse-
und die ˆe3 -Achse, wobei die Winkel jeweils positiv gezählt werden. In
6.4 Orientierung starrer Körper 85

der Literatur sind auch andere Konventionen üblich. Aus diesem Grund
sollte ein Anwender sich darüber im Klaren sein, welche Drehreihenfolge
und welche Drehrichtung in dem von ihm verwendeten Programmsystem
vorgegeben ist. Es gibt Konventionen, bei denen die hier eingeführten Eu-
lerwinkel um ± π2 verschoben beginnen.
Eine Drehung wird also durch die Angabe von drei Winkeln ϕ, ϑ, ψ um
die entsprechenden Achsen dargestellt. Gibt man zusätzlich zu den drei
Winkeln jeweils die Drehachsen an (z. B. z−x−z oder 3-1-3 oder für ande-
re Achsen y-z-y oder 2-3-2), so bekommt man genau eine Drehmatrix. Es
gibt unterschiedliche Tripel (ϕ, ϑ, ψ) die zu gleichen Drehmatrizen führen.
Wählt man z. B. bei den z-x-z-Euler-Winkeln den zweiten Drehwinkel
ϑ = π = 180◦ oder ϑ = 0, so führen Winkel ϕ, ψ, deren Differenz bzw.
Summe jeweils gleich ist, immer zu identischen Drehmatrizen. Der Grund
liegt darin, dass in der Gesamtdrehmatrix bei Winkeln ϑ = π = 180◦ oder
ϑ = 0 lediglich trigonometrische Funktionen mit dem Argument ϕ − ψ
bzw. ϕ + ψ auftauchen.

D= (6.37)
⎛ ⎞
cos ψ cos ϕ − cos ϑ sin ϕ sin ψ cos ψ sin ϕ + cos ϑ cos ϕ sin ψ sin ψ sin ϑ
⎝− sin ψ cos ϕ − cos ϑ sin ϕ cos ψ − sin ψ sin ϕ + cos ϑ cos ϕ cos ψ cos ψ sin ϑ⎠
sin ϑ sin ϕ − sin ϑ cos ϕ cos ϑ

Kardan-Winkel: Wesentlich bei der Definition der Euler-Winkel ist, dass


die erste und die letzte Drehung um die gleiche lokale Achse erfolgt. Bei
den Kardan-Winkeln wird nacheinander um alle drei lokalen Achsen ge-
dreht. So ist z. B. die Drehung um die e1 -Achse die anschließende Drehung
um die neue ˜e2 -Achse und die dritte Drehung um die neue ˆe3 -Achse um
die Winkel α, β, γ eine Drehung, die durch die Kardan-Winkel α, β, γ
beschrieben wird. Auch diese Möglichkeit der Definition von Drehungen
findet sich sowohl in der Literatur als auch in Programmsystemen. Vor-
sicht ist ebenfalls geboten, da die Konventionen nicht einheitlich sind.
Die Kardan-Winkel sind unter verschiedenen Namen bekannt, z. B. x-
y-z-Euler-Winkel, Bryan-Winkel, Tait-Bryan-Winkel. Auch hier gibt es
zu unterschiedlichen Drehwinkeln gleiche Drehmatrizen, wenn der zweite
Winkel β = π/2 oder β = 3π/2 beträgt.
Euler-Parameter: Jede Drehmatrix besitzt einen Eigenvektor zum Eigen-
wert 1. Durch die Angabe des normierten Eigenvektors und durch Angabe
des Winkel α (Sp(D) = 1 − 2 cos α) erhält man die Darstellung einer Dre-
hung.
Quarternionen: Quarternionen sind eine Verallgemeinerung der komplexen
Zahlen. Diese bilden eine sogenannte nicht kommutative Algebra (eine
Menge, in der bestimmte Additionen und Multiplikationen definiert sind,
wobei die Multiplikation nicht kommutativ, also abhängig von der Rei-
henfolge der Faktoren ist). Quarternionen vom Betrag 1 bilden eine Dar-
86 6 Dynamik starrer Körper

Abb. 6.11. Eulerwinkel für eine Drehreihenfolge 3-1-3.

stellung der Drehungen. Vorteile der Quarternionen liegen darin, dass sie
weniger Rechenoperationen benötigen als Drehmatrizen. Der Anwender
von Programmen kommt selten mit Quarternionen in Berührung. Quar-
ternionen werden in der interaktiven Computergrafik oder in der Pro-
grammierung von Industrierobotern eingesetzt.
Caley–Klein-Parameter: Eine Möglichkeit, Drehungen darzustellen, ist die
mit komplexen Matrizen  
αβ
Q= . (6.38)
γ δ
Erfüllen die Komponenten die folgenden Bedingungen

α = δ̄ , (6.39)
γ = β̄ , (6.40)

so bilden die Matrizen Q eine Darstellung der Quaternionen (der Strich


steht für die komplex konjugierte Zahl). Fordert man zusätzlich

αδ − βγ = 1, (6.41)

so bilden diese Matrizen eine Darstellung der Quaternionen vom Betrag


eins und damit eine Darstellung von Drehmatrizen. Die Parameter α, β,
γ und δ werden gewöhnlich als Caley-Klein-Parameter bezeichnet.
6.4 Orientierung starrer Körper 87

Koordinatensysteme: Diese Möglichkeit, eine Drehung durch direkte An-


gabe des lokalen Koordinatensystems durchzuführen, findet sich häufig
in Anwendungsprogrammen. Die Idee ist, das lokale Koordinatensystem
durch die Angabe von drei Punkten zu definieren. Die Festlegung der
drei Punkte (häufig sind dies in Finite-Element-nahen Programmen Kno-
ten) erfolgt durch die Angabe von Koordinaten im Referenzkoordinaten-
system oder durch die Angabe von Knotennummern. In Abb. 6.12 ist
dargestellt, wie mit Hilfe von drei Knoten ein Orthonormalsystem defi-
niert wird. Ausgangspunkt ist der Knoten N1 , von dem aus der Vektor

Abb. 6.12. Definition von Koordinatensystemen durch Knoten (Punkte).

−−−→
e1 in Richtung des Knotens N2 verläuft. Dieser Vektor N1 N2 bildet den
−−−→
Vektor e1 des lokalen Koordinatensystems, wobei der Vektor N1 N2 ent-
sprechend auf 1 zu normieren ist. Durch die drei Knoten N1 , N2 , N3 wird
eine Ebene definiert. Der Vektor e2 wird so festgelegt, dass dieser einen
90o -Winkel zum Vektor e1 einschließt und in der durch die drei Knoten
festgelegten Ebene liegt. Für diesen Vektor e2 gibt es zwei Möglichkeiten
(die gestrichelte und die durchgezogene Variante in Abb. 6.12). Es wird
−−−→
der Vektor e2 gewählt, der mit dem Vektor N1 N3 den kleineren Winkel
einschließt. Der Vektor e2 ist ebenfalls normiert. Der dritte Vektor zur
Festlegung des lokalen Koordinatensystems wird durch das Kreuzprodukt
e3 = e1 × e2 festgelegt.
Basisvektoren: Es ist ebenfalls in einigen Programmsystemen möglich, die
lokalen Vektoren e1 und e2 direkt durch die Angabe der Koordinaten im
zu Grunde liegenden Referenzkoordinatensystem anzugeben. Um dieses
einfach zu gestalten, geht man ähnlich vor wie bei der Festlegung der
Koordinatensysteme durch Punkte. Man gibt also zunächst eine Richtung
für e1 durch Angabe von drei Koordinaten an (diese müssen nicht zu
einem Normalenvektor führen). Dieser Vektor wird durch das Programm
normiert. Der zweite Vektor dient lediglich der Definition der Ebene, in
88 6 Dynamik starrer Körper

der analog zu der Festlegung durch Punkte der Vektor e2 bestimmt wird.
Der Vektor e3 wird mit Hilfe des Kreuzproduktes ermittelt.

6.5 Aufstellen und Lösen der Gleichungen


In diesem Abschnitt werden im ersten Teil Methoden zum Aufstellen der
Bewegungsgleichungen erläutert. Im zweiten Teil gehen wir auf Lösungsalgo-
rithmen für die gewöhnlichen Differentialgleichungen ein.

6.5.1 Aufstellen der Bewegungsgleichungen

Nachdem der Nutzer eines MKS-Programms ein System definiert hat, also
Trägheitseigenschaften der starren Körper, die Verbindungen zwischen den
Körpern in Form von Gelenken, Kraftgesetzen, Anfangsbedingungen und die
Geometrie der Elemente festgelegt hat, sind MKS-Programme in der Lage,
die Bewegungsgleichungen (also gewöhnliche Differentialgleichungen) automa-
tisch aufzustellen.
Um zu den Bewegungsgleichungen zu gelangen, werden in MKS-Programmen
zwei prinzipielle Vorgehensweisen eingesetzt.
Bei der Eulerschen Methode geht man von den Eulerschen/Newtonschen Be-
wegungsgleichungen eines starren Körpers aus. In diesen sechs Gleichungen
tauchen drei Verschiebungen, drei Verdrehungen, drei Kräfte und drei Mo-
mente auf, insgesamt also zwölf unbekannte Größen. Dies sind sechs Glei-
chungen für zwölf Unbekannte. Zusätzliche Informationen erhält man aus
den Zwangsbedingungen. Mit Hilfe dieser Zwangsbedingungen kann man die
Eulerschen und Newtonschen Gleichungen in eine Zustandsraumdarstellung
transformieren. Dabei wird die Anzahl der Unbekannten (und die Anzahl der
beschreibenden Variablen) durch Eliminierung reduziert. Man spricht daher
auch von einer Eliminierungsmethode. Eine andere Möglichkeit besteht darin,
die Kräfte, die auf Grund von Bindungen wirken, durch zusätzliche Unbekann-
te, den sogenannten Lagrangeschen Multiplikatoren, zu berücksichtigen. Bei
diesem Vorgehen vergrößert man die Anzahl der Gleichungen und der Unbe-
kannten (man nennt diese Methode daher in der englischsprachigen Literatur
Augmentation Method). Diese zweite Methode führt zwar zu mehr Gleichun-
gen, diese sind aber einfacher als die Gleichungen der Eliminierungsmethode.
Eine prinzipiell andere Möglichkeit, die Bewegungsgleichungen zu erhalten,
beruht auf den Lagrangeschen Gleichungen I. und II. Art (z. B. in den kom-
merziellen Programmen ADAMS und DADS implementiert). Auch dies ist ei-
ne Vergrößerungsmethode (Augmentation Method), bei der z. B. in ADAMS
15 Gleichungen für einen starren Körper aufgestellt werden; dazu kommen
noch Gleichungen für die Bindungen. Man wählt diese Darstellung der Bewe-
gungsgleichungen durch 15 Gleichungen, um spärlich besetzte Gleichungssy-
steme zu erhalten.
Eine weitere Möglichkeit, die Bewegungsgleichungen herzuleiten, basiert auf
6.5 Aufstellen und Lösen der Gleichungen 89

den Hamiltonschen Gleichungen. Implementiert ist die Methode in dem Pro-


gramm IMP, bei dem zur Beschreibung der relativen Lage zweier Körper die
sogenannten Levi-Hardenberg-4x4-Matrizen genutzt werden.

6.5.2 Lösen der Gleichungen

Die Bewegungsgleichungen werden in Form von Differentialgleichungssyste-


men 1. Ordnung von den MKS-Programmen aufgestellt. Für diese Differenti-
algleichungssysteme gibt es eine Vielzahl von Lösungsalgorithmen. Wir gehen
aus von einer einfachen Differentialgleichung

ẏ = f (t, y) mit y(t0 ) = y0 . (6.42)

Das einfachste, in Abb. 6.13 skizzierte Euler-Cauchysche Polygonzugverfahren


approximiert die Funktion stückweise linear. Dieses Verfahren konvergiert lo-
kal quadratisch mit dem Abstand h der Stützstellen. Allgemein unterscheidet
man Ein- und Mehrschrittverfahren sowie explizite und implizite Verfahren.
Bei allen Verfahren bestimmt man eine Näherung der Lösung an diskreten
Punkten tk ; diese Näherungen bezeichnen wir im Folgenden mit Yk . Für das
Anfangswertproblem wählt man Y0 = y0 . Kennt man die Näherungen Yk für
k = 1, . . . , n, so liefert ein Integrationsverfahren (letztendlich eine Formel)
den nächsten Näherungswert

Yn+1 = ψ(Yn ) explizites Einschrittverfahren, (6.43)


Yn+1 = ψ(Yn+1 , Yn ) implizites Einschrittverfahren, (6.44)
Yn+1 = ψ(Yn , . . . , Yn−(k−1) ) explizites k-Schrittverfahren, (6.45)
Yn+1 = ψ(Yn+1 , . . . , Yn−(k−1) ) implizites k-Schrittverfahren. (6.46)

In alle Formeln gehen die Abstände zwischen den tk ein.


Konsistenzordnung: Wir gehen im Folgenden von einem festen Abstand h der
Stützstellen tk aus. Ist die Näherung im n-ten Schritt exakt, gilt also

Yn = y(tn ) , (6.47)

und gilt
|Yn+1 − Yn | ≤ M hp+1 für p ≥ 1 , (6.48)
dann hat das Verfahren die Konsistenzordnung p. Die Konsistenzordnung
gibt also Auskunft über den lokalen Fehler.
Konvergenzordnung: Gilt für alle Näherungen Yn mit n = 1, . . . , N :

|Yn − y(tn )| ≤ M̃ hp für p ≥ 1 , (6.49)

dann hat das Verfahren die Konvergenzordnung p. Unter bestimmten Vor-


aussetzungen kann man aus der Konsistenzordnung p die Konvergenzord-
nung p folgern.
90 6 Dynamik starrer Körper

Einschrittverfahren: Bei Einschrittverfahren (6.43) und (6.44) verwendet man


zur Bestimmung der Näherungslösung Yn+1 innerhalb eines Schrittes le-
diglich die Information Yn aus dem letzten Schritt.
Mehrschrittverfahren: Bei Mehrschrittverfahren (k-Schrittverfahren) (6.45)
und (6.46) werden zur Bestimmung der Näherung Yn+1 die Informationen
aus den k zurückliegenden Schritten Yn , . . . , Yn−(k−1) verwendet.

Abb. 6.13. Eulersches Polygonzugverfahren.

Explizite Verfahren: Explizite Verfahren (6.43) und (6.45) werden durch For-
meln beschrieben, bei denen die gesuchte, nächste Näherung Yn+1 explizit
als Funktion der anderen, bereits bekannten Größen formuliert wird. Der
Vorteil liegt in der einfachen, direkten Auswertung der Formel.
Implizite Verfahren: Bei impliziten Verfahren (6.44) und (6.46) taucht die zu
bestimmende, nächste Näherungslösung Yn+1 auch in ψ auf. Das heißt,
dass die i. Allg. nichtlineare Bestimmungsgleichung für Yn+1 lediglich im-
plizit gegeben ist und numerisch (iterativ) gelöst werden muss.
Schrittweitensteuerung: Die Schrittweite, also der Abstand der Punkte, an
denen die Funktion f ausgewertet wird, spielt auf der einen Seite für die
Genauigkeit des Verfahrens (h möglichst klein) und auf der anderen Seite
für den Aufwand (h möglichst groß) eine zentrale Rolle. Schrittweiten-
steuerungen bestimmen die Schrittweite während des Lösungsprozesses
möglichst effizient (also gerade klein genug, um eine gewisse Genauigkeit
zu erreichen und gerade groß genug, um möglichst wenige Auswertungen
von f vornehmen zu müssen).1
1
Man kann gewisse Schrittweitensteuerungen als Regler (PID-Regler) auffassen
und die Wahl der Parameter mit Hilfe von Stabilitätsuntersuchungen aus der
Regelungstechnik treffen. Der P-Anteil dieses Reglers gibt die Veränderung der
Schrittweite proportional zum gegenwärtigen lokalen Fehler wieder, der I-Anteil
gibt die Veränderung auf Grund des globalen (aufintegrierten lokalen) Fehlers wie-
der, und der D-Anteil gibt die Veränderung infolge der Veränderung des lokalen
Fehlers wieder.
6.5 Aufstellen und Lösen der Gleichungen 91

Dabei gibt es im Wesentlichen zwei Varianten.


Bei der ersten Variante setzt man ein Verfahren p-ter Ordnung mit einer
Schrittweite h und mit einer Schrittweite h/2 ein. Das Ergebnis mit der
Schrittweite h/2 wird extrapoliert und mit dem Ergebnis der Schrittweite
h verglichen. Ergibt der Vergleich einen Unterschied, der bezüglich einer
Fehlerschranke zu groß ist, so wird die Schrittweite h verkleinert und die
Abschätzung des Fehlers erneut vorgenommen. Dieser iterative Prozess
wird so lange wiederholt, bis der Fehler die gesetzte Fehlerschranke un-
terschreitet.
Bei der zweiten Variante bestimmt man den Fehler, indem man mit ei-
ner Schrittweite h zwei Verfahren der Ordnung p und der Ordnung p + 1
anwendet. Der Unterschied, der sich dabei ergibt, wird wie bei der ersten
Variante mit einer Schranke verglichen.
Bei beiden Varianten ergibt sich ein erhöhter Rechenaufwand. Die er-
ste Variante kann man im Gegensatz zur zweiten Variante sehr effektiv
gestalten, in dem alle Funktionsauswertungen, die beim Verfahren p-ter
Ordnung durchgeführt wurden, auch beim Verfahren (p + 1)-ter Ordnung
eingesetzt werden. Man nennt diese Verfahren eingebettete Runge-Kutta-
Verfahren.
Steife Differentialgleichungen: Es gibt gewisse Klassen von Differentialglei-
chungssystemen, die sich mit expliziten Einschrittverfahren nicht befrie-
digend lösen lassen. Diese sogenannten steifen Differentialgleichungen las-
sen sich zum Beispiel dadurch definieren, dass die Lösungen expliziter
Einschrittverfahren unbefriedigend sind2 . Eine andere, anschauliche Deu-
tung bedient sich der Realteile der linearisierten Differentialgleichungen:
Man nennt die Differentialgleichungen steif (bezüglich des Punktes, an
dem linearisiert wurde), wenn die Realteile der Jacobi-Matrix negativ sind
und sich diese um den Faktor 100 unterscheiden. Hier ist der Faktor 100
natürlich willkürlich gewählt, er hat sich aber für praktische Berechnungen
als hilfreich erwiesen. Der Steifigkeitsquotient

maxj |Re(λj )|
µ= , (6.50)
minj |Re(λj )|

wobei λj die Eigenwerte der Jacobi-Matrix J

∂f
J= (6.51)
∂y

des Differentialgleichungssystems
2
Hier definiert eine Klasse von Integrationsverfahren die mathematischen Proble-
me; dies ist eine für die Mathematik ungewöhnliche Art der Definition ([28], S.
111). Zurück geht diese Art der Definition auf Curtiss und Hirschfelder [25]: Stiff

equations are equations where certain implicit methods perform better, usually
tremendously better, than explicit methods.“
92 6 Dynamik starrer Körper

ẏ = f (y) + g(t) (6.52)

sind, gibt also Auskunft über den Grad der Steifheit. Steife Differential-
gleichungssysteme können befriedigend ausschließlich mit Hilfe impliziter
Verfahren numerisch gelöst werden.

Prädikator-Korrektur-Verfahren: Bei diesen Verfahren koppelt man ein ex-


plizites und ein implizites Verfahren gleicher Ordnung folgendermaßen:
Zunächst bestimmt man mit Hilfe des expliziten Verfahrens eine Näherung
für die Lösung (Prädikator). Diese Näherung verwendet man anschließend
als Startlösung für das iterative Lösungsverfahren der impliziten Formel
und verbessert (korrigiert) diese Näherung (Korrektor).
7
Statik und Dynamik deformierbarer Körper

In diesem Kapitel werden Deformationen elastischer Körper beschrieben. Im


ersten Abschnitt werden grundlegende Begriffe aus der Elastizitätstheorie defi-
niert. Im zweiten Abschnitt werden Begriffe aus der Finite-Elemente-Methode,
die am häufigsten zur Berechnung elastischer Deformationen eingesetzt wird,
am Beispiel eines Stabes und einer Membran erläutert. Im dritten Abschnitt
werden Beispiele zur Berechnung von Deformationen, Spannungen und Eigen-
frequenzen vorgestellt.
Anwendung finden diese Methoden zum Beispiel, um die Deformation eines
Bauteils bei Belastung mit einer Kraft oder einem Moment und die mechani-
schen Spannungen im Bauteil zu bestimmen. Eine weitere Anwendung ist die
Bestimmung der Eigenwerte und Eigenformen. Ebenso kann mit diesen Me-
thoden die zeitabhängige Deformation bei zeitabhängiger Belastung berechnet
werden.

7.1 Grundlagen der Elastizitätstheorie


Beispiel 7.1. Wir beginnen zunächst mit einem einfachen Beispiel, einem Zug-
stab (vgl. Abb. 7.1), an dem ein Kräftepaar angreift. Zerschneidet man den
Stab senkrecht zur Wirkungslinie der Kräfte, so tritt zunächst eine Zugkraft
N auf, bei genauer Betrachtung der Schnittfläche A allerdings eine Normal-
spannung σ = F/A. Diese ist größer als null, σ > 0, falls die Kräfte Zugkräfte
sind (in Abb. 7.1 also F > 0 gilt). Die Normalspannung ist negativ im Fall
eines Druckstabes. Diese Vorzeichenkonvention ist auch in kommerziellen FE-
Programmen üblich.

Beispiel 7.2. Im zweiten Beispiel betrachten wir eine Tangentialspannung (vgl.


Abb. 7.2). Diese entsteht durch die gezeigte Kraft F , wenn man den oberen
Teil der Struktur in der Wirkungslinie senkrecht zur Zeichenebene schneidet.
Zunächst erhält man die Tangentialkraft T = F , die bei näherem Hinsehen
zu der Tangentialspannung τ = T /A führt.
94 7 Statik und Dynamik

Abb. 7.1. Zugspannungen in einem Stab.

Abb. 7.2. Tangentialspannungen.

7.1.1 Der dreiachsige Spannungszustand

Schneidet man aus einem durch äußere Kräfte belasteten Körper ein qua-
derförmiges (differentielles) Volumenelement heraus, dessen Seitenflächen zu
den Koordinatenebenen eines beliebig gewählten rechtwinkligen Koordinaten-
systems parallel sind, so wirken auf die Seitenflächen die Spannungsvektoren.
Die Komponenten dieser Spannungsvektoren sind (vgl. Abb. 7.3):
für die y-z-Ebene: σx , τxy , τxz ,
für die x-z-Ebene: σy , τyx , τyz ,
für die x-y-Ebene: σz , τzx , τzy .
Der erste Index gibt die Koordinatenrichtung an, die auf der entsprechenden
Ebene senkrecht steht, der zweite Index die Richtung.
So steht z. B. die x-Richtung senkrecht auf der y −z-Ebene, die Komponenten
sind also σx , τxy , τxz ; die Komponente in y-Richtung ist τxy . Auch andere
Schreibweisen sind üblich.
Diese neun Komponenten lassen sich im sogenannten Spannungstensor zu-
7.1 Grundlagen der Elastizitätstheorie 95

Abb. 7.3. Spannungen an einem differentiellen Quader.

sammenfassen. Dies ist ein Tensor zweiter Stufe. Hier wird der Begriff Tensor
zweiter Stufe lediglich vereinfacht angewendet für eine Matrix, die sich beim
Übergang von einem Koordinatensystem zu einem anderen in bestimmter Art
und Weise verändert. Man kann den Spannungstensor (für ein festes Koordi-
natensystem) also vereinfacht schreiben als:
⎛ ⎞
σx τxy τxz
T = ⎝ τyx σy τyz ⎠ . (7.1)
τzx τzy σz

Der Doppelstrich unter dem T verdeutlicht, dass es sich um eine Matrix han-
delt (Tupel sind einfach unterstrichen). Der Spannungstensor hängt vom Ort
in dem betrachteten Körper ab. Beschreibt man jeden Punkt in dem Körper
durch ein Tupel (x, y, z), so erhält man den Spannungstensor T (x, y, z) als
eine Matrix, in der jede Komponente eine Funktion von x, y und z ist.

Abb. 7.4. Spannungsvektor in einer beliebigen Schnittfläche.

Beispiel 7.3. Gegeben ist ein Koordinatensystem und ein Körper K. An dem
Körper K greifen äußere Kräfte an. Der Spannungstensor an einem Punkt P sei
96 7 Statik und Dynamik

T . Der Punkt P wird beschrieben durch den Vektor r = (x, y, z)( ex , ey , ez )T .


Der Körper wird parallel zur x − z-Ebene (= ex − ez -Ebene) durch P aufge-
schnitten (vgl. Abb. 7.4).
Gesucht ist der Spannungsvektor in P in dem linken Teilkörper.
Ist σ = (σ1 , σ2 , σ3 )( ex , ey , ez )T der Spannungsvektor, so erhält man das Tupel
(σ1 , σ2 , σ3 ) aus:
(σ1 , σ2 , σ3 ) = (0, 1, 0)T . (7.2)
Dabei beschreibt (0, 1, 0) den Normalenvektor ns auf der Schnittfläche ns =
(0, 1, 0)( ex , ey , ez ). Es ist:

σ = (τyx , σy , τyz )( ex , ey , ez )T . (7.3)

Gleichgewichtsbedingungen

Es sind nur solche Spannungsverteilungen in einem Körper möglich, bei denen


sich jedes beliebig herausgeschnittene Volumenelement unter der Wirkung der
an ihm angreifenden Spannungen im Gleichgewicht befindet. Betrachtet man
ein infinitesimales Volumenelement, dessen Mitte bei (x, y, z) liegt, so kann
man die Spannungen an gegenüberliegenden Schnittflächen mit Hilfe von Tay-
lorentwicklungen in Beziehung zueinander setzen (vgl. Abb. 7.5):

∂τyz dy
τyz (x, y − dy/2, z) = τyz (x, y, z) − + O(dy 2 ) (7.4)
∂y 2

Da das Volumenelement beliebig klein werden kann, ist der Summand O(dy 2 )

Abb. 7.5. Momentengleichgewicht am differentiellen Quader.

vernachlässigbar.
7.1 Grundlagen der Elastizitätstheorie 97

Momentengleichgewicht:
Die x-Komponente des resultierenden Momentenvektors ergibt sich aus Abb.
7.5. Da keine äußeren Momente wirken, ist die x-Komponente null. Bei einer
verfeinerten Analyse des Spannungszustandes müssen i. Allg. auch Momente
wie z. B. bei der Pyro- oder Piezoelektrizität berücksichtigt werden; dies führt
zu der Theorie des Cosserat-Kontinuums. Für die meisten technisch interes-
sierenden Materialien ist diese verfeinerte Analyse nicht notwendig.
Es sei Mx die x-Komponente des resultierenden Momentenvektors:
   
∂τyz dy dy ∂τyz dy dy
Mx = τyz + dxdz + τyz − dxdz
∂y 2 2 ∂y 2 2
   
∂τzy dz dz ∂τzy dy dy
− τzy + dxdz − τzy − dxdz
∂y 2 2 ∂y 2 2
= (τyz − τ zy)dxdydz . (7.5)

Aus Mx = 0 folgt (analog aus My = 0 und Mz = 0):

τyz = τzy , (7.6)


τxz = τzx , (7.7)
τxy = τyx . (7.8)

Der Spannungstensor ist also symmetrisch.

Kräftegleichgewicht:
Die z-Komponente des resultierenden Kraftvektors ergibt sich aus Abb. 7.6.
Es sei Fz diese z-Komponente. Dann gilt:

Abb. 7.6. Kräftegleichgewicht am differentiellen Quader.


98 7 Statik und Dynamik
   
∂σz dz ∂σz dz
Fz = σz + dxdy − σz − dxdy
∂z 2 ∂z 2
   
∂τyz dy ∂τyz dy
τyz + dxdz − τyz − dxdz
∂y 2 ∂y 2
   
∂τxz dx ∂τxz dx
τxz + dydz − τxz − dydz
∂x 2 ∂x 2
 
∂σz ∂τyz ∂τxz
= + + dxdydz . (7.9)
∂z ∂y ∂x

Die anderen beiden Komponenten folgen analog; aus Fx = 0, Fy = 0 und


Fz = 0 folgen die Gleichgewichtsbedingungen:
∂σx ∂τyx ∂τzx
+ + =0 , (7.10)
∂x ∂y ∂z
∂τxy ∂σy ∂τzy
+ + =0 , (7.11)
∂x ∂y ∂z
∂τxz ∂τyz ∂σz
+ + =0 . (7.12)
∂x ∂y ∂z
Beispiel 7.4. Gegeben ist der Spannungstensor für ein Koordinatensystem
( ex , ey , ez ). Weiter ist ein Koordinatensystem ( ˜ex , ˜ey , ˜ez ) gegeben, das aus dem
ersten durch eine Drehung hervorgeht:

( ˜ex , ˜ey , ˜ez )T = D( ex , ey , ez )T . (7.13)

Die Matrix D ist einer sogenannten orthogonalen Abbildung zugeordnet und


hat die Eigenschaften: det(D) = 1 und D−1 = DT .
Die Frage, die im folgenden beantwortet werden soll, ist, wie man das Tupel
σ̃ des Spannungsvektors σ = σ̃ T ( ˜ex , ˜ey , ˜ez )T für eine Schnittebene mit dem
Normalenvektor n = (ñ1 , ñ2 , ñ3 )( ˜ex , ˜ey , ˜ez )T bestimmt.
Die Beantwortung der Frage erfolgt in drei Schritten:
1. Umrechnen von ñ = (ñ1 , ñ2 , ñ3 )T :

n = (ñ1 , ñ2 , ñ3 )( ˜ex , ˜ey , ˜ez )T


= (ñ1 , ñ2 , ñ3 )D( ex , ey , ez )T . (7.14)
  
=nT

2. Einsetzen von n in (σ1 , σ2 , σ3 )T = T T n. Es folgt der Spannungsvektor:


 T
σ = T T n ( ex , ey , ez )T . (7.15)

3. Rücktransformation: (D−1 = DT )
7.1 Grundlagen der Elastizitätstheorie 99
 T
σ = T T n DT ( ˜ex , ˜ey , ˜ez )T ,
= nT T DT ( ˜ex , ˜ey , ˜ez )T ,
= ñT D T DT ( ˜ex , ˜ey , ˜ez )T . (7.16)
  
=σ̃ T

Es folgt:

σ̃ T = ñ D T DT
σ̃ = D T T DT ñT . (7.17)
  
T
=T̃

Der Spannungstensor für das gedrehte Koordinatensystem ergibt sich aus


(7.17) zu:
T̃ = D T DT . (7.18)

Anmerkung 7.5. An dieser Stelle wird der Unterschied zwischen einem Vek-
tor (einem Tensor erster Stufe) und einem Tensor zweiter Stufe klar. Es sei
r = (r1 , r2 , r3 )( ex , ey , ez )T und r = (r̃1 , r̃2 , r̃3 )( ˜ex , ˜ey , ˜ez )T mit dem Zusam-
menhang der Basisvektoren aus (7.13). Dann gilt:

(r̃1 , r̃2 , r̃3 )T = D(r1 , r2 , r3 )T . (7.19)

Bei einem Tensor erster Stufe taucht die Transformationsmatrix nur einmal
auf, bei einem Tensor zweiter Stufe dagegen zweimal.
Wichtig sind diese Zusammenhänge für die Interpretation von Ergebnissen,
die man aus CAE-Programmen erhält. Möchte man die Ergebnisse eines CAE-
Programms in ein anderes Koordinatensystem umrechnen, so erfolgt die Um-
rechnung in Abhängigkeit von der Art des Ergebnisses. Skalare Größen (dazu
zählt z. B. auch die Vergleichsspannung nach v. Mises) müssen nicht umge-
rechnet werden. Es gibt also Spannungen, die sich beim Wechsel der Basis
nicht ändern. Diese sogenannten Invarianten gewinnt man aus dem Span-
nungstensor. Vektorielle Größen (z. B. Schnittkräfte) müssen wie in (7.19)
transformiert werden. Tensorielle Größen (z. B. der Spannungstensor aber
auch der Verzerrungstensor und der Trägheitstensor) müssen wie in (7.18)
transformiert werden.

Hauptachsensystem und Invarianten

Für einen Spannungstensor (an einem Ort (x, y, z)) gibt es ein Koordina-
tensystem, bei dem der Spannungstensor Diagonalform annimmt. Ist T der
Spannungstensor bei (x, y, z) bezüglich ( e1 , e2 , e3 ), dann gibt es eine Transfor-
mation auf ein Koordinatensystem ( ˆe1 , ˆe2 , ˆe3 )T = D( e1 , e2 , e3 )T , sodass gilt:
100 7 Statik und Dynamik
⎛ ⎞
σ1 0 0
⎝ 0 σ2 0 ⎠ = D T D T . (7.20)
0 0 σ3

Die Spannungen σ1 , σ2 und σ3 heißen Hauptspannungen. Das Koordinatensy-


stem ( ˆe1 , ˆe2 , ˆe3 ) heißt Hauptachsensystem. Man erhält Hauptspannungen und
Hauptachsen aus dem Eigenwertproblem (E ist die Einheitsmatrix).

(T − λE)e = 0 . (7.21)

Die Eigenwerte λ1 , λ2 , λ3 liefern die Hauptspannungen, die zugehörigen Ei-


genvektoren die Hauptachsen. Die drei Koeffizienten des charakteristischen
Polynoms p(J) = det(T − λE) = −λ3 + I1 λ2 − I2 λ + I3 sind Invarianten (d.h.
unabhängig vom Koordinatensystem):

I1 = σ1 + σ2 + σ3 (7.22)
= σx + σy + σz ,
I2 = σ1 σ2 + σ2 σ3 + σ3 σ1 (7.23)
= σx σy + σy σz + σz σx − τxy
2
− τyz
2
− τzx
2
,
I3 = σ1 σ2 σ3 (7.24)
= det(T ) .

Die Bedeutung der Invarianten des Spannungstensors zeigt sich bei der Auf-
stellung von Materialgleichungen. Der Spannungstensor lässt sich in einen
Kugeltensor P und einen Spannungsdeviator (engl.: Deviatoric stress tensor)
S zerlegen ([123], S. 67):
T = P + S, (7.25)
wobei
I1
E
P = (7.26)
3
einem hydrostatischen Spannungszustand (engl.: Hydrostatic pressure) ent-
spricht und
S := T − P (7.27)
die Abweichungen des Spannungszustandes vom hydrostatischen Spannungs-
zustand darstellt. Für den Spannungsdeviator lassen sich deviatorische Haupt-
spannungen aus dem charakteristischen Polynom λ3 −J2 λ−J3 = 0 bestimmen.
Die Koeffizienten J2 und J3 sind weitere Invarianten des Spannungstensors.
Die zweite Invariante J2 hat eine besondere Bedeutung bei der Fließbedingung
nach v. Mises (engl.: Yield stress). Gilt J2 < k 2 , so gibt es kein plastisches
Fließen nach dieser Fließbedingung. Drückt man J2 durch die sogenannte Ok-
taederschubspannung τ0 aus,
3 2
J2 = τ , (7.28)
2 0
7.1 Grundlagen der Elastizitätstheorie 101

so lässt sich die Fließbedingung schreiben als (vgl. [123], S. 181):



3
τ0 <k . (7.29)
2
Anmerkung 7.6. In FE-Programmen gibt es häufig die Möglichkeit, sich die
Hauptspannungen und die Vergleichsspannungen für jedes Element einzeln
anzeigen zu lassen. Diese Darstellungen sind für die Vergleichsspannungen
stetig. Bei den Hauptspannungen kann die Darstellung allerdings auf Grund
einer fehlenden eindeutigen Sortierung der drei Hauptspannungen unstetig
erscheinen.

7.1.2 Der ebene Spannungszustand

Wir betrachten ein infinitesimal kleines Volumenelement aus einem dünnwan-


digen Bauteil (Wanddicke t, t klein gegenüber den anderen Abmessungen des
Bauteils). In guter Näherung wird der Spannungszustand durch σx , τxy , τyx
und σy beschrieben (Abb. 7.7). Für die anderen Spannungen gilt: σz = 0,
τzx = 0, τzy = 0. Schneidet man dieses Volumenelement in der Diagonalen
auf, so kann man die Spannungen σϕ und τϕ in Abhängigkeit von σx , τxy, , σy
und ϕ bestimmen (Abb. 7.8).
Aus der Bedingung, dass die Summe der Kräfte in x-Richtung verschwinden
muss, folgt (ϕ = 0◦ , ϕ = 90◦ ):

(σx dy − τxy dx + σϕ cos ϕdy/ cos ϕ − τϕ sin ϕdy/ cos ϕ)h = 0 . (7.30)

Analog für die y-Richtung:

(−τxy dy − σy dx + τϕ cos ϕdy/ cos ϕ + σϕ sin ϕdy/ cos ϕ)h = 0 . (7.31)

Mit dx = dy sin ϕ/ cos ϕ ergibt sich

σx cos ϕ − τxy sin ϕ + σϕ cos ϕ − τϕ sin ϕ = 0 , (7.32)


−τxy cos ϕ − σy sin ϕ + τϕ cos ϕ + σϕ sin ϕ = 0 . (7.33)

Multipliziert man (7.32) mit cos ϕ und addiert (7.33) multipliziert mit sin ϕ
dazu, so erhält man σϕ ; (7.32) multipliziert mit − sin ϕ und (7.33) multipliziert
mit cos ϕ addiert ergibt τϕ :
σx + σy σx − σy
σϕ = + cos(2ϕ) + τxy sin(2ϕ) , (7.34)
2 2
σx − σy
τϕ = − sin(2ϕ) + τxy cos(2ϕ) . (7.35)
2
Dies

ist eine
Kreisgleichung für einen Kreis um den Mittelpunkt M =
σx +σy
2 , 0 mit dem Radius R (Abb. 7.9)
102 7 Statik und Dynamik

Abb. 7.7. Ebener Spannungszustand.

Abb. 7.8. Ebener Spannungszustand: Tangential- und Normalspannung in beliebi-


ger Schnittebene.

Abb. 7.9. Mohrscher Spannungskreis.


7.1 Grundlagen der Elastizitätstheorie 103
 2
σx − σy
R2 = 2
+ τxy . (7.36)
2
Man nennt diesen Kreis den Mohrschen Spannungskreis. Die Hauptspannun-
gen entnimmt man den Schnittpunkten des Kreises mit der σ-Achse:
 2
σx + σy σx − σy
σ1,2 = ∓ 2 .
+ τxy (7.37)
2 2

Die maximalen Schubspannungen sind τmax = ±R.


Beispiel 7.7. Gegeben sei ein Spannungstensor für ein Hauptachsensystem
(ebener Spannungszustand): σx = σ2 , σy = σ1 , τyx = 0.
1. Ist σ1 = σ2 , so ist der Mohrsche Spannungskreis lediglich ein Punkt. Dies
entspricht einem hydrostatischen Spannungszustand.
2. Wie groß ϕ ist, wenn die Schubspannung maximal wird, kann man am
Mohrschen Spannungskreis ablesen. Man erkennt, dass τϕ für 2ϕ = 90◦
maximal wird. Die Schubspannung ist also maximal für eine Ebene, die
um 45◦ gegenüber der Hauptebene gedreht ist.

7.1.3 Kinematik des verformbaren Körpers

Wird ein Körper verformt, so wird jeder Punkt P = (x, y, z) um den Vektor
u verschoben. Den Verschiebungsvektor u kann man bezüglich eines Koor-
dinatensystems ( ex , ey , ez ) schreiben als: u = (ux , uy , uz ) e. Da i. Allg. jeder
Punkt des Körpers verschoben wird, gibt es für jeden Punkt einen eigenen
Verschiebungsvektor u; u hängt also von (x, y, z) ab und beschreibt ein Ver-
schiebungsfeld. Wir betrachten im Folgenden zwei infinitesimal benachbarte
Punkte P = (x, y, z) und Q = (x+dx, y +dy, z +dz). Die Punkte P und Q ha-
ben den Abstand d = dx2 + dy 2 + dz 2 . Nach der Verformung des Körpers
liegen die Punkte bei P  bzw. Q :

P  = (x + ux , y + uy , z + uz ) . (7.38)

Für Q gilt (hier zunächst mit den Hilfsgrößen vx , vy , vz ):

Q = (x + dx + vx , y + dy + vy , z + dz + vz ) , (7.39)

wobei man mit Hilfe einer Taylorentwicklung die Koordinaten von P  und Q
in Beziehung zueinander setzen kann. Dazu muss die Abhängigkeit von u von
den Koordinaten des jeweiligen Punktes berücksichtigt werden:

P  = (x + ux (x, y, z), y + uy (x, y, z), z + uz (x, y, z)) , (7.40)



Q = (x + dx + ux (x + dx, y + dy, z + dz),
y + dy + uy (x + dx, y + dy, z + dz),
z + dz + uz (x + dx, y + dy, z + dz)) . (7.41)
104 7 Statik und Dynamik

Eine Taylorentwicklung der Verschiebungskomponenten ux , uy , uz liefert:

∂ux
ux (x + dx, y + dy, z + dz) = ux (x, y, z) + (x, y, z)dx (7.42)
∂x
∂ux
+ (x, y, z)dy
∂y
∂ux
+ (x, y, z)dz
∂z
+ nichtlineare Terme in dx, dy, dz ,
∂uy
uy (x + dx, y + dy, z + dz) = uy (x, y, z) + (x, y, z)dx (7.43)
∂x
∂uy
+ (x, y, z)dy
∂y
∂uy
+ (x, y, z)dz
∂z
+ nichtlineare Terme in dx, dy, dz ,
∂uz
uz (x + dx, y + dy, z + dz) = uz (x, y, z) + (x, y, z)dx (7.44)
∂x
∂uz
+ (x, y, z)dy
∂y
∂uz
+ (x, y, z)dz
∂z
+ nichtlineare Terme in dx, dy, dz .

Definiert man als Maß für die Verzerrungen die Längenänderung der Verbin-
dung PQ, so muss dazu zunächst d  = dx 2 + dy  2 + dz  2 bestimmt werden.
Für dx ergibt sich:

dx = x + dx + vx − (x + ux ) (7.45)
     
=Qx Px
∂ux ∂ux ∂ux
= dx + (x, y, z)dx + (x, y, z)dy + (x, y, z)dz .
∂x ∂y ∂z

Ähnliche Ausdrücke ergeben sich für dy  und dz  . Die Längen- und Win-
keländerungen der Deformation des Körpers (beschrieben durch das Verschie-
bungsfeld) werden vollständig durch die Angabe des Quadrats des Bogenele-
mentes beschrieben. Bildet man die Differenz aus diesem Quadrat d  und dem
Quadrat d des unverformten Elementes, so ist die Deformation durch diese
Angabe ebenfalls vollständig beschrieben (aus historischen Gründen teilt man
diese Differenz durch 2; vgl. [123], S. 26):

d  − d 2
2
= εxx dx2 + εyy dy 2 + εzz dz 2 (7.46)
2
+2(εxy dxdy + εyz dydz + εxz dxdz) , wobei
7.1 Grundlagen der Elastizitätstheorie 105
 2  2  2 
∂ux 1 ∂ux ∂uy ∂uz
εxx = + + + , (7.47)
∂x 2 ∂x ∂x ∂x
 2  2  2 
∂uy 1 ∂ux ∂uy ∂uz
εyy = + + + , (7.48)
∂y 2 ∂y ∂y ∂y
 2  2  2 
∂uz 1 ∂ux ∂uy ∂uz
εzz = + + + , (7.49)
∂z 2 ∂z ∂z ∂z
 
1 ∂ux ∂uy
εxy = +
2 ∂y ∂x
 
1 ∂ux ∂ux ∂uy ∂ux y ∂uz ∂uz
+ + + , (7.50)
2 ∂x ∂y ∂x ∂y ∂x ∂y
 
1 ∂uy ∂uz
εyz = +
2 ∂z ∂y
 
1 ∂ux ∂ux ∂uy ∂ux y ∂uz ∂uz
+ + + , (7.51)
2 ∂z ∂y ∂z ∂y ∂z ∂y
 
1 ∂uz ∂ux
εzx = +
2 ∂x ∂z
 
1 ∂ux ∂ux ∂uy ∂ux y ∂uz ∂uz
+ + + . (7.52)
2 ∂z ∂x ∂z ∂x ∂z ∂x
Diese Koeffizienten εxx , εyy , εzz , εxy , εyz , εzx werden in einem symmetrischen
Tensor, dem sogenannten Verzerrungstensor, zusammengefasst:
⎛ ⎞
εxx εxy εxz
V = ⎝ εxy εyy εyz ⎠ . (7.53)
εxz εyz εzz
Die Differenz zwischen den Quadraten der Bogenlängen lässt sich vereinfacht
schreiben als
d  − d 2 = 2(dx, dy, dz)V (dx, dy, dz)T .
2
(7.54)
Für viele Anwendungen reicht es aus, lediglich den linearen Anteil des Verzer-
rungstensors zu berücksichtigen und den nichtlinearen Anteil zu vernachlässi-
gen. Im Folgenden betrachten wir daher nur noch den linearen Anteil (vgl.
[74]):
∂ux
εxx = (7.55)
∂x
∂uy
εyy = (7.56)
∂y
∂uz
εzz = (7.57)
∂z
 
1 ∂ux ∂uy
εxy = + (7.58)
2 ∂y ∂x
106 7 Statik und Dynamik
 
1 ∂uy ∂uz
εyz = + (7.59)
2 ∂z ∂y
 
1 ∂uz ∂ux
εzx = + . (7.60)
2 ∂x ∂z

Anmerkung 7.8. An der vereinfachten Schreibweise

d  − d 2 = 2(dx, dy, dz)V (dx, dy, dz)T


2
(7.61)

erkennt man die gleichen Transformationseigenschaften des Verzerrungsten-


sors und des Spannungstensors. Betrachtet man dazu den Vektor von P nach
Q in dem Koordinatensystem ˜e, wobei ˜e = D e (D Drehmatrix) :

= (dx,
dr ˜ dy, ˜ ˜e ,
˜ dz) (7.62)

so folgt:
= (dx,
dr ˜ dy,
˜ dz)D
˜ e (7.63)
und damit

d  − d 2 = 2(dx,
2 ˜ dy,
˜ dz)DV
˜ DT (dx, dy, dz)T . (7.64)

Wie beim Spannungstensor gilt für den Verzerrungstensor im Koordinatensy-


stem ˜e:
Ṽ = DV DT . (7.65)

Beispiel 7.9. Bei diesem Beispiel ist uz (x, y, z) = 0 und d = dz; ux und uy
sind identisch null. Es gilt:

d  = d + uz (x, y, z + dz)
∂uz
= d + (x, y, z)dz + . . . . (7.66)
∂z
Aus (7.46) folgt:
d  − d
= εzz . (7.67)
d
Die Elemente auf der Hauptdiagonalen des Verzerrungstensors sind also ge-
rade relative Längenänderungen (vgl. Abb. 7.10)

Beispiel 7.10. Im folgenden Beispiel wird der spezielle Verformungszustand


betrachtet, für den uz = 0, εxx = 0, εyy = 0, εzz = 0, εyz = 0, εxz = 0. Wegen
εxx = 0, und εyy = 0 ändern sich die Längen der Seiten dx und dy des unteren
Dreiecks nicht (wegen der Symmetrie gilt natürlich das Gleiche für das obere
Dreieck; Abb. 7.11). Da sich aber die Länge der Seite d ändert, weicht der
Winkel zwischen den Seiten dx und dy von 90◦ = π/2 ab. Diese Abweichung
bezeichnen wir mit γxy . Aus dem Kosinussatz ergibt sich:
7.1 Grundlagen der Elastizitätstheorie 107

Abb. 7.10. Längsdehnung eines Stabes.

d  = dx2 + dy 2 −2dxdy cos(π/2 + γxy ) .


2
(7.68)
  
d2

Es gilt:
d  − d 2 = 4εxy dxdy .
2
(7.69)
Da wir lediglich kleine Verformungen betrachten (kleine Längenänderungen
und kleine Winkeländerungen), folgt mit cos(π/2 + γxy ) = − sin(γxy ) und
sin(γxy ) ≈ γxy :
2εxy = γxy . (7.70)
Die Komponenten des Verzerrungstensors, die nicht auf der Hauptdiagonalen
stehen, entsprechen also gerade den halben Winkeländerungen.

7.1.4 Hauptachsen und Invarianten

Wie beim Spannungstensor gibt es auch beim Verzerrungstensor (Tensor 2.


Stufe) ein Koordinatensystem, für den der Verzerrungstensor Diagonalform
annimmt: ⎛ ⎞
ε1 0 0
⎝ 0 ε2 0 ⎠ = D V D T . (7.71)
0 0 ε3
Die Koordinatenrichtungen heißen Hauptverzerrungsrichtungen und ε1 , ε2 ,
ε3 Hauptverzerrungen. Man erhält die Hauptverzerrungsrichtungen und die
Hauptverzerrungen wie beim Spannungstensor durch Lösen eines Eigenwert-
problems. Die Hauptverzerrungsrichtungen und die Hauptspannungsrichtun-
gen fallen aber i. Allg. nicht zusammen. Auch beim Verzerrungstensor spielt
108 7 Statik und Dynamik

Abb. 7.11. Scherverformung eines Rechtecks.

die erste Invariante eine besondere Rolle. Die erste Invariante e = εxx + εyy +
εzz ist gleich der Dilatation (spezifische Volumendehnung):

dV − dV0
=e . (7.72)
dV0
Hier ist dV0 das Volumen eines unverzerrten, infinitesimalen Quaders und dV
das Volumen des verzerrten Quaders. Mit Hilfe von e definiert man die mitt-
lere Verzerrung (engl.: Volumetric strain) εm und kann den Verzerrungstensor
schreiben als:
V =Q+D , (7.73)
wobei Q = 3e E der Kugelanteil von V und D = V −Q der Verzerrungsdeviator
ist. Der Kugelanteil ist dadurch gekennzeichnet, dass die Dehnungen in alle
drei Raumrichtungen gleich sind und dass die Winkeländerungen null sind.
Der Deviator gibt Gestaltänderungen bei konstantem Volumen wieder.

7.1.5 Kompatibilitätsbedingungen

Da Verzerrungen definiert sind durch Ableitungen der Verformungen, gehor-


chen sie bestimmten Bedingungen. Während man für die Verformungen, wie
in der FEM i. Allg. üblich, beliebige Verläufe oder Ansätze vorgeben darf, ist
dies für die Verzerrungen nicht möglich, da diese den sogenannten Kompa-
tibilitätsbedingungen gehorchen müssen. Ansätze im Sinne der FEM für die
Verzerrungen sind also gewissen Restriktionen unterworfen. Wir leiten eine
dieser Kompatibilitätsbedingungen her. Dazu betrachten wir
∂ux
εxx = , (7.74)
∂x
∂uy
εyy = , (7.75)
∂y
7.1 Grundlagen der Elastizitätstheorie 109
 
1 ∂ux ∂uy
εxy = + . (7.76)
2 ∂y ∂x
Hier fällt auf, dass zur Definition der drei Verzerrungen εxx , εyy und εxy ledig-
lich zwei Verschiebungen ux und uy verwendet werden. Bildet man partielle
Ableitungen
∂2 ∂ 3 ux
ε xx = , (7.77)
∂y 2 ∂x∂ 2 y
∂2 ∂ 3 uy
ε yy = , (7.78)
∂x2 ∂y∂ 2 x
 
∂2 1 ∂ 3 ux ∂ 3 uy
εxy = + , (7.79)
∂x∂y 2 ∂x∂ 2 y ∂y∂ 2 x
so erkennt man, dass gilt:
∂2 ∂2 ∂2
2
εxx + 2
εyy − 2 εxy = 0 . (7.80)
∂y ∂x ∂x∂y
Die anderen Kompatibilitätsbedingungen können analog hergeleitet werden.
Insgesamt gibt es sechs voneinander unabhängige Kompatibilitätsbedingun-
gen (auch Verträglichkeitsbedingungen genannt):
∂ 2 εxx ∂ 2 εyy ∂ 2 εxy
+ − 2 =0 , (7.81)
∂y 2 ∂x2 ∂x∂y
2
∂ εxx ∂ 2 εzz ∂ 2 εxz
+ −2 =0 , (7.82)
∂z 2 ∂x2 ∂x∂z
∂ 2 εyy ∂ 2 εzz ∂ 2 εyz
+ −2 =0 , (7.83)
∂z 2 ∂y 2 ∂y∂z
2
 
∂ εxx ∂ ∂εyz ∂εzx ∂εxy
+ − − =0 , (7.84)
∂y∂z ∂x ∂x ∂y ∂z
2
 
∂ εyy ∂ ∂εzx ∂εxy ∂εyz
+ − − =0 , (7.85)
∂z∂x ∂y ∂y ∂z ∂x
2
 
∂ εzz ∂ ∂εxy ∂εyz ∂εzx
+ − − =0 . (7.86)
∂x∂y ∂z ∂z ∂x ∂y
Diese Beziehungen können zu Plausibilitätsbetrachtungen herangezogen wer-
den. Falls diese Bedingungen verletzt sind, so handelt es sich i. Allg. um einen
Fehler im Programm und nicht um einen Bedienungsfehler des Benutzers.
Wegen der anschaulichen Bedeutung werden anstatt der Größen εxy , εxz , εyz
auch die Größen γxy = 2εxy , γxz = 2εxz , γyz = 2εyz verwendet.

7.1.6 Stoffgesetz

Die Erfahrung zeigt, dass Spannungen Verzerrungen zur Folge haben und
durch Verzerrungen Spannungen entstehen können.
110 7 Statik und Dynamik

Beispiel 7.11. Spannungen haben Verzerrungen zur Folge beim Erwärmen ei-
nes Körpers. Erwärmt man einen Körper, so entstehen Wärmespannungen, die
eine Ausdehnung des Körpers und damit Verzerrungen des Körpers zur Folge
haben. Deformiert man einen Körper, so hat dies Verzerrungen zur Folge, die
wiederum Spannungen in dem Körper hervorrufen.
Allgemein besteht ein Zusammenhang zwischen den Verzerrungen und den
Spannungen, der sich mit Hilfe des Spannungstensors T und des Verzerrungs-
tensors V formulieren lässt:
T = f (V ) . (7.87)
Die Spannungen sind eine Funktion der Verzerrungen. In vielen technischen
Anwendungen wird dieser allgemeine, nichtlineare Zusammenhang linearisiert:

T = λV . (7.88)

Die vier Unterstriche bei λ deuten an, dass es sich um einen Tensor vierter Stu-
fe handelt. Dieser Tensor wird auch Tensor der Elastizitätsmoduln genannt.
Wegen der Symmetrie des Verzerrungs- und des Spannungstensors hat dieser
Tensor jedoch nicht 81 unabhängige Komponenten (die Zahl 81 kann man sich
leicht überlegen, wenn man sich vor Augen hält, dass λ ein vierdimensionales
Zahlenschema oder ein vierdimensionaler Würfel mit der Kantenlänge 3 ist),
sondern lediglich 21 unabhängige Komponenten. Diese 21 Komponenten spie-
len jedoch nur für die Elastizitätsmoduln von sogenannten Einkristallen eine
Rolle. Bei technischen, polykristallinen Werkstoffen reduziert sich die Anzahl
deutlich. Wir wollen im Rahmen dieses Kapitels von elastischen, homoge-
nen, isotropen Werkstoffen ausgehen. Ein Werkstoff ist homogen, wenn die
Werkstoffeigenschaften in jedem Punkt gleich sind. Er ist isotrop, wenn die
Eigenschaften richtungsunabhängig sind. Für diese Werkstoffe gibt es lediglich
zwei unabhängige, elastische Werkstoffkonstanten.
Zur Formulierung des Zusammenhangs zwischen Spannungen und Verzer-
rungen gehen wir vom Superpositionsprinzip aus. Danach kann die Formände-
rung eines beliebigen Belastungszustandes durch Aufspalten in einfache Last-
zustände und anschließende Überlagerung bestimmt werden.
Wir gehen also von einem beliebigen Spannungstensor aus und bestimmen
die Verzerrungen, die sich aus den jeweiligen Komponenten ergeben. Zunächst
nehmen wir an, dass das betrachtete, infinitesimale Element lediglich durch
eine Normalspannung σx in x-Richtung belastet wird. Daraus resultiert eine
Dehnung (Verzerrung) in x-Richtung (E ist der E-Modul):
1
εxx1 = σx . (7.89)
E
Der Index 1 deutet an, dass es sich um die Verzerrung auf Grund des er-
sten Lastfalls σx handelt. Weitere Komponenten werden auf Grund anderer
Spannungen hinzukommen. Die Spannung σx hat noch weitere Verzerrungen
7.1 Grundlagen der Elastizitätstheorie 111

zur Folge, die aus der Querkontraktion des Werkstoffs herrühren (ν ist die
Querkontraktionszahl):
ν
εyy1 = − σx , (7.90)
E
ν
εzz1 = − σx . (7.91)
E
Wird das infinitesimale Element lediglich durch σy belastet, so ergibt sich:
ν
εxx2 = − σy , (7.92)
E
1
εyy2 = σy , (7.93)
E
ν
εzz2 = − σy . (7.94)
E
Analog erhält man:
ν
εxx3 = − σz , (7.95)
E
ν
εyy3 = − σz , (7.96)
E
1
εzz3 = σz . (7.97)
E
Aus der Addition der einzelnen Dehnanteile in die jeweiligen Koordinaten-
richtungen resultiert:
1
εxx = (σx − ν(σy + σz )) , (7.98)
E
1
εyy = (σy − ν(σx + σz )) , (7.99)
E
1
εzz = (σz − ν(σx + σy )) . (7.100)
E
Analog bekommt man den Zusammenhang zwischen den Schubspannungen
und den Winkeln γxy = 2εxy , γxz = 2εxz und γyz = 2εyz (G ist der Schub-
modul)
1
γxy = τxy , (7.101)
G
1
γxz = τxz , (7.102)
G
1
γyz = τyz . (7.103)
G
Anmerkung 7.12. Im Folgenden werden wir hauptsächlich von den Winkeln
γxy , γxz und γyz Gebrauch machen. Zur Vereinfachung führen wir die Größen
εx = εxx , εy = εyy und εz = εzz ein.
112 7 Statik und Dynamik

Löst man die Gleichungen (7.98) bis (7.103) nach den Spannungen auf, so
erhält man:

σx = 2Gεx + λ(εx + εy + εz ) , (7.104)


σy = 2Gεy + λ(εx + εy + εz ) , (7.105)
σz = 2Gεz + λ(εx + εy + εz ) , (7.106)
τxy = Gγxy , (7.107)
τxz = Gγxz , (7.108)
τyz = Gγyz , (7.109)

mit
νE
λ= . (7.110)
(1 + ν)(1 − 2ν)
Die Konstanten G und λ werden auch als Lamesche Konstanten bezeichnet.
Anmerkung 7.13. Zur Formulierung der Spannungs-Verzerrungs-Beziehungen
reichen zwei Materialparameter aus; bei den oben angegebenen Gleichungen
für die Spannungen sind dies die sogenannten Lameschen Konstanten G und
λ. In den Gleichungen für die Verzerrungen tauchen jedoch drei Parameter
auf: E, ν und G. Man kann den Schubmodul G (engl.: shear modulus) durch
den E-Modul (engl.: Young’s modulus) und die Querkontraktionszahl (engl.:
Poisson’s ratio) ausdrücken:

E
G= . (7.111)
2(1 + ν)

Im Folgenden betrachten wir den Zusammenhang zwischen einem hydrostati-


schen Spannungszustand und der spezifischen Volumenänderung e:
dV − dV0
e= (7.112)
dV0
= εx + εy + εz . (7.113)

Für den hydrostatischen Spannungszustand (Druck p) gilt:

σx = σy = σz = −p . (7.114)

Aus εx = 1
E (σx − ν(σy + σz )) (analog für εy und εz ) folgt:

3(1 − 2ν)
e = −p . (7.115)
E
Die Größe
E
K= (7.116)
3(1 − 2ν)
wird als Kompressionsmodul (engl.: Bulk modulus) bezeichnet.
7.1 Grundlagen der Elastizitätstheorie 113

7.1.7 Formänderungsenergie

In diesem Unterabschnitt geben wir die Formänderungsenergie eines elasti-


schen Körpers an. Diese spielt eine zentrale Rolle bei der Formulierung der
FEM für elastische Deformationen. Greifen an einem Körper äußere Kräfte
an und verformen diese Kräfte den Körper, so ist die von den Kräften gelei-
stete Arbeit in dem Körper als elastische Energie oder Formänderungsenergie
gespeichert.
Im Folgenden leiten wir die Energiedichte oder die spezifische Formänderungs-
energie her. Dazu gehen wir von einem infinitesimal kleinen Würfel aus, auf
den die Spannung σx wirkt. Durch diese Spannung wird der Würfel deformiert
(vgl. Abb. 7.12). Die durch die Kraft σx dydz an dem infinitesimalen Würfel

Abb. 7.12. Deformation eines infinitesimalen Würfels.


mit dem Volumen dV geleistete infinitesimale Arbeit dWx (= F ds) ist in
diesem einfachen Fall:
 εx (σx )
dWx = (σx∗ dydz) dε∗x dx
0      
=F ds
 εx (σx )
= σx∗ dε∗x dxdydz . (7.117)
0   
dV

Hier wird nicht über x, y oder z integriert, sondern über die Verzerrung. Da
σx∗ = σx∗ (ε∗x ) linear von ε∗x abhängt, kann man das Integral direkt ausrechnen:
1
dWx = σx εx dV . (7.118)
2
Für die Schubverformung erhält man aus Abb. 7.13
π π
= − γxy + α + β . (7.119)
2 2

Damit ergibt sich für diese Schubverformung die Formänderungsenergie zu:


114 7 Statik und Dynamik

Abb. 7.13. Schubdeformation eines infinitesimalen Würfels.

1
dWxy = τxy (α + β)dxdydz
2
1
= τxy γxy dxdydz . (7.120)
2
Ähnliche Ausdrücke ergeben sich für die anderen Spannungen. Insgesamt
erhält man für die Formänderungsenergie:
1
(σx εx + σy εy + σz εz + τxy γxy + τxz γxz + τyz γyz ) dV , (7.121)
2
  
=Ws

wobei Ws die spezifische Formänderungsenergie ist. Die spezifische Formände-


rungsenergie kann man durch die Spannungen (mit Hilfe des Stoffgesetzes)
1  2 
Ws = σx + σy2 + σz2 − 2ν(σx σy + σx σz + σy σz )
2E
1  2 2 2

+ τxy + τxz + τyz (7.122)
2G
oder die Verzerrungen ausdrücken:

ν
Ws = G ε2x + ε2y + ε2z + (εx + εy + εz )2
1 − 2ν

1 2 2 2
+ (γxy + γxz + γyz ) . (7.123)
2
Die im gesamten Körper gespeicherte Energie erhält man durch Integration
der spezifischen Formänderungsenergie über das Gesamtvolumen V :

W = Ws dV . (7.124)
V
7.2 Elemente und Elementmatrizen 115

7.2 Elemente und Elementmatrizen


In diesem Abschnitt wird das wesentliche Vorgehen der Finite-Elemente-
Methode am Beispiel von einfachen Stabelementen erläutert. Wir gehen dabei
in folgenden Schritten vor (vgl. Abb. 7.14):

Abb. 7.14. Lineare Finite-Elemente-Ansätze für einen Dehnstab.

1. Einteilen des Stabes in Elemente; als (generalisierte) Koordinaten wählt


man die Verschiebungen an den Knoten. Wir gehen in diesem Beispiel von
n Knoten mit äquidistantem Abstand /n aus. Man nennt das Einteilen
in Elemente Vernetzen (meshing).
2. Aufstellen der linearen Verschiebungsansätze ui für die Elemente (also die
Teile des Stabes zwischen den Knoten):

ui (ξ) = ai (1 − ξ) + ai+1 ξ . (7.125)

Die Koordinaten ξ = (x − i /n)/( /n) sind lokale Koordinaten, die jeweils


mit null am linken Rand der Elemente beginnen und mit 1 am rechten
Rand enden. Im Gegensatz zu der früheren Formulierung mit sogenannten
Basic-Splines wurde hier die Definition des Verformungsansatzes element-
weise gewählt. Dieses Vorgehen führt zu dem gleichen Ergebnis wie die
Basic-Spline-Formulierung.
3. Bestimmen der Formänderungsenergie U und der kinetischen Energie T :
116 7 Statik und Dynamik
 1
n
EAu dζ ,
2
Ui = (7.126)
2 ζ=0
 1

Ti = µ(u̇)2 dζ . (7.127)
2n ζ=0

Die Ableitung der Verformung u für das i-te Element ist u = ai+1 − ai .
Wertet man die Integrale (7.126) und (7.127) lediglich für das i-te Element
aus, so ergibt sich:
  
n 1 −1 ai
Ui = EA(ai , ai+1 ) , (7.128)
2 −1 1 ai+1
  
21 ȧi
Ti = µ(ȧi , ȧi+1 ) . (7.129)
12n 12 ȧi+1
Wendet man auf die sich ergebende Lagrangefunktion L = T − U die
Lagrangeschen Gleichungen
d ∂L ∂L
− =0 (7.130)
dt ∂ ȧi ∂ai
an, so erhält man unmittelbar die Bewegungsgleichungen für dieses Ele-
ment:
     
µ 2 1 äi EAn 1 −1 ai
+ . (7.131)
6n 1 2 äi+1 −1 1 ai+1
     
=M =K
i i

Man nennt die Matrizen M i und K i Elementmassenmatrix bzw. Ele-


mentsteifigkeitsmatrix. Diese Bewegungsgleichungen für ein einzelnes Ele-
ment ergeben für sich allein betrachtet jedoch keinen Sinn. Um die
Bewegungsgleichungen des gesamten Stabes zu erhalten, muss man die
Elementmassen- und -steifigkeitsmatrizen geeignet addieren:
⎛ ⎞⎛ ⎞
41000 ä1
⎜ 1 4 1 0 0 ⎟ ⎜ ä2 ⎟
µ ⎜ ⎟⎜ ⎟
⎜ 0 1 4 1 0 ⎟ ⎜ ä3 ⎟
o= ⎜ ⎟⎜ ⎟ (7.132)
6n ⎝
0 0 1 4 1 ⎠ ⎝ ä4 ⎠
00012 ä5
⎛ ⎞⎛ ⎞
2 −1 0 0 0 a1
⎜ −1 2 −1 0 0 ⎟ ⎜ a2 ⎟
EAn ⎜ ⎟⎜ ⎟
⎜ 0 −1 2 −1 0 ⎟ ⎜ a3 ⎟ .
+ ⎜ ⎟⎜ ⎟

0 0 −1 2 −1 ⎠ ⎝ a4 ⎠
0 0 0 −1 1 a5
Anmerkung 7.14. Man erkennt an den Gesamtmassen- und -steifigkeitsmatri-
zen, dass sich diese aus den Elementmassen- und -steifigkeitsmatrizen durch
Addition ergeben. Deshalb sind (in diesem) Beispiel lediglich die Hauptdiago-
nale und die Nebendiagonalen mit von null verschiedenen Einträgen besetzt.
7.3 Beispiele 117

Bandstruktur: Man nennt Matrizen, bei denen neben der Hauptdiagonalen


eine von der Größe (im Fall der Finiten Elemente von der Anzahl der
Knoten) unabhängige Anzahl von Nebendiagonalen mit von null verschie-
denen Einträgen besetzt sind, Matrizen mit Bandstruktur. Diese Matrizen
sind typisch für Bewegungsgleichungen, die mit Hilfe der Finite-Elemente-
Methode bestimmt werden. Da diese Matrizen sehr groß werden können
(z. B. zur Berechnung der statischen Eigenschaften einer Automobilka-
rosserie bis zu einigen Millionen Zeilen und Spalten), setzt man spezielle
Lösungsverfahren ein, die diese Bandstruktur ausnutzen. Häufig werden
auch Polynome höherer Ordnung für die Ansatzfunktionen gewählt. An
den Knoten fordert man dann nicht nur Stetigkeit sondern auch Differen-
zierbarkeit. Dadurch vergrößern sich die Elementmatrizen und die Band-
breite (also die von null verschiedenen Diagonalen) der Gesamtmatrizen.
Um die Genauigkeit von Finite-Elemente-Berechnungen zu steigern, exi-
stieren unterschiedliche Methoden, von denen einige kurz erläutert werden:
p-Methode: Um die Genauigkeit einer FE-Berechnung zu erhöhen, kann man
den Grad der Polynomansätze erhöhen (in einigen Programmen setzt man
Polynome bis zum Grad zehn ein). Man nennt diese Methode der Genau-
igkeitssteigerung p-Methode (vgl. h-Methode).
h-Methode: Um die Genauigkeit einer FE-Berechnung zu erhöhen, kann man
auch die Größe der Elemente verkleinern, um so die Approximationsgüte
der Ansatzfunktionen zu erhöhen. Man nennt diese Methode der Genau-
igkeitssteigerung h-Methode (vgl. p-Methode).
hp-Methode: Bei dieser Methode der Genauigkeitssteigerung von FE-Berech-
nungen kombiniert man die h-Methode (Verkleinerung der Finiten Ele-
mente) und die p-Methode (Erhöhung des Grades der Ansatzfunktionen)
in geeigneter Art und Weise.
Adaptive Finite-Elemente: In Finite-Elemente-Berechnungen gibt es Berei-
che, in denen die Ergebnisse schlecht sind (z. B. kleine Radien). Verfeinert
man in diesen Bereichen das Finite-Elemente-Netz durch Verkleinern der
Elemente, so ist eine Erhöhung der Genauigkeit wahrscheinlich. Es existie-
ren Algorithmen, die diese Verfeinerung automatisiert durchführen. Man
nennt diese Elemente auch adaptive Finite-Elemente (wenn auch dieser
Name etwas irreführend ist, da nicht die Elemente selbst adaptiv sind,
sondern lediglich der zugrunde liegende Verfeinerungsalgorithmus).

7.3 Beispiele
In diesem Abschnitt werden drei Beispiele vorgestellt. Die ersten beiden stel-
len eine Spannungs-Verformungsbestimmung dar, das dritte zeigt eine Eigen-
schwingungsberechnung.
118 7 Statik und Dynamik

7.3.1 Spannungsberechnung

In Abb. 7.15 sind die Vergleichsspannungen in einem mit einer Kraft F bela-
steten Winkel dargestellt. Man erkennt:
• Im oberen, dreieckigen Bereich sind die Vergleichsspannungen nahezu kon-
stant.
• Die maximalen Vergleichsspannungen treten im unteren, gebogenen Teil
des Winkels auf.
• Diese Vergleichsspannungen liegen oberhalb von 1000 N/mm2 .
• Obwohl der Winkel symmetrisch ist und die Kraft symmetrisch eingeleitet
wird, weicht die Spannungsverteilung geringfügig von einer symmetrischen
Verteilung ab.
Diese vier Punkte werden wir im Folgenden erläutern. Auch der Ingenieur,
der Berechnungsergebnisse von entsprechenden Computerprogrammen erhält,
sollte diese stets kritisch prüfen. Diese Programme rechnen zwar nicht fehler-
haft, häufig kommt es aber zu Eingabefehlern, die dann durch entsprechende
Interpretation der Ergebnisse identifiziert werden können.

v.Mises-Spg.

Abb. 7.15. Vergleichsspannungen (in N/mm2 ) in einem Winkel (Quelle: MEDINA-


Beispiel, T-Systems).

• Die konstante Spannung im oberen, dreieckigen Bereich ist auf den ersten
Blick überraschend. Man kann sich die Spannungsverhältnisse an einer
7.3 Beispiele 119

einfachen, dreieckigen Struktur, an deren Spitze eine Kraft F angreift und


deren Basis fest eingespannt ist, verdeutlichen (vgl. Abb. 7.16).

Abb. 7.16. Vergleichsspannungsberechnung an einem Dreieck.

• Schneidet man das Dreieck bei ζ auf, so erhält man das Schnittmoment,
in dem man die Summe der Momente bezüglich des Schnittes bildet:
M = Fζ . (7.133)
In der Schnittfläche (Breite b = b0 ζ/a) wirken die Normalspannungen
ξ
σ = σm 2 . (7.134)
h
Die Spannung σm ist die maximal auftretende Spannung; diese werden wir
im Folgenden berechnen. Dazu ermitteln wir das Moment in der Schnitt-
fläche aufgrund der Normalspannungen:
 h/2
ξ
M = 2b 2σm ξdξ (7.135)
−h/2 h
ξ 3 h/2
= 2b[2σm ] (7.136)
3h −h/2
ζ h2
= b0 σm . (7.137)
a 3
Setzt man diesen Ausdruck in (7.133) ein und löst die Gleichung nach σm
auf, so erhält man die konstant Spannung im Dreieck:
120 7 Statik und Dynamik

3F a
σm = . (7.138)
h 2 b0
Die konstante Vergleichsspannung im oberen, dreieckigen Bereich ist also
plausibel.
• Aus dieser Rechnung wird auch unmittelbar der zweite Punkt deutlich,
denn die Spannung steigt mit zunehmendem Abstand vom Einleitungs-
punkt der Kraft an. Die Breite beim Winkel nimmt im unteren Bereich
allerdings nicht mehr zu.
• Aus der Größe der Vergleichsspannung muss man in diesem Fall den
Schluss ziehen, dass dieser Winkel überlastet wird und sich plastisch de-
formiert, falls die Vergleichsspannung den Wert für den Fließbeginn des
entsprechenden Werkstoffs überschreitet. In diesem Fall wäre als Werkstoff
für den Winkel ein Federstahl (z. B. RP 0,2 = 1180 N/mm für einen 55 Cr
53 Edelstahl) geeignet.

Abb. 7.17. Prinzipieller Verlauf der Knicklinien bei den Euler-Knickfällen.

• Die Abweichung der Lösung von der Symmetrie des Problems kann un-
terschiedliche Ursachen haben. Es können numerische Ungenauigkeiten
zu diesen Abweichungen führen. Im Allg. hat ein symmetrisches Problem
auch eine symmetrische Lösung. Im Fall linearer Probleme wird sich diese
Lösung auch bei einer Berechnung ergeben. Kleinere Abweichungen re-
sultieren aus numerischen Ungenauigkeiten, die wiederum ihre Ursache
z. B. in iterativen Algorithmen haben können, die zur Lösung des Ge-
samtproblems eingesetzt werden. Im Fall nichtlinearer Probleme können
bei symmetrischen Bedingungen allerdings auch asymmetrische Lösungen
7.3 Beispiele 121

existieren. Ein einfaches Beispiel hierfür sind die Eulerschen Knickstäbe


(vgl. Abb. 7.17). Diese sind symmetrisch und werden ebenfalls durch eine
symmetrisch eingeleitete Kraft belastet. Übersteigt allerdings diese Kraft
die kritische Last, so kommt es zum Ausknicken des Stabes. Die nichtaus-
geknickte, symmetrische Lösung wird beim Überschreiten der Knicklast
instabil und es existieren mehrere, asymmetrische, stabile Lösungen.

Abb. 7.18. Spannungen in einer Kurbelwelle (Quelle: MEDINA-Beispiel, T-


Systems).

Das zweite Beispiel für die Spannungsberechnung ist in Abb. 7.18 gezeigt. Es
stellt die Vergleichsspannungen für einen Teil einer Kurbelwelle unter Bie-
gebeanspruchung dar. Man erkennt deutlich die hohen Spannungen in den
Bereichen mit einem kleinen Radius.

7.3.2 Eigenschwingungen
Ein weiterer, wichtiger Anwendungsfall für kontinuumsmechanische Berech-
nungen ist die Bestimmung von Eigenfrequenzen und Eigenformen. In Abb.
7.19 sind die Deformationen des Lüfters zu unterschiedlichen Zeitpunkten dar-
gestellt. Zum einen erkennt man die Deformation an der räumlichen Darstel-
lung der Knotenverschiebungen.
Zum anderen sind auch die Absolutwerte der Gesamtverschiebungen durch
Graustufen dargestellt. An diesen erkennt man, dass es sich bei der Eigen-
form um eine Schwingung mit einer Knotenlinie der Lüfterschaufeln handelt;
122 7 Statik und Dynamik

die Schaufeln sind in der Mitte fest eingespannt. Bei einfachen geometrischen
Formen kann man die Eigenfrequenzen, die zu diesen Eigenformen gehören,
abschätzen. Eine Möglichkeit für die Abschätzung für lineare, elastische Syste-
me bietet der Rayleigh-Koeffizient, mit dessen Hilfe man eine obere Schranke
für die kleinste Eigenfrequenz berechnen kann.

Abb. 7.19. Verformungen eines Lüfters (Quelle: MEDINA-Beispiel, T-Systems).

Anmerkung 7.15.

• Die in Abb. 7.19 dargestellten Absolutwerte haben keinen physikalischen


Wert, da man sie beliebig skalieren kann. Der Lüfter schwingt nicht mit den
angegebenen Amplituden, wenn man ihn nicht mit genau diesen Amplitu-
den anregt. Wichtig sind bei den Eigenformen also nicht die Absolutwerte,
sondern die relativen Werte.
• Man kann die Eigenformen dazu verwenden, die erzwungenen Schwingun-
gen eines Systems zu bestimmen.
8
Finite-Elemente-Vernetzungen

In diesem Kapitel werden unterschiedliche Elementtypen vorgestellt. An Bei-


spielen wird gezeigt, wie sich die Elementtypen auf Ergebnisse auswirken.
Ebenso wird auf die Vernetzungsfeinheit und die Vernetzungsgüte im Hin-
blick auf Ergebnisse eingegangen.

8.1 Finite-Elemente-Typen
Finite-Elemente (FE) können zunächst bezüglich der Dimension eingeteilt
werden. Demnach gibt es eindimensionale (1D), zweidimensionale (2D) und
dreidimensionale (3D) Elemente. Im Kapitel 7 wurden bereits eindimensionale
Elemente für den Dehnstab eingeführt. Dort wurden auch Ansatzfunktionen
gewählt, um die Deformationen innerhalb des Elementes zu erfassen. Im Bei-
spiel waren dies lineare Ansatzfunktionen. Neben den linearen Ansatzfunktio-
nen sind auch quadratische oder kubische Ansatzfunktionen üblich. Geht man
zu Ansatzfunktionen mit noch höherem Grad über oder zu variablem Grad in
Abhängigkeit von der Ergebnisgüte, so spricht man von p-Methoden.
Durch die Wahl von Ansatzfunktionen höherer Ordnung erreicht man zwei
Ziele. Zum einen steigt die Approximationsgüte, und zum anderen passen
sich die Elemente mit höheren Ansatzfunktionen gekrümmter Geometrie bes-
ser an. In Abb. 8.1 sind einige Elementtypen dargestellt. Elementtypen mit
Ansatzfunktionen höherer Ordnung erfordern als Knoten nicht nur die Eck-
punkte sondern auch zwischen den Eckpunkten liegende Knoten.
Die Ansatzfunktionen werden zunächst auf normierten Elementen definiert.
Die Eckpunkte dieser normierten Elemente liegen für ein Dreieckselement z.
B. bei (0, 0), (0, 1) und (1, 0).
Lineare Ansatzfunktionen für dieses normierte Element sind dann:
N1 = 1 − ξ − η , (8.1)
N2 = ξ , (8.2)
N3 = η . (8.3)
124 8 Finite-Elemente-Vernetzungen

Jede Ansatzfunktion ist an genau einem Knoten eins und an den anderen bei-

TRIA9
TRIA3 TRIA6 TRIA7

QUAD4 QUAD8 QUAD9 QUAD12

TETRA8 TETRA20

Abb. 8.1. Finite-Elemente-Typen.

den Knoten null. Ein Element bestehend aus drei Knoten und drei linearen
Ansatzfunktionen wird häufig TRIA3-Element genannt. Ein Dreieckselement
höherer Ordnung wird bestimmt durch sechs Knoten (drei an den Eckpunkten
und drei in der Mitte der Seiten) und durch quadratische Ansatzfunktionen
(diese Elemente werden auch TRIA6-Elemente genannt).
Weitere Dreieckselemente sind 7-Knoten Elemente (ein weiterer Knoten in
der Mitte des Elementes) oder 9-Knoten Elemente (auf jeder Dreieckssei-
te befinden sich zwei weitere Knoten). Dreieckselemente wurden bevorzugt
in der Vergangenheit eingesetzt, als die Finite-Elemente-Methode neu war.
Dreieckselemente besitzen zum einen den Vorteil, dass auch komplexe geome-
trische Flächen mit Hilfe automatischer Vernetzungsprogramme in Dreiecke
eingeteilt werden können und zum anderen dass die Umsetzung in Computer-
programme recht einfach ist.
Die Ergebnisqualität von Dreieckselementen ist nicht so gut wie die von Vier-
eckselementen, so dass man Viereckselemente gegenüber Dreieckselementen
bevorzugen sollte. Bei praktisch relevanten Beispielen wird man allerdings
letztendlich nicht ohne die Verwendung von Dreieckselementen auskommen
(abgesehen von einfachen, geometrischen Sonderfällen). Ein typischer Fall,
bei dem Dreieckselemente vorkommen müssen, ist der Übergang von einem
feinen Vierecksnetz zu einem groben Vierecksnetz. Bei einem solchen Über-
gangsnetz müssen Dreieckselemente eingesetzt werden. In Abb. 8.2 ist ein
8.1 Finite-Elemente-Typen 125

solches Übergangsnetz dargestellt. In der zweiten Reihe von Abb. 8.1 sind un-

20 Knoten

40 Knoten
Abb. 8.2. Übergangsnetz von einem groben zu einem feinen Vierecksnetz.

terschiedliche Viereckselemente dargestellt. Das einfachste Element stellt das


QUAD4-Element dar. Dieses wird beschrieben durch vier Knoten. Die An-
satzfunktion geben wir für den Sonderfall des QUAD4-Elementes an, bei dem
die Knoten bei K1 = (−1, −1), K2 = (−1, 1), K3 = (1, −1) und K4 = (1, 1)
liegen. Für dieses Element wählt man als lineare Ansatzfunktionen:
1
N1 = (1 + ξ) (1 + η) , (8.4)
4
1
N2 = (1 + ξ) (1 − η) , (8.5)
4
1
N3 = (1 − ξ) (1 + η) , (8.6)
4
1
N4 = (1 − ξ) (1 − η) . (8.7)
4
Man erkennt, dass die Ansatzfunktionen an genau einem Knoten eins sind
und an den restlichen drei Knoten null.
Man nennt diese Elemente auch bilineare Elemente, da die Ansatzfunktionen
bei einem festgehaltenen Argument linear bezüglich des anderen Argumentes
sind. Erweitert man die Ansatzfunktionen um quadratische Funktionen
1 
N5 = 1 − ξ 2 (1 − η) , (8.8)
2
1  
N6 = (1 + ξ) 1 − η 2 , (8.9)
2
1 
N7 = 1 − ξ 2 (1 + η) , (8.10)
2
1  
N8 = (1 − ξ) 1 − η 2 , (8.11)
2
so erhält man die Ansatzfunktionen für ein QUAD8-Element. Auch hier er-
kennt man, dass die Ansatzfunktionen bei genau einem Knoten eins und bei
den anderen Knoten null sind, wobei die Knoten bei K5 = (−1, 0), K6 = (1, 0),
K7 = (0, −1) und K8 = (0, 1) liegen.
Bei dem QUAD4-, QUAD8- und bei einem QUAD12-Element liegen die
126 8 Finite-Elemente-Vernetzungen

Knoten jeweils auf dem Rand. Man nennt diese Elemente auch Serendipity-
Elemente1 . Die Wahl der Ansatzfunktionen erscheint vom Gesichtspunkt des
Polynomgrades etwas willkürlich, da zum Beispiel beim QUAD8-Element kei-
ne Terme ξ 2 η 2 auftauchen. Bei den sogenannten Lagrangeschen Elementtypen
hingegen findet man alle Potenzen wieder. Aus diesem Grund benötigt man
allerdings zusätzliche Knoten, so zum Beispiel einen zusätzlichen Knoten in
der Mitte eines QUAD8-Elementes, um mit der Ansatzfunktion
  
N9 = 1 − ξ 2 1 − η 2 (8.12)

ein QUAD9-Element zu erhalten. Ähnlich verhält es sich für QUAD12-


Serendipity-Elemente und QUAD16-Lagrange-Elemente.
Die Ansatzfunktionen müssen durch eine geeignete Transformation von dem
Element zwischen den Knoten K1 bis K4 auf die tatsächliche Lage der Knoten
(im Raum) transformiert werden.
Die Deformation eines zweidimensionalen Elementes wird durch die Ansatz-
funktionen beschrieben, wobei für Platten und Scheiben neben den drei Ver-
schiebungen u, v und w auch die Verdrehungen α und β der Querschnitte um
die in der Elementebene liegenden Achsen durch die Ansatzfunktionen erfasst
werden. Für die Deformation des Elementes senkrecht zur Ebene gilt dann
(analog für die Funktionen u, v, α, β):


4
w (ξ, η) = ŵi (t) Ni (ξ, η). (8.13)
i=1

Bei der Vorgabe der drei kartesischen Deformationskoordinaten und der bei-
den Verdrehungen geht man meist von der Plattentheorie nach Mindlin-
Reissner für die Biegung aus.
Bei der Vorgabe der Verschiebungen u, v und w sind die durch die Elemente
dargestellten Funktionen stetig, i. Allg. aber nicht stetig differenzierbar.
Stetige Differenzierbarkeit erreicht man zum Beispiel mit sogenannten Argiris-
Elementen. Bei diesen gehen neben den Verschiebungen auch die erste und
zweite Ableitung an den Knoten in die Ansatzfunktionen ein.

8.2 Numerische Integration (Quadratur)


Mit Hilfe der Verschiebungsansätze lassen sich Verzerrungen und Spannun-
gen berechnen. Mit diesen Größen lassen sich dann die Bewegungsgleichungen
(z. B. mit dem Prinzip der virtuellen Arbeit) aufstellen. Bei dem einfachen
Beispiel des Stabes aus Kapitel 7 konnten die Integrale zur Bestimmung der
1
Man bezeichnet im Englischen nützliche aber unerwartete Entdeckungen, die man
auf der Suche nach etwas anderem macht, als Serendipity. Das Wort wurde von
Horace Walpole im Jahre 1754 geprägt auf Grund einer persischen Sage The

Three Princes of Serendip“(Serendip ist ein alter persischer Name für Sri Lanka).
8.2 Numerische Integration (Quadratur) 127

gesamten Energie leicht analytisch ausgewertet werden. Bei verwickelter zwei-


dimensionaler Geometrie ist dies allerdings nicht sinnvoll. Man setzt daher zur
Berechnung der bestimmten Integrale für jedes Element eine sogenannte Qua-
draturformel ein. Eine Quadraturformel Q hat die folgende Gestalt:

n
Q [f ] = αi f (ξi ). (8.14)
i=1

Die Werte αi heißen Gewichte, die Argumente ξi heißen Stützstellen. Durch


geeignete Wahl der Gewichte und der Stützstellen kann man erreichen, dass
der Fehler E [f ],
b
E [f ] = f (x)dx − Q [f ] (8.15)
a
vom Betrag her klein wird. Die Anzahl der Funktionsauswertungen n ist die
Ordnung der Quadraturformel.
Es gibt genau ein Qudraturverfahren (ein Verfahren ist eine Folge von Qua-
draturformeln steigender Ordnung), dessen Quadratformeln QnG n-ter Ord-
nung für Polynome (2n − 1)-ten Grades (also Polynome der Form p(x) =
a0 + a1 x + . . . + a2n−1 x2n−1 ) exakt sind. Für jedes Polynom (2n − 1)-ten
Grades gilt für diese Quadraturformel QnG der Ordnung n also:
b
QnG [p] = p(x)dx; (8.16)
a
n
der Fehler EG [p] ist null. Man nennt diese (eindeutig bestimmten) Quadra-
turverfahren Gaußsche Verfahren.
Diese Gaußschen Quadraturverfahren sind zunächst lediglich für den ein-
dimensionalen Fall definiert. Wir gehen im Folgenden von dem Einheits-
Viereckselement aus, das durch die Knoten K1 = (−1, −1), K2 = (−1, 1),
K3 = (1, −1) und K4 = (1, 1) gebildet wird.
Es seien ξ1 , . . . , ξn die Stützstellen der Gauß-Quadratur n-ter Ordnung auf
dem Intervall [−1, 1], dann erhält man durch ηi = ξi , i = 1, . . . , ξn und ξi ,
i = 1, . . . , ξn eine Anzahl von n2 Punkten (hier dargestellt durch Tupel):
ζ i,j = (ξi , ηj ) i = 1, . . . , n ; j = 1, . . . , n. (8.17)

Es sei q ein Polynom (2n − 1)-Grades in den Veränderlichen ξ und η:



2n−1
q= βn1 ,n2 ξ n1 η n2 . (8.18)
n1 ,n2 =0
n1 +n2 ≤2n−1

In diesem Polynom tauchen Potenzen von ξ und η maximal bis zur Ordnung
2n − 1 auf. Da Quadraturformeln im eindimensionalen Fall ein lineares Funk-
tional darstellen (also eine lineare Abbildung vom Raum der integrierbaren
128 8 Finite-Elemente-Vernetzungen

Funktionen in den dazugehörenden skalaren Körper), erhält man leicht eine


Quadraturformel für den zweidimensionalen Fall (analog für den dreidimen-
sionalen Fall). Linearität des Funktionals bedeutet (es seien f und g zwei
Funktionen und α ein Skalar):

Q [f + g] = Q [f ] + Q [g] , (8.19)
Q [αf ] = αQ [f ] . (8.20)

Die Quadraturformel QK für den zweidimensionalen Fall (auch Kubaturformel


genannt) erhält man mit den Gewichten der Gaußschen Quadratur αi , i =
1, . . . , n:
n n
QK [r] = αi αj r (ξi , ηj ). (8.21)
n=1 j=1

Man sieht unmittelbar, dass der Fehler für q verschwindet:


⎡ ⎤
1 1
⎣ q (ξ, η) dη ⎦ dξ = QK [q], (8.22)
−1 −1

wenn man die Linearitätseigenschaften des Integrals und der Kubaturformel


QK ausnutzt.
Die Gaußpunkte (also die Stützstellen) für die ersten drei Gaußschen Quadra-
turformeln sind:
n=1: ξ1 = 0,
n=2: ξ1 = − √13 , ξ2 = √13 (8.23)
√ √
n = 3 : ξ1 = − 0, 6 , ξ2 = 0 , ξ3 = 0, 6 .

Anmerkung 8.1.

• Ist der Polynomgrad der Ansatzfunktionen N und wendet man die Gauß-
sche Quadratur (oder Kubaturformeln) mit n Stützstellen an, so spricht
man von vollständiger Integration (complete integration), wenn gilt:

N ≤ 2n − 1. (8.24)

Für diesen Fall werden die Ansatzfunktionen exakt integriert.


• Für den Fall, dass
N > 2n − 1 (8.25)
gilt, spricht man von reduzierter Integration (reduced integration).
Die reduzierte Integration wird eingesetzt, um Rechenzeit einzusparen oder
um bestimmte Steifigkeitseffekte zu kompensieren.
Eine Folge der reduzierten Integration ist das Aufreten sogenannter Null-
Energie-Moden. Das sind Deformationen des FE-Netzes, die wegen der
8.2 Numerische Integration (Quadratur) 129

reduzierten Integration keinen Energiebeitrag liefern. Man nennt die Null-


Energie-Moden (zero energy modes) auch Hourglass-Moden.
In Abb. 8.3 sind die Null-Energie-Moden für ein Netz bestehend aus vier
QUAD4-Elementen dargestellt (die dargestellten Null-Energie-Moden tre-
ten bei Verschiebungen in der Ebene auf; es gibt auch Null-Energie-Moden
mit Verschiebungen aus der Ebene heraus).

Gaußpunkt
Knoten

Abb. 8.3. Ebene Hourglassmoden.

Anmerkung 8.2. Betrachtet man das in Abb. 8.4 dargestellte QUAD4-Element,


an dem zwei Momente angreifen, so erkennt man, dass die linearen Ansatz-
funktionen nicht in der Lage sind, die reine Biegung (die aufreten müsste)
abzubilden. Bei dieser reinen Biegebelastung dürften im Idealfall lediglich
Normalspannungen auftreten. Durch die linearen Ansatzfunktionen gibt es
allerdings große Scherspannungen (sogenannte parasitäre Scherspannungen).
Diese führen zu einer künstlichen Versteifung der Elemente. Diese Versteifung
nennt man Shearlocking.
Um den Effekt des Shearlocking abzumildern, kann ebenfalls die reduzier-
te Integration eingesetzt werden. Setzt man Quadraturformeln ein, die gezielt
Polynomanteile ausblenden, um das Shearlocking abzumildern, so spricht man
von selektiver reduzierter Integration (selected / selective reduced integrati-
on).

M M M M

Shearlocking Reine Biegung

Abb. 8.4. Shearlocking.

Anmerkung 8.3. Neben dem Shearlocking sind weitere sogenannte Locking-


Effekte bekannt (z. B. das Membranelocking). Unter Locking-Effekten ver-
steht man Effekte, bei denen Strukturen zu geringe Deformationen aufweisen,
130 8 Finite-Elemente-Vernetzungen

anschaulich also zu steif sind. Ein mathematischer Ansatz zur Definition des
Locking findet sich in [16], S. 254.

8.3 Spannungsberechnung
Neben der Deformationsberechnung spielt die Berechnung von Spannungen
eine wesentliche Rolle bei der Anwendung von Finite-Elemente-Analysen. Die
Verzerrungen ergeben sich aus den Deformationen durch Ableiten. Gibt man
also lineare Deformationen vor, so sind die Verzerrungen und damit auch
die Spannungen konstant innerhalb eines Elementes (für ein FE-Netz ist
die Spannungsverteilung also unstetig). Die Güte der Spannungsberechnung
steigt signifikant mit dem Grad der Ansatzfunktionen. Aus diesem Grund sind
QUAD8-Elemente den QUAD4-Elementen vorzuziehen.
Für QUAD8- und QUAD9-Elemente gibt es gegenüber TRIA6-Elementen
einen entscheidenden Vorteil. Es gibt optimale Gaußpunkte für die Spannun-
gen, so dass die Spannungsberechnung so genau ist wie bei quadratischer
Abhängigkeit der Spannungen von den unabhängigen Variablen. Diese opti-
malen Gaußpunkte gibt es für die TRIA6-Elemente nicht. Dies ist auch der
Grund dafür, dass ein FE-Netz aus QUAD8-Elementen bessere Ergebnisse lie-
fert, als das gleiche Netz, bei dem alle QUAD8-Elemente durch zwei TRIA6-
Elemente ersetzt wurden. Ist die Anzahl der Dreieckselemente klein gegenüber
der Anzahl der Viereckselemente, so werden die Ergebnisse kaum schlechter.

8.4 Elementqualität
Die Qualität von Elementen (an dieser Stelle ist die Verteilung der Knoten und
nicht die Güte der Ansatzfunktionen gemeint) hat Einfluss auf die Güte der
Berechnung. Programme zur automatischen Vernetzung bieten die Möglich-
keit, die Qualität von Elementen zu überprüfen. In 8.5 sind vier Gütekriterien
dargestellt: Aspect ratio, taper, skew und warping. Alle Kriterien geben den
Grad der Abweichung vom quadratischen Element an. Das Warping-Qualitäts-
maß erhält man, wenn man ein Viereckselement durch eine Diagonale in zwei
Dreiecke einteilt und den Winkel zwischen den Normalen der beiden Dreiecke
als Gütekriterium heranzieht. Je größer der maximal dabei auftretende Winkel
ist (je nach Lage der Diagonalen) desto schlechter ist die Qualität des Ele-
mentes. In Abb. 8.6 sind drei Qualitätsmerkmale (warping, aspect ratio und
skewangle) am Beispiel eines Kotflügels dargestellt. Die schlechten Elemente
sind dabei hellgrau markiert.

8.5 Beispiele
In diesem Abschnitt werden Beispielrechnungen für statische und dynamische
Aufgabenstellungen vorgestellt. Wir beginnen mit einer Eigenfrequenzanalyse
8.5 Beispiele 131

Abb. 8.5. Gütekriterien für Finite Elemente.

Abb. 8.6. Gütekriterien am Beipiel eines Kotflügels (MEDINA-Beispielfile).

einer Platte (Länge der Platte: 200 mm, Breite der Platte: 20 mm, Dicke der
Platte: 0,5 mm, E = 2,06 · 1011 N/m2 , ρ = 7850 kg/m3 ). Die Platte schwingt
frei, ist also nicht eingespannt. In Abb. 8.8 sind im rechten Teilbild die ersten
fünf Eigenformen dargestellt. Wir beschränken uns in unserer Betrachtung
auf die Eigenfrequenzen zu den Eigenformen 1, 2, 3 und 5. Die Frequenz zur
132 8 Finite-Elemente-Vernetzungen

Eigenform 4 betrachten wir nicht im Detail. Die Eigenfrequenzen wurden mit


Hilfe der folgenden Vernetzungen bestimmt:
QUAD4 (40 Elemente), QUAD 8 (40 Elemente), QUAD4 (160 Elemente),
QUAD8 (160 Elemente), QUAD4 (469 Elemente), TRIA3 (328 Elemente),
TRIA3 (1110 Elemente), gemischtes Netz aus QUAD4 und TRIA3 (272 Ele-
mente), gemischtes Netz aus QUAD4 und TRIA3 (176 Elemente).
Die unterschiedlichen Netze sind ebenfalls in Abb. 8.7 erkennbar. Die Er-

QUAD4, n = 40
QUAD8, n = 40

QUAD4, n = 160
QUAD8, n = 160

QUAD4, n = 469

TRIA3, n = 328

TRIA3, n = 1110

Mix, n = 272

Mix, n = 176
Abb. 8.7. Vernetzungen unterschiedlicher Feinheit und mit unterschiedlichen FE-
Typen.

gebnisse werden verglichen mit den Eigenfrequenzen eines freischwingenden


Euler-Bernoulli-Balkens. Der E-Modul für diesen Euler-Bernoulli-Balken wur-
de wie bei der Platte gewählt. Das Flächenmoment zweiten Grades wurde
3
angepasst an die Abmessungen der Platte (I = bh 12 , b = 20 mm, h = 0, 5
mm). Die prozentualen Abweichungen sind in dem Diagramm von Abb. 8.8
zu erkennen. Wir betrachten zunächst die drei Vernetzungen mit QUAD4-
Elementen (40, 160, 469 Elemente). Man erkennt, dass alle vier dargestellten
Eigenfrequenzen mit steigender Anzahl von Elementen sinken. Dieses Verhal-
ten ist für Spezialfälle auch theoretisch ableitbar und prinzipiell zu erwarten,
wenn man von groberen zu feineren Vernetzungen übergeht. Man kann al-
so davon ausgehen, dass Eigenfrequenzberechnungen mit Finite Elementen i.
8.5 Beispiele 133

1,8
1,6

Abweichung in %
1,4
1,2
1
0,8
0,6 4. Eigenform
0,4
0,2
0
-0,2 Freq
Freq uenz 5
40

u
Freq enz 3
40

0
n=

60 Freq uenz 2
16
n=

8
46
1

0
uenz

32
,

n=
D4

8,

n=

2
11
n= 1

6
27
n=
AD

17
4,
A

=1
8,

n=
QU

AD

4,

n=
QU

AD

,n
,
AD

IA3

x,
QU

IA3

x,
QU

Mi
QU

Mi
TR

TR

f1 = 65,865 Hz

f2 = 181,562 Hz

f3 = 355,935 Hz

f5 = 588,379 Hz

Abb. 8.8. Abweichungen der Eigenfrequenzen einer frei schwingenden Rechteck-


platte von den Eigenfrequenzen eines Euler-Bernoulli-Balkens.

Allg. höhere Eigenfrequenzen ergeben, als Messungen ergeben würden. Und


man kann (unter bestimmten Voraussetzungen) davon ausgehen, dass eine fei-
nere Vernetzung eine niedrigere Eigenfrequenz ergibt.
Ein ähnliches Verhalten kann man auch bei den beiden Vernetzungen mit den
QUAD8-Elementen erkennen sowie bei den Dreiecksvernetzungen mit TRIA3-
Elementen und bei den gemischten Vernetzungen mit TRIA3- und QUAD4-
Elementen. Vergleicht man die Ergebnisse für die QUAD4- und QUAD8-Ver-
netzungen, so erkennt man deutlich, dass die QUAD8-Vernetzungen kleinere
Eigenfrequenzen und somit bessere Ergebnisse erzielen. Dies gilt sowohl für
die Vernetzung mit 40 QUAD8-Elementen als auch für die Vernetzung mit
160 QUAD8-Elementen.
Die reinen Dreiecksvernetzungen mit TRIA3-Elementen sind hier lediglich
der Vollständigkeit halber aufgeführt. Man sollte, wenn es möglich ist, von
reinen Dreiecksvernetzungen Abstand nehmen. Man erkennt, dass die Eigen-
frequenzen der Vernetzung mit TRIA3-Elementen (n = 328) zwar in ähnli-
134 8 Finite-Elemente-Vernetzungen

cher Größenordnung wie die Eigenfrequenzen der Vernetzung mit QUAD4-


Elementen (n = 469) liegen, man erkennt aber auch, dass eine Verdreifachung
der Elementanzahl (n = 1110) kaum eine Verbesserung der Ergebnisse her-
vorruft.
Obwohl die vermischten Vernetzungen mit z. B. 176 Elementen ein schlech-
teres Ergebnis liefern als die Vernetzung mit 160 QUAD4-Elementen, sollte
man daraus nicht den Schluss ziehen, dass vermischte Vernetzungen prinzi-
piell zu vermeiden sind. In Anwendungen aus der Praxis ist es unmöglich,
ohne vermischte Vernetzungen auszukommen. Das schlechtere Abschneiden
der vermischten Vernetzungen gegenüber der reinen QUAD4-Vernetzung ist
in diesem Fall darauf zurückzuführen, dass die QUAD4-Vernetzungen sehr gut
an die zu berechnenden Eigenformen angepasst sind. Dieses Verhalten sollte
aus diesem Grund nicht verallgemeinert werden. Die Vernetzungen sind im
Detail in Abb. 8.7 aufgeführt.
Die vermischten Vernetzungen sind jeweils darauf zurückzuführen, dass die
Anzahl der Knoten am unteren und am oberen Ende nicht übereinstimmen.
Bei den Dreiecksvernetzungen erkennt man, dass diese im mittleren Bereich
jeweils sehr gleichmäßig sind, im äußeren Bereich jedoch unregelmäßig er-
scheinen. In Abb. 8.9 sind Ergebnisse der einseitig fest eingespannten Platte
N
gezeigt, die am freien Ende mit einer Streckenlast von 0, 1 20mm belastet wird.
In den beiden Diagrammen ist zum einen links die Absenkung und zum ande-
ren rechts die maximale von Mises-Spannung in den Platten dargestellt. Die
Absenkung wird verglichen mit der Absenkung eines entsprechenden Euler-
Bernoulli-Balkens. Die von Mises-Spannung wird ebenfalls verglichen mit der
maximalen Spannung an der Einspannstelle eines Euler-Bernoulli-Balkens.
Man erkennt an den Plattenabsenkungen, dass diese bei allen Vernetzungen
kleiner ist als die des Euler-Bernoulli-Balkens. Auch hier erkennt man also,
dass die Finite-Elemente-Struktur steifer ist als die tatsächliche Struktur. Ver-
gleicht man die Vernetzung mit den QUAD4-Elementen (n = 40, n = 160, n
= 469) so erkennt man, dass die Struktur mit steigender Elementzahl wei-
cher wird. Ansonsten sind die Ergebnisse der Absenkung recht genau, und die
Änderungen mit der Anzahl der Elemente ist klein.
Das Verhalten für die von Mises-Spannung ist ähnlich. Die Abweichung der
von Mises-Spannung im Vergleich zum Euler-Bernoulli-Balken fällt mit stei-
gender Elementzahl. Beim Vergleich der Spannungen des Euler-Bernoulli-
Balkens mit denen der Finite-Elemente-Rechnung in Bezug auf die von Mises-
Spannung muss betont werden, dass ein Vergleich nur sehr beschränkt möglich
ist, da die Einspannungen der Finite-Elemente einen deutlichen Einfluss auf
die maximal auftretenden von Mises-Spannungen haben.
In Abb. 8.10 werden drei Dreiecksvernetzungen miteinander verglichen. Zusätz-
lich zu den bisher betrachteten Dreiecksvernetzungen ist eine Vernetzung mit
n = 52 Elementen aufgenommen worden. Verglichen sind jeweils die fünf Ei-
genfrequenzen, die Absenkung und die von Mises-Spannung. An diesem Bei-
spiel wird das ungewöhnliche Verhalten deutlich, dass die Abweichung mit
steigender Elementanzahl größer wird (wenn man z. B. die Eigenfrequenzen
8.5 Beispiele 135

v. Misesspg.
18
16
14

Abweichung in %
12
10
8
6
4
2
0
0

0
AD =4

0
=4

0
AD =16
n

9
AD =16

8
n

46
4,

32

10
8,

72
n
AD

n=
n

76
n=

11
4,

=2
8,
U

=1
AD

n=
4,
U

,n
Q

3,
Q

,n
U

3,
IA

ix
U
Q

ix
IA
U

M
Q

TR

M
Q

TR
0 Absenkung

-0,2
Abweichung in %

-0,4

-0,6

-0,8

-1

-1,2
40 40 0
n= n= 16 60 9
4, 8, n= =1 46 32
8
10
AD D 4 , ,n n= n= 11 72 6
U U
A D D8 4 ,
n= =2 17
Q Q U
A A A D
A3 ,
3 , x ,n , n=
Q U I i x
Q U IA M i
Q TR TR
M

Abb. 8.9. Abweichungen der Absenkung und der maximalen von-Mises-Spannung.

2, 3 und 5 für die Vernetzung n = 328 und n = 1110 Elemente vergleicht).


Die Abweichungen für die sehr grobe Vernetzung für die Eigenfrequenz 1, 2, 3
und 5 sind sehr gering. Dieses sehr gute Ergebnis sollte nicht über die anderen
136 8 Finite-Elemente-Vernetzungen

TRIA3, n=52
0,8 TRIA3, n=328
0,6 TRIA3, n=1110

Abwechung in %
0,4
0,2
0
-0,2
-0,4
-0,6
-0,8
-1
-1,2
8
1

2
nz

Abweichung in %
3
nz

4
nz
e

5
nz
e
qu

g
e

4
qu

nz

un
e
re

qu
re

qu

e
nf

nk
re

qu
nf

re

2
ge

nf

se
re
ge

nf
ge
Ei

Ab
nf
ge
Ei

0
Ei

ge
Ei

Ei

-2
-4
-6
-8

g
sp
es
TRIA3, n=52

is
M
n
TRIA3, n=328

vo
TRIA3, n=1110

von Mises-Vergleichsspannung

0 28,6

Abb. 8.10. Dreiecksvernetzungen.

Unzulänglichkeiten einer Dreiecksvernetzung hinwegtäuschen.


Die Konvergenz in Bezug auf die Absenkung ist im Sinne der Feinheit der
Vernetzungen richtig. Die großen Abweichungen bei der von Mises-Spannung
und der Vorzeichenwechsel bei der Abweichung lässt die Schwächen der Drei-
ecksvernetzung in Bezug auf Spannungsberechnungen klar erkennen. In Abb.
8.10 ist unten links beispielhaft die von Mises-Vergleichsspannung für ein fei-
nes QUAD4-Netz dargestellt. Man erkennt hier deutlich, dass der Einfluss der
Einspannungen am linken Ende nicht zu vernachlässigen ist.

8.6 Abschätzungen
Der Anwender von CAE-Software sollte jederzeit seine Ergebnisse durch
Abschätzungen oder auf Grund seiner Erfahrung überprüfen können. Hilf-
reich sind dazu Rechnungen mit einfachen geometrischen Bauteilen, um zu-
mindest die Größenordnung bestimmen zu können. In dem folgenden Beispiel
werden wir die Absenkung und die Eigenfrequenzen 1, 2, 3 und 5 aus den
FE-Beispielen abschätzen.
Die Absenkung eines einseitig fest eingespannten Euler-Bernoulli-Balkens
kann man Standardwerten der Technischen Mechanik oder Nachschlagewer-
8.6 Abschätzungen 137

ken aus dem Maschinenbau entnehmen:


F 3
f= . (8.26)
3EI
Hier ist f die Absenkung, F die Kraft, die Länge, I das Flächenmoment
zweiten Grades und E der E-Modul.
Für das Flächenmoment I gilt:

bh3
I= , (8.27)
12
wobei b die Breite des Balkens und h die Höhe ist.
Gehen wir von F = 0, 1 N, = 0, 2 m, E = 2, 06 · 1011 mN2 , b = 0, 02 m und
h = 5 · 10−4 m aus, so erhalten wir für f :

f ≈ 6, 21mm. (8.28)

Die Eigenschwingungen eines freien Euler-Bernoulli-Balkens lassen sich in ach-


sensymmetrische und punktsymmetrische Eigenschwingungen einteilen. Aus
der Feldgleichung
EIwIV + µẅ = 0 (8.29)
erhält man mit Hilfe eines Ansatzes der Form w (x, t) = ŵeiωt eκx vier Werte
für κ: %
κ1,2 = ± ω EI µ
,
% (8.30)
κ3,4 = ±i ω EI .µ

Die Exponentialfunktion für die rein reellen Werte für κ (κ1,2 ) kann man zu
zwei hyperbolischen Funktionen linear kombinieren:
1  κx 
cosh (κx) = e + e−κx , (8.31)
2
1  κx 
sinh (κx) = e − e−κx , (8.32)
2
wobei  
µ
κ= ω (8.33)
EI
ist.
Ebenso können die Exponentialfunktionen für die rein imaginären Eigenwerte
κ zu trigonometrischen Funktionen linear kombiniert werden:
1  iκx 
cos (κx) = e + e−iκx , (8.34)
2
1  iκx 
sin (κx) = e − e−iκx . (8.35)
2i
138 8 Finite-Elemente-Vernetzungen

Die achsensymmetrischen Eigenformen wa und die punktsymmetrischen Ei-


genformen wp lassen sich dann schreiben als (der Balken erstreckt sich von
x = − /2 bis x = /2):

wa (x, t) = eiωt (α1 cos(κx) + α2 cos h(κx)) , (8.36)


wp (x, t) = eiωt (α3 sin(κx) + α4 sin h(κx)) . (8.37)

An den Enden werden weder Kräfte noch Momente eingeleitet, die dritte und
die zweite Ableitung müssen also an den Enden verschwinden. Daraus erge-
ben sich für α1 , α2 und für α3 , α4 jeweils vier Gleichungen, wobei jeweils zwei
Gleichungen von den beiden anderen linear abhängig sind. Für die achsen-
symmetrischen Eigenformen ergeben sich die beiden Gleichungen:
⎛    ⎞⎛ ⎞ ⎛ ⎞
−κ2 cos κ 2 κ2 cosh κ 2 α1 0
⎝ ⎠⎝ ⎠ = ⎝ ⎠. (8.38)
   
κ3 sin κ 2 κ3 sinh κ 2 α2 0

Daraus folgt    

0 = tan κ + tanh κ . (8.39)
2 2
Analog erhält man:
⎛    ⎞⎛ ⎞ ⎛ ⎞
−κ2 sin κ 2 κ2 sinh κ 2 α3 0
⎝ ⎠⎝ ⎠ = ⎝ ⎠. (8.40)
   
−κ3 cos κ 2 κ3 cosh κ 2 α4 0

Daraus folgt:    

0 = tanh κ − tan κ . (8.41)
2 2
Aus den Lösungen für κ 2 der beiden Gleichungen, erhält man die Kreisfre-
quenz ω:

2 EI
ω=κ (8.42)
µ

Ebh3
= κ2 (8.43)
12ρbh
cs h
= κ2 √ . (8.44)
12

Hier ist cs = E/ρ die Schallgeschwindigkeit von Stahl (cs = 5122, 70 m/s
für E = 2, 06 · 1011 N/m2 und ρ = 7850kg/m3 ).
Die sich daraus ergebenden Eigenfrequenzen sind:
Gerade: f1 = 65,820 Hz, f3 = 355,695 Hz,
Ungerade: f2 = 181,440 Hz, f5 = 587,982 Hz.
8.6 Abschätzungen 139

Die maximalen Spannungen an der Einspannstelle des Balkens lassen sich mit
Hilfe des Momentes bestimmen. Das Schnittmoment an der Einspannstelle
ergibt sich zu:
M = F . (8.45)
Daraus folgt für die maximale Spannung σmax :
hM
σmax = . (8.46)
2 I
9
Crashberechnung und Insassensimulation

In diesem Kapitel werden Grundlagen der Crashberechnung und der Insassen-


simulation vorgestellt. Beide Berechnungsmethoden dienen der Verbesserung
der Fahrzeugsicherheit, also einer Reduzierung der Wahrscheinlichkeit, dass
ein Insasse oder ein Fußgänger durch einen Unfall verletzt wird. Zunächst wird
im ersten Abschnitt eine Einführung gegeben. Im zweiten Abschnitt werden
elasto-plastische Materialgesetze vorgestellt. Im dritten Abschnitt wird der
zweite, essentielle Bestandteil von Crashprogrammen, die Kontaktalgorith-
men, erklärt. Der vierte Abschnitt behandelt weitere, wichtige Aspekte der
Crashberechnung. Im fünften Abschnitt werden Insassenmodelle (sogenannte
Dummymodelle) vorgestellt. Im sechsten Abschnitt folgen einige Beispiele.

9.1 Einführung
Bei Kraftfahrzeugen unterscheidet man die sogenannte aktive und die passi-
ve Sicherheit. Die aktive Sicherheit wird durch Systeme beeinflusst, die einen
Unfall verhindern können (z. B. ABS, ESP). Passive Sicherheitssysteme redu-
zieren bei einem Unfall das Verletzungsrisiko der Insassen. Die Erhöhung der
passiven Sicherheit ist eine Aufgabe der Crash- und Insassensimulation.
Um die passive Sicherheit mit Hilfe von Simulationen beurteilen zu können,
müssen neben dem elasto-plastischen Verhalten des Fahrzeugs auch z. B. Gurt,
Airbag und Dummy rechnerisch erfasst werden.
Die Beurteilung der passiven Sicherheit erfolgt in einer Vielzahl von Crash-
tests, von denen für Seiten- und Frontalkollisionen einige in Abb. 9.1 verdeut-
licht sind. Im Rahmen dieser Tests werden Fahrzeuge (Prototypen oder neue
Serienfahrzeuge) unter reproduzierbaren Versuchsbedingungen z. B. gegen ei-
ne starre Wand gefahren. In den Fahrzeugen sind sogenannte Dummys (also
menschenähnliche Puppen) platziert; diese Dummys sind mit Sensoren aus-
gestattet, deren Messsignale Rückschlüsse auf die Verletzungen zulassen, die
ein menschlicher Insasse bei dem nachgestellten Unfall davongetragen hätte.
142 9 Crashberechnung und Insassensimulation

In Crashtests und in deren Simulationen werden unterschiedliche Aspekte be-


leuchtet:
1. Verletzungsrisiko der Insassen,
2. Verletzungsrisiko von Fußgängern,
3. Verletzungsrisiko von Insassen anderer Fahrzeuge (sogenannte Kompati-
bilitätstests),
4. Auslegung der Rückhaltesysteme (z. B. Zündzeitpunkt des Airbags, Kraft-
niveau des Gurtkraftbegrenzers).
Das Verletzungsrisiko der Insassen wird mit Hilfe der Dummys bestimmt. Da-
zu werden Beschleunigungen, Geschwindigkeiten, Deformationen und Kräfte
herangezogen. Ein Verletzungskriterium, mit dem Verletzungen im Kopfbe-
reich vorhergesagt werden können, ist der sogenannte HIC-Wert (Head Injury
Criterion):
⎡ ⎛ ⎞2,5 ⎤
t2
⎢ 1 ⎥
HIC36 = max ⎣(t2 − t1 ) ⎝ a(t)dt⎠ ⎦ . (9.1)
t2 −t1 =36ms t2 − t1
t1

Hier ist a die Beschleunigung des Dummykopfes angegeben in Vielfachen der


Erdbeschleunigung g, die Zeit muss in s angegeben werden. Kritisch in Bezug
auf lebensgefährliche Verletzungen ist ein Wert von 1000, wobei Insassen bei
modernen Fahrzeugen (bei den in Abb. 9.1 gezeigten Tests) Werte aufweisen,
die deutlich unter 1000 liegen.
Ein weiteres Verletzungskriterium betrifft die Belastung der unteren Extre-
mitäten. Ein Kriterium, das zu dieser Beurteilung dient, ist der sogenannte
Tibia-Index T I:
T I = |FZ /FZ0 | + |MR /MR0 | . (9.2)
Hier ist FZ die Kraft in Längsrichtung des Unterschenkels und MR das Bie-
gemoment. Die Kraft und das Moment werden bezogen auf die Werte FZ0
und MR0 , welche vom Geschlecht, von der Größe und vom Alter abhängen
und stark schwanken. Das Moment MR0 und die Kraft FZ0 liegen in der
Größenordnung 100 Nm bis 300 Nm bzw. 20 kN bis 40 kN. Übersteigt der
Tibia-Index T I den Wert 1, so kommt es mit hoher Wahrscheinlichkeit zu
Verletzungen. Die Längskraft sollte dabei einen Wert von ca. 9 kN nicht über-
steigen, um Verletzungen an den Enden der Tibia zu vermeiden. Dieses Ver-
letzungskriterium, wie auch viele andere, wurde aus Versuchen mit Leichen
entwickelt (man spricht in der Literatur auch von PMTO: Post Mortale Test
Objects). Um Crashberechnungen durchführen zu können, bedient man sich
FE-Modellen für die Fahrzeuge und häufig ebenfalls FE-Modellen der Dum-
mys. Fahrzeug-FE-Modelle bestehen aus ein bis zwei Millionen Elementen.
Die Darstellung der einzelnen Elemente gelingt infolge der Auflösung kaum
noch in einem Gesamtbild. Aus diesem Grund werden Berechnungsergebnisse
häufig ohne die Elementkanten visualisiert. Die ersten Crashmodelle waren
9.1 Einführung 143

Abb. 9.1. Frontal- und Seitencrashtests (nach [48]).

sehr grob diskretisiert. In Abb. 9.2 ist eines der ersten Fahrzeugcrashmodel-
le wiedergegeben. Die Fahrzeug-FE-Modelle sind hochgradig nichtlinear, wo-

Abb. 9.2. Frontalcrashmodell (aus [43]).


144 9 Crashberechnung und Insassensimulation

bei als wesentliche Nichtlinearitäten auftauchen: nichtlineare Materialgesetze


(Elasto-Plastizität), Kontakt-Nichtlinearitäten und geometrische Nichtlinea-
ritäten infolge großer Verformungen. Diese Nichtlinearitäten werden in den
folgenden drei Abschnitten näher erläutert.
In der Crashberechnung ist es allerdings ebenso wichtig, neben der Berück-
sichtigung der Karosserie alle anderen Komponenten des Fahrzeugs im Modell
wiederzugeben. Dazu gehören der Motor, Nebenaggregate, Kühler, Batterie,
Fahrwerkkomponenten etc. In den Abbn. 9.3 und 9.4 sind Teile der Karosserie
weggelassen, und damit ist der Blick freigegeben auf weitere Bestandteile ei-
nes Crashmodells. Ein Teil dieser zusätzlichen Bestandteile wird häufig durch
starre Körper im Modell berücksichtigt.

Abb. 9.3. Crashmodell; einige Teile des Modells sind ausgeblendet (PAMCRASH-
Beispielmodell).

Abb. 9.4. Crashmodell; einige Teile des Modells sind ausgeblendet (PAMCRASH-
Beispielmodell).
9.2 Elasto-Plastizität 145

9.2 Elasto-Plastizität
In diesem Abschnitt werden einige Begriffe aus der Elasto-Plastizität erläutert,
die für ein Grundverständnis von CAE-Programmen, in denen plastische De-
formationen eine Rolle spielen (wie z. B. die Crashberechnung oder die Tief-
ziehsimulation), unumgänglich sind.
Wir beschränken uns dabei auf eine eindimensionale Betrachtung und folgen
der Beschreibung in [103]. Dabei gehen wir aus von der Fließbedingung nach
von Mises (vgl. Kapitel 7) und betrachten Spannungs-Dehnungsdiagramme
für drei Fälle: ideale Plastizität, Plastizität mit isotroper Verfestigung (nicht-
lineare und lineare) und Plastizität mit kinematischer Verfestigung (engl.:
Hardening).
Die jeweiligen Spannungs-Dehnungs-Diagramme sind in Abb. 9.5 wiedergege-
ben. Wir beginnen mit der idealen Plastizität. Deformiert man einen Körper
bis die Spannungen gerade die Fließspannung erreichen, so wird dieser Körper
elastisch deformiert. In Diagramm a) beginnt der elastische Bereich bei σ = 0
und ε = 0. Erreicht die Spannung σ (i. Allg. Fall die Vergleichsspannung) den
Wert der Fließspannung, so bleibt sie auf dem Niveau der Fließspannung. Die
Steigung dieses ersten Bereichs der Spannungs-Dehnungskurve ist gerade der
E-Modul.
Ohne ein weiteres Anwachsen der Kraft nimmt die Verzerrung zu. Anschau-
lich kann man sich dies durch eine Feder vorstellen, die in Reihe mit ei-
nem Coulomb-Element geschaltet ist; ab einer bestimmten Kraft rutscht das
Coulomb-Element und die Kraft kann nicht weiter gesteigert werden.1 Nu-
merisch kann man diese ideale Plastizität schwer berechnen, denn der waage-
rechte Verlauf der Spannungs-Dehnungskurve führt leicht zu Instabilitäten.
Bei numerischen Berechnungen von plastischen Deformationen setzt man
häufig Verfestigungsmodelle ein. In Diagramm b) ist der Spannungs-Dehnungs-
Verlauf für ein sogenanntes isotropes Verfestigungsmodell gezeigt. Auch in
diesem Fall steigt die Spannung zunächst mit der Steigung des E-Moduls bis
zur Fließspannung σ1 an. In diesem ersten Bereich gibt es lediglich elastische
Verzerrungen. Deformiert man über die Fließspannung hinaus, so steigt die
Spannung weiter an. Entlastet man ab einem bestimmten Punkt, so fällt die
Spannungs-Dehnungs-Kurve mit der Steigung E zurück auf σ = 0. Die bei
σ = 0 verbleibende Verzerrung ist die gesamte plastische Verzerrung εP , die
nach diesem Belastungszyklus zurückbleibt.
Würde man nach der Entlastung wieder belasten, so würde die Spannungs--
Dehnungs-Kurve wieder mit der Steigung E anwachsen, dieses Mal allerdings
nicht bis σ1 , sondern bis σ2 . Die Fließspannung hat sich also durch die pla-
1
Stellt man sich die Verhältnisse im dreidimensionalen Spannungsraum vor, so be-
findet sich der Spannungsvektor des Spannungsdeviators immer auf einer Fläche,
der sogenannten Fließfläche. Im einfachsten Fall ist die Fließfläche eine Kugel
oder ein Ellipsoid. Der Spannungsvektor des gesamten Spannungszustands (also
mit dem hydrostatischen Spannungszustand) befindet sich auf einem Zylinder um
die Raumdiagonale.
146 9 Crashberechnung und Insassensimulation

stische Deformation erhöht, bei Belastung in die gleiche Richtung tritt dann
plastisches Fließen erst bei σ2 auf.
Belastet man in die andere Richtung, so unterscheidet man zwei Fälle:
1. Das plastische Fließen tritt bei −σ2 auf, also bei der betragsmäßig glei-
chen Spannung wie bei der ursprünglichen Belastung, bei der plastisches
Fließen die Fließspannung erhöht hat. Man nennt diesen Fall isotrope Ver-
festigung (engl.: isotropic hardening). Von Verfestigung spricht man, da
der Werkstoff wegen der höheren Fließspannung fester ist. Isotrop heißt
die Verfestigung, da die Fließspannung für beide Belastungsrichtungen
größer wird.2
2. In diesem Fall, der sogenannten kinematischen Verfestigung (engl.: kine-
matic hardening, vgl. Abb. 9.5, d), tritt das plastische Fließen bei −σ1
auf; der Werkstoff verhält sich so, als hätte noch gar keine plastische De-
formation stattgefunden. Überschreitet die Spannung die Fließspannung
−σ1 , so tritt plastisches Fließen auf.3

Abb. 9.5. Spannungs-Dehnungs-Diagramme für elasto-plastisches Materialverhal-


ten.

Der Bereich nach Überschreiten der Fließspannung ist in Diagramm b) nichtli-


near. In Berechnungsprogrammen geht man zum Teil auch von einem linearen
Verlauf in diesem Bereich aus. Dies ist in Diagramm c) und d) gezeigt. In dem
Bereich oberhalb der Fließspannung gibt es sowohl plastische als auch elasti-
sche Verformungen.

2
Im dreidimensionalen Fall bedeutet isotrope Verfestigung, dass sich die Fließ-
fläche, also der Zylinder um die Raumdiagonale im Spannungsraum, gleichmäßig
in alle Richtungen senkrecht zur Raumdiagonalen vergrößert.
3
Im dreidimensionalen Fall bedeutet eine kinematische Verfestigung, dass sich die
Fließfläche vergrößert und in eine Richtung verschiebt.
9.2 Elasto-Plastizität 147

In Programmen gibt es unterschiedliche Möglichkeiten, diesen linearen Ver-


lauf durch Parameter zu beschreiben. Man kann zum einen den sogenann-
ten Tangentenmodul Et (engl.: Tangent modulus) als Parameter den Pro-
grammen zur Verfügung stellen. Dieser Tangentenmodul ist die Steigung der
Spannungs-Dehnungs-Kurve nach Überschreiten der Fließspannung (vgl. Abb.
9.5, Diagramm c). Man kann zum anderen auch die Spannungen über dem
plastischen Anteil der Verzerrung εP auftragen. Auch dann ergibt sich eine
Gerade, deren Steigung der plastische Modul K genannt wird (Abb. 9.6). Der
Zusammenhang zwischen dem E-Modul, dem plastischen Modul K und dem
Tangentenmodul Et im Spannungs-Dehnungs-Diagramm c) ist:
EK
Et = . (9.3)
E+K
Der Tangentenmodul Et ist immer kleiner als E und als K. Bei den Bezeich-
nungen sollte ein Anwender aufmerksam die Bedeutung beachten, da K auch
für den Kompressionsmodul verwendet wird.
Bei der Eingabe der Parameter in CAE-Programme sollte man sich immer
darüber im Klaren sein, welcher Parameter (Tangentenmodul Et oder plasti-
scher Modul K) eingegeben werden muss.
Man nennt die Vorgabe von E-Modul E und Tangentenmodul Et einerseits
oder E-Modul E und plastischem Modul K andererseits bilineares Materi-
algesetz. Es gibt in Programmen aber auch die Möglichkeit (wie in Abb.
9.5, b), einen nichtlinearen Verlauf vorzugeben (z. B. durch Vorgabe von
Streckenzügen). Auch hier sollte man sich über die geforderte Eingabe im
Klaren sein: Entweder gibt man die Spannungs-Dehnungskurve für den pla-
stischen Bereich für elastische und plastische Verzerrungen ein (dies ent-
spricht der Angabe des Tangentenmoduls), oder man gibt den Spannungs-
Dehnungsverlauf im Diagramm für die plastischen Dehnungen ein (dies ent-
spricht der Angabe des plastischen Moduls). Erweiterungsmöglichkeiten beste-

Abb. 9.6. Plastischer Modul K im Diagramm der Spannung über der plastischen
Verzerrung und Tangentenmodul Et im Diagramm der Spannung über der gesamten
Verzerrung.
148 9 Crashberechnung und Insassensimulation

hen darin, diese nichtlinearen Kurven für unterschiedliche Dehngeschwindig-


keiten (Dehnrate, strain rate) getrennt vorzugeben. Die Spannungen hängen
dann nicht nur von den Verzerrungen sondern auch von den Verzerrungsge-
schwindigkeiten ab. Diese Kurven kann man direkt numerisch durch Stützstel-

Abb. 9.7. Spannungs-Dehnungskurven für unterschiedliche Dehnraten ε̇.

len definieren. In Abb. 9.7 sind für unterschiedliche Dehnraten die Spannungs-
Dehnungs-Kurven dargestellt. In der Abb. beginnen alle Spannungen bei der
Fließspannung und sind aufgetragen über der plastischen Dehnung.
Neben der Angabe der Kurven (meist durch Streckenzüge, die durch Werte-
paare (σi , εP i ) definiert werden), gibt es auch die Möglichkeit, Streckenzüge
durch Angabe von Paaren (σi , Eti ) festzulegen (vgl. Abb. 9.8). Es gibt aber

Abb. 9.8. Spannungs-Dehnungskurven definiert durch Wertepaare (σi , Eti ).

auch analytische Gesetze, die diese dehnratenabhängigen Werkstoffgesetze er-


fassen. Zwei sind in den folgenden Gleichungen aufgeführt:

   p1 
ε̇
Cowper-Symonds: σ(ε, ε̇) = σ0 (ε) 1 + , (9.4)
D
9.2 Elasto-Plastizität 149
   
1 ε̇
Johnson-Cook: σ(ε, ε̇) = σ0 (ε) 1 + ln max ,1 . (9.5)
p D
Neben herkömmlichen Materialien wie Stahl oder Aluminium kommen in
Fahrzeugen auch viele andere Materialien zum Einsatz. So finden unterschied-
liche Kunststoffe ihre Verwendung, ebenso spielen Schäume sowohl aus me-
tallischen als auch anderen Werkstoffen eine wichtige Rolle im Fahrzeug.
Auch wenn die Energieaufnahme dieser Werkstoffe keine wesentlichen Anteile
bei der Gesamtenergieaufnahme ausmachen (mit Ausnahme von gezielt ein-
gesetzten Metallschäumen), so spielt deren richtige Vorhersage dennoch eine
wichtige Rolle.
Man setzt z. B. Kunststoffe und Schäume gezielt im Vorderwagen ein, um den
Fußgängerschutz zu gewährleisten. Schäume spielen auch bei der Vorhersage
der Insassenkinematik eine entscheidende Rolle bei der Verwendung im Sitz.
In Abb. 9.9 ist der prinzipielle Kraft-Deformations-Verlauf bei einem irreversi-
bel belasteten Schaummaterial zu erkennen. Die Kraft-Verformungs-Kennlinie
beginnt mit einem steil ansteigenden, elastischen Bereich, daran schließt sich
ein fast plateauförmiger Bereich an, der durch einen steilen Anstieg der Kraft
(Kompaktierungsbereich) beendet wird. Bei dem fast plateauförmigen, wenig
ansteigenden Bereich handelt es sich um einen Vorgang, bei dem das Schaum-
gitter zerbricht. In der Kompaktierungsphase sind nahezu alle Zwischenräume
des Materials durch plastische Deformationen verbraucht, so dass lediglich
ein Zusammendrücken des Grundmaterials übrig bleibt. Dieser prinzipielle
Verlauf lässt sich sowohl bei Schäumen, deren Grundmaterial aus Metallen
besteht, als auch bei solchen, deren Grundmaterial aus Kunststoff besteht,
beobachten. In Abb. 9.10 ist das Kraft-Deformations-Verhalten eines Schaum-

Abb. 9.9. Prinzipieller Verlauf von Spannungs-Dehnungskurven für Schaum-


Materialien.
150 9 Crashberechnung und Insassensimulation

blocks aus Aluminium zu erkennen. Deutlich sind hier die drei Bereiche des
Deformationsverhaltens erkennbar. Schwierig bei der Beschreibung des Mate-
rialverhaltens von Schäumen ist die Tatsache, dass bei der Kompression von
Schäumen dieser das typische Kompaktierungsverhalten aufweist, bei einem
reinen Scheren eines Schaumwerkstoffs jedoch nicht (vgl. Abb. 9.10). Ähnli-

Abb. 9.10. Zug-, Scher- und Kompressionstest eines Aluminiumschaums (nach:


Alporas-Produktblatt, Gleich GmbH, Kaltenkirchen).

ches Verhalten findet man bei Honeycomb-Materialien, die z. B. in Frontal-


crashbarrieren eingesetzt werden. Um eine hohe Vorhersagegüte der Crashbe-
rechnung zu erreichen, wurden im Laufe der Weiterentwicklung von Crash-
programmen viele Materialbeschreibungen entwickelt, um z. T. sehr spezielle
Materialien (z. B. [37]) erfassen zu können. Da die Honeycomb-Materialien
für den Frontal- und auch für den Seitencrash eine entscheidende Rolle bei
der Vorhersagegüte spielen, werden hier eigene Materialgesetze bereitgestellt.
9.3 Kontaktalgorithmen 151

9.3 Kontaktalgorithmen
Eine wichtige Rolle in der Crashberechnung spielen Kontakte zwischen ei-
nerseits unterschiedlichen Bauteilen und andererseits einem Bauteil mit sich
selbst, falls sich dieses stark deformiert. Diese Kontakte stellen kinematisch
einseitige Bindungen dar, wenn man sich vorstellt, dass sich die Kontaktpart-
ner (z. B. Blechteile) bei Auftreten eines Kontakts nicht deformieren können.
In der Realität werden sich die Kontaktpartner aber deformieren, und die
Kontaktkräfte können mit Hilfe eines Kraft-Verformungsgesetzes erfaßt wer-
den4 . Anschaulich kann man sich ein solches Kontaktgesetz durch eine kleine
Feder zwischen den sich berührenden Körpern verdeutlichen (vgl. Abb. 9.11).
In Finite-Elemente-Programmen gibt es eine große Vielzahl von Möglichkei-

Abb. 9.11. a) Zwei sich berührende Körper, b) Kontaktsteifigkeit, c) Master-Slave-


Kontakt, d) Selbstkontakt.

4
Der idealisierte Fall einer Kugel (Radius r1 , E-Modul E, Querkontraktionszahl ν),
die gegen eine zweite Kugel (Radius r2 , Elastizitätskonstanten wie die erste Kugel)
mit einer Kraft F gedrückt wird, ist in der Hertzschen Kontakttheorie beschrieben.
Für die Annäherung w0 der Kugelmittelpunkte relativ zu der Lage, in der sich
die Kugeln gerade ohne eine Kontaktkraft berühren, gilt (mit 1/r = 1/r1 + 1/r2 ):

3 2, 25(1 − ν 2 )2 F 2
w0 = . (9.6)
E2r
152 9 Crashberechnung und Insassensimulation

ten, diese Kontaktkräfte zu berechnen. Eine Möglichkeit ist in Abb. 9.11 c) für
einen zweidimensionalen Fall skizziert. Hier sind die Mittellinien der beiden
Körper durch jeweils ein Finite-Elemente-Netz dargestellt. Ein Netz wird als
das sogenannte Slave-Netz definiert, das andere als Master-Netz. Zur Berech-
nung der Kontaktkräfte bestimmt man den Abstand ∆s der Slave-Knoten von
den Master-Segmenten. Auf den Slave-Knoten K1 wirkt dann eine Kraft F
(für dieses Beispiel sei das Kraftgesetz linear):

F = ks (s0 − ∆s) für s0 − ∆s > 0 . (9.7)

Die Größe s0 wird Kontaktdicke genannt. Die Kraft F wird anteilig auf die
Knoten des Master-Segmentes aufgeteilt; auf dessen Knoten wirken die Kräfte
F1 und F2 , deren Summe F ergibt:

F = F1 + F 2 . (9.8)

Mit dem Knoten K2 wird analog verfahren. Der Abstand der Slave-Knoten
und der Master-Segmente entspricht ungefähr der Durchdringung der beiden
Körper. Man nennt diese Art der Kontaktkraftberechnung Penalty-Methode.
Sind Bauteile sehr großen Deformationen unterworfen, so kann es vorkom-
men, dass sich ein Bauteil selber berührt (Abb. 9.11 d). In diesen Fällen
kommen spezielle Kontaktalgorithmen zum Einsatz, bei denen alle Knoten
Slave-Knoten und alle Elemente Master-Segmente sind. Die Kontaktalgorith-
men, die diese Kontaktberechnung durchführen, sind rechenzeitintensiver als
die einfachen Master-Slave-Kontakte.

Anmerkung 9.1.

• Modifikationen der Kontaktalgorithmen erreicht man z. B. durch nichtli-


neare Kraft-Verformungsgesetze, z. B. :

F = k̃S (s0 − ∆s)2 . (9.9)

• Da man bei einem komplexen Vorgang wie einem Fahrzeugcrash nicht


von vornherein weiß, welche Bleche und welche Bereiche miteinander in
Kontakt treten könnten, muss man große Teile eines Fahrzeuges (beim
Frontalcrash z. B. den gesamten Vorderwagen bis zur Spritzwand oder so-
gar bis zu den Sitzen) dahingehend durch einen Algorithmus abprüfen,
ob Kontakte auftreten. Streng genommen müsste man daher den Abstand
eines jeden Knotens gegen jedes Element abprüfen, was bei 500000 Kno-
ten und Elementen eine Zahl von 25 · 1010 Abstandsberechnungen ergeben
würde. Moderne Algorithmen zeichnen sich dadurch aus, dass diese Zahl
deutlich unterschritten wird, dennoch benötigen die Kontaktalgorithmen
in der Crashberechnung einen beträchtlichen Zeitanteil der Rechnerres-
sourcen.
9.4 Weitere Aspekte 153

• In der Crashberechnung werden die partiellen Differentialgleichungen durch


Finite-Elemente-Diskretisierungen in gewöhnliche Differentialgleichungen
überführt. Diese gewöhnlichen Differentialgleichungen werden durch sehr
einfache Einschrittverfahren gelöst, das heißt, dass die Kontaktalgorith-
men lediglich an bestimmten, diskreten Zeitpunkten die Abstände berech-
nen und die Kontaktkräfte lediglich dann auf die Knoten wirken, wenn ein
bestimmter Abstand (z. B. die doppelte Blechdicke) unterschritten wird.
Es gibt Fälle, bei denen sich die Slave-Knoten so schnell bewegen, dass
sie sich bei einer Abstandsberechnung auf der einen Seite und bei der
nächsten Abstandsberechnung auf der anderen Seite der Mastersegmen-
te befinden. Dies ist in Abb. 9.12 dargestellt. Gezeigt sind zwei Finite-
Elemente-Netze zu den Zeitpunkten ti , i = 1, . . . , 4. In diesem Fall bewe-
gen sich die Slave-Knoten so schnell, dass der Kontaktalgorithmus keine
Kräfte auf die Knoten aufbringt und sich die Körper auf diese Weise un-
gehindert durchdringen können. Der Kontaktalgorithmus versagt also bei
zu großen Geschwindigkeiten. Man kann diesem Versagen durch eine Ver-
kleinerung der Zeitschritte ∆ti = ti+1 − ti oder durch eine Vergrößerung
der Kontaktdicke s0 in (9.7) entgegenwirken.
• Der in Abb. 9.11 zweidimensional dargestellte Fall ist auf drei Dimensionen
übertragbar, wenn ein Knoten auf ein Finites Element in dessen Inneren
trifft (Node-Segment). Im Dreidimensionalen gibt es allerdings noch Spe-
zialfälle, die in Abb. 9.13 wiedergegeben sind. Es kann der Fall auftreten,
dass ein Knoten direkt auf eine Ecke trifft (Node-Edge) oder dass zwei
Ecken aufeinander treffen (Edge-Edge). Auch diese Fälle müssen durch
die Kontaktalgorithmen berücksichtigt werden.

9.4 Weitere Aspekte

In diesem Abschnitt werden einige weitere Aspekte der Crashberechnung dar-


gestellt. Im ersten Unterabschnitt wird auf Hourglass-Moden eingegangen. Der
zweite Unterabschnitt beschäftigt sich mit den Zeitschrittgrößen zur Diskreti-
sierung der gewöhnlichen Differentialgleichungen. Im dritten Unterabschnitt
wird auf weitere Aspekte der Crashberechnung eingegangen.

9.4.1 Hourglass-Moden

Die Anzahl der Elemente und Knoten heutiger Crashmodelle liegt in der
Größenordnung von einer bis zwei Millionen. Um Rechenzeit einzusparen, wen-
det man eine Vielzahl von Tricks an, bei denen physikalisch oder mathematisch
vorgegebene Restriktionen zum Teil verletzt werden. Daraus können unsinni-
ge Ergebnisse resultieren, die der Berechnungsingenieur erkennen muss.
Um zum Beispiel die Energie einer Struktur, die durch ein Finite-Elemente-
Netz in einem Modell berücksichtigt wird, berechnen zu können, muss man
154 9 Crashberechnung und Insassensimulation

Abb. 9.12. Durchdringungen bei großen Relativgeschwindigkeiten von Finite-


Elemente-Netzen.

Abb. 9.13. Node-Segment-Kontakt, Node-Edge-Kontakt, Edge-Edge-Kontakt.


9.4 Weitere Aspekte 155

über dieses gesamte Finite-Elemente-Netz integrieren. Zur Einsparung von


Rechenzeit bei der Integration, wertet man die Verformung eines Elemen-
tes nur in dessen Mitte aus (verwendet also nur einen Integrationspunkt pro
Element). Man nennt dies reduzierte Integration. In Abb. 9.14 ist dies exem-

Abb. 9.14. Reduzierte Integration und Hourglass-Moden.

plarisch an einem zweidimensionalen Netz gezeigt (vgl. auch Abb. 8.3). Durch
diese sogenannte reduzierte Integration kann es vorkommen, dass zwar die
Struktur deformiert ist (bei der Integration müsste also Verformungsenergie
errechnet werden), aber die Integration keine Verformungsenergie ergibt. Be-
trachtet man die Struktur im linken Teil von Abb. 9.14, so erkennt man die
Knoten und die Integrationspunkte. Dies sei die nicht deformierte Struktur.
Die deformierte Struktur ist hellgrau im rechten Teil von Abb. 9.14 zu erken-
nen. Es wird eine deutliche Deformation sichtbar. Der Integrationsalgorithmus
errechnet allerdings wieder wie bei der nichtdeformierten Struktur eine ver-
schwindende Verformungsenergie.
Man nennt diese Verformungen, die keinen Beitrag zur Energie liefern, Hour-
glass-Moden. Da der Entstehung dieser Hourglass-Moden keine Kräfte entge-
genwirken, müssen Korrekturalgorithmen eingesetzt werden, die der Entste-
hung entgegenwirken. Diese wiederum bringen Energie in das Gesamtsystem.
Diese Energie muss durch den Nutzer eines Programms kontrolliert werden.
Falls diese Energie zu groß ist, muss das Ergebnis einer Berechnung als un-
brauchbar verworfen werden.

9.4.2 Zeitschritt

Die gewöhnlichen Differentialgleichungen, die in der Crashberechnung nach


Durchführen der räumlichen Diskretisierung vorliegen, werden mit einem im
Wesentlichen konstanten Zeitschritt mit Hilfe eines sehr einfachen Einschritt-
verfahrens gelöst. Die Größe des Zeitschritts wird nicht durch mathematisch
begründete Zeitschrittsteuerungen angepasst, sondern durch physikalisch mo-
tivierte Berechnungen.
Um eine gewisse Stabilität der Zeitschrittintegration zu gewährleisten, be-
trachtet man die Zeit, die eine Welle durch das kleinste Finite-Element
benötigt. Die Wellenausbreitungsgeschwindigkeit ist
156 9 Crashberechnung und Insassensimulation

E
v= . (9.10)
ρ

Die kürzeste Seite eines Finiten Elements sei min . Folglich sollte der Zeit-
schritt ∆t für die Integration unterhalb der Zeit liegen, die eine Welle durch
dieses kleinste Finite Element benötigt:

ρ
∆t < min . (9.11)
E

Dieser Zeitschritt gewährleistet eine gewisse Stabilität der Zeitschrittintegra-


tion. Das Kriterium, nach einer Arbeit von Courant, Friedrich und Lewy (vgl.
[21]) auch CFL-Kriterium genannt, findet sich auch in anderen Berechnungs-
disziplinen wieder.
Falls sich die Finiten Elemente sehr schnell bewegen, kann es notwendig sein,
dass der Zeitschritt noch kleiner gewählt werden muss, um ein Versagen der
Kontaktalgorithmen zu verhindern. So erfordern z. B. Kontaktalgorithmen,
die für die Berechnung des Entfaltungsvorgangs von Airbags eingesetzt wer-
den, besonders kleine Schrittweiten.
Einige Elemente können infolge der plastischen Deformationen sehr klein wer-
den. Würde man diese sehr kleinen Elemente zur Bestimmung des Zeitschritts
heranziehen, so würde der Zeitschritt sehr klein, die Rechenzeit würde hoch-
schnellen, und die Gesamtberechnung wäre nicht mehr sinnvoll durchführbar.
Auch für diesen Fall gibt es Hilfsmaßnahmen: Z. B. werden diese kleinen Ele-
mente gelöscht oder die Dichte für diese kleinen Elemente wird erhöht (Mass
Scaling), um den Zeitschritt zu vergrößern. Die Folgen dieser Hilfsmaßnahmen
müssen durch den Berechnungsingenieur sorgfältig geprüft werden.
Der auf dem CFL-Kriterium basierende Zeitschritt kann für manche Berech-
nungen (große Kontaktkräfte, nichtlineare Kontaktsteifigkeien, Kontakt zwi-
schen starren Körpern, Kontakt zwischen harten und weichen Körpern) dazu
führen, dass der Kontaktalgorithmus versagt (s.o.). Für diese Art von Berech-
nungen gibt es auch die Möglichkeit, den Zeitschritt durch Kontaktparameter
festzulegen. Ist ks die Kontaktsteifigkeit und mn die Knotenmasse, so kann
der Zeitschritt folgendermaßen gewählt werden:

2mn
∆t ≤ . (9.12)
ks
Man spricht in diesem Zusammenhang von Nodal Time Step.

9.4.3 Crashprogramme

In diesem Abschnitt wird auf einige weitere Aspekte von Crashprogrammen


und der Crashberechnung eingegangen.
9.5 Insassensimulation 157

Anmerkung 9.2.

• Gesamtfahrzeugmodelle enthalten neben den Finiten Elementen für die


Blechstrukturen (zweidimensionale Finite Elemente) und anderen nachgie-
bigen Bauteilen (dreidimensionale Finite Elemente) auch starre Körper.
• Schwierigkeiten bei Crashberechnungen bereitet die große Anzahl un-
terschiedlicher Werkstoffe, für die entsprechende Materialparameter zur
Verfügung gestellt werden müssen. In Abb. 9.15 sind die unterschiedlichen
Stähle für eine Rohkarosserie durch verschiedene Graustufen dargestellt.
• Das Versagen von Bauteilen in der Crashberechnung ist noch nicht voll-
ständig gelöst (Lösungswege sind z. B. in [68] oder [67] beschrieben).
• In Crashprogrammen werden auch Rückhaltesysteme (Gurt, Gurtstraffer,
Gurtkraftbegrenzer, Airbags usw.) und Dummys verwendet.
• Rechenzeiten für Gesamtfahrzeugberechnungen auf Single-Prozessor-Com-
putern liegen in der Größenordnung von einem Tag.

Abb. 9.15. Verteilung unterschiedlicher Stähle in der Sicherheitskarosserie des


BMW X5 (Quelle: BMW).

9.5 Insassensimulation
Um das Verletzungsrisiko im Test beurteilen zu können, werden menschenähn-
liche Messpuppen eingesetzt. Es gibt zum einen für die verschiedenen Crash-
tests ( Frontal-, Seitencrash etc. , vgl. Abb. 9.1) unterschiedliche Dummys (so
158 9 Crashberechnung und Insassensimulation

Abb. 9.16. Unterschiedliche Dummys für verschiedene Crasharten und für verschie-
dene Körpergrößen (Quelle: AUTOLIV).

Abb. 9.17. Finite-Elemente-Dummy.

spielt beim Frontalcrash z. B. die Belastung des Kopfes eine Rolle wohingegen
beim Seitencrash die seitliche Eindrückung der Rippen wichtig ist), zum an-
deren gibt es für verschiedene Insassen unterschiedliche Dummys (kleine und
große Erwachsene, Kinder usw.; in Abb. 9.16 sind einige Dummys dargestellt).
Die Art der Berechnungsmodelle für Dummys unterscheiden sich ebenfalls. Im
9.5 Insassensimulation 159

Abb. 9.18. Deformierbare Teile eines Dummys.

Seitencrash werden ausschließlich FE-Dummys eingesetzt, während im Fron-


talcrash je nach Fragestellung MKS-Dummys (mit wenigen deformierbaren
Teilen) oder FE-Dummys zum Einsatz kommen. In Abb. 9.17 ist ein FE-
Frontalcrashdummy gezeigt, in Abb. 9.18 sind die deformierbaren Teile des
Dummys dargestellt.
Beim MKS-Dummy werden die einzelnen Körperteile durch einzelne Ellipsoi-
de oder, wenn ein Körperteil komplexer geformt ist wie z. B. der Oberkörper,
durch eine Vielzahl von starr untereinander verbundenen Ellipsoiden darge-
stellt. Ein MKS-Dummy ist in Abb. 9.19 wiedergegeben. In Abb. 9.21 ist der
innere Aufbau eines Dummys erkennbar. Ebenfalls sind Stellen von Sensoren
(Kräfte, Momente, Geschwindigkeiten, Beschleunigungen und Wege) gekenn-
zeichnet.
Der Aufbau der MKS-Dummys aus einzelnen Ellipsoiden ist in Abb. 9.20 dar-
gestellt. Die Dummys werden für Gesamtfahrzeugcrashtests und für Schlitten-
tests eingesetzt. Bei diesen Tests überprüft man das Verletzungsrisiko eines
fertigen Fahrzeugs (Prototyp oder Serienfahrzeug), oder man optimiert die
Wirkung der Rückhaltesysteme. Die Gesamtfahrzeugcrashtests werden auch
in Verbraucherzeitschriften veröffentlicht. Ein großer Anwendungsbereich fin-
det sich in der Auslegung der Rückhaltesysteme (z. B. Gurt, Airbag). Hierzu
werden Schlittentests eingesetzt. Bei diesen wird die Fahrgastzelle auf einem
horizontal verschieblichen Schlitten nachgebildet. Die Fahrgastzelle wird mit-
samt des Dummys so beschleunigt, wie dies bei einem Unfall der Fall sein
würde. Bei diesen Versuchen wird ermittelt, wie z. B. Zündzeitpunkte von
Gurtstraffer oder Airbag gewählt werden sollten.
160 9 Crashberechnung und Insassensimulation

Abb. 9.19. MKS-Dummy.

Sowohl diese Schlittenversuche als auch die Gesamtfahrzeugtests werden si-


muliert.

9.6 Beispiele
Ein kritischer Punkt beim Frontalcrash ist der Fußraum des Fahrers. Beim
Frontalcrash kommt es in der Regel zu Deformationen im Fußraum und zu Pe-
dalverschiebungen. Dies kann zu Fuß- und Unterschenkelverletzungen führen,
auch die Oberschenkel können in Mitleidenschaft gezogen werden. Um dieses
Verletzungsrisiko gering zu halten, wird versucht, die Deformationen im Fuß-
raum des Fahrers (der Beifahrerfußraum ist häufig nicht so kritisch) zu mini-
mieren. Bei diesem Crash fährt das Fahrzeug seitlich versetzt (man spricht von
Offset) gegen eine deformierbare Barriere (ODB: Offset Deformable Barrier).
Dieser Crash stellt besonders hohe Anforderungen an die Fahrzeugstruktur,
da lediglich eine Seite des Fahrzeugs belastet wird. Es wird versucht, durch die
einseitige Überdeckung und durch die Deformierbarkeit der Barriere das reale
Unfallgeschehen (Zusammenstoß mit einem entgegenkommenden Fahrzeug)
zu erfassen. In Abb. 9.23 sind die Deformationen der Simulation zu erkennen.
Man erkennt ebenfalls den Fahrerdummy und den Airbag.
In Abb. 9.24 ist die Seitencrashbarriere für einen Seitencrash dargestellt. Für
diesen Crash wird eine deformierbare Barriere gewählt.
Ebenso werden im Heckcrash deformierbare Barrieren (vgl. Abb. 9.25) ein-
gesetzt, um den Heckaufprall eines anderen Fahrzeugs zu untersuchen. Aber
auch der Aufprall eines anderen Fahrzeuges wird in der Simulation untersucht,
um festzustellen, ob die Fahrzeugstrukturen zueinander passen und nicht ein
Fahrzeug bei einem Unfall einen deutlich größeren Schaden nimmt als das
9.6 Beispiele 161

Abb. 9.20. Ellipsoide eines MKS-Dummy.

andere. In Abb. 9.26 ist eine Auffahrunfall zweier Fahrzeuge dargstellt. Diese
Unfallart stellt meist für das im Heckbereich getroffene Fahrzeug ein größere
Belastung dar als das im Frontalbereich deformierte Auto.
Crashberechnungen liegen hoch nichtlineare Problemstellungen zu Grunde.
Dabei können einige Nichtlinearitäten dazu führen, dass die Berechnungser-
gebnisse äußerst sensitiv von Parametern und Anfangsbedingungen abhängen.
Am Beispiel des Eulerschen Knickstabes kann man sich leicht klar machen, wie
diese hohen Sensitivitäten entstehen können: Greift die Kraft am Eulerschen
Knickstab nicht genau in vertikaler Richtung an, dann kommt es unmittel-
bar zum Ausknicken. In Crashmodellen gibt es i. Allg. wenige oder gar keine
Stäbe, dafür aber Platten, die Ausbeulen können. Diese Beulphänomene sind
den Knickproblemen ähnlich. Das Ergebnis einer Crashberechnung hängt von
sehr vielen Beulproblemen ab. Da die Kontaktabfrage eine wesentliche Rolle
in der Crashbrechnung spielt, hat das Beulen häufig weitere Reaktionen zur
Folge, die, je nach Beulrichtung, jeweils zu vollkommen anderen Lösungen
162 9 Crashberechnung und Insassensimulation

Abb. 9.21. Details eines Dummys, Sensorpositionen und einige zugeordnetete In-
sassenbelastungswerte.

Abb. 9.22. Konfiguration ODB-Crash (Quelle: Daimler-Chrysler AG).

führen. Beulen und Kontatkte können somit zu einem sehr sensitiven Modell
in der Crashberechnung führen. Zeigt das reale Federzeug, für das ein Crash-
modell erstellt wurde, keine großen Sensitivitäten, so kann man dies auch beim
Crashmodell erwarten. In der modernen Automobilentwicklung wird ein Cras-
hmodell jedoch erstellt, bevor ein reales Fahrzeug für den Fahrzeugcrash zur
Verfügung steht. Daher ist man daran interessiert, die Sensitivität von Cras-
hmodellen zu überprüfen. Dazu werden in der Praxis zwei Wege beschrieben:

1. Man erstellt mehrere Crashmodelle (10–100), die sich dadurch unterschei-


den, dass die Parameter Streuungen unterworfen sind. Als Parameter
wählt man z. B. die Geschwindigkeit vor dem Crash, den Winkel zwi-
9.6 Beispiele 163

Abb. 9.23. Simulationsergebnis für einen ODB-Frontalcrash (Quelle: Daimler-


Chrysler AG).

Abb. 9.24. Seitencrash eines BMW X5 (Quelle: BMW).

schen der Wand und dem Fahrzeug oder Material- und Bauteilparameter
(E-Modul, Blechdicke).
2. Man lässt ein Crashmodell mehrfach hintereinander auf einem Parallel-
rechner berechnen. Da die Art und Weise der Parallelisierung und die
Reihenfolge der Rechenoperationen bei Crashprogrammen nicht zwingend
164 9 Crashberechnung und Insassensimulation

Abb. 9.25. Heckcrash eines Mercedes SLK (Quelle: Daimler Chrysler AG).

Abb. 9.26. Heck/Frontalcrash zweier Mercedes SLK (Quelle: Daimler Chrysler


AG).

identisch ist für verschiedene Rechenläufe, führen diese Läufe auch zu un-
terschiedlichen Ergebnissen.

Wegen der besseren Übersichtlichkeit werden die Streuungen in den Ergeb-


nissen visualisiert. In Abb. 9.27 sind die Streuungen in den Deformationen
visualisiert, die aus einer geringfügigen Verschiebung der Barriere resultieren.
Betrachtet man dazu die Streuungen im Fußraum des Fahrzeuges in Abb.
9.28, so erkennt man Streuungen bis zu 30 mm. An diesen Abbildungen wird
deutlich, wie groß die Auswirkungen kleiner Änderungen sein können.
9.7 Praktische Hinweise 165

Abb. 9.27. Streuungen beim Chrysler Neon im ODB-Crash (Quelle: SCAI, Sankt
Augustin, Fraunhofer Gesellschaft).

Abb. 9.28. Streuungen im Fußraum des Chrysler Neon im ODB-Crash (Quelle:


SCAI, Sankt Augustin, Fraunhofer Gesellschaft).

9.7 Praktische Hinweise


In diesem Abschnitt werden wesentliche Bestandteile von Crashprogram-
men vorgestellt, und es werden Möglichkeiten von Plausibilitätsbetrachtun-
gen erläutert. Für einen Teil der Begriffe werden auch die englischsprachi-
166 9 Crashberechnung und Insassensimulation

gen Bezeichnungen in Klammern hinzugesetzt, da Software-Handbücher und


Postprocessing-Software englischsprachig sind.
Die wesentlichen Modellbestandteile sind in Abb. 9.29 zusammengestellt. Dies
sind Kontrollelemente für den Zeitschritt (time step control), für Versagen
(failure, crack propagation, yield), für Massenzuschläge (added mass) zur
Zeitschrittkontrolle und für Ausgabevariable (output control). Einen weite-
ren wichtigen Bestandteil bilden die Materialgesetze (material law) für un-
terschiedliche Materialien: elastisch (elastic), elasto-plastisch (elasto-plastic),
viskos (viscous), spröde (brittle), Gummi (rubber), Schaum (foam), Honey-
comb. Die Gruppe der Elemente besteht im Wesentlichen aus nulldimensiona-
len Elementen (konzentrierte Massen, SPH-Partikel, auch Gelenke, joints, im
Sinne von MKS können als Elemente Verwendung finden), aus eindimensiona-
len Elementen Balken (beam), Stab (bar), Torsionsstab (rod), aus zweidimen-
sionalen Elementen Platten, Schalen (shell), Membranelementen (membrane)
und dreidimensionalen Elementen (Solids, Tetras). Bei den Randbedingungen
sind Anbindungen an die Umgebung wichtig: Einspannungen (boundary con-
ditions), äußere Kräfte (loads) oder vorgegebene Bewegungen (displacements,
velocities, accelerations), die Definition starrer Körper (rigid bodies) und An-
fangsgeschwindigkeiten (initial velocities). Crashberechnungen sind sehr kom-

Abb. 9.29. Wesentliche Bestandteile von Crashmodellen.

plexe Simulationen. Um die Ergebnisse zu überprüfen, gibt es z. B. die Vi-


sualisierung des Verformungsverhaltens. Hier kann der Anwender erkennen, ob
die Anfangs- und Randbedingungen eingehalten werden. Häufig auftretende
Fehler sind:

• Falsche Randbedingung: Kontakt Fahrbahn – Fahrzeug ist nicht definiert;


Einschränkung der Bewegungsmöglichkeiten falsch (z. B. feste Einspan-
9.7 Praktische Hinweise 167

nung an Stelle einer verschieblichen); Kräfte bezüglich Richtung oder


Größe (Einheitenkonvertierung) falsch.
• Falsche Anfangsbedingungen: häufig ist die Geschwindigkeit in der falschen
Einheit angegeben; Vorspannungen in Teilen des Fahrzeuges (z. B. Federn)
sind unberücksichtigt, was insbesondere bei nichtlinearen Kennlinien zu
Fehlern führt.
• Zusammenhangsbedingungen nicht richtig definiert: zum Beispiel sind
Starrkörper nicht mit der Karosserie verbunden und schweben frei im
Raum.
• Materialparameter sind in falschen Einheiten angegeben.
• Kontaktalgorithmen versagen (Kontaktdicken müssen vergrößert werden,
alternative Kontaktalgorithmen sollten verwendet werden oder der Zeit-
schritt sollte herabgesetzt werden).

Abb. 9.30. Deformierter Pralltopf.

Im folgenden Beispiel betrachten wir den in Abb. 9.30 dargestellten Pralltopf


aus Stahl, an dessen einem Ende sich ein starrer Körper K2 (Masse m = 500
kg) befindet. Pralltopf und starrer Körper bewegen sich mit einer Anfangs-
geschwindigkeit v0 = 4, 16 m/s auf den zweiten starren Körper K1 (in Form
eines Rechtecks) zu. Zwischen dem Körper K1 und dem Pralltopf ist eine
Kontaktbedingung definiert. Ebenso ist für den Pralltopf ein Selbstkontakt
definiert. Der Körper K2 besitzt einen Freiheitsgrad, der Körper K1 keinen.
In Abb. 9.31 sind einige Funktionsverläufe für diesen Pralltopf dargestellt.
Weitere Möglichkeiten, Plausibilitätsbetrachtungen durchzuführen, sind der
Vergleich von Funktionen sowie die Anwendung von Erhaltungssätzen. Dies
wird am Beispiel des Pralltopfes näher ausgeführt. So kann man z. B. den
Impulserhaltungssatz
 t
mv (t = 0) = mv (t) + F (τ ) dτ (9.13)
0

anwenden. Hier stellt das Integral den Kraftstoß dar, wobei die Kraft F geeig-
net gewählt werden muss, im einfachsten Fall als Kontaktkraft zwischen einer
168 9 Crashberechnung und Insassensimulation

starren Wand (besser: einem starren Körper ohne Bewegungsfreiheitsgrade)


und dem Fahrzeug.
In Abb. 9.31, b) erkennt man den Vergleich. Es wird deutlich, dass der Impuls-

Abb. 9.31. Funktionsverläufe für den Pralltopf: a) Verformungsweg und Geschwin-


digkeit; b) Impuls c) Energien d) Hourglassenergie.

satz bis auf einen sehr kleinen, kaum zu erkennenden Fehler von 3 % erfüllt
ist. Ebenso sollte man Geschwindigkeiten und Wege vergleichen. In Abb. 9.31
a) sind der Weg und die Geschwindigkeit der starren Masse dargestellt.
Ein wichtiger Punkt, der überprüft werden sollte, betrifft die Energien. Es
sollte nicht nur gewährleistet sein, dass der Energiesatz (bis auf kleine Re-
chenungenauigkeiten) erfüllt ist, sondern auch, dass die Hourglassenergie im
Vergleich zur gesamten Energie nicht zu groß wird. Abbildung 9.31 c) zeigt
die Energien als Funktionen der Zeit. Man erkennt, dass der Energieerhal-
tungssatz erfüllt ist. An Abb. 9.31 d) sieht man, dass die Hourglass-Energie
einen beträchtlichen Teil der Gesamtenergie einnimmt.
10
Akustik

In diesem Kapitel werden Beispiele für akustische Berechnungen mit dem


Anwendungsschwerpunkt Fahrzeugtechnik vorgestellt. Dazu werden zunächst
mögliche Fragestellungen aus der Akustik diskutiert. Anschließend werden
theoretische Grundlagen und Berechnungsmethoden aufgezeigt. Unter Aku-
stik werden dabei immer Wellenphänomene (meist in Luft) verstanden. Aku-
stik in flüssigen Medien oder anderen Gasen werden hier nicht behandelt.

10.1 Einführung
Akustische Berechnungen gewinnen seit Mitte der achtziger Jahre an Bedeu-
tung, deren Vorhersagegenauigkeit hingegen ist zum Teil noch beschränkt. Der
Grund liegt allerdings nicht zwingend an der mangelnden Beherrschung der
zugrunde liegenden partiellen Differentialgleichung für die Schwingungen von
Luft, sondern häufig an geometrisch verwickelten Rändern oder an fehlenden
oder mangelhaften Informationen über Materialeigenschaften der Berandun-
gen.
Typische Problemstellungen betreffen z. B. die Innenraumakustik, bei der die
Frage beantwortet wird, wie groß der Schallpegel am Ohr des Fahrers eines
Fahrzeuges ist. Bei der Schallabstrahlung ist man daran interessiert, wie groß
der störende Einfluss einer Abgasanlage eines Fahrzeuges auf Fußgänger oder
auch auf Insassen ist. Bei der Frage der Lärmbelästigung der Insassen durch
die Abgasanlage spielen neben der Schallabstrahlung die Schallausbreitung
und der Schalldurchgang (z. B. durch die Fenster) eine Rolle. Weitere Effekte
betreffen die Reflexion, Brechung und Beugung von Schallwellen.
Die Entstehung von Schall ist häufig mit Schwingungen von Strukturen ver-
bunden, die die Luft zum Schwingen anregt und damit zu Wellenausbreitun-
gen führt.
Aus diesem Grund ist die genaue Berechnung oder Messung der Struktur-
schwingungen Voraussetzung für genaue Aussagen der Akustikberechnung.
In manchen Fällen spielen auch Rückwirkungen der Luft auf die schwingende
170 10 Akustik

Struktur eine Rolle; dann sollte man Struktur und Luft als Gesamtsystem be-
rechnen. Betrachtet man Schwingungen der Struktur und der Luft, so spricht
man von Vibroakustik.
Gerade bei Fahrzeugen mit Verbrennungsmotoren spielen auch die Geräusche
des Motors eine Rolle. Diese entstehen hauptsächlich durch die Druckschwan-
kungen in der Abgasanlage.
Für die Außengeräusche sind gesetzliche Grenzwerte einzuhalten, während für
die Innengeräusche Komfortbedingungen maßgeblich sind.

Beispiel 10.1. Im Automobil gibt es unterschiedliche Quellen, die Ursache für


störende Geräusche im Fahrzeuginnenraum sein können. In Abb. 10.1 sind
mögliche Quellen aufgeführt:
So sind zum einen Motor und Getriebe sowie Nebenaggregate Ausgangspunkt
für störende Geräusche. Übertragungswege sind über die Luft aber auch über
die Karosserie möglich.
Desweiteren können die Abgasanlage und das Schwappen des Kraftstoffs im
Tank für die Insassen zu Geräuschbelästigungen führen. Auch hier ist eine
Übertragung von Luftschall oder von Körperschall möglich.
Das Rollgeräusch der Reifen kann ebenso wie Windgeräusche akustische Be-
einträchtigungen nach sich ziehen. In Abb. 10.2 ist die Zuordnung bestimmter

Abb. 10.1. Quellen für die Entstehung von Geräuschen beim Auto (nach [118]).

Geräusche zu bestimmten Teilen eines Fahrzeuges dargestellt.


Fahrbahnunebenheiten können über Reifen und Fahrwerk in der Karosserie
zu Körperschallanregungen führen.
Eine weitere Quelle von störenden Geräuschen ist der Lüfter, der Kühlluft
ansaugt.
10.1 Einführung 171

Abb. 10.2. Geräusche und deren Zuordnung zu bestimmten Teilen eines Fahrzeuges
(nach [17]).

Beispiel 10.2. In der Fahrzeugentwicklung ist man u.a. daran interessiert, wie
groß der Schallpegel am Ohr des Fahrers ist.
Um abzuschätzen, ob die höchste Anregungsfrequenz des Motors größer ist
als die niedrigste Eigenfrequenz des Fahrzeuginnenraums, führen wir eine Ei-
genfrequenzanalyse des Fahrzeuginnenraums durch. Geht man von einer ma-
ximalen Motordrehzahl von 7200 U/min aus (das entspricht einer Frequenz
f = 120 Hz), so sollte die niedrigste Eigenfrequenz deutlich oberhalb von
120 Hz liegen. Geht man von einer stehenden Welle mit einer Wellenlänge
λ = 2,5 m (dies ist eine typische Größenordnung für die Längsausdehnung
eines Fahrzeuginnenraums) aus, so erhält man mit der Schallgeschwindigkeit
c = 340 m/s eine Abschätzung für die zugehörige Eigenfrequenz von fE ≈ 130
Hz. Dies liegt in der Größenordnung der anregenden Frequenz. Die unterste
Eigenfrequenz für die Längsschwingung in diesem Beispielfahrzeug ergibt sich
mit λ = 5m (es passt also eine halbe Wellenlänge in das Fahrzeug) zu f = 68
Hz. Letzendlich bleibt festzuhalten, dass es durch den Motor in bestimmten
Frequenzbereichen immer zu Anregungen des Luftraums kommen kann.
Um für dieses Beispiel aussagekräftigere Ergebnisse zu erhalten, müsste man
zunächst die Ausbreitung der Wellen durch die Karosserie berechnen (Körper-
schalluntersuchung), um dann die Anregung des Innenraums genauer be-
urteilen zu können. Anschließend müsste man die Anregung des Fahrzeug-
innen(luft)raums berechnen (ohne Rückwirkung auf die Schwingungen der
172 10 Akustik

Struktur).
Betrachtet man lediglich Eigenfrequenzen des Innenraums, die unter der An-
nahme fester Berandungen (also Schwingungsknoten an den Begrenzungs-
flächen) errechnet werden, so kann dies zu falschen Einschätzungen des Schall-
pegels führen. Bei der Beurteilung von Eigenfrequenzen des Luftraums kommt
es auch darauf an, ein Zusammenfallen mit Karosserieeigenfrequenzen zu ver-
meiden (vgl. [110]).

10.2 Berechnungsmethoden
Die Berechnungsmethoden lassen sich grob in fünf Gruppen einteilen:
• Analytische und semianalytische Methoden,
• Randelemente-Methoden,
• Finite-Elemente-Methoden,
• statistische Energie-Analyse,
• Ray-Tracing-Methoden.
Im nächsten Unterabschnitt werden zunächst die theoretischen Grundlagen
für akustische Berechnungen vorgestellt. In den sich anschließenden Unterab-
schnitten wird auf die Methoden eingegangen.

10.2.1 Theoretische Grundlagen


Zunächst werden die theoretischen Grundlagen und einige Begriffe im Zusam-
menhang mit der Akustik dargelegt. Diese sind in [64] oder [23] zu finden.
Für ideale Flüssigkeiten und Gase gilt in der Akustik für das Verschiebungs-
feld u( x, t) = (ux , uy , uz )( x, t) e 1
∂ 2 u
= f + c2 ∆ u . (10.1)
∂t2
Hier ist, wie in der Akustik üblich, ein wirbelfreies Verschiebungsfeld, also
rot u = o, vorausgesetzt. Der Vektor f stellt ein Beschleunigungsfeld z. B.
auf Grund der Erdbeschleunigung dar. Eine weitere Formulierung erhält man
durch die Differentiation nach der Zeit und Vertauschen der Ableitungsrei-
henfolge
∂ 2 v ∂ f
= + c2 ∆ v . (10.2)
∂t2 ∂t
Hier ist v = ∂ u/∂t das Geschwindigkeitsfeld.
Führt man weiter ein skalares Geschwindigkeitspotential Φ( x, t) ein, aus dem
das Geschwindigkeitsfeld gemäß 2
1 2 2 2
∂ ∂ ∂
Der Laplace-Operator ∆ = ∂x 2 + ∂y 2 + ∂z 2 wirkt in dieser Gleichung auf die
einzelnen Komponenten ux , uy und uz ; letztendlich sind dies also skalare Glei-
chungen.
2
   T
Hier bezeichnet gradΦ = ∂Φ , ∂Φ , ∂Φ e, wobei e = ex , ey , ez
∂x ∂y ∂z
das Tupel der
(kartesischen) Basis des Vektorraums ist.
10.2 Berechnungsmethoden 173



v = gradΦ = ∇Φ (10.3)

hervorgeht und geht man von zeitlich konstanten Massenkräften aus, was Ge-
wichtskräfte einschließt, so erhält man die am häufigsten in der Akustik ver-
wandte skalare Schallfeldgleichung:

∂2Φ
− c2 ∆Φ = 0 . (10.4)
∂t2
Hängt das Geschwindigkeitspotential Φ harmonisch von der Zeit ab

Φ( x, t) = Φ̂( x) cos(ωt + ψ), (10.5)

(oder allgemeiner Φ( x, t) = Φ̂( x)eiωt ), so erhält man für die Amplitude Φ̂ die
sogenannte Helmholtzgleichung (elliptisch):

∆Φ̂ + k 2 Φ̂ = 0, (10.6)

wobei k = ωc die Wellenzahl ist.


Bei der Herleitung dieser Gleichungen geht man davon aus, dass der Druck
um einen konstanten Druck p0 kleine Schwingungen ausführt ebenso wie die
Dichte:

p = p0 + p , (10.7)
ρ = ρ0 + ρ , (10.8)

wobei also |p |  p0 und |ρ |  ρ0 gilt.


Man erhält die kleinen Druckschwankungen p aus dem Geschwindigkeitspo-
tential Φ aus:
∂Φ
p = −ρ0 . (10.9)
∂t
Aus (10.4) erhält man durch Gradientenbildung und Ersetzen von v = gradΦ
die Wellengleichung für die einzelnen Geschwindigkeitskomponenten; durch
Bildung der Zeitableitung von (10.4) erhält man mit (10.9) die Wellenglei-
chung für die Druckschwankung p :

∂ 2 v
− c2 ∆ v = 0 , (10.10)
∂t2
∂ 2 p
− c2 ∆p = 0 . (10.11)
∂t2

Hier ist 0 = (0, 0, 0) e der Nullvektor.


Weitere Voraussetzung bei der Herleitung ist, dass die Schallausbreitung ein
adiabatischer Vorgang ist. Für diesen gilt dann:
 
∂p
p = ρ . (10.12)
∂ρ S
174 10 Akustik

Der Index S deutet an, dass die Ableitung bei konstanter Entropiedichte zu
erfolgen hat.
Die Ableitung wird auch als adiabatische Kompressibilität bezeichnet. Diese
ergibt die Schallgeschwindigkeit:
 
∂p
c= . (10.13)
∂ρ S

Die adiabatische Kompressibilität ist mit der isothermen Kompressibilität ge-


koppelt:    
∂p cp ∂p
= . (10.14)
∂ρ S cv ∂ρ T
Hier sind cp und cv die spezifischen Wärmekapazitäten bei konstantem Druck
bzw. bei konstantem Volumen. Man fasst diese häufig zusammen: κ = cp /cv
(Luft: κ = 1, 4).
Geht man von der Zustandsgleichung eines idealen Gases aus,
pV = nRT, (10.15)
wobei n die Anzahl der Mole und R die universelle Gaskonstante ist, so erhält
man, wenn man die Gleichung durch die Masse M der n Mole teilt, mit µ =
M/n als Molmasse die Gleichung (Luft µ = 28, 9 g/mol):
p RT
= . (10.16)
ρ µ
Aus (10.16) erhält man durch Ableiten direkt die isotherme Kompressibilität
und so mit (10.14) und (10.13) die Schallgeschwindigkeit für ein ideales Gas
(R = 8, 31 J/(mol K)): 
κRT
c= . (10.17)
µ
Zur Vorbereitung auf die Rayleighsche Integralmethode und auf die Rand-
elementmethode gehen wir von der Helmholtzgleichung (10.6) aus und leiten
analog zu Unterabschnitt 10.2.3 eine geschlossene Darstellung der Amplitude
Φ̂ des Geschwindigkeitspotentials her. Die sogenannte Greensche Funktion G
der Helmholtzgleichung erfüllt die folgende partielle Differentialgleichung:


∆G + k 2 G = δ ξ − x . (10.18)
3
Die Greensche Funktion ist in diesem Fall

e−ik|ξ−x|

G ξ − x = − .
(10.19)
4π ξ − x
3
Für
 die Laplace-Gleichung,
 bei der der Term k2 G fehlt, ist die Greensche Funktion
 1 1
G ξ − x = − 4π · ξ− .
| x|
10.2 Berechnungsmethoden 175

Es gibt noch eine weitere Greensche Funktion:



eik|ξ−x|

G̃ ξ − x = − .
(10.20)
4π ξ − x

Da wir von einer Zeitabhängigkeit eiωt ausgehen, entspräche die Greensche


Funktion G̃ einer, z. B. aus dem Unendlichen, einlaufenden Welle; dies macht
physikalisch keinen Sinn.
Mit Hilfe der Greenschen Funktion können wir nun das Geschwindigkeitspo-
tential Φ mit Hilfe des Greenschen Satzes angeben für x ∈ / S, wobei S die
schallabstrahlende Oberfläche bezeichnet:






Φ ( x, t) = eiωt Φ̂ ξ ∇
 G ξ − x − G ξ − x ∇
ξ
 Φ̂ ξ · ndS. (10.21)
ξ
S

Diese Gleichung bildet den Ausgangspunkt für die Rayleighsche Integral-


methode und die Randelemente-Methode. Auf der linken Seite kann man
Φ( x, t) = Φ̂( x) · eiωt schreiben und die Zeitabhängigkeit aus der Gleichung
eliminieren.
Bei Darstellung von Ergebnissen akustischer Messungen oder Berechnungen
bedient man sich i. Allg. nicht der Absolutwerte z. B. für den Druck, sondern
man setzt den sogenannten Schalldruckpegel SP L (oder sound pressure level)
ein:  

SP L = 20 lg dB . (10.22)
p̃0
Hier bezeichnet lg den dekadischen Logarithmus, p̃0 = 2·10−5 mN
2 den Effektiv-

wert der Druckschwankungen für die Hörschwelle des Menschen bei 1000 Hz,
p̃ den Effektivwert der Druckschwankungen, für die der Schalldruckpegel be-
stimmt werden soll und dB (dezi Bell) die Einheit, in der der Schalldruckpegel
angegeben wird.
Die Schmerzgrenze des Menschen liegt bei p̃max = 1 · 102 mN
2 . An diesem

großen Druckbereich von der Hörschwelle bis zur Schmerzgrenze erkennt man
die Notwendigkeit einer logarithmischen Darstellung des Drucks. Der Druck
schwankt im hörbaren Bereich für den Menschen also um ungefähr sieben
Zehnerpotenzen. Rechnet man den Druck in eine Energie um, so umfasst der
hörbare Bereich 13 Zehnerpotenzen. Aus diesem Grund ist es üblich, in der
Akustik mit logarithmischen Angaben zu arbeiten.
Ähnliches gilt für die Frequenzabhängigkeit der Größen, denn auch hier ist
vom Menschen ein großer Bereich von 20 Hz bis ungefähr 20 kHz hörbar.
Deshalb bedient man sich bei der Darstellung der Frequenzabhängigkeit loga-
rithmischer Skalenteilungen. Häufig mittelt man die Größen durch Integration
über Frequenzbänder (dies sind Frequenzintervalle):
fi+1
1
p̄i = p df . (10.23)
fi+1 − fi
fi
176 10 Akustik

Hier ist i die Bandnummer und fi und fi+1 sind die Bandgrenzen.
Für das in der Akustik häufig eingesetzte Terzspektrum gilt:
i−0,5
fi = 10 10 · Hz , (10.24)
i+0,5
fi+1 = 10 10 Hz . (10.25)

10.2.2 Rayleighsche Integralmethode

Diese Methode kann genaugenommen lediglich angewendet werden auf ebene


Schallstrahler, die in eine unendlich ausgedehnte Ebene eingebettet sind. Wir
gehen aus von dem in Abb. 10.3 skizzierten Strahler. Dies ist ein in einer
Ebene eingebetteter Strahler der Fläche S, der sich periodisch normal zur
Wand bewegt.
Die Geschwindigkeit innerhalb der Fläche S ist

vn (y, z, t) = v̂n (y, z) eiωt . (10.26)

Gesucht ist die Lösung der Helmholtz-Gleichung für den Halbraum x > 0. Bei

Abb. 10.3. Ebener Strahler in unendlich ausgedehnter Ebene.

der Greenschen Funktion



e−ik|ξ−x|

G ξ − x = −
(10.27)
4π ξ − x

der Helmholtz-Gleichung sind wir von einem unendlichen Raum ausgegangen.


Für den in Abb. 10.3 dargestellten Fall benötigen wir allerdings eine Lösung
für den Halbraum, die, und dieses ist die wesentliche Einschränkung, bestimm-
te Bedingungen an der Ebene x = 0 erfüllen muss.
An dieser Ebene muss die Geschwindigkeit normal zu der Ebene (also in x-
Richtung) verschwinden. Bezeichnen wir mit GHR die Greensche Funktion für
10.2 Berechnungsmethoden 177

den Halbraum, so erhält man die Einschränkung (zur Erinnerung: die Lösun-
gen der skalaren Helmholtz-Gleichung sind Geschwindigkeitspotentiale, aus
denen man durch Gradientenbildung die Geschwindigkeit erhält):
HR = 0 für x = 0.
n · ∇G (10.28)
Um GHR zu bestimmen, gehen wir von der Idee der Spiegelladung aus der
Elektrostatik 4 aus. Bei der Spiegelmethode erzeugt man eine zweite Schall-

Abb. 10.4. Spiegelmethode.

quelle durch Spiegelung an der Ebene. Anschließend lässt man die Ebene
weg. Durch die gespiegelte Schallquelle wird die Bedingung (10.28) erfüllt
(vgl. Abb. 10.4). Anschaulich erzeugt die zweite, durch Spiegelung erzeugte
Schallquelle gerade die Schallwellen, die durch Reflexion an der Ebene der von
der ursprünglichen Schallquelle ausgehenden Schallwellen erzeugt werden.
Die Greensche Funktion, die sich aus der Abb. 10.4 ergibt, ist Lösung der
folgenden, inhomogenen Helmholtz-Gleichung:



˜
∆Φ + k 2 Φ = δ ξ − x + δ ξ − x , (10.29)

wobei wegen der spiegelbildlichen Lage gilt:





˜
ξ = − ξ (= ξ1 ) . (10.30)
1 1
4
In der Elektrostatik sucht man Lösungen der Poisson-Gleichung in einem Raum
mit leitenden Flächen. Eine Punktladung als rechte Seite der Poisson-Gleichung
spiegelt man an einer leitenden, unendlich ausgedehnten Ebene und erhält so
eine Poisson-Gleichung mit zwei rechten Seiten als Punktladungen, deren Lösung
dann die Bedingung, dass die Feldlinien des elektrischen Feldes senkrecht auf der
leitenden Ebene stehen, erfüllt.
178 10 Akustik

Die Greensche Funktion für den Halbraum lässt sich damit angeben:

˜ξ−

−ik|ξ−
 x| −ik  x
˜ e e
GHR ξ − x, ξ − x = − −

. (10.31)
4π ξ − x 4π ˜ξ − x

Für die Greensche Funktion des Halbraums GHR gilt, wie man durch Diffe-
renzieren leicht nachrechnen kann, die Bedingung (10.28):

∂GHR
=0 . (10.32)
∂x x=0
Man erhält nun die Greensche Funktion für eine punktförmige Schallquelle
auf der Ebene x = 0, also eine Lösung der folgenden Differentialgleichung


∆Φ + k 2 Φ = δ ξ − x (10.33)


mit ξ = 0:
1

e−ik|ξ−x|

GR ξ − x = − .
(10.34)
2π ξ − x
Hier steht der Index R für Rayleigh.
Auch hier gilt die Bedingung (10.28):

∂GR
=0 . (10.35)
∂x x=0

Setzt man diese Greensche Funktion in (10.21) ein, so erhält man


0





Φ ( x, t) = e iωt
Φ̂ ξ ∇
GR ξ − x − GR ξ − x ∇
ξ
Φ̂ ξ ndS .
ξ
S


(10.36)
Wegen GR ξ − x = GR x − ξ gilt:

GR · n = 0.
∇ (10.37)
ξ

Da weiterhin Φ das Geschwindigkeitspotential ist, gilt (hier und im Folgenden


ist ξ = (0, y, z)):

Φ̂ ξ n.
V̂n = ∇ (10.38)
ξ

Man erhält aus (10.36):





iωt
Φ ( x, t) = e −GR ξ − x V̂n ξ dS. (10.39)
S
10.2 Berechnungsmethoden 179

Und mit Hilfe von (10.9):




iρ0 ω 1
e−ik|ξ−x| V̂ ξ dS.

p ( x) =
(10.40)
2π ξ − x
S

Man erhält also die Druckverteilung an jedem beliebigen Punkt x durch In-
tegration der Normalengeschwindigkeit über die schwingende Fläche S.

Anmerkung 10.3.

• Man nennt diese Methode der Berechnung des Schalldrucks Rayleigh-


Methode. Hat man schwingende Flächen in einer großen Wand, so addiert
man diese zu einem Gesamtdruck auf:
m 

iρ0 ω  1
e−ik|ξ−x| V̂ni ξ dS.

pges ( x) =
(10.41)
2π i=1 ξ −
x
S i

• Wesentlich bei der Herleitung der Methode ist die Berechnung des Schall-
drucks in einem Halbraum (Greensche Funktion für einen Halbraum).
Weicht man von dieser Voraussetzung ab, so wird man sehr wahrscheinlich
falsche Ergebnisse bekommen. Trotzdem wird die Rayleighsche Methode
auch auf Probleme angewendet, die nicht eben sind, so z. B. auf die Schall-
abstrahlung von Motoren oder Maschinengehäusen. Um die Ergebnisse für
diese Probleme zu verbessern, kann die Summe in (10.41) auf solche Ober-
flächenelemente reduziert werden, die von dem Punkt aus, an dem der
Schalldruck bestimmt werden soll, sichtbar sind. Sichtbar kann in diesem
Zusammenhang heißen, dass die Normale auf das Oberflächenelement und
der Vektor vom Oberflächenelement zum Punkt, in dem der Schalldruck
bestimmt werden soll, einen Winkel einschließen, der kleiner als 90o ist.

In Abb. 10.5 ist ein Gehäuse zu sehen, dessen Oberfläche in kleine Ober-
flächenelemente S eingeteilt ist. Ist man an dem Schalldruck interessiert, so
wird offensichtlich, dass nicht alle Oberflächenelemente beitragen. Bei der
Rayleigh-Methode sollte man sich aber auch bei Anwendung des Tricks über
die sichtbaren und unsichtbaren Elemente im Klaren sein, dass große Fehler
auftreten können.
In Abb. 10.6 ist der Schallleistungspegel der von einer oszillierenden Kugel
abgestrahlten Leistung in Abhängigkeit von der Frequenz dargestellt.
Die Kugel hat einen Radius R = 0, 5 m und die Geschwindigkeit normal zur
Oberfläche der Kugel ist vn = 1 m/s. Beim Vergleich der analytischen Lösung
mit der Rayleigh-Näherungslösung werden hohe Abweichungen deutlich, die
eine Anwendung der Rayleigh-Methode fraglich erscheinen lassen. Man sollte
also die Rayleigh-Methode nicht anwenden auf nicht ebene Probleme.
180 10 Akustik

Abb. 10.5. Gehäuse mit schallabstrahlenden Teilflächen.

Abb. 10.6. Schallleistungspegel einer pulsierenden Kugel.

10.2.3 Boundary-Element-Methode

In diesem Unterabschnitt werden die direkte und die indirekte Boundary-


Methode beschrieben. Ausgangspunkt für die direkte Boundary-Element-
Methode ist Gleichung (10.42):






Φ ( x, t) = eiωt Φ̂ ξˆ ∇
G ξ − x − G ξ − x ∇
ξ
Φ̂ ξ ndS. (10.42)
S
10.2 Berechnungsmethoden 181

Hier ist S die Oberfläche, die das Volumen V (mit x ∈ V und x ∈


/ S) begrenzt.
Bei dieser Formulierung befindet sich lediglich auf einer Seite der Grenzfläche
S das Volumen V , in dem das Schallfeld berechnet werden soll. Man unter-

Abb. 10.7. Definition der Richtungen der Normalenvektoren.

scheidet hier die zwei Fälle (vgl. Abb. 10.7):


1. Die Grenzfläche S umschließt das Volumen V (linkes Teilbild). Der Nor-
malenvektor n weist nach außen.
2. Das Volumen erstreckt sich bis in das Unendliche und wird im Endlichen
durch S begrenzt. Der Normalenvektor n weist in das Innere von S.
Gleichung (10.42) gilt lediglich für den Fall x ∈ V . Um allerdings das Potential
für diesen Fall ausrechnen zu können, benötigt man das Potential auf der
Fläche S. Wir benötigen eine modifizierte Form von (10.42) für den Fall x ∈ S
(der Punkt sei P):






cp Φ ( x, t) = t ∇
Φ ξ, G ξ − x − G ξ − x ∇ t ndS. (10.43)
Φ ξ,
ξ ξ
S

Der einzige Unterschied zu (10.42) ist der neu hinzugekommene Faktor cp (die
Zeitabhängigkeit, die hier wieder in Φ hineingezogen wurde, kann man auch
als harmonischen Ansatz schreiben; dies ist kein wesentlicher Unterschied).
Man erhält cp , in dem man um P eine Kugel mit dem Radius ε legt und
die Oberfläche des Teils der Kugel, der in V liegt, bestimmt. Dieser Wert
bezogen auf die Gesamtfläche der Kugel 4πε2 liefert bei genügend kleinem ε
(also strenggenommen einem Grenzübergang limε→0 ) den Wert cp . In einer
Formel zusammengefasst heißt dies:

1 1
cp = lim 2 dA, (10.44)
4π ε→0 ε
0ε ∩V

wobei über die Schnittmenge 0ε ∩ V der Oberfläche 0ε der Kugel mit dem
Radius ε mit dem Volumen V integriert wird 5 .
5 1

Anschaulich ist lim 2 dA der Raumwinkel, unter dem das Volumen V von
ε→0 ε
0ε ∩V
P aus lokal sichtbar ist. Dieser Raumwinkel Ω wird in der SI-Ergänzungseinheit
182 10 Akustik

Ist die Berandung S des Volumens V glatt, dann nähert sich 0ε ∩ V für ε → 0
der Halbkugel an und das Integral in (10.44) ist die halbe Kugeloberfläche,
also 2πε2 ; damit ist:
cp = 12 für eine glatte Oberfläche S.
Betrachtet man den linken Fall von Abb. 10.7 für einen Quader, so ist:
cp = 12 für P innerhalb einer Quaderseitenfläche,
cp = 14 für P auf einer Quaderkante und
cp = 18 für P auf einer Quaderecke.
Mit Hilfe von Gleichung (10.43) ist man in der Lage, die beiden in Abb. 10.7
skizzierten Fälle zu berechnen.
Wir beschreiben den Lösungsweg exemplarisch am linken Teilbild (der Lö-
sungsweg für das linke Teilbild ist analog). Zunächst wird das Schallfeld auf
der Oberfläche S mit Hilfe von (10.43) bestimmt. Dieser erste Lösungsschritt
ist der aufwändigste. Im zweiten Lösungsschritt lassen sich die Schallfeld-
größen durch einfache Integration der im ersten Schritt für die Oberfläche S
bestimmten Größen ermitteln.
Wir gehen aus von einer harmonischen Zeitabhängigkeit des Geschwindig-
keitspotentials Φ:
Φ ( x, t) = Φ̂ ( x) eiωt . (10.45)
Setzen wir dies in (10.43) ein, leiten die Gleichung dann nach der Zeit ab,
eliminieren eiωt = 0 und multiplizieren diese Gleichung mit −ρ0 , so erhalten
wir zunächst mit (10.9):






cp p̂ ( x) = p̂ ξˆ ∇
G ξ − x + iωρ0 G ξ − x ∇
ξ
Φ̂ ξ ndS. (10.46)
ξ
S

Mit Hilfe von (10.3) gelangen wir zu der Gleichung







cp p̂ ( x) = G ξ − x + iωρ0 G ξ − x vˆ ndS.
p̂ ξ ∇ (10.47)
ξ
S

Diese Gleichung bildet den Ausgangspunkt für die diskretisierten Gleichungen.


Zunächst teilen wir die Oberfläche S in Boundary-Elemente (hier einfach
nicht überlappende Viereckselemente) auf. Jedes Viereckselement wird durch
die vier Eckpunkte, die auch bei der Boundary-Elemente-Methode Knoten
heißen, festgelegt. Die Druckverteilung auf der Oberfläche S innerhalb eines
solchen Viereckselements wird angenähert:


4

p̂ ≈ p̂ =
h
p j Nj . (10.48)
j=1

Steradiant, sr, gemessen. Der Steradiant ist der Raumwinkel, dessen Scheitelpunkt
im Mittelpunkt einer Kugel liegt und aus der Kugeloberfläche eine Fläche gleich
dem Quadrat mit der Seitenlänge des Kugelradius ausschneidet. Der Raumwinkel
spielt auch bei elektromagnetischen Strahlungsproblemen eine Rolle.
10.2 Berechnungsmethoden 183

Die vier Funktionen Nj sind sogenannte Formfunktionen mit der Eigenschaft:

1
Nj ( rk ) = δjk (10.49)
4
(hier ist δij das Kroneckersymbol 6 ). Der Vektor ri gibt die Lage des i-ten
Knotens wieder.
Abbildung 10.8 zeigt den prinzipiellen Verlauf der Formfunktionen. Wählt
man ne dieser Elemente zur Diskretisierung der Oberfläche S, so kann man
das Integral in (10.47) umschreiben (die Zeitabhängigkeit eiωt wird heraus-
dividiert); da die Formfunktionen außerhalb der Oberfläche Sk des jeweiligen
Viereckselementes verschwinden, vereinfacht sich das Integral zu einer Summe
über Teilintegrale:
ne  
 4



cp p̂ ( x) = pjk Nj ξ ∇
G ξ − x +iωρ0 GVjk njk Nj (ξ) njk dS.
ξ
k=1S j=1
k
(10.50)
Hier wurden die Normalkomponenten der Geschwindigkeit ebenfalls mit Hilfe
der Formfunktionen diskretisiert. In dieser Gleichung gibt es allerdings nicht
ne · 4 unbekannte Drücke, da jeder Knoten zu mehreren Elementen gehört
(häufig vier). Um zu einer vollständig diskretisierten Form der Gleichung zu
gelangen, wendet man bei der Boundary-Elemente-Methode häufig die Kollo-
kationsmethode an. Zu diesem Zweck setzt man

x = rm , m = 1, ..., nn (10.51)

(hier ist nn die Anzahl der Knoten).


Der Druck am m-ten Knoten ist gerade einer der Drücke pjk multipliziert mit
vier:
p̂ ( rm ) = 4pjk . (10.52)
Man erhält also durch die Kollokationsmethode nn Gleichungen für die nn
unbekannten Drücke an den Knoten und für die nn unbekannten Normalge-
schwindigkeitskomponenten, insgesamt also 2nn Unbekannte. Die unbekann-
ten Geschwindigkeiten erhält man direkt aus den Randbedingungen. Kennt
man zum Beispiel die Schwingform und die Amplitude der schwingenden
Oberfläche S, so kann man die Normalgeschwindigkeiten vjk direkt angeben.
Die indirekte Boundary-Elemente-Methode wird angewendet auf Probleme,
bei denen sich innerhalb und außerhalb von S Luft befindet. Bestimmt wer-
den Druck- und Geschwindigkeitsunterschiede über die Grenzfläche hinweg.
Wir werden diese Methode hier nicht im Detail behandeln und verweisen auf
[31]. Im Folgenden zählen wir Eigenschaften der Methoden auf (aus [112]).
Beiden Methoden gemeinsam ist:

6
Für das Kroneckersymbol gilt δjk =1 für j = k und δjk = 0 für j = k.
184 10 Akustik

Abb. 10.8. Formfunktion für die Boundary-Elemente-Methode.

• die Oberfläche S wird diskretisiert (dadurch ist der Aufwand für die Mo-
dellerstellung um eine Größenordnung kleiner als bei der Finiten-Elemente-
Methode),
• die Methode führt nicht direkt auf Eigenfrequenzen und Eigenformen; die-
se lassen sich mit Hilfe geeigneter, erweiterter Vorgehensweisen auch auf
der Basis der Boundary-Elemente-Methode berechnen (vgl. [20]).
Bemerkungen zur direkten Methode (nach [112])
1. Bestimmt wird das Schallfeld auf einer Seite der berandenden Oberfläche
S.
2. Anwendbar auf Bereiche mit mehreren akustischen Medien.
3. Die Berandung muss geschlossen sein.
4. Gekoppelte Probleme sind schwer zu formulieren.
5. Es können mathematisch singuläre Probleme auftreten.
6. Führt auf vollbesetzte, nichtsymmetrische Matrizen.
Bemerkungen zur indirekten Methode (nach [112]):
1. Bestimmt werden die Schallfeldgrößen über die Berandung S, allerdings
mit der Einschränkung, dass sich auf beiden Seiten von S das gleiche
akustische Medium befindet.
2. Die Berandung muss nicht geschlossen sein. Diesen Vorteil kann man aus-
nutzen, um die akustischen Eigenschaften von Räumen mit Öffnungen zu
modellieren (z. B. Fahrzeug mit geöffnetem Schiebedach). Einen großen
Vorteil bietet die indirekte Methode bei Oberflächen mit dünnen Rippen,
da es bei der indirekten Methode ausreicht, lediglich die Mittelebene zu
10.2 Berechnungsmethoden 185

vernetzen. Will man eine (geschlossene) Oberfläche mit Rippen mit Hilfe
der direkten Methode berechnen, so muss die Rippe als dreidimensionale
Teil-Berandung der Oberfläche vernetzt werden.
3. Mathematische Singularitäten können u. U. nur schwer überwunden wer-
den.
4. Führt auf vollbesetzte, symmetrische Matrizen.
Da verrippte Blechstrukturen offen sind, können die von deren Schwingungen
hervorgerufenen Schallfelder sinnvoll lediglich mit der indirekten Methode be-
rechnet werden (es sei denn, man berücksichtigt die Blechdicke und vernetzt
die Oberfläche des Blechs mit einem geschlossenen Netz).
Anmerkung 10.4. Die Lösungen der direkten Boundary-Elemente-Methode
müssen nicht eindeutig sein. So ist die Lösung des äußeren (vgl. rechtes Teilbild
von 10.7) Neumannschen Randwertproblems (also Vorgabe der Geschwindig-
keiten auf S) bei einer Kreisfrequenz ω nicht eindeutig, wenn diese Kreis-
frequenz eine Resonanzfrequenz für das entsprechende innere (linkes Teilbild
10.7) Dirichletsche Randwertproblem (also Vorgabe des Drucks) ist (vgl. [31]).

10.2.4 Finite-Elemente-Methode

Die Helmholtz-Gleichung
∆Φ̂ + k 2 Φ̂ = 0 (10.53)
kann auch mit gewöhnlichen Finiten-Elementen gelöst werden. Dies ist direkt
für Probleme möglich, bei denen das Gebiet, in dem die Helmholtz-Gleichung
gelöst werden soll, beschränkt ist.
Für Abstrahlungsprobleme, bei denen sich das Gebiet bis in das Unendliche
erstreckt, kann man infinite Elemente einsetzen.
Die Vorteile der Finite-Elemente-Methode sind:
• die Methode ist auf beliebige geometrische Strukturen anwendbar; das
zu betrachtende Gebiet kann unterschiedliche akustische Eigenschaften in
beliebig vielen Teilgebieten aufweisen.
• Die Matrizen in den zu lösenden Gleichungssystemen sind schwach besetzt;
dadurch lassen sich diese effizient lösen.
• Die Methode kann zur Eigenschwingungsanalyse eingesetzt werden.
• Fluid-Struktur-Kopplungen sind möglich.
Diesen Vorteilen steht der Nachteil gegenüber, dass die Erstellung des Finiten-
Element-Netzes sehr aufwändig sein kann.
Ein weiterer Nachteil bei der Bestimmung von Eigenfrequenzen mit der
Finiten-Elemente-Methode im höherfrequenten Bereich für Fahrzeuge (Schiffe,
Autos, Eisenbahnen oder Flugzeuge) ist, dass die Anzahl der Eigenfrequen-
zen sehr groß werden kann. Dadurch ist die Anwendung der Finite-Elemente-
Methode im höherfrequenten Bereich ungeeignet.
Das folgende Beispiel gibt Aufschluss über die große Anzahl.
186 10 Akustik

Abb. 10.9. Abmessungen eines quaderförmigen Luftraums.

Beispiel 10.5. Gegeben sei der in Abb. 10.9 gezeigte Quader mit eingeschlos-
senem Luftvolumen. Die Abmessungen des Quaders sind x = 2m, y = 1, 5m
und z = 1m. Gesucht ist die Anzahl der Eigenschwingungen des Luftvo-
lumens in dem als starr angenommenen Quader. Lösungen der Helmholtz-
Gleichung
∆Φ̂ + k 2 Φ̂ = 0 (10.54)
sind      
πx πy πz
Φ̂x,y,z = Φ0 cos nx cos ny cos nz . (10.55)
x y z
Der Fall nx = 0, ny = 0, nz = 0 führt auf die triviale (Null)lösung. Die
Wellenzahl k lässt sich berechnen:
   2  2
2
nx ny nz
k=π + + . (10.56)
x y z

Der Zusammenhang zwischen der Wellenzahl k, der Kreisfrequenz ω und der


Schallgeschwindigkeit c ist:
ω
k= . (10.57)
c
In dem Frequenzbereich von 0 Hz bis 15 kHz gibt es (c = 340 m/s) ungefähr
1,1 · 106 Eigenfrequenzen. An dieser großen Zahl wird deutlich, dass deren
Berechnung schwierig ist, insbesondere wenn man an allen Eigenfrequenzen
interessiert ist.
Im Rahmen von Eigenfrequenzberechnungen mit Hilfe der Finite-Elemente-
Methode von z. B. Rohkarosserien stößt man ebenfalls auf sehr viele Eigenfre-
quenzen (zum Teil um den Faktor fünf mehr als in diesem Beispiel). Bei diesen
Anwendungen ist man allerdings lediglich an einigen der kleinsten Eigenfre-
quenzen interessiert. Dadurch lassen sich diese Eigenfrequenzberechnungen
mit Hilfe der Finite-Elemente-Methode lösen.
Die Finite-Elemente-Methode wird eingesetzt, wenn man lediglich an den
niedrigsten Eigenfrequenzen (bis 200 Hz oder 300 Hz) interessiert ist. Die
10.2 Berechnungsmethoden 187

Eigenformen des Luftraums entsprechen im Wesentlichen den Lösungen in


(10.55). Da Fahrzeuge nicht symmetrisch sind, gibt es allerdings immer klei-
nere Abweichungen. In den Abbn. 10.10 und 10.11 sind vier Eigenformen eines
Prinzipfahrzeugs zu den Frequenzen 87 Hz, 111 Hz, 140 Hz und 170 Hz zu
erkennen. Alle Berandungen sind schallhart (die Normalengeschwindigkeiten
verschwinden also auf den Rändern). Die dunkelgrauen Bereiche stehen dabei
für große positive Werte des Drucks und die hellgrauen Bereiche stehen für
große negative Werte. Bei dem mittleren Grauton ist der Druck null.
In Abb. 10.12 sind für ein detailliertes Modell eines Golf 5 in der oberen Reihe
der Bilder die ersten beiden Längsschwingungen des Luftraums (Frequenzen:
links 53 Hz, rechts 101 Hz) zu erkennen; in der unteren Reihe sind höhere
(Frequenzen: links 142 Hz, rechts 198 Hz) nicht mehr so einfach zu inter-
pretierende Eigenformen dargestellt. Die Unterschiede für die Frequenzen der
Längsschwingungen zwischen dem Prinzipfahrzeug und dem Golf 5 rühren
von der Berücksichtigung der schallharten Hutablage im Prinzipmodell her.

Abb. 10.10. Luftraum-Eigenformen eines Fahrzeuginnenraums (rechts: Schnitt


durch Beifahrersitz), oben 87 Hz, unten 111 Hz.

10.2.5 Statistische Energie-Analyse

Die statistische Energie-Analyse bietet die Möglichkeit, im Gegensatz zur


FEM, im hochfrequenten Bereich Aussagen über die Akustik (Körperschall
und Luftschall) zu treffen.
188 10 Akustik

Abb. 10.11. Luftraum-Eigenformen eines Fahrzeuginnenraums (rechts: Schnitt


durch Beifahrersitz), oben 140 Hz, unten 170 Hz.

Abb. 10.12. Luftraum-Eigenformen des Golf 5, oben links 53 Hz, oben rechts 101
Hz, unten links 142 Hz, unten rechts 198 Hz (Quelle: Volkswagen AG).
10.2 Berechnungsmethoden 189

Als Einführung in die statistische Energie-Analyse wenden wir uns einem


Zweimassenschwinger zu (vgl. Abb. 10.13). Der Zweimassenschwinger be-
steht aus zwei gedämpften Einmassenschwingern, die über ein Feder-Dämpfer-
Element miteinander verbunden sind. An den Massen greift jeweils eine Kraft
an.
Die Kräfte lassen sich durch ein Fourierintegral oder durch eine Fourierreihe
darstellen:
∞
Fi = σi (ω) ejωt dω (10.58)
0

oder


Fi = Sik · ejkω0 t . (10.59)
k=0

Im Folgenden gehen wir von einer harmonischen (also monofrequenten) Erre-


gung der beiden Massen aus:

Fi = Si · ejωt . (10.60)

Bei der SEA interessiert im Gegensatz zur klassischen Schwingungslehre nicht


die Schwingung des Systems im Detail, sondern die mittlere Energie der Mas-
sen, wobei die mittlere Energie das zeitliche Mittel der Energie über die Peri-
odendauer T = 2π ω ist. Weiter ist bei der SEA der mittlere Energieaustausch
zwischen den Massen von Interesse, also der über eine Periodendauer gemittel-
te Leistungsfluss. Bestimmt man diese Größen, so erhält man (die detaillierten

) )

[ P N. E. P [

N E N E

Abb. 10.13. Zweimassenschwinger.

Rechnungen finden sich in [72], wobei wir der Einfachheit halber hier von einer
verschwindenden Koppelmasse ausgehen):
( )
Eif = mi ẋ2i , (10.61)
190 10 Akustik

P12 = A12 (E1f − E2f ) , (10.62)


wobei E1f die mittlere Energie des Systems 1 (also Masse m1 und Steifigkeit
k1 ) ohne Kopplung an das System 2, E2f die mittlere Energie des Systems
2 (also Masse m2 und Steifigkeit k2 ) ohne Kopplung an das System 1 und
P12 der mittlere Leistungsfluss ist. Die Konstanten ergeben sich aus folgenden
Gleichungen:
∆1 ∆2  2   
A12 = γ ∆1 ω22 + ∆2 ω12 + κ2 (∆1 + ∆2 ) , (10.63)
d
bi
∆i = , (10.64)
mi
bk
γ = √ , (10.65)
m1 m2

ki
ωi = , (10.66)
mi
kk
κ = √ , (10.67)
m1 m2

 2  
d = ∆1 ∆2 ω12 − ω22 + (∆1 + ∆2 ) ∆1 ω22 + ∆2 ω12
  2
+γ 2 (∆1 + ∆2 ) ∆1 ω22 + ∆2 ω12 + κ2 (∆1 + ∆2 ) . (10.68)

Anmerkung 10.6.

• Die Energieausdrücke Eif , i = 1, 2, entsprechen gerade der Gesamtenergie


eines Einmassenschwingers, wenn man bi = 0 setzt, denn es gilt:

T
( ) ω
ẋ2i = x2i0 ω 2 sin2 (ωt) dt (ωt = τ )

 0
= T1

2π
ω 1
= x2i0 ω 2 sin2 (τ ) dτ
2π τ
0
1
= x2i0 ω 2 . (10.69)
2
• Der mittlere Leistungsfluss zwischen den beiden Einmassenschwingern ist
groß, wenn A12 groß ist und wenn die Energiedifferenz groß ist. Der Faktor
A12 wird groß, wenn die Eigenfrequenzen
 nahe beieinander liegen, denn
dann ist der Ausdruck ω12 − ω22 in der Gleichung für d klein und damit,
da d im Nenner von A12 steht, A12 groß.
• Da A12 > 0 gilt, hat der Leistungsfluss die Folge, dass die Energie von
dem System mit großer Energie zu dem System mit kleiner Energie fließt.
10.2 Berechnungsmethoden 191

• Einen ähnlichen Ausdruck für den Leistungsfluss erhält man, wenn man
die mittlere Energie der einzelnen Systeme E1 und E2 betrachtet (also die
Energie mit Berücksichtigung der Kopplung):

P12 = B12 (E1 − E2 ) . (10.70)

Der Leistungsfluss hängt also lediglich von der Differenz der mittleren
Energien ab.
Dieses einfache Ergebnis, lässt sich übertragen auf schwingungsfähige gekop-
pelte Kontinua (z. B. Balken, Stäbe, Platten). Diese werden beschrieben durch
partielle Differentialgleichungen. Für Stabschwingungen gilt z. B. die partielle
Differentialgleichung:
EAu − ρü = p (x, t) . (10.71)
Geht man von einem beidseitig eingespannten Stab aus, so lassen sich die
Lösungen der homogenen Differentialgleichung (also p = 0) schreiben als:


u= αj eiωj t ûj (x) , (10.72)
j=0

mit
EAûi + ρûi = 0. (10.73)
Die Schwingungen der einzelnen, gekoppelten Kontinua (Balken, Stäbe, Plat-
ten) werden nun beschrieben wie im Beispiel des Stabes durch die Eigenfre-
quenzen ωj und die Eigenformen ûj .
Wir betrachten im Folgenden zwei gekoppelte Kontinua mit den Eigenfre-
quenzen ωkj (k = 1, 2, i = 1, . . . , Nk ) und den Eigenformen ûkj . Die Eigen-
frequenzen und Eigenformen erhält man, wenn man das jeweilige Kontinuum
am Ort der Kopplung festhält.
Für die Eigenschwingungen werden Annahmen getroffen, die den statistischen
Charakter der SEA widerspiegeln:
1. Betrachtet man sehr viele Exemplare eines zu berechnenden Systems in
der Praxis, so werden sich diese Exemplare infolge streuender Parameter
(z. B. Materialparameter) unterscheiden. Aus diesem Grund würden auch
die Eigenfrequenzen ωki streuen. Bei der SEA wird davon ausgegangen,
dass die Eigenfrequenzen eines Teilsystems innerhalb eines Intervalls ∆ω
gleich verteilt sind.
2. Die Eigenschwingungen werden zu Gruppen zusammengefasst, so dass
jede Eigenschwingung eines Teilsystems in einer Gruppe in etwa die glei-
che Energie aufweist. Betrachtet man z. B. einen dehn- und tordierba-
ren Biegebalken mit unterschiedlichen Biegesteifigkeiten, so würde man
die Eigenschwingungen zunächst nach der Frequenz sortieren und je eine
Gruppe für Dehn- und Torsionsschwingungen sowie für Biegeschwingun-
gen in zwei Richtungen bilden, insgesamt also vier Gruppen. Jede dieser
Gruppen bildet im Rahmen der SEA ein sogenanntes Subsystem.
192 10 Akustik

3. Beschreibt man die Schwingungen des Systems mit Hilfe sogenannter mo-
daler Amplituden βj (t), z. B. im Fall des Dehnstabs


u (x, t) = βj (t) ûj (x) , (10.74)
j=0

1
βj (t) = ρu (x, t) ûj (x) dx , (10.75)
M
wobei M die Gesamtmasse des Kontinuums ist, so sollen diese modalen
Amplituden innerhalb eines Subsystems inkohärent sein:
 
βj βk dt = δjk βj2 dt. (10.76)

Hier ist δjk das Kroneckersymbol.


4. Die Dämpfung (die Abklingkonstante) jeder Eigenschwingung in einem
Subsystem ist gleich.
5. In einem Subsystem werden Eigenschwingungen innerhalb eines Intervalls
der Breite ∆ω zusammengefasst. Die spektralen Dichten σj der Anregung
p, 
σj (t) = p (x, t) ûj (x) dx, (10.77)

ändern sich wenig in dem Frequenzintervall ∆ω.


Wir betrachten nun zwei gekoppelte Subsysteme (also zwei gekoppelte Konti-
nua, deren Schwingungen jeweils durch eine Gruppe von Eigenschwingungen
beschrieben werden); in jedem Subsystem befinden sich Eigenschwingungen
innerhalb des Frequenzintervalls [ω−∆ω/2, ω+∆ω/2], wobei die Eigenschwin-
gungen in einem Subsystem in etwa die gleiche Energie haben). Zusätzlich zu
der Kopplung über eine Steifigkeit κ oder einen Dämpfer γ betrachtet man
in der SEA auch die Kopplung über eine Koppelmasse µ. Für das Beispiel
der Stäbe könnten die beiden partiellen Differentialgleichungen also folgende
Form haben:
bj EA  1
k

üj − u̇j − uj = pj + µÿk + (−1) γ u̇k + κuk (10.78)
ρj ρj ρj
mit j = k, j, k = 1, 2.
Der Leistungsfluss zwischen den beiden Subsystemen ist:
  2
π µ2 ω 2 + γ 2 + 2µκ + ωκ 2
P12 = ∆ω (E1 − E2 ) . (10.79)
2 δω1 δω2
Hier ist E1 die Energie der Eigenschwingungen im Subsystem 1 (nach der
ersten Annahme haben alle Eigenschwingungen die gleiche Energie) und E2
die entsprechende Energie für das Subsystem 2. Weiter ist δωj = ∆ω
Nj , wobei
Nj die Anzahl der Eigenschwingungen des j-ten Subsystems sind.
10.2 Berechnungsmethoden 193

Der Leistungsfluss hängt also von der Breite ∆ω des betrachteten Frequenz-
intervalls ab. Dieses Ergebnis überrascht nicht. Erstaunlicher erscheint die
Abhängigkeit von der Differenz der Energien der einzelnen Eigenschwingungen
(vergleicht man dieses Ergebnis mit dem des Zweimassenschwingers, so ist
aber auch dieses Ergebnis plausibel).
Man kann den Leistungsfluss auch mit Hilfe der gesamten Energien E1G und
E2G angeben:
P12 = ω (η12 E1G − η21 E2G ) , (10.80)
wobei
  κ2
1 π µ2 ω 2 + γ 2 + 2µκ + ω2
η12 = , (10.81)
ω2 δω2
2 2
 2  κ2
1 π µ ω + γ + 2µκ + ω2
η21 = (10.82)
ω2 δω1
die sogenannten Kopplungsverlustfaktoren sind.
Der Leistungsfluss hängt also von der Gesamtenergie, dem mittleren Ab-
stand δωj der Eigenschwingungen im Frequenzintervall, von den Kopplungs-
parametern und von der Frequenz ab. Ist die gesamte Energie in beiden Sub-
systemen gleich, so ist der Leistungsfluss von Subsystem 1 zum Subsystem 2
positiv, wenn der mittlere Abstand δω1 der Eigenschwingungen im Subsystem
1 größer ist als δω2 .
Mit den bisherigen Erkenntnissen verdeutlichen wir die Leistungsbilanz an ei-
nem Gesamtsystem, das aus zwei Subsystemen besteht (vgl. 10.13). Die extern
den Subsystemen zugeführten Leistungen sind Pje . Die dissipierte Energie (z.
B. infolge von Dämpfung) führt zu Leistungsflüssen Pjd aus den Systemen.
Wir gehen von einem stationären Zustand des Systems aus. Das bedeutet,
dass sich die Energien EjG nicht ändern. Die Leistungsbilanz für die beiden
Systeme ist also:

P12 + P1d = P1e , (10.83)


P21 + P2d = P2e . (10.84)

Die dissipierte Energie ist Pjd = ωηj EjG . Man nennt ηj auch Verlustfaktoren.
Zusammen mit (10.80) ergibt sich:
    
η1 + η12 −η21 E1G P1e
ω = . (10.85)
−η12 η2 + η21 E2G P2e

Für ein System, das aus M Subsystemen zusammengesetzt ist, ergibt sich
analog ⎛ ⎞ ⎛ ⎞
E1G P1e
⎜ E2G ⎟ ⎜ P2e ⎟
⎜ ⎟ ⎜ ⎟
ωΘ ⎜ . ⎟ = ⎜ .. ⎟ (10.86)
⎝ .. ⎠ ⎝. ⎠
EM G PM e
194 10 Akustik

mit
⎛ ⎞
* M

⎜ η1 + η1j −η 12 · · · −η 1M ⎟
⎜ j=1 ⎟
⎜ j =1 ⎟
⎜ *M ⎟
⎜ −η21 ··· −η2M ⎟
⎜ η2 + η2j ⎟
⎜ j=1 ⎟
Θ=⎜ ⎟ . (10.87)
⎜ j =2

⎜ .
.. .. .. ⎟
.
⎜ . ⎟
⎜ ⎟
⎜ *
M ⎟
⎝ −η1M ... ηM + ηM j ⎠
j=1
j =M

Dies sind die Grundgleichungen für die SEA.


Sind die Eingangsleistungen Pje gegeben, so erhält man durch Lösen des linea-
ren Gleichungssystems die mittleren Energien in den einzelnen Subsystemen.
Die sogenannten Dämpfungsverlustverfahren ηj erhält man aus Messungen,
oder diese werden empirisch vorgegeben. Die Kopplungsverlustfaktoren ηmj
können zum Beispiel mit Hilfe der Finite-Elemente-Methode berechnet wer-
den. In kommerziellen SEA-Programmen werden diese Kopplungsverlustfak-
toren als Eingabeelemente zur Verfügung gestellt. Im Folgenden beleuchten

Abb. 10.14. Prinzip-SEA-Modell eines Autos.

wir die Schritte, um ein SEA-Modell für eine Auto aufzustellen. Das SEA-
Modell ist in Abb. 10.14 dargestellt. Man erkennt deutlich, dass dieses Mo-
dell eine wesentliche Vereinfachung eines Autos darstellt. Die Fragestellung,
die mit diesem Modell beantwortet werden soll, ist, wie sich Schwingungen
des Motors über die Karosserie in den Luftraum der Fahrgastzelle ausbrei-
ten und welche Auswirkungen Anregungen durch die Luftströmung an der
Windschutzscheibe haben.
10.2 Berechnungsmethoden 195

Um ein Modell aufzubauen, geht man in drei Schritten vor:


1. Definieren der Subsysteme, also der Gruppen von Eigenschwingungen ei-
ner Komponente.
2. Definieren der Kopplungen.
3. Definieren der äußeren Anregungen (Kräfte).

zu 1.: Um die Subsysteme zu definieren, kann man in SEA-Programmen


einfache Elemente (Balken, Platten, Lufträume) auswählen. Die SEA-
Programme berechnen dann die Subsysteme, also die Gruppen von Eigen-
schwingungen. Im Fall eines Balkens müssen lediglich die Flächenmomen-
te (also die Querschnittsfläche für Dehnschwingungen, Flächenmomente
zweiten Grades für die Biegeschwingungen und polares Flächenmoment
für die Torsionsschwingungen), die Massebelegung und die Elastizitäts-
konstanten vorgegeben werden. Es besteht auch die Möglichkeit, nicht
geradlinige Balkenelemente vorzugeben. In dem Beispiel in Abb. 10.14

Abb. 10.15. Rohkarosserie eines Volkswagen Passat B6 (Quelle: Volkswagen AG).

sind z. B. Längsträger, A-, B- und C-Säule, Schweller und Dachrahmen


durch Balken abgebildet. Ähnlich können weitere Elemente eingefügt wer-
den: Im vorliegenden Beispiel das Bodenblech oder Bleche der Tür oder
des Dachs. Auch gewölbte Flächen oder zylindrische Strukturen können
definiert werden.
Betrachtet man den tatsächlichen Aufbau einer Rohkarosserie am Beispiel
des VW-Passat (Abb. 10.15), so erkennt man, dass SEA-Modelle deutlich
komlexer aufgebaut sein müssten als in Abb. 10.14.
Für diese komplexen Komponenten (im Fahrzeug häufig tiefgezogene
Blechteile) sollten FEM-Berechnungen Aufschluss über Eigenschwingun-
196 10 Akustik

gen geben. Diese sollten dann an Stelle der in SEA-Programmen imple-


mentierten analytischen Formeln zur Beschreibung der Subsysteme her-
angezogen werden. Für die Dämpfungsverlustfaktoren gibt es empirische
Werte in Abhängigkeit von der Frequenz für unterschiedliche Materialien.
Diese finden sich in der Literatur (z. B. [72] S. 160 f.), oder diese Faktoren
sind in SEA-Programmen implementiert.

Abb. 10.16. Mögliche Kopplungen zwischen Balken.

zu 2: Weitere Elemente zum Aufbau von SEA-Modellen sind Verbindungen.


Diese gewährleisten die Kopplung zwischen den Subsystemen. Diese Kopp-
lungen werden durch Verbindungen zwischen den (physikalischen) Kom-
ponenten hervorgerufen, wobei es auf die Art der Verbindung ankommt,
ob und welche Subsysteme miteinander gekoppelt sind. In Abb. 10.16 sind
zwei Balken gezeigt, die in den Teilbildern a), b) und c) unterschiedlich
durch einen starren, gelenkig gelagerten Körper miteinander gekoppelt
sind. Aufgrund dieser Kopplungen sind für den Fall a) die Dehnung von
Balken 1 und die Biegung von Balken 2 gekoppelt. Das bedeutet, dass
es einen Energieaustausch zwischen den Subsystemen Dehnung Balken 1
und Biegung Balken 2 gibt; ebenso gibt es einen Energieaustausch zwi-
schen den Subsystemen Dehnung Balken 2 und Biegung Balken 1. Keine
Kopplung gibt es hingegen zwischen den Subsystemen, die den Biegeei-
genformen in die jeweils andere Richtung und den Torsionsschwingungen
zugeordnet sind. In den Teilbildern b) und c) sind Kopplungen zwischen
den Subsystemen Torsion einerseits und Biegung oder Dehnung anderer-
seits gezeigt. Man erkennt an diesen einfachen Beispielen, dass die Kopp-
lungen sehr verwickelt sein können.
Es gibt auch Randbedingungen, die verschiedene Subsysteme einer Kom-
10.2 Berechnungsmethoden 197

Abb. 10.17. SEA-Subsysteme, die nicht zerlegt werden sollten.

ponente koppeln können und so zu einem Leistungsfluss führen können.


Bei Balken, bei denen der Schubmittelpunkt und der Schwerpunkt nicht
zusammenfallen (dies ist häufig bei Balken mit nur einer oder gar kei-
ner Symmetrieachse der Fall), sind die Subsysteme für Torsion und für
Biegung gekoppelt. Für die Biege-Torsionsschwingungen muss man daher
ein Subsystem definieren. In Abb. 10.17 a) ist ein Beispiel für einen Bal-
kenquerschnitt gezeigt, bei dem Schubmittelpunkt und Schwerpunkt nicht
zusammenfallen.
In den Teilbildern b) und c) von Abb. 10.17 sind zwei Beispiele gezeigt, wie
eine Komponente eines Gesamtsystems (in b ein Doppel-T-Träger und in
c eine versteifte Platte) nicht in Teilkomponenten zerlegt werden sollten,
um für diese Teilkomponenten anschließend Subsysteme zu definieren, die
am Ende wieder über die Definition von Kopplungen miteinander verbun-
den sind.
zu 3: Im letzten Schritt zum Aufbau eines SEA-Modells müssen die äußeren
Anregungen und hier speziell die Leistungsflüsse bestimmt werden.
Anregungen können herrühren von Kräften und Momenten (z. B. vom
schwingenden Motor), von Luftströmungen (z. B. turbulente Strömungen
an den Seitenscheiben der Türen) oder von Schallfeldern (andere Fahr-
zeuge im Straßenverkehr).
Man erkennt an der sehr vereinfachenden Modellbildung, dass die Vorhersage-
genauigkeit der SEA begrenzt ist, gerade wenn es um die Vorhersage absolu-
ter Werte geht. Geeignet ist die SEA, um Tendenzaussagen treffen zu können
198 10 Akustik

oder um Ausbreitungsmechanismen störender Schallquellen zu erkennen und


zu vermeiden.
Beim Vergleich von Berechnungsergebnissen der SEA mit experimentellen Er-
gebnissen bedient man sich der logarithmischen Darstellung und der Mittelung
über gewisse Frequenzbereiche (Terz- oder Oktavspektren).
Der Anwender der SEA sollte sich im Klaren darüber sein, dass dieser Mit-
telungsprozess und die logarithmische Darstellung die Ergebnisse der Berech-
nung leichter experimentellen Resultaten vergleichbar macht als nicht gemit-
telte Werte ohne logarithmische Darstellung.
Beispiel 10.7. Als abschließendes Beispiel für die SEA betrachten wir ein Teil
eines Flugzeugrumpfs (vgl. Abb. 10.18; ein SAE-Beispiel für ein Fahrzeug fin-
det sich z. B. in [108]). Die Struktur besteht im Wesentlichen aus (gekrümm-
ten) Platten, Balken und Luftvolumina. Erregt wird das System durch drei
Schallquellen und durch eine Kraft in y-Richtung.
Man erkennt sehr gut an der Größe der Pfeile, wie groß der Leistungsfluss
zwischen den unterschiedlichen Komponenten (also die Summe der Leistungs-
flüsse zwischen den Subsystemen) ist. Deutlich erkennbar sind auch die Un-
terschiede zwischen den Frequenzen.
In Abb. 10.19 sind für die Frequenzen 1000 Hz bzw. 2000 Hz die Energieflüsse
dargestellt. In Abb. 10.20 sind die mittleren Energien der einzelnen Kompo-
nenten (also die Summe der Energien der Subsysteme) aufgezeigt. In Abb.

Abb. 10.18. SEA-Modell eines Flugzeugrumpf-Teilmodells (Beispiel des Pro-


gramms AutoSEA von ESI).

10.21 ist der mittlere Druck in Abhängigkeit von der Frequenz im Passagier-
bereich dargestellt.
Um die akustischen Eigenschaften einer Struktur zu verbessern, kann man z.
B. das Subsystem aus Abb. 10.21 identifizieren, in dem der Druck am größten
10.2 Berechnungsmethoden 199

ist. Anschließend analysiert man den Weg des größten Leistungsflusses: Hat
man diesen bestimmt, so kann man mit Hilfe der Matrix der Kopplungsver-
lustfaktoren Maßnahmen entwickeln, um den Leistungsfluss über diesen Weg
zu verkleinern.

Abb. 10.19. Energieflüsse bei 1000 Hz (links) und 2000 Hz (rechts).

Abb. 10.20. Mittlere Energien der einzelnen Komponenten bei 63 Hz.

10.2.6 Ray-Tracing-Methode

Für akustische Fragestellungen in sehr großen Räumen (Konzertsäle, Fabrik-


hallen) für den gesamten, hörbaren Frequenzbereich sind die bisher vorge-
stellten Methoden nicht geeignet. Hier bedient man sich (ähnlich wie in der
Strahlenoptik) Strahlen, die von Schallquellen ausgehen und an den Wänden
reflektiert werden. In Abb. 10.22 ist dies für ein zweidimensionales Beispiel
200 10 Akustik

Abb. 10.21. Druck in Abhängigkeit von der Frequenz im Passagierbereich des


Rumpfs.

Abb. 10.22. Bestimmung des Schallpegels an einem Ort mit Hilfe der Ray-Tracing-
Methode.

mit einer Schallquelle und einem Ort, an dem der Schallpegel bestimmt wer-
den soll, dargestellt. Wesentlich für diese Methode ist die Idealisierung der
Schallquelle als Punkt, von dem die Schallstrahlen ausgehen. Für die reflek-
tierten Strahlen müssen geeignete Annahmen bezüglich der Abschwächung
nach der Reflexion getroffen werden. Man betrachtet so viele Reflexionen bis
die Intensität des Strahls unter eine vernachlässigbare Schranke gefallen ist.
Die Intensität und die Richtung der Strahlen wird gewöhnlich mit Hilfe eines
Zufallszahlengenerators erzeugt. Am Ort, an dem der Schallpegel ermittelt
werden soll, werden die dort ankommenden Strahlen summiert.
10.3 Praktische Hinweise 201

Die Genauigkeit der Methode hängt von der Anzahl der betrachteten Strahlen
ab, die für große Räume über 100.000 liegt.
Die wesentlichen Merkmale der Ray-Tracing-Methode sind:
• geeignet für große Räume und hohe Frequenzen,
• Beugung wird nicht berücksichtigt (ungeeignet für kleine Frequenzen),
• Interferenz wird nicht berücksichtigt,
• kurze Simulationszeiten auf dem Computer.
Die Ray-Tracing-Methode spielt in der Fahrzeugentwicklung in Bezug auf die
Akustik keine Rolle, allerdings wird diese Methode eingesetzt, um die Be-
leuchtung (Scheinwerfer, Kurvenlicht etc.) virtuell zu beurteilen.

10.3 Praktische Hinweise


Im Folgenden geben wir einige Hinweise und Daten, die bei der Berechnung
akustischer Fragestellungen in der Praxis von Bedeutung sind (aus [112]).
Die für akustische Fragestellungen wichtigen Materialparameter von Luft und
Wasser sind (ρ: Dichte, c: Schallgeschwindigkeit):

kg
ρLuf t = 1, 21 , (10.88)
m3
m
cLuf t = 343 , (10.89)
s
kg
ρW asser = 1000 3 , (10.90)
m
km
cW asser = 1, 48 . (10.91)
s
Für akustische FEM oder BEM als auch für Rayleigh-Berechnungen sollte

Abb. 10.23. Knotenabstand ∆s für Innenraum- und Außenraumakustik.

eine bestimmte Anzahl von Knoten für eine Wellenlänge nicht unterschritten
werden.
202 10 Akustik

Für akustische Fragestellungen im Innenraum sind dies neun und für Berech-
nungen im Außenraum sind es fünf Knoten. D. h., dass man für Innenraumbe-
rechnungen neun Knoten, also acht Elemente, für eine Wellenlänge vorsehen
sollte, wenn man von einfachen linearen Ansatzfunktionen ausgeht. Geht man
von höherwertigen Elementen (also von Elementen mit einem höheren Grad
des Polynomansatzes) aus, so reichen auch weniger Elemente, nicht jedoch
Knoten aus.
Die Abhängigkeit des Knotenabstands von der Frequenz für Luft (c = 340
m/s) ist in Abb. 10.23 gezeigt.
Wie bei allen Berechnungen sollte der Anwender komplexer Simulationssoft-
ware die Ergebnisse mit Hilfe von Überschlagsberechnungen kontrollieren. Im
Fall von Eigenfrequenzanalysen kann man dies einfach mit Hilfe einer charak-
teristischen Abmessung char und der Schallgeschwindigkeit durchführen. Die
niedrigste Eigenfrequenz für Schwingungen in der Richtung, in der die cha-
rakteristische Länge char bestimmt wurde, liegt dann in der Größenordnung:
c
f= . (10.92)
2 char.
11
Statik, Dynamik, Betriebsfestigkeit von
Rohkarosserien

In diesem Kapitel werden die Statik und die Dynamik von Rohkarosserien von
Kraftfahrzeugen und einige Aspekte der Betriebsfestigkeit behandelt.
Ziel der Statik und Dynamikberechnung von Rohkarosserien ist eine möglichst
steife Karosserie und eine möglichst hohe untere Grenze für die Eigenfrequen-
zen zu erreichen. Beides ist wichtig für einen hohen Komfort und für gut
fahrdynamische Eigenschaften.In Abb. 11.1 sind für unterschiedliche Fahr-
zeuge die Torsionssteifigkeit und die Eigenfrequenz der Torsionsschwingung
dargestellt.

Abb. 11.1. Torsionssteifigkeiten und Torsionseigenfrequenzen verschiedener Fahr-


zeuge.
204 11 Statik, Dynamik, Betriebsfestigkeit von Rohkarosserien

11.1 Statik von Rohkarosserien


Moderne Kraftfahrzeuge werden häufig mit geklebten Windschutz- und Heck-
scheiben produziert. Dabei werden die aus Spezialglas bestehenden Scheiben
mit Hilfe einer elastisch aufgebauten Klebeverbindung mit der Rohkarosserie
verbunden. Unter Rohkarosserie versteht man dabei alle Blechteile, die durch
Schweißverbindungen (punktförmige Schweißverbindungen oder linienförmige
Laserschweißnähte) miteinander verbunden sind.
Kotflügel werden häufig geschraubt, da dies im Falle einer Reparatur nach
einem Unfall kostengünstiger ist; diese zählen daher nicht zwangsläufig zur
Rohkarosserie 1 .
Die geklebten Scheiben sind bei Deformationen der gesamten Rohkarosserie
Belastungen unterworfen, die nicht zum Versagen (z. B. zu Rissen) der Schei-
ben führen dürfen. Aus diesem Grund sollten die Rohkarosserien möglichst
steif sein. Als Maß für die Beurteilung der Belastungen der eingeklebten Schei-
ben dient zum Beispiel die Änderung des Diagonalmaßes, also die Längenände-
rung der Diagonalen der Rohkarosserieöffnung, in die die Scheibe eingeklebt
wird.
Ein Qualitätsmerkmal für die Fertigung von Rohkarosserien ist das sogenann-
te Spaltmaß. Dieses Spaltmaß ist der Abstand der Türen, Klappen und Deckel
(also z. B. Türen für Ein- und Ausstieg, Heckklappe und Motorraumdeckel)
zur umgebenden Rohkarosserie. Dieses Spaltmaß sollte aus unterschiedlichen
Gründen (Design, Strömungsverluste) klein sein. Verformt man die Rohka-
rosserie, so können sich die Spaltmaße an einigen Stellen verkleinern, und im
ungünstigsten Fall kann es zum Kontakt zwischen den Blechteilen kommen,
was Lackschäden zur Folge haben kann. Aus diesem Grund muss die Verfor-
mung der Rohkarosserie klein sein.
Auch die Änderungen der Diagonalmaße der Öffnungen für Türen, Klappen
und Deckel muss gering sein, da sich diese bei Deformationen der Karosserie
noch problemlos öffnen und schließen lassen müssen (die Fahrertür darf beim
Öffnen nicht klemmen, falls das Fahrzeug mit einem Rad auf dem Bordstein
steht).
Es ergeben sich drei Gründe für eine steife Rohkarosserie:
• geringe Diagonalmaßänderungen der Öffnungen für eingeklebte Scheiben
(hauptsächlich der Windschutzscheibe), um Risse in diesen Scheiben zu
vermeiden,
• geringe Diagonalmaßänderungen der Öffnungen für Türen, Klappen und
Deckel, um deren problemloses Öffnen und Schließen zu gewährleisten,
• geringe Veränderungen der Spaltmaße, um Kontakte zwischen Karosserie-
teilen und in deren Folge Lackschäden zu vermeiden.
1
Aus welchen Komponenten Rohkarosserien für die Beurteilung von Statik und Dy-
namik zusammengesetzt sind, ist bei den verschiedenen Herstellern unterschied-
lich. So kann z. B. der Kotflügel für statische Untersuchungen zur Rohkarosserie
gehören, für die dynamische jedoch nicht.
11.1 Statik von Rohkarosserien 205

Häufig werden zwei Belastungsfälle betrachtet, unter denen die Steifigkeit von
Rohkarosserien beurteilt wird:
1. Die Rohkarosserie wird durch den vollen Tank und vier Insassen belastet.
Es ergibt sich eine Biegung der Rohkarosserie.
2. Die Aufnahmepunkte der Hinterachsfedern werden festgehalten und an
den Aufnahmepunkten der Vorderachsfedern wird durch ein Kräftepaar
ein Moment aufgebracht. Es ergibt sich eine Torsion der Karosserie. Dieser
Lastfall tritt zum Beispiel auf, wenn man mit einem Vorderrad auf einen
Bordstein fährt.

Abb. 11.2. Rohkarosserie (nach MEDINA-Beispiel).

Zur Bestimmung der (statischen) Steifigkeit bedient man sich FE-Modellen.


Die Bleche werden dabei mit Schalenelementen abgebildet (i. Allg. inklusi-
ve der Kotflügel). In Abb. 11.2 ist ein FE-Modell eines (älteren) Fahrzeugs
dargestellt. Das Modell besteht aus etwa 64000 Elementen (44000 Dreiecks-
elementen und 20000 Viereckselementen).
In Abb. 11.3 ist ein vergrößerter Ausschnitt eines feineren Modells erkennbar.
FE-Modelle bestehen (je nach Fahrzeuggröße und Hersteller) aus ein bis zwei
Millionen Elementen. In Darstellungen dieser FE-Gesamtfahrzeugmodelle ist
es auf Grund der Auflösung (des Auges und der Bildschirme) nicht mehr sinn-
voll, die einzelnen Elemente anzeigen zu lassen. In den Abbn. in Kapitel 9 sind
die Gesamtfahrzeuge ohne Finite-Elemente dargestellt.
Die ersten Statikmodelle im Automobilbereich bestanden meist nicht aus
Schalen- sondern aus Balkenelementen. In Abb. 11.4 ist ein solches Statik-
modell aus dem Jahr 1969 dargestellt (nach [29]). In dem in den Abbn. 11.2
und 11.3 gezeigten Beispiel ist die Anzahl der Dreieckselemente im Vergleich
206 11 Statik, Dynamik, Betriebsfestigkeit von Rohkarosserien

Abb. 11.3. Detail einer Rohkarosserie (nach MEDINA-Beispiel).

Abb. 11.4. Statikmodell aus dem Jahr 1969 (nach [29]).

zur Anzahl der Viereckselemente deutlich zu groß. In Kapitel 8 wird auf die
Elementqualität insbesondere im Zusammenhang mit Dreiecksnetzen einge-
gangen.
Zu viele Dreieckselemente führen i. Allg. dazu, dass die berechneten Steifigkei-
ten zu groß sind. Man sollte darauf achten, die Anzahl der Dreieckselemente
möglichst gering zu halten. Als Anhaltspunkt sollte die Anzahl der Dreiecks-
elemente 10% (besser 5%) der Anzahl der Viereckselemente nicht übersteigen,
wobei diese Grenze als notwendige Bedingung zu sehen ist. Neben der Anzahl
der Elemente kommt es auch auf deren Verteilung an.
Besonderes Augenmerk sollte bei der Modellierung auf die Schweißverbindun-
gen gelegt werden. Genaugenommen müsste jeder Schweißpunkt durch ein Vo-
lumennetz im FE-Modell nachgebildet werden (beispielhaft ist ein Ausschnitt
aus einem Volumenmodell eines Schweißpunktes in Abb. 11.5 gezeigt). Ebenso
müssten die Laserschweißnähte durch entsprechende Volumenmodelle abge-
bildet werden. Bei einigen Tausend Schweißpunkten in einer Rohkarosserie
11.1 Statik von Rohkarosserien 207

Abb. 11.5. Beispiel eines FE-Netzes für einen Schweißpunkt (rechts nach [104]).

würde dies einen erheblichen Aufwand bedeuten. Daher gibt es in einigen FE-
Programmen spezielle Möglichkeiten, die Schweißverbindungen einfach abzu-
bilden durch Schweißpunktfunktionen, die Kräfte und Momente mit Verschie-
bungen und Verdrehungen verknüpfen. Da Schweißpunkte und -nähte immer
flächige Verbindungen sind, ersetzt man durch die einfachen Schweißpunkt-
funktionen Spannungen (die zu Tage treten, wenn man im Sinne der Mecha-
nik freischneidet) durch Einzelkräfte und -momente. Diese Vernachlässigung
der Kraft- und Momentenübertragung kann nach dem Prinzip von St. Ven-
ant schnell abklingen und damit die Gesamtverformung wenig beeinflussen, in
unmittelbarer Umgebung des Schweißpunktes werden sich allerdings unrea-
listische Spannungsverteilungen einstellen. Die Materialeigenschaften werden
im Modell als rein elastisch betrachtet. Coulombsche Reibung ist zwar wichtig,
wird aber (u. a. wegen der zwangsläufig damit verbundenen Nichtlinearitäten)
in den Modellen nicht berücksichtigt. Mit Hilfe der FE-Modelle werden für
die beiden Lastfälle Biegung und Torsion die Deformationen berechnet. Die
Durchbiegung und der Torsionswinkel sollten bestimmte Werte nicht überstei-
gen, um Deformationen zu vermeiden, die zu unerwünschten Resultaten für
die Anforderungen an die Rohkarosserie führen.
In der Abb. 11.1 sind die Deformationen einer Rohkarosserie für die beiden
Lastfälle Biegung (links) und Torsion (rechts) dargestellt. Auf Grund der De-
formationen können Maßnahmen zur Erhöhung der Steifigkeit abgeleitet wer-
den.
Mit Hilfe der FE-Modelle können Rohkarosserien optimiert werden. Bei-
spiele sind:
• Variationen von Blechdicken ausgewählter Bauteile so, dass die Deforma-
tionen unterhalb bestimmter Restriktionen bleiben, die Gesamtmasse der
Karosserie aber abnimmt.
• Variation der Anzahl und Lage der Schweißpunkte so, dass die Defor-
mationsrestriktionen eingehalten werden und die Anzahl der notwendigen
Schweißpunkte abnimmt.
208 11 Statik, Dynamik, Betriebsfestigkeit von Rohkarosserien

Abb. 11.6. Deformationen der Rohkarosserie (Passat B6) bei den Lastfällen Bie-
gung (oben) und Torsion (unten) (Quelle: Volkswagen AG).

• Gezieltes Einbringen von Sicken in Bleche, die die Statik maßgeblich be-
einflussen und die nicht unmittelbar sichtbar sind (z. B. im Bereich des
Kofferraums).
Man bezeichnet diese Optimierungen auch als Blechdicken-, Schweißpunkt-
und Sickenoptimierung. Ein weiteres Verfahren in diesem Zusammenhang ist
die Topologieoptimierung. In Kapitel 15 sind zwei Beispiele zur Sickenopti-
mierung und Topologieoptimierung beschrieben.

11.2 Dynamik von Rohkarosserien


Neben der bisher behandelten Statik spielt auch die Dynamik der Rohkaros-
serie eine wichtige Rolle. Man geht davon aus, dass die niedrigsten Eigenfre-
quenzen möglichst hoch sein müssen, um ein im Hinblick auf den Komfort
gutes Fahrzeug zu erhalten.
Ob dies allerdings gerade durch die in Bezug auf akustische Fragestellungen
der Fall ist, kann nicht ohne weiteres vorausgesetzt werden. So sollte dar-
auf geachtet werden, dass Eigenwerte der Rohkarosserie nicht mit denen des
11.2 Dynamik von Rohkarosserien 209

Luftraums im Fahrzeug zusammenfallen. Dynamikmodelle erhält man aus der


Erweiterung der Statikmodelle um Trägheitskräfte. So bekommt man gewöhn-
liche, lineare Differentialgleichungssysteme bezüglich der Zeit. Die Anzahl der
abhängigen Veränderlichen in diesem System kann in der Größenordnung ei-
niger Millionen liegen. Die Steifigkeits- und Massenmatrizen sind schwach be-
setzt. Von diesem Differentialgleichungssystem werden die Eigenschwingungen
(also Eigenfrequenzen und zugehörige Eigenvektoren) bestimmt. Aus diesem
Grund können auch keine nichtlinearen Anteile wie zum Beispiel Coulombsche
Reibung berücksichtigt werden; geschwindigkeitsproportionale Dämpfung ist
ebenfalls nicht in den Modellen enthalten. Man erhält bei n Differentialglei-

Abb. 11.7. Charakteristische Eigenformen zu den niedrigsten Eigenfrequenzen.

chungen zweiter Ordnung 2n Eigenwerte mit zugehörigen Eigenvektoren. Die-


se alle zu berechnen ist allerdings nicht sinnvoll. Meist ist man lediglich an
den Eigenschwingungen mit den kleinsten Eigenfrequenzen interessiert. Da-
her werden Algorithmen angewendet, die nur die Eigenschwingungen zu den
niedrigsten Eigenfrequenzen berechnen (z. B. die niedrigsten fünf oder zehn).
Unter diesen Eigenschwingungen befinden sich immer charakteristische For-
men. Prinzipielle Beispiele sind in Abb. 11.7 zusammengestellt. Teilbild a)
steht für eine Eigenschwingung, bei der die gesamte Karosserie um die
Längsachse tordiert wird. Teilbild b) deutet eine Eigenschwingung an, bei der
Dach und Boden gegenphasig schwingen (die sogenannte Z-Biegung). Teilbild
c) steht für eine Biegeschwingung. Teilbild d) zeigt das gleichphasige Pendeln
der Längsträger.
210 11 Statik, Dynamik, Betriebsfestigkeit von Rohkarosserien

In der Praxis findet man diese Eigenformen nicht immer oder zumindest nicht
in dieser reinen Form. In Abb. 11.2 sind die Eigenformen des Passat B6 zu
den drei niedrigsten Eigenfrequenzen dargestellt. Man erkennt oben links das
Längsträgerpendeln, oben rechts die Torsion und unten die Z-Biegung. Bei
genauem Hinsehen ist allerdings erkennbar, dass diese Eigenformen nicht in
der reinen, prinzipiellen Form wie in Abb. 11.7 dargestellt erscheinen.
Ob die Eigenformen der niedrigsten Eigenfrequenzen tatsächlich den prinzi-
piellen Grundformen zuzuordnen sind, hängt vom betrachteten Modell ab. Es
treten auch Fälle auf, bei denen die Eigenformen gemischt auftreten können
(aus Symmetriegründen ist dies allerdings nicht für jede beliebige Kombina-
tion möglich). Ein Auslegungskriterium kann z. B. sein, dass die niedrigste

Abb. 11.8. Eigenformen des Passat B6 (Quelle: Volkswagen AG).

Eigenfrequenz größer als 45 Hz ist. Diese Grenze variiert jedoch von Fahr-
zeugklasse zu Fahrzeugklasse und von Fahrzeughersteller zu Fahrzeugherstel-
11.3 Vorhersage der Lebensdauer 211

ler. Bei jeder Weiterentwicklung ist man daran interessiert, die Eigenfrequen-
zen zu vergrößern. Auch in der Dynamik werden Blechdicken-, Schweißpunkt-
und Sickenoptimierungen eingesetzt. Im Allg. sollten allerdings Optimierun-
gen nicht monodisziplinär sondern immer multidisziplinär durchgeführt wer-
den, also z. B. Statik-, Dynamik- und Crashberechnung umfassen.

11.3 Vorhersage der Lebensdauer


Zur Vorhersage der Lebensdauer von Bauteilen können Spannungs- und Ver-
zerrungsberechnungen herangezogen werden. Wichtig bei der Bestimmung der
Lebensdauer ist die Art der Belastung, bei der Versagen auftritt.
Versagt ein Bauteil unter statischer Belastung, so wird man die maximal auf-
tretenden Spannungen in einer Vergleichsspannung zusammenfassen und mit
einem einaxialen Werkstoffkennwert vergleichen.
Bei schwingender Beanspruchung unterscheidet man gewöhnlich zwischen ei-
ner niedrigen Anzahl von Lastwechselspielen (low cycle fatigue) und einer
hohen Anzahl von Lastwechselspielen (high cycle fatigue).
Low cycle fatigue tritt häufig bei ausgedehnten Bereichen mit plastischer De-
formation auf. High cycle fatigue ist häufig durch kleine plastische Bereiche
geprägt ([15]).
Beispiele für Lebensdauerberechnungen finden sich z. B. in [86], wo für nicht-
gefügte Bauteile im Karosseriebereich mit einem örtlichen Dehnungskonzept
gearbeitet wird und für das Fahrwerk und die Aggregate mit einem örtlichen
Spannungskonzept.
Um die Lebensdauer zu berechnen, bedient man sich Schadensakkumulati-
onshypothesen. In diese Hypothesen geht die Anzahl der Lastwechsel und die
Spannung oder die Verzerrung ein.
Schätzt man die Lebensdauer durch Spannungen ab (hier setzt man z. B.
die Spannungs-Wöhlerkurven ein), so geht man häufig von elastischen Defor-
mationen aus (in diesen Fällen kann man high cycle fatigue erwarten). Die
Lebensdauervorhersage mit Hilfe von Verzerrungen wird i. Allg. eingesetzt
bei Belastungen, die große Bereiche mit plastischen Deformationen nach sich
ziehen.
Bekannte Schadensakkumulationshypothesen sind nach Palmgren-Miner oder
Liu-Zenner benannt. Wir stellen hier die Idee des Ansatzes von Palmgren-
Miner dar (nach [9]). Bei diesem geht man von Spannungsverläufen σ = σ(t)
in einzelnen Bauteilen aus, die man z. B. aus Lastkollektiven erhält. In
diesen Spannungs-Zeitverläufen treten bestimmte Spannungen σi mit einer
Häufigkeit ni auf. Diese Spannungsverläufe fasst man in einem Spannungs-
Häufigkeits-Diagramm zusammen (vgl. Abb. 11.9). Die Häufigkeiten ni in
diesem Diagramm für bestimmte Spannungsamplituden σai vergleicht man
mit Hilfe der Wöhlerkurve mit der maximalen Anzahl Ni , die zum Versagen
des Bauteils führen würde. Bezieht man die tatsächlich auftretenden Häufig-
keiten ni auf die nach der Wöhlerkurve maximal möglichen Ni und summiert
212 11 Statik, Dynamik, Betriebsfestigkeit von Rohkarosserien

Abb. 11.9. Schadensakkumulationshypothesen nach Palmgren-Miner.

diese Werte auf, so erhält man einen Schädigungsparameter

1  ni
I
D= . (11.1)
I i=1 Ni

Dieser Schädigungsparameter D gibt Aufschluss über ein eventuell auftreten-


des Versagen oder über gefährdete Stellen im Bauteil, an denen ein Versagen
wahrscheinlich ist. Für D > 1 ist ein Versagen wahrscheinlich. Bei der Vordi-
mensionierung von Bauteilen empfiehlt man häufig D ≈ 0, 3 (vgl. [9], S. 268).
Die Lebensdauervorhersage beruht also auf Spannungs- oder Verzerrungsbe-
rechnungen. In der Fahrzeugentwicklung werden z. B. Fahrwerkteile in Bezug
auf die Lebensdauer beurteilt ebenso aber auch Teile der Karosserie.
Ein weiterer Ansatz geht von der Rissausbreitung aus. Bei diesem Ansatz
nimmt man an, dass in Bauteilen unabhängig von deren Fertigungsprozess
Fehlstellen vorliegen, die sich im Laufe der Belastung zu Rissen ausbilden
([15]).
12
Strömungssimulation

Strömungssimulation wird in der Fahrzeugentwicklung für viele Fragestel-


lungen eingesetzt. So wird der Widerstandsbeiwert cw errechnet, der La-
dungswechsel wird mit Hilfe eindimensionaler Berechnungsverfahren ermit-
telt, die Kühlung des Motors wird bestimmt und der Kühlkreislauf wird durch
eindimensionale Strömungsberechnungen rechnerisch erfasst. Ebenso werden
Lüftungskanäle und Klimaanlagen mit Hilfe strömungsmechanischer Berech-
nungen optimiert.
Im ersten Abschnitt werden Berechnungen im Zusammenhang mit dem Motor
aufgelistet. Im zweiten Abschnitt wird die Umströmung des Gesamtfahrzeugs
beispielhaft behandelt. Die Klimatisierung im Fahrzeuginnenraum wird kurz
im dritten Abschnitt als eine Anwendung dargestellt. Der vierte Abschnitt
widmet sich ausführlich der Ladungswechselberechnung.
In diesem Kapitel werden lediglich einige Aspekte der Strömungssimulation
behandelt. Eine ausführlichere Behandlung findet sich in [1].

12.1 Motoren
Gerade im Bereich des Motors spielen Strömungsphänomene eine wichtige
Rolle, wenn man an Kühlung und Schmierung denkt (Ladungswechselberech-
nung wird im letzten Abschnitt dieses Kapitels vorgestellt).
Der Schmierölkreislauf wird rechnerisch hauptsächlich durch null- und ein-
dimensionale Methoden erfasst. Der Kreislauf wird beschrieben als hydrauli-
sches Netzwerk. Bestimmt werden die Öldrücke an ausgewählten Schmierstel-
len und der Öldurchsatz. Ziel ist u.a. die Gewährleistung der Schmierung aller
beteiligten Komponenten bei gleichzeitiger Reduzierung der Antriebsleistung
der Ölpumpe.
Der Kühlmittelkreislauf wird berechnet, um unzulässig hohe Bauteiltempera-
turen zu vermeiden. Eine wichtige Zielgröße ist die Gleichverteilung der Tem-
peraturen in den unterschiedlichen Zylindern. Dieses Ziel wird im Rahmen von
komplexen Strömungsberechnungen des Wassermantels verfolgt. Dabei geht
214 12 Strömungssimulation

es hauptsächlich um die richtige Auslegung von Strömungsquerschnitten für


die Übertritte in die Zylinderkopfdichtungen.
In Abb. 12.1 ist die Wassermantelströmung in einem BMW V8 Dieselmotor
gezeigt. Ziel einer Wassermantelsimulation ist zum Beispiel, die Größe und die
Lage von Durchlassöffnungen geeignet zu bestimmen (vgl.[87]) . Neben diesen
komplexen, dreidimensionalen Berechnungsverfahren werden auch eindimen-
sionale Verfahren eingesetzt, um die Aufteilung der Volumenströme in den
einzelnen Zweigen und die Streckenverluste zu berechnen. Häufig werden Ver-

Abb. 12.1. Wassermantelströmung in einem BMW V8 Dieselmotor (Quelle: BMW).

fahren unterschiedlicher Dimension auch gekoppelt (vgl. z. B. [47]). So kann z.


B. in einer eindimensionalen Ladungswechselberechnung das Saugrohr mittels
einer dreidimensionalen Simulation berücksichtigt werden. Um genaue Aussa-
gen mit Hilfe eindimensionaler Berechnungsmethoden zu erhalten, ist es u. U.
notwendig, Teile des Strömungsfeldes genauer abzubilden, wenn deren Geo-
metrie komplex ist und wenn deren Einfluss auf die gesamte Strömungssimu-
lation groß ist. Durch die steigende Packagedichte im Vorderwagen moderner
Fahrzeuge wird die Kühlung des Motors und der Nebenaggregate erschwert.
Um im virtuellen Entwicklungsprozess die Kühlung im Motorraum beurteilen
zu können, werden umfangreiche Simulationen der Motorraumdurchströmung
durchgeführt. Ziel ist es, eine ausreichende Kühlung zu gewährleiten und Be-
reiche im Motorraum (z. B. Totwassergebiete) zu identifizieren, in denen die
Strömung und damit die Kühlung optimiert werden kann.
In Abb. 12.2 ist ein Beispiel für eine Motorraumdurchströmung dargestellt.
Diese Berechnungsergebnisse helfen dabei, konstruktive Änderungen zu finden
und zu beurteilen.
Sehr spezielle strömungsmechanische Anwendungen betreffen den Ein-
spritzvorgang und die damit verbundene Spraybildung. Die Schwierigkeit be-
steht darin, dass man ein Phasengemisch aus (gasförmiger) Luft und (flüssi-
gem) Kraftstoff berechnen muss. In Abb. 12.3 (aus: [13]) ist die Spraybildung
12.1 Motoren 215

Abb. 12.2. Motorraumdurchströmung Mercedes A-Klasse (Quelle: Daimler-


Chrysler AG).

beim Einspritzvorgang dargestellt. Der Massenanteil ist an unterschiedlichen


Graustufen erkennbar. An den Einspritzvorgang kann sich eine Simulation der
Verbrennung anschließen, mit deren Hilfe der Zylinderdruck berechnet werden
kann (vgl. [13], [50]).

Abb. 12.3. Spraybildung beim Einspritzvorgang (aus: [13]).


216 12 Strömungssimulation

12.2 Außenaerodynamik
Die Berechnung der Außenumströmung von Fahrzeugen verfolgt die Vorhersa-
ge des Widerstandsbeiwertes des Gesamtfahrzeuges, der Auftriebsbeiwerte des
Fahrzeuges an den beiden Achsen, der Benetzung und der Verschmutzung, der
Kühlung (z. B. der Bremsen), des Innenraumklimas und der Windgeräusche.
Bei Serien-Pkw werden heutzutage cw -Werte im Bereich von 0,3 erreicht; cA -
Werte sollten an der Hinterachse niedrig sein und an der Vorderachse nicht
zu weit unterhalb der Hinterachse liegen.
In Abb. 12.4 ist das Strömungsbild eines Fahrzeugs der Mercedes A-Klasse zu
sehen. Der große Vorteil der Simulation im Vergleich zum Experiment ist, dass
deutlich mehr Informationen berechnet, graphisch angezeigt und ausgewertet
werden können (Geschwindigkeiten, Druckverluste, einzelne Stromlinien). So

Abb. 12.4. Umströmung eines Mercedes A-Klasse-Fahrzeug (Quelle: Daimler-


Chrysler AG).

können Gebiete hohen Druckverlustes und Wirbelgebiete leicht identifiziert


werden. Im Versuch kann man zwar auch die Umströmung erfassen (vgl. Abb.
12.5), es sind aber nicht ohne weiteres alle strömungsmechanischen Feldgrößen
messbar. Bei Fahrzeugen spielen der Heckwirbel und der A-Säulen-Wirbel ei-
ne wichtige Rolle in der Aerodynamik. Diese können mit Hilfe der Simulation
12.3 Klimatisierung 217

Abb. 12.5. Erfassung der Umströmung eines A-Klasse Mercedes im Windkanal


(Quelle: Daimler-Chrysler AG).

leicht untersucht werden, deren Beeinflussung durch Änderungen der Außen-


haut eines Fahrzeugs kann ohne aufwändige Änderungen an einem Realfahr-
zug vornehmen zu müssen beurteilt werden.
In Abb. 12.6 (links) sind die Stromlinien beim A-Säulen-Wirbel erkennbar,
rechts ist die Strömung hinter dem Fahrzeug (Heckwirbel) dargestellt.

Abb. 12.6. Umströmung eines Fahrzeugs der Mercedes A-Klasse: A-Säulen-Wirbel


und Heckwirbel (Quelle: Daimler-Chrysler AG).

12.3 Klimatisierung
Die Klimatisierung von Fahrzeugen ist ein wichtiges Komfortmerkmal. Im
Jahr 2002 wurden etwa 60 % der Neuwagen mit Klimaanlagen ausgestattet.
Bei der Klimatisierung spielt nicht nur der Komfortaspekt eine Rolle sondern
auch die Sicherheit, denn die Leistungsfähigkeit und die Aufmerksamkeit des
Fahrers hängen auch von den Temperaturen im Fahrgastraum ab.
Um die Auslegung von Klimaanlagen und die Gestaltung von Lüftungs-
kanälen virtuell durchführen zu können, werden 1D-Strömungssimulationen,
3D-Strömungssimulationen und thermodynamische Berechnungsmethoden ge-
koppelt. Ziel dieser Berechnungen ist die Vorhersage der Luftströmungen und
218 12 Strömungssimulation

deren Temperatur, um Aussagen zum Komfort treffen zu können. Diese Aus-


sagen erhält man zum Beispiel mit sogenannten Komfortdummys. Dies sind
thermophysiologische Insassenmodelle, die die Beurteilung der thermischen
Behaglichkeit und der inhomogenen Wärmebelastung der Passagiere gestat-
ten. In [95] ist eine Anwendung aus dem Bereich Klimatisierung zu finden.
In Abb. 12.7 ist die Temperatur für die Körperoberfläche eines Komfort-
dummy und das Strömungsfeld mit den Temperaturen der Luft gezeigt.

Abb. 12.7. Thermischer Komfortdummy TIM (Quelle: Daimler-Chrysler AG)

12.4 Ladungswechselberechnung

Die Aufladung von Verbrennungsmotoren dient hauptsächlich der Steigerung


von Leistung und Moment bei gleichbleibendem Hubraum oder Reduzierung
des Hubraums bei gleicher Leistung und gleichem Moment.
Die Vorteile wie niedrigerer Preis, geringerer Bauraum, niedrigerer Verbrauch
liegen auf der Hand. Ziel der Aufladung ist es, dem Motor durch geeignete
Maßnahmen eine höhere Luftmasse (und damit eine höhere Kraftstoffmasse)
pro Arbeitsspiel zur Verfügung zu stellen. Bei der Aufladung unterscheidet
man die mechanische Aufladung, die Abgasturboaufladung und andere Ver-
fahren. Bei der mechanischen Aufladung wird der Verdichter direkt von der
Kurbelwelle angetrieben, beim Abgasturbolader treibt das Abgas den Ver-
dichter an. Von den anderen Verfahren seien hier lediglich die Resonanz- und
die Schwingrohraufladung genannt.
Bei der Resonanzrohraufladung werden Gruppen von Zylindern durch kur-
ze Rohre mit einer Resonanzkammer verbunden (Abb. 12.8). Diese Kam-
mern sind durch Resonanzrohre mit einem Sammelbehälter verbunden. Die
Gassäulen in diesem System werden durch die unterschiedlichen Ansaug-
vorgänge in Schwingungen versetzt. Stimmen die Frequenzen der Schwingun-
12.4 Ladungswechselberechnung 219

Motor

VR

DR

VA

Abb. 12.8. Resonanzrohraufladung (nach [113], S. 38).

Abb. 12.9. Prinzipieller Aufbau eines Schaltsaugrohrs; die Schaltpunkte liegen z.


B. bei 4100 U/min für den Schaltvorgang vom langen zum kurzen Rohr und bei
3950 U/min für den Schaltvorgang vom kurzen zum langen Rohr. Durch die ver-
setzten Schaltpunkte werden Instabilitäten (selbsterregte Schwingungen) vermieden;
bei niedrigeren Drehzahlen führt ein langes Saugrohr zu einer Erhöhung des Drehmo-
mentes (links), bei hohen Drehzahlen führt ein kurzes Saugrohr zu einer Erhöhung
der Leistung.

gen mit Eigenfrequenzen überein, so kommt es zu Aufladeeffekten. Eine Stei-


gerung des Drehmoments (bis zu 10 %) ist lediglich in einem begrenzten Dreh-
zahlbereich möglich. Um über einen größeren Drehzahlbereich eine Steigerung
des Moments zu erreichen, benötigt man variable Resonanzrohrlängen. Diese
kann man durch sogenannte Schaltsaugrohre realisieren, bei denen das Reso-
nanzrohr in Abhängigkeit von der Stellung einer Klappe zwei unterschiedliche
Längen annehmen kann (s. Abb. 12.9).
Bei der Schwingrohraufladung ist jeder Zylinder durch ein separates Saug-
rohr mit einem Luftverteiler (Abb. 12.10) verbunden. Beim Öffnen eines Ein-
lassventils läuft eine Unterdruckwelle durch das zugehörige Schwingrohr. Am
anderen (offenen) Ende dieses Schwingrohres wird die Welle reflektiert und
gelangt als Überdruckwelle zurück zum Einlassventil. Erreicht diese Über-
druckwelle das Einlassventil kurz bevor es geschlossen wird, so führt dies
zu einer Aufladung. Kurze Schwingrohre führen bei hohen Drehzahlen zu ei-
220 12 Strömungssimulation

L1
Motor

D1
L2
V
D2

DK
Abb. 12.10. Schwingrohraufladung (nach [113], S. 38).

ner Leistungssteigerung, während lange Saugrohre die Leistung bei niedrigen


Drehzahlen steigern. Man kann die Leistung (auch hier lediglich in einem be-
grenzten Drehzahlbereich) von 15 % bis 20 % steigern. An diesen Beispielen
erkennt man, wie man mit Hilfe einfacher Mittel die Leistung steigern kann.
Weitere Maßnahmen können ergriffen werden, um den Ladungswechsel, Rest-
gasanteile (bei Überschneidungen der Ventile), Druck an den Einlassven-
tilen oder die Abgastemperaturen zu beeinflussen. So können zum Bei-
spiel die Öffnungsdauer der Ventile, die Nockenform (also die Ventilhub-
Kurbelwellenwinkel-Abhängigkeit), die Einlassspreizung (Kurbelwellenwinkel
vom oberen Totpunkt bis zum maximalen Einlassventilhub) oder die Aus-
lassspreizung (Kurbelwellenwinkel vom maximalen Auslassventilhub bis zum
oberen Totpunkt) variiert werden.
Zusammen mit Rohrlängen und -durchmessern ergibt sich eine Vielzahl von
Parametern, die variiert werden können, um die oben aufgeführten Zielgrößen
zu beeinflussen.
Um dies rechnerisch zu erfassen (speziell die Strömungsvorgänge im Einlass-
und Auslassbereich, die unter Umständen durch einen Abgasturbolader ge-
koppelt sind) bedient man sich eindimensionaler, strömungsmechanischer Be-
rechnungen. Die Vorgänge in Rohren werden dabei als eindimensionale, in-
stationäre Strömungen kompressibler Fluide beschrieben. Die Strömungen in
Verzweigungen oder Behältern werden meist über Kenngrößen oder Kennfel-
der erfasst; genaugenommen müsste man hier dreidimensionale Strömungs-
vorgänge rechnerisch erfassen.
In der Ladungswechselberechnung erstellt man Modelle eines Motors (s. Abb.
12.11), gleicht die Parameter (speziell für Rohrverzweigungen) mit Hilfe von
Experimenten ab und kann anschließend das Motorenmodell optimieren.
In den Ladungswechselberechnungsprogrammen sind vordefinierte Elemente
(vgl. Abb. 12.11) enthalen, die entsprechend dem tatsächlichen Motor verbun-
den werden. Neben Rohren (die Hauptströmungsrichtung ist durch die Pfeile
angegeben) kommen Behälter, Blenden, Verzweigungen, Zylinder und Roh-
renden (Randbedingungen) zum Einsatz. Zunächst werden die Gleichungen
12.4 Ladungswechselberechnung 221

7
BE2

6
BL4
BE3 24
5
BL3
4
10 9 8 BL12
BL7 BL6 BL5
11 12 13

ZY1 ZY2 ZY3 BE1


23
16 15 14
BL10 BL9 BL8
19 18 17
20 RV2
3
RV1
21 BL11
BE: Behälter
ZY: Zylinder RV3 BL2
BL: Blende 22
RV: Rohrverzweigung 25
: Rohr 2
RE: Rohrende
RE1 BL1

Abb. 12.11. Ladungswechselmodell eines Dreizylinder-Motors.

hergeleitet, die die eindimensionale Strömung beschreiben (wir folgen dabei


den Ausführungen von [119] und [64]).
Wir betrachten als Kontrollvolumen einen Abschnitt der Länge dx eines Roh-
res mit variablem Querschnitt (Querschnittsfläche A(x)). In Abb. 12.12 ist
dieses Kontrollvolumen durch die beiden Kreisscheiben bei x und bei x + dx
begrenzt. Die strömungsmechanischen Größen sind der Druck p, die Mas-
sendichte ρ und die Strömungsgeschwindigkeit u in x-Richtung. Hinzu kommt
noch die innere Energiedichte e. Der komplette Gleichungssatz besteht aus den
Erhaltungsgleichungen für Masse, Impuls und Energie und aus der Zustands-
gleichung für ein ideales Gas. Wir beginnen mit der Erhaltung der Masse. Der
Massenstrom über die Grenzfläche A(x) in einem Zeitintervall ∆t ist:
∆m(x) = u(x)A(x)∆t ρ(x) . (12.1)
  
=∆V
222 12 Strömungssimulation

Abb. 12.12. Kontrollvolumen.

Der Massenstrom über die Grenzfläche A(x + dx) ist:

∆m(x + dx) = (u(x) + u (x)∆x)(A(x) + A (x)∆x)∆t(ρ(x) + ρ (x)∆x). (12.2)

Hier wurden die Größen u, A und ρ bei x+dx ersetzt durch ihre Taylorreihen-
entwicklungen bis zum linearen Glied (da wir weiter unten den Grenzübergang
lim∆x→0 . . . betrachten, fallen die quadratischen Glieder weg). Der Strich ()
steht für die Ableitung nach dem Ort x. Wenn wir im Folgenden u, ρ oder A
oder deren Ableitung angeben, so bedeutet dies immer deren Wert bei x. Falls
sich die Gesamtmasse ∆M im Kontrollvolumen ändert, so muss sich auch die
Dichte ρ ändern. Die Größe ∆V des Kontrollvolumens ist:
 
 ∆x
∆V = A + A ∆x . (12.3)
2
Die Dichte ändert sich also um
∆M
∆ρ =
∆V
1
= (∆m(x) − ∆m(x + dx))
∆V
   ∆t  
= − (uAρ + uA ρ + u Aρ) + O ∆x2 . (12.4)
∆V
 
Hier bedeutet O ∆x2 quadratische Terme von ∆x oder Terme höherer Ord-
nung (man bezeichnet den Buchstaben O auch als Landausymbol).
Umgeformt ergibt sich zusammen mit (12.3)
12.4 Ladungswechselberechnung 223
 
∆x ∆ρ ∂ (uρA)
A + A + + O (∆x) = 0 . (12.5)
2 ∆t ∂x
Die Grenzübergänge lim∆x→0 . . . und lim∆t→0 . . . ergeben

Aρ̇ + (uρA) = 0 . (12.6)
˙ steht
Dies ist die erste Bilanzgleichung (Erhaltung der Masse). Der Punkt ()
für die partielle Ableitung nach der Zeit.
Die zweite Gleichung erhält man aus dem Impulserhaltungssatz, den wir zu-
nächst in einer einfachen, allgemeingültigen Form angeben:

t+∆t

(mv) (t + ∆t) = (mv) (t) + F dτ + ∆r . (12.7)


t

Hier ist:
(mv) (t + ∆t) : Impuls der Masseteilchen im Kontrollvolumen für t + ∆t
(mv) (t) : Impuls der Masseteilchen im Kontrollvolumen bei t

t+∆t
F dτ : Kraftstoß äußerer Kräfte, z. B. Druckkräfte an den
t
Begrenzungen des Kontrollvolumens oder Reibkräfte an den
Wänden des Rohres
∆r : Impulsaustausch durch den Massenfluss (verlässt ein
materielles Teilchen das Kontrollvolumen, so nimmt dieses
Teilchen seinen Impuls mit)
Wir wenden uns den verschiedenen Termen zu. Für den Gesamtimpuls der
im Kontrollvolumen enthaltenen Masseteilchen benötigen wir zunächst die
mittlere Masse (die sich aus der mittleren Dichte und dem Volumen ergibt)
und die mittlere Geschwindigkeit. Es ergibt sich für den Impuls für t:
 
∆x ρ + ρ + ρ ∆x u + u + u ∆x
(mv) (t) = A + A ∆x
2 2 2
  
=∆V
 
= Aρu∆x + O ∆x2 . (12.8)

Daraus erhält man unmittelbar durch Taylorreihenentwicklung bezüglich der


Zeit:
 
(mv) (t + ∆t) = A (ρ + ρ̇∆t) (u + u̇∆t) ∆x + O ∆x2 . (12.9)

Als nächstes wenden wir uns der Impulsänderung ∆r auf Grund des Mas-
senstroms zu: Dazu benötigen wir den Impuls, den Masseteilchen mit in das
Kontrollvolumen bringen
ρAu∆t u . (12.10)
  
∆m(x)
224 12 Strömungssimulation

Hier ist ∆m die Masse der Teilchen, die im Zeitintervall ∆t in das Kontroll-
volumen mit der Geschwindigkeit u eintreten.
Analog erhält man für die Teilchen, die das Kontrollvolumen wieder verlassen:

(ρ + ρ ∆x) (A + A ∆x) (u + u ∆x) ∆t (u + u ∆x) . (12.11)


  
∆m(x+∆x)

Insgesamt ergibt sich durch Subtraktion


   
∆r = − ρAu2 ∆x∆t + O ∆x2 ∆t. (12.12)

Übrig bleibt der Kraftstoß. Die Kraft F setzt sich aus den Druckkräften und
aus den Wandreibkräften (Tangentialspannung τ ) zusammen:
 
∆x
F = pA − (p + p ∆x) (A + A ∆x) − p + p (A − A − A ∆x) + τ πD∆x.
2
  (12.13)
Der Term p + p ∆x 2 (A − A − A
∆x) rührt vom Druck auf die Wände des
Rohres her.
Hier ist D der mittlere Durchmesser des Kontrollvolumens, π ist die Kreiszahl.
Das Integral kann, da letztendlich der Grenzübergang lim∆t→0 . . . betrachtet
wird, ersetzt werden:

t+∆t

F dt → F ∆t . (12.14)
t

Setzt man alles in (12.7) ein, so erhält man:


   
A (ρu̇ + ρ̇u) ∆t∆x+ ρAu2 ∆x∆t+p A∆x∆t+τ πD∆x∆t+O ∆x2 ∆t = 0.
(12.15)
Insgesamt ergibt sich nach dem Grenzübergang lim∆x→0 und lim∆t→0 :
 
∂ (ρu) ∂p ∂ ρu2 A
A +A + + τ πD = 0. (12.16)
∂t ∂x ∂x
Der Term π D rührt von der mittleren Bogenlänge eines Rohrquerschnitts
her. Dabei sind wir davon ausgegangen, dass die Rohrquerschnitte kreisförmig
sind. Für diesen Fall kann man auch die Fläche A angeben:

D2
A=π . (12.17)
4
Für die Schubspannungen τ infolge der Reibung gilt für diesen Fall:
1
τ= ρu |u| f. (12.18)
2
Zum Abschluss der Betrachtungen wenden wir uns der Energieerhaltungsglei-
chung zu. Dabei betrachten wir die spezifische innere Energie e. Dies ist die
12.4 Ladungswechselberechnung 225

Energie des Gases bezogen auf dessen Masse.


Die Energie E (t + ∆t) im Kontrollvolumen zum Zeitpunkt t + ∆t ergibt sich
aus der Energie E (t) im Kontrollvolumen zum Zeitpunkt t zuzüglich der zu-
geführten Energie. Energie kann dem Kontrollvolumen zu- oder abgeführt
werden:
• durch Masseteilchen, die mit ihrer Energie in das Kontrollvolumen fließen
oder es wieder verlassen,
• durch die Druckkräfte an den Rändern des Kontrollvolumens,
• durch einen Wärmestrom z. B. auf Grund von Verbrennung, Verdampfung
oder durch Wandreibung,
• durch Wärmeleitung an den Grenzflächen des Kontrollvolumens.
Die Wärmeleitung wird vernachlässigt. Die Gleichungen für die anderen drei
Mechanismen geben wir im Folgenden an.
Die Energiegleichung lautet zunächst:

E (t + ∆t) = E (t) + ∆E, (12.19)

wobei
E (t) = e A∆xρ,
  
∆m (12.20)
E (t + ∆t) = (e + ė∆t) A∆x (ρ + ρ̇∆t) .
Hier ist e die Energie bezogen auf die Masse, die sogenannte spezifische Ener-
gie. Der Ausdruck ∆E der zu- oder abgeführten Energie gliedert sich auf in
∆Em (Energie infolge zu- oder abfließender Masseteilchen), ∆EV (Energie in-
folge der Kompression des im Kontrollvolumen enthaltenen Gases) und ∆Eq
(Energie z. B. aus Verbrennung, Verdampfung oder auf Grund der Rohrrei-
bung).
Der Ausdruck ∆m ist die Masse der Gasteilchen im Kontrollvolumen. Genau-
genommen müsste an dieser Stelle der Ausdruck
    
 ∆x  ∆x  ∆x
E (t) = e + e A+A ∆x ρ + ρ (12.21)
2 2 2

stehen (analog für den Ausdruck E (t + ∆t)).


Wie bei der Herleitung der Impulsbilanz
 fallen
 die Terme, in denen ∆x/2
steht, weg (diese führen zu Termen O ∆x2 ).
Die Energiezufuhr ∆Em auf Grund des Masseflusses ist:

∆Em (x) = u∆tAρ e, (12.22)


  
∆m
∆Em (x + ∆x) = (u + u ∆x) ∆t (A + A ∆x) (ρ + ρ ∆x) (e + e ∆x) .
(12.23)

Die Differenz ist:


226 12 Strömungssimulation

∆Em (x) − ∆Em (x + ∆x) = − (u Aρe + uA ρe + uAρ e + uAρe ) ∆t∆x
 
+O ∆x2 ∆t
  
= − (uAρe) ∆t∆x + O ∆x2 ∆t . (12.24)

Die Volumenänderungen an den Grenzflächen des Kontrollvolumens sind:

∆V (x) = u∆tA,
(12.25)
∆V (x + ∆x) = (u + u ∆x) ∆t (A + A ∆x) .

Daraus ergeben sich die Energieausdrücke durch Multiplikation mit dem


Druck:

∆EV (x) = pu∆tA , (12.26)


  
∆EV (x + ∆x) = (p + p ∆x) (u + u ∆x) ∆t (A + A ∆x) . (12.27)

Die Differenz ist:


 
∆EV (x) − ∆EV (x + ∆x) = − (p uA + pu A + puA ) ∆t∆x + O ∆x2 ∆t
  
= − (puA) ∆t∆x + O ∆x2 ∆t . (12.28)

Die Energieänderung ∆Eq auf Grund des Wärmestroms


(dim(q)=Energie / (Masse Zeit) ) ist:
   
∆x ∆x
∆Eq = q A + A ∆x ρ + ρ ∆t. (12.29)
2 2

Insgesamt ergibt sich:

E (t + ∆t) = E (t) + ∆Em (x) − ∆Em (x + ∆x) (12.30)


+∆EV (x) − ∆EV (x + ∆x) + ∆Eq .

Aus

E (t + ∆t) − E (t) = (ėρ + eρ̇) A∆x∆t


∂ (eρ)
= A∆x∆t (12.31)
∂t
folgt nach den Grenzübergängen lim∆x→0 . . . und lim∆t→0 . . .:

∂ (eρ)  
A + (uAρe) + (puA) − qAρ = 0. (12.32)
∂t
In einigen Darstellungen (z. B. [64] S. 12, oder [75] S. 206 wird die Energie e
aufgespalten in die kinetische Energie und in die innere Energie ε:

ρu2
ρe = + ρε . (12.33)
2
12.4 Ladungswechselberechnung 227

Weiter wird in den Darstellungen die Enthalpie pro Masseneinheit h (in [64]
auch als w bezeichnet) eingeführt:
p
h=ε+ . (12.34)
ρ
Mit diesen Bezeichnungen kann die Energieerhaltungsgleichung (12.32) um-
geformt werden:
  2    2 
∂ u ∂ u
ρ +ε + uAρ +h − qAρ = 0. (12.35)
∂t 2 ∂x 2
Insgesamt haben wir drei Gleichungen (eine Gleichung für die Erhaltung
der Masse, eine Gleichung für die Impulserhaltung und eine Gleichung für
die Energieerhaltung). Diesen drei Gleichungen stehen die vier unbekannten
Größen u, ρ, p und e gegenüber. Vervollständigt wird der Gleichungssatz durch
die Zustandsgleichung eines thermisch idealen Gases

pV = nRT oder (12.36)


p = ρRT (12.37)

und durch die kalorische Zustandsgleichung eines kalorisch idealen Gases. Aus
diesen ergibt sich:
1
e = cV T + u2 . (12.38)
2
Hier gehen neben dem Druck p, dem Volumen V , der Temperatur T , die
Anzahl n der Mole und die universelle Gaskonstante R ein. Wir gehen von
konstanter spezifischer Wärmekapazität bei konstantem Volumen cV und von
konstanter spezifischer Wärmekapazität bei konstantem Druck cp aus und
erhalten mit R = cp − cV und der Abkürzung κ = cp /cV
1
p = (κ − 1)ρ(e − u2 ) . (12.39)
2
Mit Hilfe von (12.39) kann zum Beispiel die Energie in den Gleichungen eli-
miniert werden.
Um die Gleichungen umzuformen, geben wir diese zunächst erneut an:
Massenerhaltung:
∂ (ρA) ∂ (ρuA)
+ = 0, (12.40)
∂t ∂x
Impulserhaltung:
 
∂ (ρuA) ∂ ρu2 A ∂p 1
+ +A + ρu |u| f πD = 0, (12.41)
∂t ∂x ∂x 2
Energieerhaltung:
∂ (eρ) ∂ (uAρe) ∂ (puA)
A+ + − qAρ = 0. (12.42)
∂t ∂x ∂x
228 12 Strömungssimulation

Um numerische Lösungsverfahren für die Differentialgleichungen zu beschrei-


ben, ist es sinnvoll, die Gleichungen umzuformen. Bei den Umformungen ma-
chen wir davon Gebrauch, dass die Querschnittsfläche lediglich vom Ort nicht
jedoch von der Zeit abhängt. Wir beginnen mit der Massenerhaltung (12.40)

∂ρ ∂ (ρu) ρu dA
+ + = 0. (12.43)
∂t ∂x A dx
Da A lediglich vom Ort abhängt, reicht die totale Ableitung. Bei der Impuls-
erhaltung verfahren wir ähnlich, indem wir nach Zeit- und Ortsableitungen
der abhängigen Veränderlichen ρ, u, p und e umordnen (A = πd2 /4):
 
∂ (ρu) ∂ ρu2 + p ρu2 dA
+ + + ρG = 0, (12.44)
∂t ∂x A dx
wobei
f
G = 2u |u|
. (12.45)
D
Auch die Terme der Energieerhaltung 12.42 werden analog umgestellt:

∂ (eρ) ∂ (uρe + pu) uρe + pu dA


+ + − qρ = 0. (12.46)
∂t ∂x A dx
Mit Hilfe der folgenden Abkürzungen kann man die drei Differentialgleichun-
gen als partielles Differentialgleichungssystem 1. Ordnung schreiben:
∂W ∂F
+ + C(W ) = 0, (12.47)
∂t ∂x
wobei
⎛ ⎞
ρ
W = ⎝ ρu ⎠ , (12.48)
ρe
⎛ ⎞
ρu
F (W ) = ⎝ ρu2 + p ⎠ , (12.49)
u (ρe + p)
⎛ ⎞ ⎛ ⎞
ρu 0
C(W ) = ⎝ ρu2 ⎠ 1 dA + ⎝ ρG ⎠ . (12.50)
A dx
u (ρe + p) −ρq
(12.51)

Dieses Differentialgleichungssystem wurde in der Vergangenheit häufig mit


Hilfe der Methode der Charakteristiken gelöst ([119]).
Zunehmend wird die Methode der Charakteristiken ersetzt durch numerische
Verfahren wie die Finite-Differenzen-Methode, die gegenüber der Methode der
Charakteristiken die folgenden Vorteile hat ([119]):
12.4 Ladungswechselberechnung 229

• die Erhaltungsgleichungen für Masse, Impuls und Energie werden besser


erfüllt,
• die Genauigkeitsordnung ist höher,
• kürzere Berechnungszeiten auf dem Computer,
• bessere Möglichkeiten, reale Gase oder Entropieunstetigkeitsstellen in den
Rechnungen zu berücksichtigen.

Wir geben im Folgenden die Lax-Wendroff-Methode zur Lösung des partiellen


Differentialgleichungssystem (12.47) an. Bei der ersten Methode (nach [119])
betrachten wir (12.47) ohne Quellterme und mit konstantem Rohrquerschnitt.
Der Vektor C verschwindet also.
Die Lösung W bestimmen wir an zeitlich und örtlich (diskreten) Punkten,
also auf einem Gitter. Die Bezeichnung für diese Lösung ist

W ni = W (i∆x, n∆t) . (12.52)

Der obere Index n steht für die Zeitdiskretisierung und der untere i für die
Ortsdiskretisierung. Die hier verwendeten Größen ∆x und ∆t haben nichts
mit den gleichen Bezeichnungen zu tun, die bei der Herleitung der partiellen
Differentialgleichungen (12.47) verwendet werden.
Zunächst entwickeln wir die Lösung W um t = n∆t in eine Taylorreihe und
erhalten

∂W ∂ 2 W
2
n+1 n (∆t)
W =W + ∆t + + .... (12.53)
∂t t=n∆t ∂t2 t=n∆t 2!

Hier tauchen bereits die diskretisierten Tupel W n bezüglich der Zeit auf:

W n = W (x, n∆t) . (12.54)

Mit Hilfe des Differentialgleichungssystems (12.47) ohne Quellterme und


Querschnittsänderungen können die Zeitableitungen von W in (12.53) ersetzt
werden:
∂W ∂F
=− , (12.55)
∂t ∂x
∂2W ∂ ∂F
=−
∂t ∂t ∂x
∂ ∂F
=−
∂x ∂t 
∂ ∂F ∂W
=−
∂x ∂W ∂t

A
 
∂ ∂F
= A . (12.56)
∂x ∂x
230 12 Strömungssimulation

Beim Vertauschen der Ableitungen bezüglich des Ortes und der Zeit müssen
bestimmte Glattheitsbedingungen erfüllt sein. Die Jacobi-Matrix A ist folgen-
dermaßen definiert (die Indizes k und m geben die Zeilen bzw. die Spalten
der Matrix A und die Komponenten der Vektoren F und W an):

  ∂ (F )k
A km = . (12.57)
∂ (W )m

Mit Hilfe dieser Umformungen der Zeitableitungen von W erhält man:


 
∂F ∂F  
2
∂ (∆t)
W n+1
=W − n
∆t + A + O ∆t3 . (12.58)
∂x t=n∆t ∂x ∂x t=n∆t 2!

Die Diskretisierung der Zeit ist damit abgeschlossen. Die Diskretisierung be-
züglich des Ortes erfolgt im nächsten Schritt:

n
n
∂F ∂F
A ∂x − A
n F i+1 − F i−1
n n ∂x 2
i+ 12 i− 12 (∆t)
W n+1
i = W i − ∆t+ +O (∆x) ∆t .
2∆x ∆x 2
(12.59)
Hier bedeutet der Index i ± 12 , dass der Funktionswert bei x = i∆x ± ∆x/2
einzusetzen ist.
Die Ableitungen ∂F /∂x müssen in diesem Ausdruck noch ersetzt werden:

∆t  n 
W n+1
i = W ni − F i+1 − F ni−1 (12.60)
2∆x
(∆t)
n  n   
2
+ 2 Ai+ 12
F i+1 − F n
i − A n
i− 12
F i − F n
i−1
2 (∆x)
+O (∆x) ∆t ,

wobei es für die Bestimmung der Jacobi-Matrix zum Beispiel die folgende
Möglichkeit gibt:
1

Ai±1/2 = Ai + Ai±1 . (12.61)
2
Man erkennt, dass der Fehler dieses Verfahrens linear von ∆x abhängt 1 .
Bei einem einfachen, einstufigen Lax-Wendroff-Verfahren ([75]) geht man von
einer Taylorreihenentwicklung von W bezüglich der Zeit aus:

∂W  
W n+1
i = W n
i + ∆t + O ∆t2 . (12.62)
∂t t=n∆t

Hier wird die Ableitung von W nach der Zeit direkt durch die Ortsableitung
von F ersetzt:
1
In [119] wird an dieser Stelle zwar von quadratischer Konvergenz gesprochen, das
scheint allerdings auf einen Fehler in Gleichung (2.121) von [119] zurückzuführen
zu sein.
12.4 Ladungswechselberechnung 231

∂W ∆t  n 
∆t = − F i+1 − F ni−1 − ∆tC (W ni ) + O (∆x) ∆t. (12.63)
∂t t=n∆t 2∆x

Der Term W ni wird durch einen Mittelwert ersetzt. Um den Fehler bei dieser
Ersetzung abschätzen zu können, kann der Mittelwertsatz verwendet werden
1 n 
W i−1 + W ni+1 = W (ξ, n∆t) , (12.64)
2
wobei ξ ∈ [(i − 1) ∆x, (i + 1) ∆x].
Entwickelt man die rechte Seite in eine Taylorreihe um x = i∆x, so erhält
man
1 n 
W ni = W i−1 + W ni+1 + O (∆x) . (12.65)
2
Insgesamt erhält man:
1 n  ∆t  n 
W n+1
i = W i−1 + W ni+1 − F i+1 − F ni−1 − C (W ni ) ∆t + O (∆x) ∆t.
2 2∆x
(12.66)
Man erkennt, dass auch der Fehler dieses einstufigen Lax-Wendroff-Verfahrens
linear von ∆x und linear von ∆t abhängt.
In Abb. 12.13 ist gezeigt, wie das Lösungsverfahren iterativ bezüglich der Zeit
fortschreitet. Ausgehend von der Lösung in einem Zeitschritt n∆t werden die
Lösungen an den einzelnen Gitterpunkten i∆x bestimmt. Man erkennt, dass

Abb. 12.13. Einstufiges Lax-Wendroff-Verfahren.

die Punkte am Rand gesondert behandelt werden müssen, da diese keine lin-
ken und rechten Vorgänger besitzen.
Ein stabileres, quadratisch konvergentes Verfahren stellt das zweistufige Ver-
fahren nach Lax-Wendroff dar. Bei diesem wird jeweils ein halber Zwischen-
schritt bezüglich der Zeit und bezüglich des Ortes eingefügt.
In der ersten Stufe werden die Werte an den Zwischengitterpunkten bestimmt:

n+ 2
1
1 n  ∆t  n  ∆t  n 
W 1 = W i+1 + W ni − F i+1 − Fin − C i+1 + C ni , (12.67)
i+ 2 2 2∆x 4
232 12 Strömungssimulation

n+ 2
1
1 n  ∆t  n  ∆t  n 
W 1 = W i + W ni−1 − F i − F ni−1 − n
C i + Ci−1 , (12.68)
i− 2 2 2∆x 4
 1 1  1 1
∆t n+ 2 n+ 2 ∆t n+ 2 n+ 2
W n+1
i = Wi −
n
F 1 −F 1 − C 1 + C 1 . (12.69)
∆x i+ 2 i− 2 2 i+ 2 i− 2

In Abb. 12.14 ist das Vorgehen beim zweistufigen Lax-Wendroff-Verfahren

Abb. 12.14. Zweistufiges Lax-Wendroff-Verfahren.

verdeutlicht.
Die Schrittweiten ∆x und ∆t werden mit Hilfe des Courant-Friedrichs-Levy-
Kriteriums (vgl. [21]) bestimmt:

∆x
∆t = ν n
. (12.70)
Cmax
n
Hier ist Cmax die maximale Schallgeschwindigkeit zum Zeitpunkt t = n∆t (da
die Schallgeschwindigkeit z. B. von der Temperatur abhängt, muss diese nicht
konstant sein).
Zum Abschluss dieses Abschnitts zeigen wir ein Beispiel, bei dem sich in
einem beidseitig geschlossenen Rohr der Länge = 1m eine Druckstörung
ausbreitet. Die Berechnung wurde mit dem oben angeführten einstufigen Lax-
Wendroff-Verfahren durchgeführt. Bei den dargestellten Ergebnissen weicht
der Anfangsdruck im Bereich von 0,6m bis 0,65m sinusförmig (eine positive
Halbwelle mit einem Maximum von 1 bar) von dem Druck von 1 bar im
restlichen Bereich ab. Die Ortsdiskretisierung mit 2000 Stützstellen führt zu
einer Ortsschrittweite von ∆x = 0, 0005m. Der Zeitschritt wird mit Hilfe des
CFL-Kriteriums festgelegt, wobei ein Faktor von 0,1 berücksichtigt wird:

∆t = 0, 81∆x/c . (12.71)
3
Die Anfangsdichte des Gases ist ρ = 1, 21kg/m . Im Bereich der Druckstörung
ist die Dichte erhöht. Das Verhältnis der Wärmekapazitäten ist κ = 1, 4. Die
Anfangsgeschwindigkeit des Gases ist u = 0. In Abb. 12.15 ist der Verlauf des
Drucks als Funktion des Ortes x und der Zeit t dargestellt. Man erkennt, dass
12.4 Ladungswechselberechnung 233

sich zwei Druckmaxima in entgegengesetzte Richtungen von dem ursprüngli-


chen Maximum entfernen. An den Rändern (es gelten die Randbedingungen
u(0, t) = 0, u( , t) = 0, p (0, t) = 0, p ( , t) = 0, ρ (0, t) = 0, ρ ( , t) = 0)
werden die Druckmaxima reflektiert.

Abb. 12.15. Druckverlauf p als Funktion der Zeit t und des Ortes x.
13
MKS-Modelle

Mehrkörpersimulationen finden in der Fahrzeugentwicklung vielfach Anwen-


dung, wobei eine der wichtigsten die Simulation der Fahrdynamik darstellt.
Auch andere Fragestellungen, z. B. Untersuchungen der Ventildynamik von
Motoren werden mit Mehrkörpersimulationen durchgeführt.

13.1 Ventilsteuerung und Antriebsstrang


In Abb. 13.1 ist ein Kipphebelventiltrieb gezeigt. Neben den starren Körpern
und den Federn spielen bei diesen Modellen Kontaktkräfte zwischen den ein-
zelnen Körpern (Nockenwelle und Einlassschlepphebel einerseits und Ein-
lassschlepphebel und Ventile andererseits) eine wichtige Rolle. In der Simula-
tion kann überprüft werden, ob es zum Kontaktverlust kommt. Um die Dyna-

Kipphebel

Stößel

Ventil

Nocke

Abb. 13.1. Kipphebelventiltrieb (ADAMS-Beispiel).

mik von gesamten Motoren zu überprüfen, werden für diese Komplettmodelle


236 13 MKS-Modelle

aufgebaut, die alle beweglichen (rotierende und translatorisch bewegte) Tei-


le enthalten. In zunehmendem Maße kommen mechatronische Komponenten
zum Einsatz. Neben der Untersuchung von Kontaktkräften können mit diesen
Modellen Ein- und Auslasszeiten beurteilt werden.
Erweiterte Untersuchungen in diesem Bereich betreffen Schwingungen im An-
triebsstrang. In den Abbn. 13.2 und 13.3 sind Beispiele für Antriebsstränge
gezeigt. Ziel der Untersuchung von Antriebsstrangschwingungen sind deren
Auswirkungen auf die Längsdynamik und den Komfort.

Abb. 13.2. MKS-Modelle von Antriebssträngen (ADAMS-Beispiele)

Hinterachs-
getriebe

Gelenkwelle

Getriebe
Gelenkwellen

vom Motor
Kupplung

Abb. 13.3. MKS-Modell eines Antriebsstrangs für ein Allradantrieb (ADAMS-


Beispiele)
13.2 Fahrdynamik 237

13.2 Fahrdynamik
Fragestetellungen, die mit Hilfe von Fahrdynamiksimulationen beantwortet
werden sollen, betreffen
• das Fahrverhalten des Gesamtfahrzeugs (Übersteuern, Untersteuern, Last-
wechsel bei Kurvenfahrt, Lenkwinkelsprung, doppelter Spurwechsel),
• das dynamische Verhalten des Antriebsstrangs,
• Bauraumuntersuchungen (Bauteilkollisionen),
• die Bestimmung von Lastkollektiven für Lebensdaueranalysen,
• die Untersuchung der Elastokinematik und des damit verbundenen Eigen-
lenkverhaltens.
In Abb. 6.1 ist ein MKS-Modell eines Fahrzeugs bei Kurvenfahrt gezeigt. Die

Abb. 13.4. Komponenten einer MKS-Vorderachse.

Modelle bestehen i. Allg. aus den folgenden Komponenten (vgl. Abb. 13.4):
• Dem als starr angenommenen Aufbau; dieser ist in dieser Abb. lediglich als
Kugel (hinter dem Lenkrad) dargestellt; wichtig sind die Trägheitseigen-
schaften und die Anbindungen des Fahrwerks an den Aufbau (meist über
Gummilager, sog. Bushings, um Stöße und Schwingungen vom Aufbau
fernzuhalten). Um die Genauigkeit der Simulationen zu steigern, werden
auch flexible Aufbaukomponenten eingesetzt.
• Die Lenker des Fahrwerks werden bei Einzelradaufhängung meist als gela-
gerte, starre Körper im Modell nachgebildet. Bei der gezeigten McPherson-
Radaufhängung erkennt man den Querlenker im linken Teil. Der Querlen-
ker kann auch aus zwei einzelnen Streben aufgebaut sein, was sich auch im
Modell wiederfinden würde. Die beiden Querlenker sind über Gummilager
mit dem Hilfsrahmen verbunden.
238 13 MKS-Modelle

• Der Hilfsrahmen ist ebenfalls gummigelagert mit der Karosserie verbun-


den.
• Das Feder-Dämpfer-System, über ein Gummilager am Federbeindom ver-
ankert, ist bei dieser McPherson-Aufhängung mit der Antriebswelle ver-
bunden.
• Der Radträger ist starr; am Radträger greift das Lenkgestänge an.
• In Verbundlenkerachsen (hier nicht dargestellt) finden sich häufig defor-
mierbare Strukturen. Diese müssen in MKS-Programmen entsprechend
berücksichtigt werden.
• Federn und Dämpfer können über Konstanten oder über Kennlinien in den
Modellen berücksichtigt werden; hier gibt es auch die Möglichkeit, externe
Programme für diese Elemente vorzusehen, die deren Antwortverhalten
nachbilden.
Fahrmanöver, die mit Hilfe von MKS-Modellen untersucht werden, sind z. B.
der Lenkwinkelsprung oder die Kreisfahrt mit konstantem Radius.
Beim Lenkwinkelsprung wird der Lenkradwinkel δL möglichst schnell auf
einen stationären Wert δLstat erhöht, so dass eine bestimmte Querbeschleuni-
gung erreicht wird 1 . In den Diagrammen 13.5 sind die Verläufe des Lenkrad-

Abb. 13.5. Lenkradwinkelsprung, Querbeschleunigung, Gierwinkelgeschwindigkeit.

winkels, der Querbeschleunigung und des Gierwinkels als Funktion der Zeit
gezeigt. Man erkennt zwar ein Überschwingen in der Gierwinkelgeschwindig-
keit, aber insgesamt ein stabiles Verhalten des Fahrzeugs. Die Kurven wurden
mit ADAMS anhand eines Ferrari-Modells erzeugt.
In Abb. 13.6 ist der Verlauf des Lenkwinkels als Funktion der Querbeschleuni-
gung (in Vielfachen der Erdbeschleunigung g) für eine Fahrt mit konstantem
Radius gezeigt. Der Radius beträgt 100 m und die Geschwindigkeit wird von

1
In der ISO 7401 wird für den Lenkwinkelsprung (,,Step Input“) bei einer Ge-
schwindigkeit von 80 km/h eine Querbeschleunigung von ÿstat = 4 m/s2 gefor-
dert, wobei die Lenkradwinkelgeschwindigkeit d δL /dt einen Wert von 200˚/s
übersteigen muss.
13.2 Fahrdynamik 239

20 km/h auf 60 km/h gesteigert. Auch diese Kurven wurden mit ADAMS
anhand eines Ferrari-Modells erzeugt. Man erkennt, dass der Lenkwinkel bei
zunehmender Geschwindigkeit ebenfalls erhöht werden muss, um weiterhin
auf dem Kreis fahren zu können. Dieses Fahrverhalten ist erwünscht, da es
gewisse Stabilitätskriterien erfüllt.
Neben diesen fahrdynamischen Aspekten gewinnen in zunehmendem Maße
Betriebsfestigkeits- und Lebensdaueruntersuchungen an Bedeutung.
Es gibt unterschiedliche Ansätze, diese zu untersuchen. In Kapitel 11 ist ein
einfacher, linearer Ansatz nach Palmgren-Meiner zur Lebensdauervorhersage
erklärt.
Um die Lastkollektive für die Bauteile, die großen Deformationen unterworfen
sind, zu bestimmen, muss man diese Bauteile häufig in der Mehrkörpersimula-
tion als elastisch berücksichtigen. In diesem Abschnitt werden lediglich einige
Möglichkeiten zur Berücksichtigung dargestellt, weitere, tiefergehende Aspek-
te finden sich in [101]. Es gibt unterschiedliche Methoden, mit denen elastische

Abb. 13.6. Untersteuerndes Fahrverhalten (Kreisfahrt in einem Kreis mit konstan-


tem Radius, aber zunehmender Geschwindigkeit).

Körper in MKS-Modellen berücksichtigt werden können:


• Lumped-Mass-Methoden: Hier ersetzt man deformierbare Strukturen (s.
Abb. 13.7) durch diskrete Masse-Feder-Systeme (vgl. [102]); die Massen
und Federsteifigkeiten müssen so gewählt werden, dass das Verhalten des
Bauteils vorhergesagt werden kann. Modifikationen am Bauteil können
nicht einfach in das Masse-Feder-System übernommen werden. Ein großer
Vorteil der Methode liegt darin, dass die Massenmatrix Diagonalgestalt
annimmt. Dadurch muss man zu deren Invertierung lediglich durch die
Diagonalelemente teilen. Das Lumped-Mass-Verfahren wird auch in der
Crashberechnung eingesetzt, um die Massenmatrix in Diagonalform zu
überführen. Man ersetzt die Massenmatrix, die Bandstruktur aufweist,
durch eine Massenmatrix mit Diagonalgestalt, wobei die Summe der Ein-
240 13 MKS-Modelle

träge in der ursprünglichen Matrix gerade gleich den entsprechenden Ein-


trägen in der Diagonalmatrix ist.

Abb. 13.7. Lumped-Mass-Methode

• Hybrides Mehrkörpersystem: Bei diesem Vorgehen approximiert man


die Verformungen elastischer Strukturen durch Ansatzfunktionen (Ritz-
Ansatz). Damit diese Approximation im Rahmen der kontinuumsmecha-
nischen Elastizitätstheorie sinnvoll möglich ist, wählt man entsprechende,
mit den elastischen Körpern mitbewegte Koordinatensysteme. Diese Vor-
gehensweise muss dann erweitert werden, wenn diese Wahl der Koordina-
tensysteme nicht einfach möglich ist.
Um die Anzahl der Freiheitsgrade zu beschränken, sollte man als Ansatz-
funktionen keine Finite-Elemente-Ansätze wählen, da man dadurch zu vie-
le Freiheitsgrade erhält.
Für einfache Bauteile kann man versuchen, globale Ansatzfunktionen zu
finden, die das Deformationsverhalten hinreichend genau beschreiben. Die-
se globalen Ansatzfunktionen können zum Beispiel Polynome oder bei ro-
tationssymmetrischen Bauteilen trigonometrische Polynome sein.
Für viele Fälle werden diese Ansatzfunktionen aber zu ungenau sein, und
man wird auf andere Verfahren ausweichen müssen. Eine Methode stellt
das Verfahren nach Craig-Bampton dar.
• Craig-Bampton: Bei diesem Verfahren verschafft man sich die Ansatzfunk-
tion mit Hilfe von Finite-Elemente-Berechnungen.
Zunächst schneidet man das elastische Bauteil von jeweils einer Bindung
frei, ersetzt diese Bindung durch eine entsprechende Last (Kraft oder Mo-
ment in Abhängigkeit davon, welcher Freiheitsgrad gebunden wird) und
bestimmt mit Hilfe einer Einheitskraft (oder eines Einheitsmoments) die
statische Verformung des Bauteils. So verfährt man mit allen nB Bindungs-
freiheitsgraden und erhält auf diese Weise nB statische Verformungen, die
die erste Teilmenge der Ansatzfunktionen darstellen. Erhält man wegen
13.2 Fahrdynamik 241

der geringen Anzahl der Bindungen (z. B. nB = 6) keine statischen Ver-


formungen, so bekommt man auch keine statischen Ansatzfunktionen. Hier
ist allerdings nicht ausschließlich die Anzahl der Bindungen sondern auch
deren Abhängigkeit untereinander ausschlaggebend.
Anschließend führt man eine Eigenwertanalyse des gesamten, freien Kör-
pers durch und erhält, je nach Feinheit des FE-Modells, nE Eigenformen.2
Von diesen wählt man eine Teilmenge von ñE Eigenformen (i. Allg. die mit
den kleinsten Eigenfrequenzen) aus. Diese dynamischen Ansatzfunktionen
bilden zusammen mit den statischen Ansatzfunktionen die Gesamtheit der
Ansatzfunktionen, die in das MKS-Modell mit Hilfe des hybriden Verfah-
rens eingehen.
Die Anzahl der statischen Ansatzfunktionen liegt, in Abhängigkeit vom
Bauteil und der Zahl und Art der Bindungen, in der Größenordnung von
einigen zehn bis hundert.
Die Anzahl der dynamischen Ansatzfunktionen hängt von den anregenden
Frequenzen ab. Dieses Verfahren lässt sich auch auf die gesamte Rohka-
rosserie übertragen, so dass man Betriebsfestigkeitsaussagen für die Roh-
karosserie erhält. In Abb. 13.8 ist ein Auschnitt einer Rohkarosserie mit
Schädigungsparametern gezeigt. Man kann an diesen die relativen Schädi-
gungswahrscheinlichkeiten ablesen und so Optimierungsmöglichkeiten z.
B. für Schweißpunktverteilungen bestimmen.

Abb. 13.8. Relative Schädigungswahrscheinlichkeit (aus [51]).

2
Es gibt noch andere Möglichkeiten, dynamische Ansatzfunktionen zu wählen. So
kann man zum Beispiel alle Bindungen für die dynamische Analyse beibehal-
ten. Man erhielte mit dieser Methode gute Ergebnisse, wenn sich die Bindungen
nicht bewegen würden. Da die Bindungen allerdings Verbindungen zu benachbar-
ten Körpern darstellen können, werden sich diese bewegen und man hätte eine
schlechte Approximationsgüte. Die Idee, die hinter der Wahl von Ansatzfunktio-
nen steht, muss immer sein, ein vollständiges Funktionensystem zu erhalten, das
eine schnelle Konvergenz gewährleistet.
242 13 MKS-Modelle

• Finite-Elemente-Berechnungen mit starren Körpern: Bei dieser Methode


geht man von kompletten Finite-Elemente-Modellen aus, in denen starre
Körper z. B. für Fahrwerksteile integriert sind. Mit Hilfe dieser Modelle
berechnet man die Spannungen in allen deformierbaren Bauteilen und kann
so die Schädigung bestimmen. Der Vorteil dieser Methode liegt darin, dass
man keine wesentlichen Vereinfachungen treffen muss. Nachteilig sind die
hohen Rechenzeiten.

In Abb. 13.9 ist ein MKS-Modell dargestellt, in dem der Hilfsrahmen als fle-
xibler Körper berücksichtigt ist. An den Graustufen des Hilfsrahmens erkennt
man die unterschiedlichen Spannungen. Welchen Einfluss die Berücksichtigung

Abb. 13.9. Flexibler Körper des Hilfsrahmens in einem ADAMS-Modell des Golf
5 (Quelle: Volkswagen AG).

flexibler Körper haben kann, ist dem Diagramm aus Abb. 13.10 zu entnehmen.
Dargestellt ist die Spuränderung in Abhängigkeit von den Querkräften. Der
Vergleich der Messung mit den Simulationen (mit und ohne Berücksichtigung
flexibler Körper) macht den Einfluss der Berücksichtigung flexibler Körper
deutlich.
13.2 Fahrdynamik 243
0,20
Simulation mit flexiblen Bauteilen

Vorspur Winkel in Grad Nachspur


0,15 Messung
Simulation mit starren Bauteilen
0,10

0,05

-0,05

-0,10

-0,15

-0,20
-5 -4 -3 -2 -1 0 1 2 3 4 5
Druck Querkraft in kN Zug

Abb. 13.10. Einfluss der Berücksichtigung flexibler Körper in der Mehrkörpersi-


mulation (nach: ATZ-Sonderheft: Der neue Audi A6, 2004).
14
Fahrbahn-Fahrzeug-Interaktion

In diesem Kapitel wird die Interaktion des Fahrzeugs mit der Fahrbahn behan-
delt. Wesentliche Elemente dabei sind die Reifen. Reifenmodelle werden im
ersten Abschnitt beschrieben. Diese Reifenmodelle werden häufig für die Fahrt
auf fester Fahrbahn eingesetzt. Einige Anwendungsfälle erfordern die Berück-
sichtigung nachgiebiger Böden, so z. B. bei der Beurteilung von Offroad-
Fahrten oder bei der Fahrt auf Schnee. Die rechnerische Simulation nach-
giebiger Böden ist Inhalt des zweiten Abschnitts.

14.1 Reifenmodelle
In diesem Abschnitt werden Beispiele für Reifenmodelle erläutert. Da es ei-
ne Vielzahl von Reifenmodellen in der Simulation von Fahrzeugen gibt, be-
schränkt sich diese Darstellung auf einige ausgewählte Modelle.
Reifen stellen bei Fahrzeugen die Kopplung zwischen Fahrzeug und Fahrbahn
dar. Aus diesem Grund kommt ihnen eine wichtige Rolle bei der Modellbil-
dung für Fahrzeuge zu. Als Bindeglied zwischen Fahrzeug und Fahrbahn kann
man die Reifen daher als Übertragungsglied der Kräfte und Momente zwi-
schen Fahrzeug und Fahrbahn ansehen. Für spezielle Anwendungen ist auch
die Kraftübertragung des Reifens direkt auf Teile der Karosserie wichtig (so
bilden Reifen beim Frontalcrash einen Lastpfad zwischen dem Vorderwagen
und dem Schweller). Reifenmodelle können auf unterschiedliche Art charak-
terisiert werden. So kann man zunächst die Charakterisierung auf Grund der
Einsatzgebiete der Reifenmodelle vornehmen. Die Einsatzgebiete sind z. B.
die Simulation von Fahreigenschaften des Fahrzeugs oder die Simulation von
Komforteigenschaften. Eine andere Charakterisierung der Modelle kann auf
Grund der abgebildeten physikalischen Effekte erfolgen. So gibt es Reifenmo-
delle, die die Kräfte zwischen Fahrbahn und Reifen als Spannungsverteilun-
gen im Latch berücksichtigen, oder Modelle, bei denen lediglich Punktkräfte
und -momente berücksichtigt werden. Eine dritte Charakterisierung kann auf
246 14 Fahrbahn-Fahrzeug-Interaktion

Grund der Beschreibung des Modells im mathematischen Formalismus erfol-


gen. So kann man Reifenmodelle, die Geschwindigkeiten und die Koordinaten
des Reifens mit Momenten und Kräften durch Kennlinien verknüpfen, unter-
scheiden von Modellen, die mit Hilfe von Finite-Element-Beschreibungen das
gesamte Deformationsverhalten des Reifens beschreiben.
Eine weitere Charakterisierung von Reifenmodellen wird in der Literatur auf
Grund von Amplituden und Frequenzen gewählt. Diese Einteilung lehnt sich
in Beschreibungen der Literatur häufig an die Einsatzgebiete in unterschiedli-
chen Fahrsituationen an. Die Einteilung in Frequenz- und Amplitudenbereiche
geht von einem linearen Verhalten des Modells aus. Nichtlineare Effekte blei-
ben bei dieser Charakterisierung i. Allg. unberücksichtigt.
In Abb. 14.1 sind einige Anwendungsgebiete eingeteilt in Frequenz-Amplitu-
denbereiche nach [30] dargestellt. Im Diagramm a) sind dies im Bereich von
1–100 mm für sehr kleine Frequenzen quasistatische Fragestellungen. Hier fin-
den sich z. B. Bestimmungen der Achskinematik (Raderhebungskurven) oder
Untersuchungen des elastokinematischen Verhaltens der Radaufhängung.

Abb. 14.1. Anwendungsgebiete von Reifenmodellen.

Im zweiten Block (Fahrverhalten) findet man Untersuchungen, die das dyna-


mische Verhalten des Fahrzeugs bei Kurvenfahrt oder bei beschleunigter oder
gebremster Geradeausfahrt betreffen.
Der dritte Bereich (Vertikalschwingungen) enthält im Wesentlichen vertikale
Schwingungen des Gesamtsystems, die durch Unebenheiten der Fahrbahn an-
geregt werden. Die Unebenheiten in diesem Bereich sind allerdings auf glat-
te Hindernisse eingeschränkt, da unstetige Hindernisse zu sehr hohen Fre-
14.1 Reifenmodelle 247

quenzanteilen führen würden.


Im vierten Block (Motor) werden Schwingungen untersucht, die vom Motor
herrühren. Dieser Bereich ist drehzahlabhängig. Auf Grund der Drehzahl-
abhängigkeit kann dieser Bereich deutlich größer oder verschoben ausfallen
als in Abb. 14.1 dargestellt. Die Schwingungen, die sich vom Motor über den
Antriebsstrang auch in die Karosserie fortsetzen, spielen für längsdynamische
Untersuchungen oder Komfortfragestellungen eine Rolle.
Diese längsdynamischen Untersuchungen führen auch zu Schwingungsbela-
stungen über den Reifen-Fahrbahn-Kontakt, so dass auch für diese Untersu-
chungen die Reifen eine wichtige Rolle spielen.
Im fünften Bereich (Komfort) finden sich Fragestellungen des Komforts von
Geräuschen, von Vibrationen und vom Abrollkomfort (suspension harshness).
Der akustische Bereich ist oberhalb von 100 Hz angesiedelt. An dieser Stel-
le sollte betont werden, dass die Einteilung in die Amplituden und in die
Frequenzen selbstverständlich fahrzeugabhängig und z. T. auch fahrzustands-
abhängig sind. Diese Einteilung gibt lediglich eine grobe Richtschnur, von
welchen Frequenzen und von welchen Amplituden auszugehen ist. Gerade in
der historischen Entwicklung von Fahrzeugen haben sich die Frequenzbereiche
zu höheren Frequenzen verschoben, so dass diese Einteilung nur eine Moment-
aufnahme (genaugenommen eines Fahrzeugs bei einer Geschwindigkeit) sein
kann.
Ein weiterer Bereich betrifft die Lebensdauer. Man erkennt an diesem Be-
reich, dass lediglich hohe Frequenzen mit hohen Amplituden dargestellt sind.
Dies trägt dem Umstand Rechnung, dass die hohen Spannungen zu einer Be-
einflussung der Lebensdauer beitragen, die geringen Spannungen (die i. Allg.
korreliert sind mit kleinen Amplituden) jedoch bei der Lebensdauerbetrach-
tung eine untergeordnete Rolle spielen.
Im Bereich Crash finden sich sehr viele Frequenzen. Die Amplituden sind in
diesem Schaubild größer als 100 mm dargestellt. D.h. nicht, dass keine klei-
neren Amplituden vorkommen können, denn im Crash müssen nicht immer
sämtliche Bereiche eines Fahrzeugs stark deformiert werden. Da es sich beim
Fahrzeugcrash um einen nichtlinearen Vorgang handelt, ist die Darstellung
im Frequenz-Amplituden-Diagramm nur mit großen Einschränkungen aussa-
gefähig.
In Diagramm b) von Abb. 14.1 sind einige charakteristische Frequenzen auf-
geführt. Zunächst die Aufbaueigenfrequenz bei etwa 2 Hz und die Radeigen-
frequenz bei etwa 12 Hz. Diese beiden Eigenfrequenzen liegen weitgehend un-
abhängig von der Geschwindigkeit in diesem Bereich. Die Frequenzen für die
Radunwucht, das Gasmoment des Motors und die zweite und vierte Ordnung
des Massenmomentes des Motors sind aufgetragen für eine Motordrehzahl von
1.800 Upm (Umdrehungen pro Minute), wobei ein Übersetzungsverhältnis des
Achsgetriebes von 4 und ein direkt übersetzendes Schaltgetriebe vorausgesetzt
sind. Die Drehzahl entspricht dann bei einem Radradius von etwa 0,3 m einer
Geschwindigkeit von 50 km/h. Das eingezeichnete Gasmoment des Motors
tritt lediglich bei unvollständiger Verbrennung auf. Die niedrigste Karosserie-
248 14 Fahrbahn-Fahrzeug-Interaktion

eigenfrequenz im Bereich 40 Hz – 50 Hz ist ein Richtwert; dieser schwankt je


nach Fahrzeuggröße, -art und Hersteller stark.
In Diagramm c) sind Eigenfrequenzen eines Reifens dargestellt (vgl.[121],
[122]).
Für die unterschiedlichen Frequenz- und Amplitudenbereiche gibt es Modelle,
die das Verhalten der Reifen beschreiben. So gibt es Modelle für das Fahrver-
halten (Handling-Modelle) sowie Modelle für Schwingungen in Vertikal- und
Längsrichtung (Ride-Modelle; man spricht bei den Vertikalschwingungen auch
von 1. Ride und bei den durch den Antriebsstrang verursachten Längsschwin-
gungen von 2. Ride).
Bei den Modellen für Komfort- und NVH (Noise, Vibration, Harshness)
spricht man auch von Komfortmodellen oder Modellen für den Abrollkom-
fort.
Reifenmodelle für die Akustik und für den Bereich Crash sind ebenfalls be-
kannt.
Modelle für die niedrigen Frequenzbereiche (Handling-Modelle) bilden die Ei-
genschaften der Reifen für die höheren Frequenzbereiche nicht ab.
Bei den Modellen für die höheren Frequenzbereiche (z. B. Ride-Modelle oder
Komfortmodelle) werden häufig auch die kleineren Frequenzbereiche nicht gut
abgebildet. Diese Modelle eignen sich also auch nicht für beide Bereiche. Man
wird für die Untersuchung des Fahrverhaltens keine hochwertigen Modelle ein-
setzen, da deren Komplexität einen erhöhten Rechenaufwand nach sich zieht.
In Abb. 14.2 ist der Komplexitätsgrad (hier angegeben als Anzahl der Frei-

Finite-Elemente-
Modelle - Komfort- und
1000 Schwingungsanalyse
Lumped-mass-
Komplexität

Modelle - Lebensdauer
100
Bürsten- u. - Fahrdynamik
Ringmodelle - Fahrstabilität
10 Pacejka,
- Auslegung
Kennlinien
- Regelungssysteme

3 Hz 10 Hz 30 Hz
Frequenz

Abb. 14.2. Komplexitätsgrad und Frequenz von Reifenmodellen nach [2].

heitsgrade nach [2]) aufgetragen über der Frequenz für unterschiedliche Rei-
fenmodelle. Man erkennt, dass die Reifenmodelle den oberen Frequenzbereich
abdecken, dass aber die Gültigkeit der Modelle für hohe Frequenzbereiche im
Bereich kleiner Frequenzen eingeschränkt ist (angedeutet durch die grauen
Felder). Der Grund liegt häufig darin, dass es schwer ist, sowohl für schnelle
14.1 Reifenmodelle 249

Bewegungen (hohe Frequenzen) als auch für langsame Bewegungen (kleine


Frequenzen) mit einem Modell zu arbeiten. Dieses wird z. B. bei der Luft im
Reifen deutlich. Während eine langsame Änderung des Luftvolumens im Rei-
fen (z. B. beim Bremsvorgang oder bei Kurvenfahrt durch veränderte Rad-
lasten) thermodynamisch als isothermer Vorgang (T = const.) beschrieben
werden kann, sollte eine schnelle Änderung (z. B. durch eine Schwellenüber-
fahrt oder durch ein Zusammendrücken des Reifens während eines Crashs)
durch einen adiabaten Vorgang (∆Q =const.) erfasst werden. Modelle, die für
einen großen Frequenzbereich Gültigkeit besitzen, sind daher mit sehr großem
Aufwand für die Modellbildung verbunden. Aus diesem Grund sind Reifen-
modelle häufig speziell für bestimmte Anforderungen erstellt, so dass diese in
einem bestimmten Frequenzbereich für bestimmte Vorhersagen geeignet sind.
Neben der Einteilung von Reifenmodellen nach Einsatzgebieten können
diese auch bezüglich der abgebildeten physikalischen Phänomene klassifiziert
werden. In Abb. 14.3 sind einige physikalische Phänomene den einzelnen Tei-
len der Reifenphysik zugeordnet. Grob kann man die Phänomene aufteilen
in die Bereiche Struktur, Kontakt und Volumen (häufig Luft). Im Folgenden
werden diese unterschiedlichen Bereiche näher erläutert.

0-, 1-, 2-, oder elastisch,


3-dimensional viskoelastisch

phänomenologisch, plastisch,
Aufbaudetails Struktur Versagen

0-, 1-, 2-, oder


Einpunkt 3-dimensional
Reifenmodell

Zweipunkt
(Luft)- isotherm, adiabat,
volumen polytrop
Haftung,
Reibung,
Kontakt Verschleiß
Vielpunkt
Akustik

Profil
Laufstreifen

Abb. 14.3. Reifenphysikalische Modellaspekte.

Bei der Struktur des Reifens handelt es sich um den Reifen ohne die Me-
tallfelge. Die Felge spielt bei einigen Anwendungsfällen (Crash, Misuse bei
Bordsteinüberfahrt) eine Rolle. Die Felge betrachten wir im Folgenden als
starr. Als Struktur wird der Teil des Reifens aus Gummi, Stahl und Textilein-
250 14 Fahrbahn-Fahrzeug-Interaktion

lagen bezeichnet.
Zunächst kann die Struktur in null-, ein-, zwei- oder dreidimensionale Modelle
aufgelöst werden. Dreidimensionale Modelle geben die komplette Geometrie
des Reifens einschließlich der Profilierung und unter Umständen auch des
inneren Aufbaus wieder. Bei der zweidimensionalen Beschreibung wird ledig-
lich die Reifenoberfläche beschrieben. Die Materialeigenschaften des Reifens
können daher bei der zweidimensionalen Beschreibung lediglich phänomeno-
logisch wiedergegeben werden. Die eindimensionale Beschreibung von Reifen
kann nur spezielle Deformationen und daher auch nur spezielle Reaktionen
des Reifens beschreiben. Denkbar wäre hier ein deformierbarer Ring auf einer
elastischen Bettung. Nulldimensionale Modelle verknüpfen lediglich globale
Größen des Reifens miteinander, so z. B. Koordinaten, Winkel sowie Ge-
schwindigkeiten und Winkelgeschwindigkeiten mit Kräften und Momenten.
Als nulldimensionale Modelle würde man auch MKS-Beschreibungen bezeich-
nen, die lediglich die Starrkörpermoden (Bewegungen der Lauffläche als Gan-
zes ohne dessen Deformation) des Reifens erfassen. Die Dimension wird hier
also in dem Sinn verwendet, dass der Ausgangspunkt eine partielle Differen-
tialgleichung ist, deren Diskretisierung zu den Modellgleichungen führt.
Der Aufbau des Reifens kann in den unterschiedlichen Modellen aufgelöst wer-
den in seine einzelnen Bestandteile oder aber phänomenologisch beschrieben
werden. Die vollständige Auflösung des Aufbaus ist nur im dreidimensionalen
Modell möglich. Man kann allerdings auch bei zweidimensionalen Modellen
diese aus mehreren Schichten aufbauen, die übereinander liegen und so die
dreidimensionale Struktur annähern. Die Interaktion zwischen den Schichten
kann dann allerdings lediglich durch ein phänomenologisches Modell erfasst
werden.
Das Materialverhalten kann elastisch oder viskoelastisch berücksichtigt wer-
den. Hierbei kommt es auf die auftretenden Geschwindigkeiten oder Frequen-
zen an. Im quasistatischen Fall wird eine elastische Beschreibung ausreichen,
ebenso wird in vielen Fällen die Beschreibung des Fahrverhaltens mit rein
elastischen Modellen möglich sein. Viskoelastisches Verhalten spielt bei den
Vertikal- und Längsschwingungen und den Komfortuntersuchungen eine wich-
tige Rolle.
Ebenso bei akustischen Untersuchungen als auch bei Crash- und Misuse-
Untersuchungen ist viskoelastisches Verhalten wichtig. Plastisches Verhalten
oder gar Versagen spielen im Bereich Crash/Misuse eine Rolle.
Neben der Struktur spielt der Kontaktbereich zwischen Reifen und Fahrbahn
eine entscheidende Rolle für die Vorhersagegüte von Reifenmodellen. Einfa-
che Reifenmodelle gehen von einem Einpunkt-Kontakt aus. Diese sind nicht
in der Lage, eine Schwellenüberfahrt abzubilden. Geeignet sind diese Modelle
lediglich bei Straßenunebenheiten, deren Wellenlängen wesentlich größer als
die Abmessungen des Latchs sind. Für eine Schwellenüberfahrt muss ein Rei-
fenmodell mindestens einen Zweipunkt-Kontakt enthalten. Für höherwertige
Reifenmodelle werden Vielpunkt-Kontakte (hier ist der Latch aufgelöst in dis-
krete Punkte) eingesetzt.
14.1 Reifenmodelle 251

Im Bereich akustischer Untersuchungen ist auch das Profil von Bedeutung.


Hier sollte im Kontaktbereich die genaue Gestalt des Profils berücksichtigt
werden, um Aussagen z. B. über das Abstrahlverhalten und die Profilanre-
gung des Reifens zu erhalten.
Für die Reifenentwicklung ist auch der Verschleiß von Bedeutung. In diesem
Bereich wird man in den Modellen entsprechende Verschleißmodelle einsetzen.
Alle Reifenmodelle benötigen für den Kontakt entsprechende Berücksichtigun-
gen der Haftung und der Reibung. In diesem Bereich sind einfache Haft-Reib-
Verhältnisse durch Coulombsche Reibung beschreibbar, oder es kommen ge-
schwindigkeitsabhängige Reibkoeffizienten mit großer Steigung für verschwin-
dende Geschwindigkeiten zum Einsatz.
Das Volumen im Inneren des Reifens (häufig Luft) spielt in vielen Reifen-
modellen eine untergeordnete Rolle. Das Volumen kann null-, ein-, zwei- oder
dreidimensional betrachtet werden. In vielen Modellen wird die Steifigkeit, die
dem Volumen zuzurechnen ist, der Struktur zugeschlagen, so dass das Volu-
men selbst nicht direkt im Modell berücksichtigt wird.
Nulldimensionale Modelle des Volumens gehen von einem örtlich nicht ver-
änderlichen Druck im gesamten Reifen aus. Dieser kann sich in Abhängigkeit
vom Volumen oder von der Änderungsgeschwindigkeit des Volumens ändern.
Zum Einsatz kann hier z. B. die Gleichung eines idealen Gases pV = nRT
kommen. Bei der Beschreibung der thermodynamischen Vorgänge in der
Luft kann man je nach Einsatzgebiet von isothermen, adiabaten oder po-
lytropen vereinfachenden Annahmen ausgehen. Streng genommen sollten bei
schnellen Änderungen (Schwellenüberfahrt oder Crash) nichtgleichgewichts-
thermodynamische Modelle eingesetzt werden.
Bei allen schnellen Änderungen (im Bereich NVH, Akustik, Crash/Misuse)
werden sich im Volumen Wellen ausbreiten. Diese Wellen spielen eine Rolle
bei höherfrequenten Vorgängen und aus diesem Grund sollte auch die Akustik
im Inneren des Reifens berücksichtigt werden.
In Abb. 14.4 ist eine weitere Charakterisierung von Reifenmodellen darge-
stellt. So kann man Reifenmodelle zum einen als sogenannte Kennlinienmodel-
le charakterisieren. Diese Kennlinienmodelle (auch nulldimensionale-Modelle)
stellen einen Zusammenhang zwischen makroskopischen Größen dar. Makro-
skopische Größen sind z. B. Geschwindigkeiten und Winkelgeschwindigkeiten
des Reifens sowie Kräfte und Momente. Bei diesen Modellen ist klar, dass
detaillierte Beschreibungen von Kontaktphänomenen sowie Phänomene, die
aus der Eigendynamik des Reifens herrühren, nicht erfasst werden können.
Die zweite Gruppe umfasst MKS-Modelle. In diesem Zusammenhang soll un-
ter MKS-Modell ein Modell mit sehr wenigen starren Körpern verstanden
werden. So ist hier z. B. vorstellbar, den Reifen durch einen starren, kreisförmi-
gen Ring auf einer elastischen Bettung abzubilden. Auch bei diesem Modell
ist die Beschreibung der Eigendynamik des Reifens nur für die einfachsten Ei-
genformen möglich. Höhere Eigenformen des Reifens können durch ein solch
einfaches MKS-Modell nicht dargestellt werden. Aus diesem Grund ist auch
die Interaktion zwischen Kontaktmechanik und Eigendynamik des Reifens le-
252 14 Fahrbahn-Fahrzeug-Interaktion

Kennlinienmodelle MKS-Modelle

Reifenmodell

Lumped-Mass- FE-Modelle
Modelle

Abb. 14.4. Einteilung von Reifenmodellen.

diglich angenähert darstellbar.


Die dritte Gruppe umfasst Lumped-Mass-Modelle. Bei Lumped-Mass-Mo-
dellen ersetzt man kontinuierliche Strukturen durch Masse-Feder-Dämpfer-
Verbände. Dies ist eine Möglichkeit, kontinuierliche Systeme zu diskretisie-
ren. Mit Hilfe von Lumped-Mass-Modellen kann die Eigendynamik des Rei-
fens sehr genau dargestellt werden. Ebenso können Kontaktphänomene bei
entsprechend feiner Diskretisierung gut abgebildet werden. Nachteil bei der
Darstellung des Reifens mit Hilfe von Lumped-Mass-Modellen ist, dass die Er-
fassung von Biege- und Dehnsteifigkeiten des Reifens durch entsprechende Fe-
dern und Torsionsfedern häufig unanschaulich ist. Die Bestimmung der Feder-
steifigkeiten ist nur schwer auf Grund physikalischer Überlegungen möglich.
Häufig kommen für diese Modelle Parameteridentifizierungen zum Einsatz,
die die Parameter so anpassen, dass entsprechende Versuche gut wiedergege-
ben werden.
Finite-Elemente-Modelle tragen der eigentlichen Struktur des Reifens am be-
sten Rechnung. Bei dreidimensionalen Modellen kann sogar der innere Reifen-
aufbau abgebildet werden. Nachteil der Finite-Elemente-Modelle ist die hohe
Rechenzeit, die deren Einsatz in vielen Anwendungsgebieten nicht praktikabel
erscheinen lässt. In einigen Bereichen sind diese Modelle allerdings unabding-
bar, so z. B. in akustischen Berechnungen.
Einige Anwendungsfelder, wie z. B. die Crashberechnung, arbeiten mit Finite-
Elemente-Reifenmodellen. Hier spielt der erhöhte Rechenaufwand für den Rei-
fen in Relation zur Gesamtrechenzeit keine wesentliche Rolle.
Eine weitere Charakterisierung, die häufig in der Literatur zu finden ist, geht
von mathematischen, semi-physikalischen und physikalischen Modellen aus.
Als mathematische Modelle werden hier solche Modelle bezeichnet, bei de-
nen den Parametern nicht direkt und unmittelbar zugängliche physikalische
Größen zugeordnet sind. In physikalischen Modellen ist es hingegen möglich,
die Parameter direkt auf Materialeigenschaften oder geometrische Größen
zurückzuführen. Ein Beispiel wären hier Finite-Elemente-Modelle, bei denen
die Geometrie und die Materialeigenschaften direkt zum Aufbau der Model-
le eingesetzt werden können. Semi-physikalische Modelle nehmen einen Platz
14.1 Reifenmodelle 253

zwischen diesen beiden Ansätzen ein. Im Folgenden werden an einigen aus-


gewählten Beispielen Modelle beschrieben, die in CAE-Methoden der Fahr-
zeugtechnik eingesetzt werden.
Das Magic-Formula-Reifenmodell (MF-Tyre, Pacejka-Reifenmodell, vgl. [88],
[89], [90]) ist ein einfaches Modell zur Beschreibung des Fahrzeugverhaltens
im Bereich von 0 bis etwa 10 Hz. Es verknüpft den Quer- und Längsschlupf so-
wie den Schräglauf- und Sturzwinkel und die Vertikalkraft als Eingangsgrößen
mit den Längs- und Querkräften sowie den drei Momenten im Latch.
Basis für das MF-Reifenmodell ist die folgende Formel:

y = D sin (C arctan (Bx − E (Bx − arctan Bx))) . (14.1)

Diese Funktion ist in Abb. 14.5 dargestellt.

Abb. 14.5. Kennlinien des MF-Reifenmodells.

Die Koeffizienten B, C, D und E haben bestimmte Eigenschaften und lassen


sich im Verlauf der Funktion wieder erkennen.
Das MF-Reifenmodell ist geeignet, um stationäre Kurvenfahrt, doppelten
Spurwechsel, µ-Split-Bremsung oder ABS-Fahrmanöver wiederzugeben. Er-
weitert wurde das Modell durch Annahmen, die zum PAC2002-Reifenmodell
führten. Auch dieses Modell basiert im Wesentlichen auf dem MF-Reifenmo-
dell.
Die wesentlichen Modellannahmen und Gleichungen finden sich in [89]. Das
Modell basiert auf einem Einpunkt-Kontakt. Um auch eine Schwellenüber-
fahrt mit Hilfe dieses Modells abbilden zu können, wurde es in [88] erweitert
um ein Abtastmodell für stufenförmige Fahrbahnunebenheiten.
Das Abtastmodell ist in Abb. 14.6 dargestellt. Es besteht im Wesentlichen
aus vier starren Kreisscheiben, die in einem torsionsweichen Rahmen mit-
geführt werden und dem Modell eine effektive Fahrbahnunebenheit auch für
stufenförmige Hindernisse liefern. Das MF-Reifenmodell, das im Wesentlichen
254 14 Fahrbahn-Fahrzeug-Interaktion

y x

Abb. 14.6. Abtastmodell eines Einpunkt-Kontakt-Reifenmodells.

die Eigenschaften im Latch eines Reifens wiedergibt, enthält keine Vorhersa-


gen über die dynamischen Eigenschaften des Reifens (Eigenschwingungen).
Aus diesem Grund wurde das MF-Reifenmodell erweitert um einfache dyna-
mische Eigenschaften des Reifens.
Das Modell, das bei dieser Erweiterung entstanden ist, ist das MF-Swift-
Modell. In diesem Modell wird das starre Rad ersetzt durch einen starren
Kreisring, der elastisch auf der starren Felge gelagert ist (vgl. Abb. 14.7).
Durch die elastische Anbindung des starren Kreisrings auf der starren Felge
können durch geeignete Wahl der elastischen Eigenschaften die Starrkörper-
moden des Reifens im Modell berücksichtigt werden. Die Kopplung zwischen
der Bewegung des starren Kreisrings und den Kräften im Kontakt wird in
diesem Modell über MF-Reifenmodellgleichungen wiedergegeben. Durch die
Erweiterung auf Starrkörpermoden ist die Gültigkeit bis etwa 80 Hz gegeben
([71]).
Die Erfassung von stufenförmigen Fahrbahnunebenheiten erfolgt beim MF-
Swift-Modell ebenso wie beim MF-Reifenmodell durch den in Abb. 14.6 dar-
gestellten Ersatzmechanismus. Man sollte sowohl beim MF-Reifenmodell als
auch beim MF-Swift-Modell nicht aus den Augen verlieren, dass der Abtast-
mechanismus lediglich eine bessere Erfassung von stufenförmigen Fahrbahnu-
nebenheiten ermöglicht, nicht jedoch den eigentlichen Gültigkeitsbereich in
Bezug auf die Frequenz des Reifenmodells erhöht. Dieser ist beschränkt durch
die in den Modellen abgebildete Dynamik (beim MF-Reifenmodell bis 10 Hz,
beim MF-Swift-Modell bis 80 Hz).
Das FTire-Reifenmodell ist ein sogenanntes Lumped-Mass-Modell. Bei die-
sem wird der Gürtel durch 80–200 starre Körper im Modell abgebildet. Diese
14.1 Reifenmodelle 255

y
x

Abb. 14.7. Elastisch gebetteter Ring beim Swift-Reifenmodell.

starren Körper besitzen jeweils fünf Freiheitsgrade und sind durch nichtlinea-
re Feder-, Dämpfer- und Reibelemente, deren Charakteristika druckabhängig
sind, verbunden.
Die Masseelemente sind ebenfalls durch entsprechende Kraftkopplung mit der
Felge verbunden. Die Kraftverhältnisse im Latch des Reifens werden durch
1.000–10.000 Reibelemente abgebildet. Durch entsprechende Funktionen sind
auch Stick-slip-Effekte darstellbar.
Ein entsprechendes thermisches Modell trägt Veränderungen der Reibverhält-
nisse durch Änderungen der Temperatur Rechnung. Mit dem Modell können
Unebenheiten im Wellenlängenbereich bis λ ≈ 5cm abgebildet werden. Auf
Grund der hoch aufgelösten Kontaktfläche ist es möglich, eine Schwellenüber-
fahrt zu simulieren. Im Frequenzbereich ist das Modell begrenzt auf Frequen-
zen unterhalb von 150 Hz.
Das RMOD-K-Modell ist ein Finite-Elemente-Modell des Reifens (vgl. [84]),
das den Reifenaufbau in gewissen Grenzen wiedergibt. Der Rechenaufwand
ist auf Grund der Finite-Elemente-Formulierung hoch. Eigenfrequenzen wer-
den bis zu 170 Hz (vgl. [84] für eine radiale Eigenform) gut wiedergegeben.
Es handelt sich bei diesem Modell um ein physikalisches Modell, bei dem der
Reifenaufbau abgebildet wird und so durch Verändern physikalischer Parame-
ter das Reifenmodell beeinflusst werden kann.
Der Kontakt mit der Fahrbahn wird über entsprechende Reibfunktionen wie-
dergegeben, wobei auch hier die Temperatur und der Kontaktdruck eine Rolle
spielen.
Das sogenannte CD-Tire-Modell gibt es in unterschiedlichen Komplexitätsgra-
den. So ist der CD-Tire 20 ein Modell mit starrem Ring auf einer Bettung aus
federnden und dämpfenden Elementen. CD-Tire 30 berücksichtigt einen fle-
xiblen Ring in einer einfachen Art und Weise, wobei im Kontaktbereich ledig-
256 14 Fahrbahn-Fahrzeug-Interaktion

lich eine Spur berücksichtigt wird. CD-Tire 40 ist für raue Straßenoberflächen
geeignet, wobei mehrere Spuren quer zur Laufrichtung ausgewertet werden.
Das CD-Tire-Modell basiert auf einem Lumped-Mass-RMOD-K-Modell.
Für spezielle Anwendungen gibt es Finite-Elemente-Modelle, bei denen die
Gasdynamik im Inneren des Reifens durch die ideale Gasgleichung erfasst
wird. Geeignet sind hier polytrope Zustandsänderungen, die zwischen einem
isothermen und einem adiabaten Verhalten liegen.
Zwei Effekte, die die dynamischen Eigenschaften rotierender Teile beeinflus-
sen, sind der versteifende Effekt infolge der Zentrifugalkräfte und der Einfluss
der gyroskopischen Terme. Der Einfluss der gyroskopischen Terme wird im
Folgenden erläutert (vgl. auch [96]). Ausgangspunkt ist eine mit der Winkel-
geschwindigkeit Ω rotierende Kreisscheibe. Das axiale Massenmoment zweiten
Grades ist J1 , die Drehungen um die beiden Symmetrieachsen werden durch
die Winkel α und γ beschrieben. Bei Auslenkung aus der Ruhelage wirkt
ein entsprechendes Rückstellmoment. Das Differentialgleichungssystem, dass
diese rotierende Kreisscheibe beschreibt, lautet:
          
J 0 α̈ 0 2ΩJ α̇ k0 α 0
+ + = . (14.2)
0J γ̈ −2ΩJ 0 γ̇ 0k γ 0

Die gyroskopischen Terme werden durch die geschwindigkeitsabhängigen An-


teile dargestellt.
Die Matrix für die gyroskopischen Terme ist schiefsymmetrisch. Bestimmt
man die Eigenschwingungen des Systems mit folgendem Ansatz
   
α α̂
= eiωt , (14.3)
γ γ̂

so erhält man als Determinante der Systemmatrix den folgenden Ausdruck:


   2 2
det S = −Jω 2 + k − (2ΩωJ) = 0. (14.4)

Bezeichnet man mit ω0 die Eigenfrequenzen des Systems ohne Berücksichti-


gung der Drehung (Ω = 0), so erhält man

k
ω0 = . (14.5)
J
Mit Berücksichtigung der Rotation erhält man zwei unterschiedliche Eigen-
frequenzen: %
ω1,2 = ω02 + Ω 2 ± Ω. (14.6)
Geht man von einer Eigenfrequenz des Reifens für die entsprechende Biegeei-
genform von 60 Hz aus (ω0 = 2π 60 Hz) und von einer Geschwindigkeit, die
von 0 m/s – 60 m/s variieren kann, so erhält man die verschobenen Eigen-
frequenzen, die in Abb. 14.8 dargestellt sind. Die Drehfrequenz des Rades ist
von 0 – 30 Hz varriiert; dies entspricht der Geschwindigkeit von 0 – 60 m/s
14.2 Nachgiebige Fahrbahn 257

bei einem Radius von etwa 0,3 m.


Man erkennt an dem Diagramm in Abb. 14.8, dass sich die Eigenfrequenz von
60 Hz bei einer Geschwindigkeit von 0 m/s auf über 90 Hz bzw. auf unter 40
Hz verändert bei einer Geschwindigkeit von 60 m/s.

Abb. 14.8. Einfluss der Winkelgeschwindigkeit auf die Eigenkreisfrequenzen.

Die gyroskopischen Terme haben nicht nur einen Einfluss auf die Eigenfre-
quenzen, sondern auch auf Lenkbewegungen. Kippt z. B. ein Reifen bei hoher
Geschwindigkeit um die Längsrichtung, so resultiert auf Grund der gyroskopi-
schen Terme ein Moment um die Hochachse des Reifens. Dieser Effekt ist z. B.
beim Modell von Pacejka berücksichtigt. Geht man von einem Massenmoment
zweiten Grades des Rades J = 0,6 kg m2 , von einer Einfederungsgeschwin-
digkeit des Rades von 2 m/s, von einer Sturzänderung von 0,5o bei 20 mm
Einfederung sowie von einer Drehfrequenz der Räder von 30 Hz aus, so erhält
man auf Grund der gyroskopischen Terme ein Moment von etwa 200 Nm.

14.2 Nachgiebige Fahrbahn


Während bei der Fahrt eines Fahrzeuges auf der Straße (feste Fahrbahn) die
Eigenschaften des Reifens eine entscheidende Rolle bei der Simulation spielen,
ist bei der Fahrt auf nachgiebigen Böden (Sand, Lehm, Schnee) der Boden
im Zusammenspiel mit dem nachgiebigen Rad ein entscheidender Teil des
Modells, den es zu berücksichtigen gilt.
Im Folgenden werden einige Phänomene beschrieben, die die Interaktion eines
Reifens mit nachgiebigem Boden wesentlich bestimmen.
Einsinkung: Bei der Betrachtung eines Fahrzeugs bei der Fahrt auf nachgie-
bigem Untergrund ist offensichtlich, dass die Reifen des Fahrzeuges Spu-
ren auf dem nachgiebigen Untergrund hinterlassen. Diese Spuren rühren
von plastischen Deformationen her. Die Spannungsverteilung im Boden
ist an einigen Komponenten des Spannungstensors in Abb. 14.9 zu er-
kennen. Im oberen rechten Teilbild ist die Spannungskomponente σzz zu
erkennen, also die vertikale Normalkomponente des Spannungstensors. Im
258 14 Fahrbahn-Fahrzeug-Interaktion

oberen linken Teilbild ist die Normalkomponente des Spannungstensors


in x-Richtung (also in der Längsrichtung) erkennbar. Das Teilbild unten
links zeigt den hydrostatischen Spannungszustand im Boden. Die Zuord-
nung der Spannungen zu den Graustufen ist unten rechts in den Legen-
den zusammengefasst. Die Spannungsverteilung ist dargestellt für einen
Schnitt durch den Boden, der in der Symmetrieebene des Rades verläuft.
Die Normalspannungen in Längsrichtung und die hier nicht dargestellten
in Längsrichtung wirkenden Tangentialspannungen rufen den Rollwider-
stand des Rades hervor.

Abb. 14.9. Spannungsverteilung im nachgiebigen Boden unter einem rollenden


Rad.

Schlupfeinsinkung: Zusätzlich zu der Einsinkung, die infolge plastischer De-


formationen des Untergrunds auftritt, kann das Rad auch einsinken durch
das Abscheren des Bodens. Man nennt dieses Effekt Schlupfeinsinkung.
Hierbei handelt es sich um einen Materialtransport durch das drehende
Rad, der anschaulich einem Eingraben des Rades entspricht. Zusätzlich
14.2 Nachgiebige Fahrbahn 259

führen die Tangentialspannungen zu einer Erhöhung der Vergleichsspan-


nung und in deren Folge zu einer Erhöhung der plastischen Deformationen.
Multipass-Effekt: Der Multipass-Effekt trägt dem Umstand Rechnung, dass
die hinteren Räder bei Geradeausfahrt in der Spur der Vorderräder fah-
ren. Aus diesem Grund treffen die Hinterräder auf einen bereits plastisch
deformierten Untergrund. Durch die geänderten Bodeneigenschaften, auf
die das hintere Rad trifft, ändern sich für dieses der Rollwiderstand und
die Einsinkung. In Abb. 14.10 ist eine Spur gezeigt, an der der Multipass-
Effekt deutlich wird. Im linken Teil der Spur (es ist nur ein Teil des Bodens
dargestellt) ist der deformierte Boden nach der Überfahrt eines Rades er-
kennbar. In der Mitte des Bildes erkennt man an der Darstellung der
hydrostatischen Spannungen, dass ein zweites Rad (in dem dargestellten
Fall ein Rad ohne Profil; das Rad selber ist nicht ausgeblendet) durch die
Spur des ersten fährt und den Boden weiter deformiert.

Abb. 14.10. Muldipass-Effekt bei der Fahrt eines zweiten Rades in der Spur eines
vorausgegangenen Rades.

Bulldozing-Effekt: Bei diesem Effekt handelt es sich um das Phänomen, dass


sich vor dem Rad Bodenmaterial ansammelt. Dieses staut sich ähnlich
einer Welle vor dem Rad und führt so zu veränderten Kraftverhältnissen.
Der Aufbau dieser sogenannten Bulldozing-Welle ist verknüpft mit einem
antreibenden oder bremsenden Moment. Die Welle wird kleiner, wenn das
Rad angetrieben wird, und größer bei gebremstem Rad. Da sich der Roll-
widerstand und die Längskraft durch den Aufbau der Bulldozing-Welle
vergrößern, kann dieser Effekt bewusst eingesetzt werden, um ein Brem-
sen auf nachgiebigem Boden mit einer erhöhten Bremskraft zu ermögli-
chen. Durch das Ansammeln von Material vor dem Rad entsteht eine Art
bremsender Keil. Beim Einsatz von Antiblockiersystemen (ABS), gera-
de bei Nutzfahrzeugen, kann dieser Effekt vermindert auftreten und die
Bremskraft könnte dadurch geringer sein als ohne den Einsatz eines ABS.
260 14 Fahrbahn-Fahrzeug-Interaktion

Es gibt unterschiedliche Möglichkeiten, den nachgiebigen Untergrund in der


Simulation zu berücksichtigen. Die Finite-Elemente-Methode gestattet eine
recht genaue Beschreibung der Interaktion zwischen Rad und Boden. Hier
geht man häufig von einem elastoplastischen Materialverhalten des Bodens
aus. Das Material wird dabei z. B. durch das Gesetz nach Drucker-Prager-
Cap beschrieben. Die Fließfläche wird bei dieser Materialbeschreibung durch
einen Kegel mit der Raumdiagonalen als Mittelachse im Spannungsraum er-
fasst. Dies entspricht einer Fließspannung, die linear mit dem hydrostatischen
Druck ansteigt. Der Kegel setzt sich nicht bis ins Unendliche fort, sondern wird
durch eine Kappe (Cap) begrenzt. Plastische Deformationen treten also bei
diesem Material sowohl bei reiner hydrostatischer Belastung (infolge der Kap-
pe) als auch bei deviatorischer Belastung auf. Die Kappe wird bei plastischer
Deformation in Richtung größerer hydrostatischer Spannungen verschoben.
Diese Verschiebung (Verfestigung) trägt dem Umstand Rechnung, dass der
Boden eine höhere Scherfestigkeit nach einer Verdichtung aufweist. Das Ma-
terialgesetz von Drucker-Prager mit der Beschränkung (Cap) ist in der Litera-
tur auch unter dem Materialgesetz für crushable foams zu finden. Der Vorteil
der Beschreibung des nachgiebigen Bodens mit der Finite-Elemente-Methode
liegt in der guten Erfassung der Spannungsverteilung im Boden und in der
Möglichkeit, die Einsinkung, den Multipass-Effekt und den Bulldozing-Effekt
direkt zu erfassen. Den Effekt der Schlupfeinsinkung kann ein FE-Modell nur
zum Teil wiedergeben. Die größere Einsinkung bei vorhandenem Schlupf rührt
zum einen von der Erhöhung der deviatorischen Spannungen und der damit
einhergehenden größeren plastischen Deformation und zum anderen von dem
Materialtransport her. Die größeren deviatorischen Spannungen und die damit
verbundenen plastischen Deformationen können durch das Materialgesetz wie-
dergegeben werden. Der Materialtransport ist durch die Methode der Finiten-
Elemente nur dann abbildbar, wenn diese durch adaptive Netzverfeinerungen
und durch die Möglichkeit erweitert werden, dass Finite-Elemente aufeinan-
der abgleiten können oder dass Risse bzw. Trennlinien entstehen können.
In Abb. 14.9 sind Spannungsverteilungen in einem nachgiebigen Boden bei
der Überfahrt eines elastischen Rades für das Materialgesetz nach Drucker-
Prager-Cap dargestellt.
Um das Abgleiten von Bodenschichten im Modell darstellen zu können, kom-
men Partikelmethoden zum Einsatz. Dies können z. B. SPH-Methoden sein.
Bei der Bodenmechanik findet man jedoch häufig die sogenannten Discrete
Element-Methods (DEM), die zum Teil mit Finiten Elemente gekoppelt wer-
den (vgl. [85]). Die Rechenzeit erhöht sich deutlich bei den Partikelmetho-
den, was auch in erweiterten Kontaktalgorithmen zwischen den Partikeln be-
gründet liegt.
Im Rahmen von MKS-Anwendungen kommt häufig das phänomenologische
Bekker-Modell (vgl. [10], [11], [12]) zum Einsatz. Dieses geht von einer ein-
fachen Aufteilung der Normalkräfte in vertikaler Richtung (dem Rollwider-
stand) und der Tangentialkräfte aus. Bei der Vertikalkraft setzt man voraus,
dass sich der Druck in Abhängigkeit von der Einsinkung gemäß der folgenden
14.2 Nachgiebige Fahrbahn 261

Formel einstellt:
p = kz n . (14.7)
Diese Abhängigkeit des Drucks p von der Einsinkung z beschreibt allerdings
nicht ein bestimmtes Materialverhalten, sondern einen sogenannten Platten-
Eindrückversuch (siehe Abb. 14.11).

Fz

Fz
p
p

Abb. 14.11. Platteneindrückversuch.

Der Parameter k hängt i. Allg. von dem Durchmesser der Platte oder von
einer charakteristischen Abmessung der Platte ab, die in den Boden einge-
drückt wird. Der nicht zwingend ganzzahlige Exponent n stellt eine Materia-
leigenschaft dar. Den Einfluss der Plattengröße erfasst man durch die folgende
Formel:
kc
k= + kϕ . (14.8)
b
Hier ist b die charakteristische Abmessung der Platte und kc und kϕ sind
Kennwerte für den Boden. Der Rollwiderstand wird bei der Beschreibung
nach Bekker nicht durch die Druckverteilung bestimmt, sondern durch die
plastische Deformation des Bodens. Man geht dabei davon aus, dass für die
plastische Deformation bei der Fahrt über den nachgiebigen Untergrund eine
bestimmte plastische Verformungsarbeit aufgewendet werden muss. Weiter
geht man davon aus, dass diese plastische Verformungsarbeit lediglich durch
die Längskraft aufgebracht werden muss. Arbeit, die sich infolge des wirkenden
Antriebsmomentes ebenfalls in einer plastischen Deformation niederschlägt,
wird dabei vernachlässigt. Bei der Beschreibung des Traktionsverhaltens geht
man von einem Scherversuch (vgl. Abb. 14.12) aus.
Die maximal übertragbare Scherspannung τmax hängt bei diesem Versuch von
dem Druck p gemäß folgender Formel ab:
τmax = c + p tan ϕ. (14.9)
Die Scherspannung, die sich bei diesem Versuch von 0 bis zur maximalen
Spannung τmax aufbaut, hängt vom Scherweg j ab:
262 14 Fahrbahn-Fahrzeug-Interaktion
Fz

FT

Fz t
FT p
p t

Abb. 14.12. Scherversuch.


j

τ = τmax 1 − e K . (14.10)

Diese einfachen Zusammenhänge nach Bekker lassen sich leicht zu einem


phänomenologischen Gesetz für die Interaktion zwischen Rad und nachgiebi-
gem Boden zusammenfassen. Weitere Parameter, die hier eine Rolle spielen,
sind der Radius des Rades, seine elastischen Deformationen und das Profil des
Reifens.
In Abb. 14.13 sind Schnee Ergebnisse nach [61] von Kompressions- und Scher-
versuchen (zum Teil mit etwas anderen Randbedingungen als die in Abb. 14.11
und Abb. 14.12 wiedergegebenen) dargestellt.
14.2 Nachgiebige Fahrbahn 263
73

71
V in cm3

69

67

65
0 50 100 150 200 250 300 350 400 450 500 550 600 650 700 750 800
p in kPa
300

250

200 p in kPa
t in kPa

27,8
150 41,7
55,6
100

50

0
0 1 2 3 4 5 6 7 8 9 10
Ds in mm
Abb. 14.13. Kompressions- und Schertest für Schnee (nach [61]).
15
Nichtlineare Optimierung

In diesem Kapitel werden unterschiedliche Optimierungsalgorithmen vorge-


stellt. Ziel ist es bei dieser Darstellung nicht, alle mathematischen Details zu
erläutern, sondern dem Leser ein Verständnis der Algorithmen näher zu brin-
gen und Anwendungen zu verdeutlichen.
Im ersten Abschnitt werden grundlegende Begriffe erläutert und es werden
Faktoren vorgestellt, die die Auswahl von Optimierungsalgorithmen beein-
flussen. Der zweite Abschnitt beschäftigt sich mit Suchstrategien. Im drit-
ten Abschnitt werden Newton- und Gradientenverfahren erläutert, während
der vierte Abschnitt auf Verfahren der zulässigen Richtung und auf SQP-
Verfahren eingeht. Inhalt des fünften Abschnitts sind evolutionäre Algorith-
men. Im sechsten Abschnitt wird die ganzahlige Optimierung an einem Bei-
spiel dargelegt. Der siebte Abschnitt beschäftigt sich mit DOE (Design of Ex-
periment) und RSM (Response Surface Methodology). Der achte Abschnitt
widmet sich neuronalen Netzen. Im neunten Abschnitt wird multikriterielle
Optimierung erläutert. Im zehnten Abschnitt folgen Beispiele.

15.1 Grundlagen

In diesem Abschnitt werden grundlegende Begriffe zur Optimierung ein-


geführt.
Ein allgemeines Optimierungsproblem lässt sich folgendermaßen beschreiben.
Gesucht ist ein Parametertupel p∗ = (p1 , . . . , pnp ) mit pi ∈ IR, für das die so-
genannte Zielfunktion f : IRnp → IR minimal wird, wobei die Parametertupel
die folgenden Nebenbedingungen erfüllen müssen:

hj (p) = 0, j = 1, . . . , nh Gleichheitsnebenbedingungen, (15.1)


gj (p) ≤ 0, j = 1, . . . , ng , Ungleichheitsnebenbedingungen, (15.2)
qe ≤ p ≤ qu , Parameterschranken. (15.3)
266 15 Nichtlineare Optimierung

Die Parameterschranken könnte man auch zu den Ungleichheitsnebenbedin-


gungen zählen. An Stelle der Bezeichnung Nebenbedingung ist auch der Begriff
Restriktion üblich. Das Tupel p∗ heißt Optimum.
Beispiel 15.1. Die Begriffe werden zunächst am Beispiel von Abb. 15.1 er-
läutert. Der Parametervektor p = (p1 , p2 ) hat hier zwei Komponenten. Der
Parameterraum ist also die in der Abbildung dargestellte Ebene (die Ein-
teilung in die großen Rechtecke wurde lediglich zur besseren Visualisierung
vorgenommen). Die Parameterschranken beschränken die zulässigen Tupel p
auf das dargestellte, hellgraue Rechteck. Dieser Bereich wird weiter durch eine
Ungleichheitsnebenbedingung eingeschränkt, so dass letztendlich der zulässi-
ge Bereich übrig bleibt.
Die Zielfunktion darf also lediglich im zulässigen Parameterbereich auf ein
Minimum hin untersucht werden. In Abb. 15.1 ist das Minimum von f dar-
gestellt. Es liegt in diesem Beispiel nicht am Rand sondern im Inneren des
zulässigen Bereichs.

nicht aktive
Ungleichheits-
nebenbedingungen

Optimum p*
Zielfunktion f

f nicht
p2 zulässiger
Bereich
zulässiger p1
Bereich

Abb. 15.1. Grundlegende Begriffe in der Optimierung.

Gilt für eine Ungleichheitsnebenbedingung gj und ein Tupel p̃ die Gleichheit


gj (p̃) = 0, so spricht man von aktiver Nebenbedingung.
In dem eben beschriebenen Beispiel ist weder eine Parameterschranke (als
einfache lineare Ungleichheitsnebenbedingung) noch die einzige, nichtlineare
Ungleichheitsnebenbedingung aktiv, denn das Optimum liegt im Inneren des
zulässigen Bereichs. Im Gegensatz dazu ist die Ungleichheitsnebenbedingung,
15.1 Grundlagen 267

aktive Ungleichheits-
nebenbedingungen

Optimum p* Zielfunktion f
am Rand

f p2 nicht zulässiger
Bereich

zulässiger
Bereich p1 Parameterschranken

Abb. 15.2. Aktive Nebenbedingung.

die in Abb. 15.2 dargestellt ist, aktiv für das ebenfalls in Abb. 15.2 dargestellte
Optimum. Das Optimum liegt also nicht an der Stelle, an der f minimal wird,
da diese Stelle außerhalb des zulässigen Bereichs liegt, sondern am Rand des
zulässigen Bereichs.
Gleichheitsnebenbedingungen müssen stets erfüllt sein, sind also für alle
zulässigen Parameter aktiv. Gleichheitsnebenbedingungen schränken den zu-
lässigen Bereich qualitativ ein im Gegensatz zu Ungleichheitsnebenbedingun-
gen. Ungleichheitsnebenbedingungen beschränken die Größe aber nicht die
Dimension des zulässigen Bereichs. So erkennt man in den Abbn. 15.1 und
15.2, dass der zulässige Bereich zwar kleiner ist als der Parameterraum (die
gesamte Ebene oder das durch die Parameterschranken begrenzte Rechteck),
dass aber die Dimension der Bereiche jeweils zwei ist.
Gleichheitsnebenbedingungen sind in Abb. 15.3 an der Linie durch den zulässi-
gen Bereich der Parameterebene zu erkennen. In diesem zweidimensionalen
Fall bedeutet eine Gleichheitsnebenbedingung eine Abhängigkeit der beiden
Parameter p1 und p2 ; diese sind also nicht mehr unabhängig voneinander
wählbar. In dem in Abb. 15.3 dargestellten Fall wird also der zulässige Be-
reich auf eine Dimension eingeschränkt. Man erkennt, dass die Einschränkung
innerhalb des zulässigen Bereichs insofern eindeutig ist, als dass es für einen
Parameter p2 genau einen Paramter p1 gibt.
Betrachtet man die folgende, einfache Gleichheitsnebenbedingung

p21 − p2 = 0, (15.4)

so erkennt man, dass diese Nebenbedingung für p2 < 0 nicht erfüllt sein

kann und dass es für p2 > 0 zwei mögliche Werte für p1 gibt: p11 = p2 ,
268 15 Nichtlineare Optimierung

Ungleichheits-
nebenbedingungen

Optimum p*
Zielfunktion f

f
p2
nicht zulässiger
Bereich
Gleichheitneben-
bedingungen
p1 Parameter-
schranken
zulässiger
Bereich

Abb. 15.3. Verkleinerung der Dimension des zulässigen Bereichs durch Gleichheits-
nebenbedingungen.


p12 = − p2 . Das bedeutet für den Fall, dass die Funktion f global (also ohne

zwei Optima
p*, q *

zulässiger
Bereich
f
p2

Gleichheitsneben-
bedingungen
p1

Parameter-
schranken

Abb. 15.4. Zweideutige Gleichheitsnebenbedingungen.

Nebenbedingung) genau ein Minimum besitzt, dass es auf unterschiedlichen


Lösungszweigen von Gleichheitsnebenbedingungen zwei Minima geben kann.
15.1 Grundlagen 269

Dieser Fall ist in Abb. 15.4 dargestellt. Die beiden Linien in der Parameter-
ebene stellen eine Gleichheitsbedingung dar, die nicht zu einer eindeutigen
Einschränkung führt. In dem dargestellten Fall existieren zwei Optima.
Ebenso ist es möglich, dass Ungleichheitsbedingungen den zulässigen Bereich
so einschränken, dass er entlang einer Höhenlinie der Funktion f verläuft.
In diesem Fall liegen auf dem Rand des zulässigen Bereichs unendlich vie-
le Optima. Dieser Fall ist in Abb. 15.5 wiedergegeben. Hier beschränkt die
Ungleichheitsbedingung die Zielfunktion gerade entlang einer Höhenlinie, was
zu unendlich vielen Optima führt. In den bisher betrachteten Fällen waren

optimale
Kurve

Zielfunktion f
f
p2

zulässiger
Bereich
p1

Parameter-
schranken

Abb. 15.5. Gleichheitsnebenbedingungen auf einer Höhenlinie führen u. U. zu un-


endlich vielen Optima.

sowohl die Zielfunktionen als auch die Nebenbedingungen stetig (sogar stetig
differenzierbar).
Gerade im Bereich nichtlinearer Modellgleichungen können allerdings Unste-
tigkeiten auftreten, die zu deutlich verwickelteren Verhältnissen führen.
In Abb. 15.6 ist ein Fall dargestellt, bei dem die Unstetigkeit der Zielfunkti-
on zu zwei Minima (einem globalen, dem Optimum und einem lokalen) führt.
Optimierungsverfahren, die auf Gradienteninformationen beruhen, können im
Bereich der Unstetigkeitsstellen versagen. Ebenso können, wie in Abb. 15.7
gezeigt, auch bei stetig differenzierbaren Funktionen mehrere Minima auftre-
ten. Die Eigenschaften der Zielfunktion und der Nebenbedingungen entschei-
den über die Auswahl geeigneter Optimierungsverfahren. Ebenso wichtig ist
aber auch die Anzahl der Parameter. Von praktischer Bedeutung sind die
zur Verfügung stehenden Rechnerressourcen im Vergleich zu den Rechnerres-
270 15 Nichtlineare Optimierung

Optimum

Sprung

Sprung

zulässiger
Bereich

Abb. 15.6. Unstetige Zielfunktionen.

Abb. 15.7. Stetige Zielfunktion mit zwei lokalen Minima.

sourcen, die notwendig sind, um die Zielfunktion und die Nebenbedingungen


auszuwerten.
Zunächst wird eine Zusammenstellung unterschiedlicher nichtlinearer Opti-
mierungsstrategien in Anlehnung an [109] gegeben.
Das Optimierungsproblem kann direkt gelöst werden, in dem ein Optimie-
rungsverfahren auf die Zielfunktion angewendet wird. Es gibt aber auch die
Möglichkeit, das ursprüngliche Optimierungsproblem zu ersetzen durch ein
einfaches, approximierendes Problem. Der Hintergrund dieser Ersetzung ist
häufig der, dass die Auswertung der Zielfunktion f große Rechnerressourcen
15.1 Grundlagen 271

in Anspruch nimmt. Ein Optimierungsverfahren, das die Zielfunktion häufig


auswertet, würde hohe Rechnerressourcen in Anspruch nehmen. Ersetzt man
die Zielfunktion durch eine einfache, approximierende Funktion, z. B. ein Poly-
nom, so wäre der Rechenaufwand für die Auswertung der Ersatzfunktion ver-
nachlässigbar klein. Ein Anwender muss also abschätzen, ob es günstiger ist,
direkt die Zielfunktion auszuwerten, oder durch Auswerten der Zielfunktionen
eine Ersatzfunktion zu bestimmen. Die nichtlinearen Optimierungsverfahren
können sowohl auf das ursprüngliche Problem als auch auf das Ersatzproblem
angewendet werden. Welche Möglichkeiten es für die Wahl von Ersatzfunktio-
nen gibt, ist Gegenstand des Abschnitts 15.7.
Es wird hier lediglich auf Optimierungsverfahren für nichtlineare Probleme
eingegangen. Lineare oder quadratische Probleme sind zwar einfacher zu lösen,
spielen aber häufig in der Praxis eine untergeordnete Rolle.
Nach Abb. 15.8 lassen sich die Verfahren der nichtlinearen Optimierung grob
in Suchstrategien und Gradientenstrategien einteilen. Die Suchstrategien sind
häufig heuristisch begründet. Konvergenzbeweise gibt es in einigen Fällen. Der
Erfolg der Verfahren liegt in der einfachen Anwendbarkeit und den geringen
Anforderungen an die Zielfunktion bezüglich deren Glattheit begründet. Die

Nichtlineare Optimierung

Suchstrategien Gradientenstrategien

deterministisch stochastisch Quasi-Newton Gauß-Newton

JAC SPX ES GA SA BFGS SQP DGN TRGN LVM

Abb. 15.8. Übersicht Optimierungsverfahren.

Bedeutung der Abkürzungen in Abb. 15.8 können Tabelle 15.1 entnommen


werden. In Tabelle 15.1 sind für die in Abb. 15.8 aufgeführten Optimierungs-
verfahren einige Anforderungen und Anwendungsfelder zusammengetragen.
Diese Einschätzung ist nicht mathematisch streng zu verstehen, sondern re-
sultiert aus der Erfahrung des Autors. Bei dieser Einschätzung wird davon
ausgegangen, dass keine expliziten Informationen über Ableitungen vorliegen.
Die Auswahl von Optimierungsalgorithmen wird durch unterschiedliche Fak-
toren bestimmt. Einige von diesen sind in Abb. 15.9 zusammengefasst. Auf
die Punkte wird im Folgenden eingegangen, wobei nicht alle Kombinati-
onsmöglichkeiten der Werte für die unterschiedlichen Faktoren im Detail be-
sprochen werden.
• Anzahl der Parameter : Die Anzahl der Parameter entscheidet im Wesent-
lichen darüber, ob Algorithmen zum Einsatz kommen, die in jedem Ite-
272 15 Nichtlineare Optimierung

Tabelle 15.1. Erklärung der Abkürzungen.


SPX: Simplex-Verfahren
JAC: Jacob-Verfahren
ES: Evolutions-Strategie
GA: Genetischer Algorithmus
SA: Simulated Annealing
BFGS: Broyden-Fletcher-Goldfarb-Shanno
SQP: Sequential-Quadratic-Programming
LVM: Levenberg-Marquardt
TRGN: Trust Region
DGN: Gedämpftes Gauss-Newton-Verfahren

Tabelle 15.2. Eigenschaften unterschiedlicher Optimierungsverfahren (zum Teil in


Abhängigkeit von den Eigenschaften der Zielfunktion); C −1 : unstetig; C 0 : stetig; C 1 :
stetig differenzierbar; Anzahl der Parameter np : klein bis 10, mittel 11 – 30, groß 31
– 100; Konvergenz: jeweils gemessen an der Anzahl der Funktionsauswertungen.
Glattheit der Zielfunktion
C −1 C 0 C1 np Rauschen parallel Konverg.
SPX o + + mittel + - o
JAC – o + klein + o o
MC + + + groß + + –
ES + + + groß + + –
GA + + + groß + + –
SA + + + groß + + –
BFGS – – + klein o o +
SQP – – + klein o o +
LVM – – + klein o o +
TRGN – – – klein + + o
DOE/RSM o + + klein + + o

rationsschritt Informationen über Steigungen oder Krümmungen der Ziel-


funktion benötigen. Ist dies der Fall, so wird in jedem Iterationsschritt eine
große Anzahl von Funktionsauswertungen benötigt, um Gradienten oder
Krümmungen zu berechnen. Die Anzahl der Parameter bestimmt ebenfalls
die Konvergenzgeschwindigkeit. Falls es möglich ist, sollten Gleichheitsbe-
dingungen nach einem Parameter aufgelöst werden, um diesen zu eliminie-
ren. Man reduziert auf diese Art die Dimension des Parameterraums und
erhöht i. Allg. die Konvergenzgeschwindigkeiten.
• Glattheit der Zielfunktion: Die Glattheit (also Unstetigkeit, Stetigkeit oder
stetige Differenzierbarkeit) hat Einfluss auf die Auswahl eines Optimie-
rungsverfahrens, da einige Algorithmen, die auf Gradienteninformationen
beruhen, vollständig versagen können, falls die Zielfunktion nicht differen-
zierbar ist. So ist es möglich, dass die Gradienten in der Nähe von Unste-
15.1 Grundlagen 273

Anzahl der Glattheit


Parameter der Zielfunktion

angestrebter Zeitaufwand
Optimierungs- numerisches Rauschen
bis zur Beendigung
algorithmus der Zielfunktion
der Optimierung

zur Verfügung Zeitaufwand für


stehende eine Zielfunktions-
Rechnerressourcen auswertung

Abb. 15.9. Einfluss unterschiedlicher Faktoren auf die Auswahl von Optimierungs-
strategien.

tigkeitsstellen (an denen sie ohnehin nicht definiert sind) eine völlig falsche
Suchrichtung vorgeben und so zum Versagen des Algorithmus führen. Da
bei den Verfahren SPX und DOE/RSM die Parameterpunkte weit aus-
einander liegen, reagieren diese Verfahren nicht so empfindlich auf nume-
risches Rauschen oder kleine Unstetigkeiten; es handelt sich jeweils um
globale Approximationen. Lediglich beim Simplex-Verfahren wirken sich
Unstetigkeitsstellen in der Phase ungünstig aus, in der der Simplex kleiner
wird.
• Numerisches Rauschen: Dies beeinträchtigt (abhängig von der Größe) die
Verfahren, die Gradienteninformationen ausnutzen. Werden für die Be-
stimmung der Gradienten weit auseinanderliegende Punkte eingesetzt, so
dass das Rauschen keine maßgeblichen Auswirkungen hat, so können auch
auf Gradienteninformationen beruhende Verfahren eingesetzt werden.
• Zeitaufwand/Rechnerressourcen: Die beiden letzten Faktoren stehen in en-
gem Zusammenhang zueinander. Die zur Verfügung stehenden Rechnerres-
sourcen bestimmen durch ihre Art zunächst die Möglichkeit einer Paral-
lelisierbarkeit. Steht nur ein Rechner mit einem Prozessor zur Verfügung,
so spielt das Kriterium der Parallelisierbarkeit der Algorithmen keine Rol-
le. Stehen bis zu zehn Prozessoren zur Verfügung, so lassen sich die ge-
ringen Parallelisierungsmöglichkeiten einiger Verfahren (z. B. SQP) gut
ausnutzen, die sehr guten Parallelisierungsmöglichkeiten (z. B. von MC,
SA, GA, EA) lassen sich jedoch nicht voll ausnutzen. Stehen bis zu 100
Prozessoren zur Verfügung, so ist das hilfreich für einige Verfahren (MC,
SA, DOE/RSM etc.); bei einigen anderen Verfahren (z. B. Simplex, SQP)
würde ein Großteil der Prozessoren nicht benötigt.
Der Zeitaufwand für eine Zielfunktionsauswertung bestimmt zusammen
274 15 Nichtlineare Optimierung

mit der Parallelisierungsmöglichkeit die Antwortzeit für unterschiedliche


Verfahren. Damit ergibt sich unter dem Aspekt der Antwortzeit ein Aus-
schlusskriterium für bestimmte Verfahren.
Im Folgenden wird auf Optimalitätskriterien und Abbruchkriterien eingegan-
gen.
Zunächst wird die Optimierungsaufgabe ohne Nebenbedingungen betrachtet
(weder Gleich- noch Ungleichheitsnebenbedingungen; ebenso keine Parame-
terschranken).
Eine notwendige Bedingung für ein Optimum ist das Verschwinden des Gra-
dienten (der Ableitung) der Zielfunktion f :
 T
∂f ∂f ∂f
∇f = , ,..., (p∗ ) = 0 . (15.5)
∂p1 ∂p2 ∂pnp

Anschaulich verschwindet also die erste Ableitung der Zielfunktion. Liegen


Nebenbedingungen oder Parameterschranken vor, so werden diese zunächst
einheitlich in Ungleichheitsrestriktionen umgeformt (dieses erleichtert die fol-
gende Betrachtung).
Eine Gleichheitsnebenbedingung hj (p) = 0 kann man ersetzen durch zwei
Ungleichheitsnebenbedingungen:
 
hj p ≤ 0 , (15.6)
 
hj p ≥ 0 . (15.7)

Die Parameterschranken sind spezielle, einfache Ungleichheitsnebenbedingun-


gen.
Die folgende Betrachtung kann also auf Ungleichheitsnebenbedingungen be-
schränkt werden (bei der praktischen Umsetzung sollte man Gleichheitsne-
benbedingungen allerdings nicht durch zwei Ungleichheitsnebenbedingungen
ersetzen).
Liegt ein Minimum der Zielfunktion im zulässigen Bereich, so verschwindet
wie bei der unrestringierten Aufgabe der Gradient ∇f = 0.
Geht man von lediglich einer Ungleichheitsnebenbedingung g ≤ 0 aus, so ist
anschaulich klar, dass der Gradient der Nebenbedingung (also die linke Seite
g aufgefasst als Funktion von p) und der Gradient der Zielfunktion im Opti-
mum p∗ (min(f )) in die entgegengesetzte Richtung weisen müssen. Man kann
sich die Nebenbedingung hierfür vorstellen als Fläche, die beschrieben wird
durch g und die an der Grenze des zulässigen Bereichs null ist.
Das heißt, dass die Grenze des zulässigen Bereichs (dies ist die Höhenlinie der
Nebenbedingung, an der diese null wird) tangential zu einer Höhenlinie der
Zielfunktion verläuft. In Abb. 15.10 ist dieser Fall dargestellt. Der zulässige
Bereich befindet sich oberhalb der gestrichelten Linie. Diese Linie grenzt den
zulässigen Bereich ab und ist tangential zu der Höhenlinie der Zielfunktion
im Optimum. Eine Bedingung für eine Ungleichheitsnebenbedingung g würde
also lauten, dass es ein λ > 0 gibt mit
15.1 Grundlagen 275
   
∇f p∗ + λ∇g p∗ = 0. (15.8)
Das Vorzeichen von λ hängt davon ab, welche Relation in der Ungleichheits-

Abb. 15.10. Zusammenhang zwischen dem Gradienten einer Nebenbedingung und


dem Gradienten einer Zielfunktion.

bedingung steht und ob das Minimum oder das Maximum von f bestimmt
werden soll.
Ein Fall, in dem zwei Ungleichheitsnebenbedingungen eine Rolle spielen,
ist in Abb. 15.11 dargestellt. Der zulässige Bereich befindet sich oberhalb der
beiden gestrichelten Linien. Man erkennt, dass der negative Gradientenvektor
der Zielfunktion zwischen den beiden Richtungen liegt, die von den Gradi-
enten der Nebenbedingungen g1 ≤ 0 und g2 ≤ 0 bestimmt werden, also in
dem von den Gradienten ∇g1 und ∇g2 aufgespannten Kegel. Mathematisch
ausgedrückt heißt dies, dass es λ1 ≥ 0 und λ2 ≥ 0 gibt, mit:
     
∇f p∗ + λ1 ∇g1 p∗ + λ2 ∇g2 p∗ = 0. (15.9)

Verallgemeinert kann man diesen Zusammenhang als sogenannte Karush-


Kuhn-Tucker-Bedingung (KKT-Bedingung)1 formulieren: Ist p∗ ein lokales
1
In der älteren Literatur findet man noch häufig die Bezeichnung Kuhn-Tucker-
Bedingung; diese geht auf eine Arbeit von Kuhn und Tucker aus dem Jahre 1951
zurück. Der Zusatz Karush rührt von einer Arbeit von Karush aus dem Jahre
1939 zu diesem Thema her. Die Abkürzung KKT ist ein feststehender Begriff in
der Optimierungsliteratur.
276 15 Nichtlineare Optimierung

Abb. 15.11. Zusammenhang zwischen den Gradienten der Nebenbedingungen und


dem Gradienten der Zielfunktion.

Optimum und sind g1 ≤ 0, . . . , gia ≤ 0 aktive Ungleichheitsnebenbedin-


gungen in p∗ , dann existieren λ1 ≥ 0, . . . , λia ≥ 0, (wobei die Gradienten
∇g1 , . . . , ∇gia linear unabhängig sein müssen) mit

   ia
 
∇f p∗ + λi ∇gi p∗ = 0. (15.10)
i=1

Sind die Gradienten nicht linear unabhängig, so führt dies auf eine leicht ab-
gewandelte Bedingung, der sogenannten John-Bedingung.
Diese Bedingungen (von Karush-Kuhn-Tucker oder von John) können als Ab-
bruchkriterien verwendet werden. Die Bedingungen werden ebenfalls zur Kon-
struktion von Optimierungsverfahren herangezogen.
In der Praxis wird man ein Verfahren häufig aus Zeitgründen früher abbre-
chen, z. B. wenn eine bestimmte Verbesserung eines Startwertes erreicht wur-
de, wenn die Parameteränderungen unterhalb einer bestimmten Schranke lie-
gen oder wenn eine vorher festgelegte Anzahl von Iterationen überschritten
wird.
Aus Sicht des Anwenders ist das tatsächliche, mathematische Optimum von
untergeordneter Bedeutung, da die Zielfunktionen auf Modellgleichungen be-
ruhen, die die Realität nicht genau wiedergeben; eine sehr genaue Bestimmung
des Optimums wird also ohnehin nicht genau mit einem Optimum in der Rea-
lität übereinstimmen.
15.2 Suchstrategien 277

15.2 Suchstrategien
In diesem Abschnitt werden unterschiedliche Suchstrategien vorgestellt. Der
Unterschied zu den Gradientenstrategien liegt darin, dass Suchstrategien i.
Allg. nicht mathematisch streng auf Konvergenz hin überprüfbar sind, trotz-
dem aber zu guten Ergebnissen führen.
Die Konvergenz dieser Verfahren ist zwar häufig schlechter im Vergleich zu
den Gradientenverfahren, die Anforderungen an die Glattheit der Zielfunktio-
nen sind aber sehr gering. Aus diesem Grund sind solche Verfahren auch gut
für numerisch verrauschte Zielfunktionen oder für unstetige Zielfunktionen
geeignet, wie sie z. B. in der Crashberechnung auftreten.

15.2.1 Jacob-Suchverfahren

Dieses Verfahren zeichnet sich durch seine einfache Anwendbarkeit aus. Es


nutzt neben Gradienten- auch Krümmungsinformationen. Die Beschreibung
lehnt sich an [109] an. Das Verfahren startet mit einer sogenannten Haupt-
suchrichtung (1. HSR in Abb. 15.12).

Abb. 15.12. Haupt- und Nebensuchrichtungen des Jacob-Suchverfahrens.

In dieser Hauptsuchrichtung wird die Zielfunktion durch eine quadratische


Funktion (in dem in Abb. 15.12 dargestellten Beispiel interpoliert diese qua-
dratische Funktion die Zielfunktion an den Stützstellen p1 , p2 und p3 ) ersetzt.
Von dieser quadratischen Funktion wird das Minimum bestimmt. Ausgehend
278 15 Nichtlineare Optimierung

von diesem Minimum (Punkt p4 in Abb. 15.12) werden (np − 1) Nebensuch-


richtungen mit Hilfe eines Orthogonalisierungsverfahrens ermittelt. Im Bei-
spiel gibt es wegen np = 2 lediglich eine Nebensuchrichtung. Für die Neben-
suchrichtungen wird wiederum eine quadratische Approximation (im Beispiel
durch die Stützstellen p4 , p5 und p6 ) errechnet. Das Minimum dieser zweiten
Approximation ist das Parametertupel p7 . Das Starttupel p1 des ersten Ite-
rationsschrittes und p7 legen die zweite Hauptsuchrichtung fest. Von dieser
ausgehend wird wiederum eine quadratische Approximation als Interpolie-
rende durch die Stützstellen p7 , p8 und p9 (die beiden weißen, nicht mehr
bezeichneten Kreise in der Abbildung) berechnet. Deren Minimum ergibt das
Tupel p10 , von dem aus Nebensuchrichtungen und quadratische Approxima-
tion das Verfahren fortführen.
In Abb. 15.13 ist gezeigt, wie mit Hilfe der Parameterwerte (Tupel mit einer
Komponente) p1 , p2 und p3 die approximierende, quadratische Funktion fapp
zu der Zielfunktion f bestimmt wird. Gezeigt ist ein Schnitt durch die erste
Hauptsuchrichtung. Zur Bestimmung der quadratischen Approximation fapp
werden ausgehend vom Parameter p1 mit Hilfe der Schrittweite δp die beiden
anderen Punkte p2 und p3 bestimmt. Der Schritt ∆p führt auf das Minimum
von fapp und so zum vierten Punkt, von wo aus in einer Nebensuchrichtung
weitergesucht wird.

Abb. 15.13. Approximierende quadratische Funktion für das Jacob-Sucherfahren.

Ist der Schritt ∆p sehr groß oder die Krümmung sehr klein (im Falle eines
Wendepunktes kann die Krümmung und damit das quadratische Glied in fapp
null werden), so wird ∆p reduziert.
Ist die zu lösende Optimierungsaufgabe durch Ungleichheitsnebenbedingun-
gen restringiert, so kann der Fall eintreten, dass p2 oder p3 außerhalb des
zulässigen Bereichs liegen. In einem solchen Fall würde man δp geeignet ver-
kleinern. Ebenso kann p4 außerhalb des zulässigen Bereichs liegen. Auch dann
würde man ∆p verkleinern und die Suchrichtung umkehren. Beim Jacob-
Suchverfahren werden ebenfalls die Parameter δp in jedem Schritt angepasst.
Wenn das Verfahren konvergiert, sollte δp kleiner werden.
15.2 Suchstrategien 279

15.2.2 Simplex-Verfahren
Das Simplex-Verfahren (oder Polyeder-Verfahren) ist ein einfach anzuwen-
dendes, robustes Verfahren, das auch für Probleme mit kleinen Unstetigkeiten
oder mit numerischem Rauschen (z. B. in der Crashberechnung) anwendbar
ist. Damit das Simplex-Verfahren in jedem Optimierungsschritt einwandfrei
arbeitet, wird die Stetigkeit der Zielfunktion vorausgesetzt. Das Simplex-
Verfahren ist nicht sehr effizient. Vor dessen Anwendung sollte man also
prüfen, ob nicht ein anderes Verfahren (mit höheren Anforderungen an die
Glattheit der Zielfunktion) anwendbar ist. Man sollte dieses Verfahren nicht
mit dem Simplex-Verfahren für lineare Optimierungsprobleme verwechseln.
Der hier beschriebene Algorithmus wird auch Downhill-Simplex-Verfahren
oder Simplex-Verfahren nach Nelder und Mead genannt.

f6
f9 f2 f1
f8
f f5 f10 f4
f3
p2 p7

p1 p10
p6
p9 p8
p2
p5
p1

p4 p3

Abb. 15.14. Simplexverfahren nach Nelder und Mead.

Ein Simplex oder n-Simplex (Mehrzahl: Simplices) ist ein geometrisches Ob-
jekt im n-dimensionalen Raum, das durch (n + 1) Punkte beschrieben wird.
Ein 2-Simplex ist ein Dreieck im zweidimensionalen Raum und ein 3-Simplex
ist ein Tetraeder im dreidimensionalen Raum. Ein n-Simplex ist ein n-
dimensionaler Körper (Polytrop), der durch (n + 1) Ecken begrenzt ist. Eine
Vorstellung im vierdimensionalen Raum fällt schwer. Man erhält aus einem
n-Simplex einen (n + 1)-Simplex durch Hinzunahme eines Punktes, der nicht
in dem n-dimensionalen Raum liegt, in dem der n-Simplex eingebettet ist.
Diese abstrakt erscheinende Vorschrift ist für n = 2 klar: Man erhält aus ei-
nem Dreieck (2-Simplex) ein Tetraeder (3-Simplex) durch Hinzunahme eines
280 15 Nichtlineare Optimierung

Punktes, der nicht in der durch das Dreieck bestimmten Ebene liegt.
Das Verfahren wird an dem in Abb. 15.14 dargestellten zweidimensionalen
Beispiel erläutert. Das Verfahren startet mit einem Anfangssimplex (Dreieck)
S1 , das hier durch die Punkte 1, 2 und 3 in der Parameterebene gebildet wird.
Die Zielfunktion wird an den Eckpunkten des Dreiecks ausgewertet. In den
folgenden Schritten wird dieser Simplex schrittweise verändert, indem Punkte
nach gewissen Regeln durch neue ersetzt werden.

Abb. 15.15. Austauschoperationen beim Simplexverfahren nach Nelder und Mead.

Es gibt gewisse Austauschoperationen, die in Abb. 15.15 für den zweidimen-


sionalen Fall dargestellt sind. Ausgangspunkt sind die drei Parametertupel p1 ,
p2 und p3 sowie die Funktionswerte der Zielfunktion f1 = f (p1 ), f2 = f (p2 )
und f3 = f (p3 ).
Bei der Beschreibung der Austauschoperationen wird der Darstellung in [62]
gefolgt, wobei davon ausgegangen wird, dass f1 > f2 > f3 gilt.
Der Punkt p1 ist also der schlechteste Punkt. Dieser wird ersetzt durch p4 ,
der durch p1 entsteht durch Punktspiegelung (Reflexion) am Punkt

1

p̄ = p1 + p2 ; (15.11)
2
dies ist der Schwerpunkt der restlichen Punkte (damit ist diese Operation
*
n
auch auf einen (n + 1)-Simplex mit p̄ = n1 pi übertragbar). Die Spiegelung
i=1
15.2 Suchstrategien 281

ergibt:

p4 = p̄ + α p̄ − p1 , (15.12)

wobei der Parameter α = 1 gewählt wird.


Ist der Zielfunktionswert f4 = f (p4 ) kleiner als alle anderen (in diesem
Beispielf1 , f2 und f3 ), so wird der Simplex in diese, durch p4 eingeschlagene
Suchrichtung weiter ausgedehnt (Expansion). In dem Beispiel in Abb. 15.14
entsteht der Parametervektor p5 . Die Operation für diese Expansion lautet:


p5 = p̄ + β p4 − p̄ . (15.13)

In Abb. 15.15 ist β = 3 gewählt.


Da f5 = f (p5 ) wiederum eine Verbesserung von f4 ergibt, folgt eine weitere
Expansion auf das Parametertupel p6 .
Eine erneute Reflexion des Tupels p3 führt auf p7 , eine anschließende Kon-
traktion auf p8 . Der dann entstehende Simplex bestehend aus p2 , p6 und p8
wird um das Tupel p8 geschrumpft; übrig bleibt der Simplex bestehend aus
p8 , p9 und p10 .

15.2.3 Monte-Carlo-Verfahren

Monte-Carlo-Optimierungsverfahren stellen sehr geringe Anforderungen an


die Glattheit der Zielfunktionen. So sind diese Verfahren auch einsetzbar für
unstetige Zielfunktionen. Nachteil ist die sehr geringe Konvergenzgeschwindig-
keit. Eine mögliche Variante des Verfahrens beginnt mit N1 zufällig gewählten
Parametersätzen p1 , . . . , pN , die im zulässigen Bereich verteilt sind. Neben
1
Gleichverteilungen sind auch andere Verteilungen (z. B. Gaußsche Verteilun-
gen) denkbar. Für die Parametersätze wird jeweils die Zielfunktion ausgewer-
tet. Um den Parametersatz pi , an dem die Zielfunktion den kleinsten Wert
angenommen hat, werden innerhalb des zulässigen Bereichs erneut N2 Para-
metersätze gewählt, für die die Zielfunktion ausgewertet wird. Die Größe der
Bereiche, in denen die neuen Parameter gewählt werden, können dabei kleiner
werden. Dadurch wird eine gewisse Konvergenz erzwungen. Rechenzeit kann
eingespart werden, wenn in Umgebungen bereits berechneter Zielfunktions-
werte keine erneute Berechnung durchgeführt wird. Die Auswahl der Para-
meter erfolgt durch Zufallszahlen. In Abb. 15.16 ist beispielhaft eine Monte-
Carlo-Simulation dargestellt.
Die Simulationen beginnen oben rechts in dem quadratischen Bereich (durch-
gezogene Linie). Um den besten berechneten Wert wird wiederum ein qua-
dratischer Bereich gelegt. In diesem erfolgt eine weitere Suche. Durch die Ver-
kleinerung der Bereiche wird zwar Konvergenz erzwungen, wie man an dem
Beispiel erkennt, muss das Verfahren allerdings nicht gegen das Optimum
konvergieren, wenn die Kontraktion zu schnell erfolgt.
282 15 Nichtlineare Optimierung

Abb. 15.16. Monte-Carlo-Suchstrategie.

15.3 Newton- und Gradienten-Verfahren


In diesem Abschnitt werden zunächst das Newton- und das Gradienten-
Verfahren ohne Nebenbedingungen (bzw. ohne aktive Nebenbedingungen) be-
schrieben.
Das Newton-Verfahren beruht auf einer quadratischen Approximation der zu
minimierenden f in jedem Iterationsschritt. Ist pk der Parametervektor im
k-ten Schritt, so wird mit Hilfe einer Taylorreihe eine quadratische Approxi-
mation Fk der Funktion f im Punkt pk bestimmt:
 



Fk p = f pk + ∇T f p=p p − pk (15.14)
k



1 T

+ p − pk ∇2 f p=p p − pk . (15.15)
2 k

An Stelle der Funktion f bestimmt man das Minimum p̃ der approximierenden


Funktion Fk . Notwendige Bedingung für ein Minimum ist das Verschwinden
der ersten Ableitung dieser Funktion Fk :
 
0 = ∇Fk p̃ (15.16)


2
= ∇f p=p + ∇ f p=p p̃ − pk . (15.17)
k k

Die Lösung p̃ dieser Gleichung ist das Parametertupel pk+1 des nächsten Ite-
rationsschritts:
15.3 Newton- und Gradienten-Verfahren 283

−1

pk+1 = pk − ∇2 f p=p ∇f p=p . (15.18)
k k

Anmerkung 15.2. Man erkennt an der Iterationsvorschrift (15.18), dass die


Berechnung eines Schrittes wegen der ersten und zweiten Ableitungen sehr
aufwändig sein kann. Sind Ableitungen der Zielfunktionen lediglich über Dif-
ferenzenquotienten berechenbar, so steigt der Aufwand quadratisch mit der
Anzahl der Parameter.

Anmerkung 15.3. Newton-Verfahren konvergieren bei genügend glatten Ziel-


funktionen in der Nähe des Optimums quadratisch.

Beim Gradienten-Verfahren wird ausgenutzt, dass die Zielfunktion in Rich-


tung ihres negativen Gradienten am stärksten abfällt. Diese Idee führt auf
das sehr einfache, anschauliche Gradienten-Verfahren.
Man bestimmt im k-ten Iterationsschritt an der Stelle pk den negativen Gra-
dienten

dk = −∇f p=p (15.19)
k

und sucht einen skalaren, positiven Faktor αk so, dass die Funktion in Rich-
tung dk minimal wird:



f pk + αk dk ≤ f pk + αdk für alle α ≥ 0 . (15.20)

Dann ist das Parametertupel im nächsten Iterationsschritt:

pk+1 = pk + αk dk . (15.21)

Anmerkung 15.4. Man erkennt beim Vergleich der Iterationsvorschrift (15.18)


für das Newton-Verfahren

−1

pk+1 = pk − ∇2 f p=p ∇f p=p (15.22)
k k

und der für das Gradienten-Verfahren (15.21)




pk+1 = pk − αk ∇f p=p (15.23)
k

eine Ähnlichkeit beider Verfahren.

Anmerkung 15.5. Das Newton-Verfahren konvergiert bei genügend glatter


Zielfunktion in der Nähe eines Minimums quadratisch. Das Gradienten-
Verfahren konvergiert lokal gegen ein Minimum (nicht unbedingt gegen das
globale Minimum).

Diese beiden Vorteile kombiniert man in einem gedämpften Newton-Verfahren:



−1

pk+1 = pk − αk ∇2 f p=p ∇f p=p , (15.24)
k k
284 15 Nichtlineare Optimierung
+ ,
wobei αk Element der Menge der Zahlen 1, 12 , 14 , 18 , 16
1
, . . . ist und nach einem
bestimmten Prinzip, dem Armijo-Prinzip, ausgewählt wird. Dies gewährleistet
eine geeignete Minimierung und nach einem bestimmten Iterationsschritt k0
durch αk = 1 für k ≥ k0 quadratische Konvergenz (das gedämpfte Newton-
Verfahren geht dann über in das Newton-Verfahren).

−1

Anmerkung 15.6. Sind die Hesse-Matrizen ∇2 f p=p nicht positiv defi-
k
nit, so ersetzt man diese durch geeignete positiv definite Matrizen H k . Diese
Regularisierung führt auf ein gedämpftes regularisiertes Newton-Verfahren.

Anmerkung 15.7. Ein Verfahren zur Regularisierung (nach Levenberg und


Marquardt) basiert auf einer konvexen Linearkombination der Einheitsma-
trix und der Hesse-Matrix (θk ∈ [0, 1]):


H k = (1 − θk ) E + θk ∇2 f p=p . (15.25)
k

Wegen des Aufwandes wird diese Levenberg-Marquardt-Regularisierung durch


eine modifizierte Cholesky-Zerlegung ersetzt. Das Levenberg-Marquardt-Ver-
fahren eignet sich gut für nichtlineare Fehlerquadratprobleme ([83]) Es stellt
eine Kombination der Suchrichtungen aus dem Gradientenverfahren (Anteil
E) und dem Newton-Verfahren (Anteil ∇2 f ) dar.

Anmerkung 15.8. Betrachtet man das modifizierte, regularisierte Newton-


Verfahren

pk+1 = pk − αk H −1
k
∇f p=p , (15.26)
k

so kann gezeigt werden, dass zur guten Konvergenz (überlinear) H k eine gute
Näherung der Hesse-Matrix in die Richtung pk+1 − pk sein muss.
Aus einer Taylorentwicklung erhält man:


- -
- -
∇2 f p=p pk+1 − pk = ∇f p=p − ∇f p=p + O -pk+1 − pk - .
k+1 k+1 k
(15.27)
Man fordert für H k in vielen Verfahren daher:



H k+1 pk+1 − pk = ∇f p=p − ∇f p=p . (15.28)
k+1 k+1

Diese Verfahren nennt man Quasi-Newton-Verfahren.

Anmerkung 15.9. Die Approximationsvorschrift (15.28) ist nicht eindeutig.


Aus diesem Grund gibt es eine Vielzahl von Varianten. Häufig beschreibt man
H k+1 durch eine Modifikation der Vorgängermatrix H k (man nennt dies Auf-
datierung). Bekannt sind BFGS-Aufdatierungen (Broyden, Fletcher, Gold-
farb, Shanno).
15.5 Evolutionäre Algorithmen 285

15.4 Verfahren der zulässigen Richtungen und


SQP-Verfahren

In diesem Abschnitt werden zwei Verfahren für Optimierungsprobleme mit


Nebenbedingungen beschrieben, die den Gradienten- und Newton-Verfahren
ähneln.
Bei den Verfahren der zulässigen Richtungen sucht man an einem Punkt pk
eine Richtung d so, dass es ein α > 0 gibt mit:



f pk + αd < f pk . (15.29)

Die Bestimmung des Wertes für α entspricht dem Gradienten-Verfahren. Für


die Bestimmung der zulässigen Richtungen d (zulässig ist eine Richtung, wenn
man sich in diese Richtung im Parameterraum bewegen kann, ohne dass die
Randbedingungen verletzt werden und ohne dass die Funktion wächst) gibt
es unterschiedliche Strategien.
Bei der Strategie der reduzierten Gradienten wird der Gradient der Zielfunk-
tion durch Beachtung der linearen Ungleichheitsnebenbedingungen reduziert
auf zulässige Richtungen.
Beim SQP-Verfahren geht man von einer Lagrangefunktion L aus, in die
neben der Zielfunktion auch die Nebenbedingungen eingearbeitet sind. Für
diese bestimmt man eine quadratische Approximation, die zu einem quadrati-
schen Hilfsoptimierungsproblem führen, das gelöst wird. Beim SQP-Verfahren
verfährt man mit einer Reihe von solchen sequentiell abzuarbeitenden quadra-
tischen Problemen. SQP-Verfahren zählen zu den effizientesten Verfahren für
allgemeine, restringierte Optimierungsverfahren.

15.5 Evolutionäre Algorithmen

In vielen Bereichen der Technik versucht man die Natur nachzuahmen, um


neue technische Lösungen zu finden. Dies geschieht auch in der Optimierung,
indem man versucht, die Evolution zu übertragen auf Optimierungsalgorith-
men. Die Einteilung dieser Algorithmen kann grob in evolutionäre Algorith-
men und genetische Algorithmen vorgenommen werden.
Das prinzipielle Vorgehen eines evolutionären Algorithmus ist in Abb. 15.17
dargestellt. Wesentlich bei diesen Algorithmen ist, dass mit mehreren Para-
metersätzen für ein zu optimierendes Problem gestartet wird. Man wertet die
Zielfunktion und eventuell Nebenbedingungen also nicht nur an einem Punkt
im Parameterraum aus, sondern bestimmt die entsprechenden Funktionen an
vielen Parameterpunkten.
Startpunkt für einen evolutionären Algorithmus sind mehrere Parametersätze
(Anzahl λ in Abb. 15.17). Diese λ Parametersätze bilden die Generation (in
diesem Fall die erste Generation) der Eltern. Jedem Elternteil entspricht also
286 15 Nichtlineare Optimierung

Abb. 15.17. Prinzipieller Ablauf einer Evolutionsstrategie.

ein Parametersatz. Aus den Parametersätzen werden durch geeignete Opera-


tionen sogenannte Nachkommen, also neue Parametersätze, erzeugt.
Ein sehr einfaches Verfahren, Nachkommen zu erzeugen, ist das Kombinie-
ren von zwei Elternparametersätzen, in dem diese in zwei Teile geschnitten
und die abgeschnittenen Parametersätze ausgetauscht werden. Durch diese
Rekombination entstehen Nachkommen (Crossover). Die Stellen, an denen
die Parametersätze auseinandergeschnitten und dann neu kombiniert werden,
sollten zufällig ausgewählt werden, um ein bestimmtes Verhalten des Algorith-
mus, der aus der zufälligen Anordnung der Parameter resultiert, zu umgehen.
Eine andere Möglichkeit, Nachkommen zu erzeugen, erhält man durch konvexe
Linearkombination. Bei dieser Methode addiert man entsprechend gewichtete
15.5 Evolutionäre Algorithmen 287

Parametersätze (in dem Beispiel zwei Parametersätze), wobei die Gewich-


tungsfaktoren positiv sind und die Summe 1 ergeben.
Die Auswahl der Eltern, die zur Erzeugung entsprechender Nachkommen her-
angezogen werden, erfolgt zufällig. Hat man auf diese Weise µ Nachkommen
erzeugt, so werden die entstandenen Parametersätze durch Addition entspre-
chender Zufallswerte leicht variiert (Mutation). Wählt man z. B. normalver-
teilte Zufallswerte, so sollte man darauf achten, dass sich die Standardab-
weichung an den technischen Gegebenheiten orientiert, damit keine sinnlosen
Parametersätze erzeugt werden.
Für die mutierten Nachkommen werden Zielfunktionen und Nebenbedingun-
gen ausgewertet. Die Nachkommen, die die Nebenbedingungen nicht erfüllen,
werden nicht weiter betrachtet. Anschließend werden neue Eltern generiert
(die zweite oder weitere Elterngeneration). Zu diesem Zweck wählt man ent-
weder ausschließlich aus den Nachkommen die λ besten Parametersätze aus,
oder man wählt aus der Elterngeneration und aus der Nachkommengenerati-
on die λ besten Parametersätze aus, um so zu einer neuen Elterngeneration
zu gelangen. Es gibt auch Verfahren, bei denen die neue Elterngeneration aus
den aktuellen Nachkommen und allen vorangegangenen Vorfahren ausgewählt
werden. Es gibt vielfältige Varianten des Verfahrens. So ist es möglich, nicht
nur zwei sondern mehrere Eltern miteinander rekombinieren zu lassen.
Genetische Algorithmen gehen von einer Kodierung der Parameter mit Hil-
fe von Bitfolgen (Folge von 0- und 1-Elementen) aus. Mit Hilfe dieser Bitfol-
gen werden ähnlich wie bei den evolutionären Algorithmen Rekombinationen
(Crossover) und Mutationen durchgeführt. Bei der Mutation können dabei
aus 0-Elementen 1-Elemente und umgekehrt werden. Finden diese Mutatio-
nen in führenden Bits statt, so kann die Mutation zu sehr großen Änderun-
gen im Parametervektor führen. Genetische Algorithmen imitieren mit diesem
Vorgehen die Evolution auf der Basis von Chromosomenzusammensetzungen.
Für technische Anwendungen, bei denen physikalische Parameter zunächst
diskretisiert werden, um dann mit einem genetischen Algorithmus optimiert
zu werden, ist es fraglich, ob dieses Verfahren zu einem guten und schnellen
Ergebnis führt. Obwohl genetische Algorithmen für kontinuierliche Parameter
angewendet werden, scheint es sinnvoller zu sein, diese Verfahren für diskrete
Optimierungsverfahren einzusetzen.
Das Verfahren des Simulated Annealing basiert auf der Idee, dass ein
Körper, der langsam abgekühlt wird, sich einem Zustand sehr geringer Ener-
gie nähert. Das Verfahren ist in Abb. 15.18 prinzipiell erläutert. Dargestellt
ist die Zielfunktion in Abhängigkeit von einem Parameter p. Ausgangspunkt
ist der Iterationsschritt i, bei dem die Zielfunktion den Wert fi annimmt.
Ausgehend vom Parameter pi erhält man einen neuen Parameter pi+1 durch
zufällige Veränderung des Parameters pi . Die Zielfunktion wird für diesen neu-
en Parameter ausgewertet. Ergibt sich für den neuen Zielfunktionswert eine
Verbesserung, so wird mit dieser Verbesserung fortgefahren. In Abb. 15.18
ist dies durch den linken Parametersatz dargestellt. Führt der neue Funkti-
onswert zu einer Verschlechterung (der rechte Fall in Abb. 15.18), so wird
288 15 Nichtlineare Optimierung

dieser verschlechterte Wert mit einer gewissen Wahrscheinlichkeit weiter ver-


folgt. Die Wahrscheinlichkeit hängt ab von der Größe der Verschlechterung
(fi+1 − fi ) und von einem Parameter T (der Temperatur). Ist die Verschlech-
terung 0 (fi = fi+1 ), so ist das Argument in der Exponentialfunktion ebenfalls
0 und die Wahrscheinlichkeit, dass der neue Wert im Algorithmus weiterhin
betrachtet wird, ist 1. D.h., dass keine Verschlechterung dazu führt, dass der
neue Parameterwert in jedem Fall als neuer Parameter weiterhin berücksich-
tigt wird. Tritt eine Verschlechterung auf, so ist das Argument in der Expo-
nentialfunktion negativ und die Wahrscheinlichkeit ist kleiner als 1. Je kleiner
die Temperatur (T > 0) ist, desto größer ist der Betrag des Arguments. D.h.,
je kleiner die Temperatur ist, desto geringer sind die Wahrscheinlichkeiten,
dass schlechtere Werte akzeptiert werden.

Abb. 15.18. Simulated Annealing.

Die Idee des Simulated Annealing ist, die Temperatur schrittweise von einem
hohen Wert abzusenken auf einen niedrigen Wert. Im Laufe dieser schrittwei-
sen Reduzierung der Temperatur bedingt dieses Vorgehen, dass schlechtere
Werte mit immer geringerer Wahrscheinlichkeit akzeptiert werden. Da bei
diesem Verfahren schlechtere Werte akzeptiert werden, ist es möglich, dass
der Algorithmus aus einem Bereich eines lokalen Minimums heraus zu einem
globalen Minimum konvergiert. Wesentlicher Parameter des Algorithmus ist
dabei die Abkühlgeschwindigkeit, also die Verringerung der Temperatur T .
Der Parameter k, der in der Exponentialfunktion eingeführt ist, wurde ledig-
lich verwendet, um die Parallelen zum Abkühlprozess darzustellen. Bei der
Implementierung spielt dieser Parameter k nicht die Rolle der Boltzmann-
Konstante, die k ursprünglich bei der Entwicklung der Idee des Simulated
Annealing gehabt hat. Bei der Implementierung sollte der Wert kT angepasst
werden an die Größenordnung des Zielfunktionswerts f . Man sollte beachten,
15.6 Ganzzahlige Optimierung 289

dass der Parameter kT dimensionsbehaftet ist. Der Vorteil des Simulated An-
nealing liegt in der Fähigkeit, aus dem Bereich eines lokalen Minimums heraus
zum globalen Minimum hin zu konvergieren. Wird die Abkühlgeschwindigkeit
entsprechend klein gewählt, so ist die globale Konvergenz gewährleistet (für
praktische Anwendungen ist eine solche kleine Geschwindigkeit häufig ohne
Bedeutung). Weiterer Vorteil ist eine gute Parallelisierbarkeit, wenn man mit
vielen Parametersätzen parallel arbeitet. Nachteil ist die geringe Konvergenz-
geschwindigkeit. Da der Algorithmus keine Glattheitsanfoderungen ausnutzt
und auch keine benötigt, sollte man dessen Anwendung auf solche Fälle oder
auf Zielfunktionen mit sehr vielen lokalen Minima beschränken.

15.6 Ganzzahlige Optimierung

Viele Algorithmen der ganzzahligen Optimierung gehen zurück auf die Idee
des Branch and Bound. Bei der ganzzahligen Optimierung geht man davon
aus, dass die Parameter lediglich diskrete Werte annehmen können. Der Ein-
fachheit halber gehen wir in dieser kurzen Darstellung von ganzzahligen Wer-
ten aus.

p2
Optimum (kontinuierlich)
Optimum eingeschränkt
nicht zulässiger Bereich
p2
Ast abgeschnitten p1
p2

p2 p1

p2 p1

p1 p2

p1
p2
p1

p1
Abb. 15.19. Idee Branch-and-Bound-Algorithmus.
290 15 Nichtlineare Optimierung

Ein Beispiel für eine solche diskrete Optimierung ist die Blechdickenbestim-
mung für Karosserien. Karosserien werden aus Blechen bestimmter Dicken
hergestellt (es werden zur Fertigung nicht beliebige Dicken eingesetzt). Möchte
man bestimmte Eigenschaften einer Karosserie unter Veränderung der Blech-
dicken optimieren, so kann man die Dicken lediglich diskret verändern.
Der Branch-and-Bound-Algorithmus wird im Folgenden anhand der Abb.
15.19 erläutert. Die Zielfunktion hängt von mehreren Parametern ab. Dar-
gestellt sind in der Abbildung lediglich zwei Parameter und die Höhenlinien
der Zielfunktion (für festgehaltene weitere Parameter p3 , . . .). Der Algorith-
mus geht zunächst davon aus, dass sämtliche diskreten Variablen kontinu-
ierlich sind. Anhand dieses kontinuierlichen Optimierungsproblems wird das
Optimum bestimmt; in Abb. 15.19 ist das Optimum des kontinuierlichen Pro-
blems durch den schwarzen Punkt gekennzeichnet. Sollte das Optimum des
kontinuierlichen Systems zufällig ein ganzzahliger Wert sein (oder ein Wert,
der in der diskreten Parametermenge liegt), so wäre das Verfahren bereits
nach diesem ersten Schritt erfolgreich beendet. In der Praxis wird dies aller-
dings nicht der Fall sein. Es wird hier davon ausgegangen, dass das Optimum
des kontinuierlichen Systems weder auf einem diskreten Wert für den Para-
meter p1 noch auf einem diskreten Wert für den Parameter p2 liegt. In diesem
Fall wird, wie in Abb. 15.19 dargestellt das Optimierungsproblem aufgeteilt
in zwei Unterprobleme.
Diese Unterprobleme beschränken den Parameter p1 gerade so, dass das Opti-
mum des kontinuierlichen Systems nicht mehr im zulässigen Bereich liegt, und
dass die Parameterschranken für p1 einen ganzzahligen Wert annehmen. Der
zulässige Bereich ist weiß gekennzeichnet, der unzulässige Bereich ist in der
Abbildung grau unterlegt. Für die neu definierten Unteroptimierungsproble-
me wird nun wiederum davon ausgegangen, dass alle Parameter kontinuierlich
sind. Unter dieser Annahme werden jeweils die Optima bestimmt. In Abb.
15.19 sind diese durch die Kreuze gekennzeichnet. Man erkennt an diesem
Beispiel, dass p1 einen diskreten Wert angenommen hat. Dies ist letztendlich
auch die Idee des Algorithmus, die Parametergrenzen auf ganzzahlige Werte
zu legen, um so Randextrema zu finden, die dann auf den diskreten Werten
liegen. Im zweiten Schritt wird jedes Unteroptimierungsproblem wiederum so
aufgeteilt, dass das im zweiten Schritt jeweils gefundene Optimum im un-
zulässigen Bereich liegt und die Parametergrenzen für p2 ganzzahlig sind.
Im dritten Schritt sind wiederum die unzulässigen Bereiche grau unterlegt. Für
die zulässigen weißen Parameterbereiche wird wiederum ein kontinuierliches
Optimierungsproblem gelöst. Die jeweiligen Optima sind durch die Kreuze ge-
kennzeichnet. Der Algorithmus fährt nun mit den weiteren Parametern p3 , . . .
fort. Würde man davon ausgehen, dass das ursprüngliche Optimierungspro-
blem auf einer linearen Zielfunktion basiert, so würde man auf diese Weise
irgendwo in dem entstehenden Baum einen ganzzahligen Wert finden.
Es gibt zwei Möglichkeiten, diesen Baum zu bearbeiten und aufzuspannen.
Die erste Möglichkeit geht Ebene für Ebene (in Abb. 15.19 die senkrechten
Ebenen) vor und behandelt jeweils komplett alle Optimierungsprobleme einer
15.7 DOE und RSM 291

Ebene. Die zweite Möglichkeit geht zunächst jeweils einen Ast bis zum Ende,
um dann weitere Äste zu betrachten. Die erste Möglichkeit sucht in der Breite,
die zweite in der Tiefe. Bei realen Problemen wird man Lösungen häufig in
der Tiefe finden. Aus diesem Grund sollte die zweite Möglichkeit bevorzugt
werden. Um den Aufwand des Verfahrens zu reduzieren, wird man i. Allg.
nicht den kompletten Baum absuchen, sondern versuchen, einige kontinuier-
liche Optimierungsprobleme nicht zu berechnen. Würde man in dem Beispiel
in der dritten Ebene feststellen, dass das Optimum im dritten Teiloptimie-
rungsproblem (von oben in der dritten Ebene durchnummeriert) besser ist als
das im ersten und das im vierten Teiloptimierungsproblem, so könnte man die
kompletten Äste, die dem ersten und dem vierten Teiloptimierungsproblem
folgen, abschneiden und müsste diese nicht weiter verfolgen.
Das Aufspannen der unterschiedlichen Äste wird auch als Branch bezeich-
net. Das Abschneiden der Äste als Bound. Neben dem Abschneiden von Ästen
auf Grund der Begrenzung treten auch Fälle auf, bei denen Äste abgeschnitten
werden müssen, weil der zulässige Bereich leer ist.

15.7 DOE und RSM

Die Abkürzungen DOE und RSM stehen für Design of Experiment und Re-
sponse Surface Methodology.
In diesem Abschnitt werden die grundsätzlichen Ideen beider Methoden be-
schrieben; die Details von DOE gerade im Hinblick auf Versuchsplanung von
Experimenten werden nicht dargestellt. Da man auch Simulationsrechnungen
als Experimente ansehen kann (deren Ergebnisse i. Allg. aber nicht streuen),
können Verfahren des DOE auch auf Simulationen angewendet werden (wei-
terführende Literatur: [82]).
Zunächst wird die Idee des DOE an einem einfachen Beispiel erläutert.

Beispiel 15.10. Der HIC-Wert (HIC: Head Injury Criterion) ist ein Maß für
die Belastung des Kopfes eines Fahrzeug-Insassen bei einem Unfall. Die Be-
rechnung des HIC erfolgt durch eine Mittelung der Kopfbeschleunigungen.
Wird der Grenzwert von HICmax = 1000 überschritten, so wird der Insasse
mit hoher Wahrscheinlichkeit sehr schwere Kopfverletzungen davontragen.
Airbag und Gurt als Rückhaltesysteme beeinflussen die Höhe des HIC. Ist die
Rückhaltewirkung des Airbags zu gering (ist er zu weich), so kann der Kopf
in Kontakt mit dem Lenkrad kommen und es werden sehr große Werte für
den HIC auftreten. Ist der Airbag zu hart, so führt dies auch zu großen HIC-
Werten. Es wird also irgendwo zwischen hartem und weichem Airbag einen
guten Kompromiss geben. Eine ähnliche Rolle spielt der Gurt. Um die Bela-
stungen der Brust durch die Gurtkräfte zu begrenzen, werden in modernen
Fahrzeugen Gurtsysteme mit Gurtkraftbegrenzern eingesetzt. Übersteigt die
Gurtkraft FG einen kritischen Wert FGkrit , so gibt der Gurtkraftbegrenzer
den Gurt zum Teil frei und der Insasse kann sich weiter nach vorne verlagern.
292 15 Nichtlineare Optimierung

Ist FGkrit zu klein, so entfaltet der Gurt zu wenig Rückhaltewirkung und die
Kopfbelastungen können durch einen Kontakt mit dem Lenkrad stark anstei-
gen. Zusätzlich übernimmt der Airbag durch seine großflächige Abstützung
einen Teil der Rückhaltewirkung.
Die Rückhaltewirkung des Airbags wird durch sogenannte Ventholes (Öff-
nungen im Airbaggewebe, die ein Ausströmen der Gase zulassen) beeinflusst.
Große Öffnungen haben einen weichen Airbag, kleine einen harten Airbag zur
Folge (ein Gasgenerator liefert über einen längeren Zeitraum als der Fahr-
zeugcrash dauert ständig Gas, das dann durch die Ventholes ausströmt).
Bezeichnet man mit FGkrit die kritische Kraft für den Gurtkraftbegrenzer
und mit dV den Durchmesser des Ventholes, so stellt sich dem Ingenieur die
Frage, wie FGkrit und dV zu wählen sind, damit der HIC-Wert minimal wird
und die Kraft auf den Brustkorb eines Insassen unterhalb eines Wertes F0
bleibt (häufig misst man nicht die Kraft auf den Brustkorb sondern dessen
Eindrückung dB ).
Mathematisch formulieren kann man diese Fragestellung folgendermaßen:
Gesucht ist (dV 0 , FGkrit0 ) mit
HIC(dV 0 , FGkrit0 ) ≤ HIC(dV , FGkrit ) (15.30)
für die Parameterschranken
(dV , FGkrit ) ∈ {(d, F ) |dV u ≤ d ≤ dV o ; FGu ≤ F ≤ FGo } (15.31)
mit der Nebenbedingung
dB (d, F ) ≤ dBkrit . (15.32)
Es stellt sich die Frage, wie man Aussagen über die Funktionen HIC und dB
erhält. Geschlossene mathematische Funktionen sind i. Allg. nicht verfügbar,
und man ist auf die Bestimmung einzelner (diskreter) Funktionswerte
HICij = HIC (dV i , FGjkrit ) und dBi,j = dB (dV i , FGjkrit ) für Parametersätze
(Stützstellen)
(dV i , FGjkrit )i = 1, . . . , n1 , j = 1, . . . , n2 (15.33)
angewiesen. Die Funktionswerte HICij und dBij können mit Hilfe von Expe-
rimenten oder mit Hilfe von Simulationen gewonnen werden.
Ein wesentlicher Unterschied zwischen experimentell und rechnerisch gewon-
nenen Ergebnissen besteht darin, dass Messergebnisse Streuungen (und u. U.
systematischen Fehlern) unterworfen sind, während Berechnungen i. Allg. im-
mer das gleiche Ergebnis liefern 2 .
2
Bei der parallelen Abarbeitung von Berechnungen auf Parallelrechnern kann es
sein, dass auch hier die Ergebnisse streuen. Die Ursache liegt darin begründet,
dass die Aufteilung der unterschiedlichen Berechnungsschritte von Faktoren (z.
B. der Auslastung eines Parallelrechners durch andere Berechnungsaufgaben)
abhängt, die nicht von der eigentlich zu lösenden Aufgabe beeinflusst werden,
sondern durch zufällig vorhandene äußere Umstände. Werden Berechnungsschrit-
te in unterschiedlicher Reihenfolge abgearbeitet, so ergeben sich auf Grund nu-
merischer Ungenauigkeiten unterschiedliche Ergebnisse.
15.7 DOE und RSM 293

Liefern Simulationen bei paralleler Abarbeitung stark unterschiedliche Ergeb-


nisse bei unterschiedlichen Berechnungsabläufen, so deutet dies (bei korrekter
Implementierung) häufig auf ein sensitives physikalisches Modell hin.
Durch Streuungen unterschiedlicher Art in Experimenten kommen in der An-
wendung von DOE im Gegensatz zu Simulationen weitere Aspekte hinzu, die
bei DOE-Verfahren im CAE-Umfeld keine Rolle (abgesehen von den oben an-
gesprochenen Parallelisierungsaspekten) spielen.
Dies sei an zwei Aspekten kurz illustriert.
• Um das Verhalten des HIC und dB in Abhängigkeit der Parameter dV
und FGkrit zu bestimmen, arbeitet man experimentell das Parameterfeld
(15.33) ab, z. B. indem man bei zunächst festgehaltenem FG1krit die Wer-
te dV 1 bis dV n1 testet und dann mit FG2krit bis FGkritn2 ebenso verfährt.
Um die Experimente durchführen zu können, benötigt man Dummys. Die-
se Messgruppen dekalibrieren sich im Laufe der Messungen. Das kann zu
systematischen Fehlern führen, die auf Grund der Reihenfolge der Mes-
sungen als Parameterabhängigkeit interpretiert würden. Daher wählt man
bei der Anwendung von DOE die Experimente in zufälliger Reihung (Ran-
domisierung). Dieser Effekt ist bei der rechnerischen Simulation nicht zu
erwarten.
• Um Aussagen über Streuungen von Messungen zu erhalten, werden in ex-
perimentellen DOE-Anwendungen einzelne Experimente wiederholt; dies
macht bei Computerexperimenten wenig Sinn.
Im Folgenden wird davon ausgegangen, dass es weder Streuungen noch syste-
matische Einflüsse gibt.
Ein mögliches Vorgehen zur Lösung der Aufgabe (15.30) besteht darin, ge-
eignete Parametersätze (15.33) zu wählen, mit deren Hilfe man geeignet zu
wählende Ersatzfunktionen h und b bestimmt, die möglichst gute Approxima-
tionen darstellen:

h(dV , FGkrit ) ≈ HIC(dV , FGkrit ) , (15.34)


b(dV , FGkrit ) ≈ dB (dV, FGkrit ) . (15.35)

Als approximierende Funktionen kommen häufig Polynome zum Einsatz. Ra-


diale Basisfunktionen werden in diesem Rahmen ebenfalls als Ersatzfunktio-
nen verwendet.
Da die approximierenden Funktionen das Antwortverhalten des Systems wi-
derspiegeln, nennt man diese auch Response-Funktionen. Veranschaulicht man
sich die Funktionen h oder b graphisch, so werden die Funktionen durch
Flächen dargestellt. Aus diesem Grund nennt man das Vorgehen, das Antwort-
verhalten eines Systems durch Ersatzfunktionen zu beschreiben, Response-
Surface-Methodology (abgekürzt: RSM).
Die Schwierigkeit der RSM besteht zunächst darin, geeignete Ersatzfunktio-
nen zu finden. Bei polynomialen Ersatzfunktionen wählt man zunächst eine
Basis (also eine Menge, aus der durch Linearkombination alle Funktionen
294 15 Nichtlineare Optimierung

eines Funktionenraums dargestellt werden können). Beispiele für Basen im


vorliegenden Beispiel sind:

B0 = {1} , (15.36)
B1 = {1, dV , FGkrit } , (15.37)
B1W = {1, dV , FGkrit , dV FGkrit } , (15.38)
B2 = {1, dV , FGkrit , dV FGkrit , d2V , FGkrit
2
} . (15.39)

Mit der Basis B0 können lediglich konstante Funktionen dargestellt werden,


mit B1 lineare Funktionen. Die Basis B1W enthält zusätzlich einen Wech-
selwirkungsterm dV FG , B2 führt auf quadratische Ersatzfunktionen. Diese
lassen sich z. B. im Fall von BW 1 darstellen als:

h(dV , FGkrit ) = α00 + α10 dV + α01 FGkrit + α11 dV FGkrit . (15.40)

Bei dieser Darstellung der Ersatzfunktionen sollte beachtet werden, dass die
unbekannten Koeffizienten αk (k, ∈ {0, 1}) dimensionsbehaftet sind und
unterschiedliche Dimensionen haben.
Die Koeffizienten bestimmt man mit Hilfe der Funktionswerte des HIC für
geeignete Stützstellen

hij = HIC(dV i , FGkritj ) , (dV i , FGj ); i = 1, ..., n1 , j = 1, ..., n2 . (15.41)

Als Bestimmungsvorschrift dient häufig die Minimierung des Fehlerquadrats:


n1 
n2
fq = (hij − h(dV i , FGkritj ))2 . (15.42)
i=1 j=1

Leitet man fq nach allen αk ab, so erhält man ein inhomogenes Gleichungs-
system.
Bei geeigneter Wahl der Stützstellen (15.33) besitzt dieses Gleichungssystem
eine eindeutige Lösung.
Anhand der in Abb. 15.20 dargestellten Funktion f werden einige Schwie-
rigkeiten und Aspekte von DOE/RSM-Verfahren erläutert. Die Funktion f
soll durch approximierende Funktionen ersetzt werden. In Diagramm a) sind
zwei approximierende Funktionen dargestellt: ein Polynom zweiten Grades q2
und eines 14. Grades. Man erkennt, dass q2 das globale Verhalten von f gut
wiedergibt, in der Nähe des Minimums allerdings schlecht approximiert. Das
Polynom q14 kann zwar das Minimum etwas besser erfassen, die Approxima-
tionsgüte ist allerdings wegen der auftretenden Oszillationen nicht sehr gut.
In Diagramm b) sind vier approximierende Funktionen dargestellt: ri,j , i =
0, 1, 2, j = 2, 3. Der erste Index i gibt den Grad des Polynoms an und der
zweite Index j die Anzahl der Stützstellen, mit deren Hilfe das Polynom be-
stimmt wurde (für j = 2 sind dies p1,2 und p2,2 , und für j = 3 sind es p1,3 ,
p2,3 und p3,3 ).
15.7 DOE und RSM 295

Man erkennt an der großen Bandbreite der Ergebnisse, dass die richtige Aus-
wahl von Stützstellen und vom Polynomgrad (oder von den approximierenden
Funktionen) wichtig ist. Ebenso sollte man (gerade bei verrauschten Zielfunk-
tionen) keine interpolierenden Funktionen, also Funktionen, die an den Stütz-
stellen mit der Funktion f übereinstimmen, wählen (in dem Beispiel sind dies
r1,2 und r2,3 ).

Abb. 15.20. Aspekte und Schwierigkeiten von DOE/RSM an einem Beispiel.

Das globale Minimum der Funktion f liegt bei p2,2 , ein lokales Minimum bei
p2,3 . Betrachtet man die Sensitivität dieser beiden Minima gegenüber Störun-
gen, so stellt man fest, dass das Minimum bei p2,2 deutlich empfindlicher
gegenüber Störungen ∆p von p ist als das Minimum bei p2,3 . Man erkennt
dies an den Schwankungen ∆f (gepunktete Rechtecke) in Abb. 15.21.
In der Praxis wird man aus diesem Grund nicht unbedingt an dem tatsächli-
chen, globalen Minimum interessiert sein. Um das globale Verhalten (ohne
kleine Schwankungen und kleine Parameterbereiche, in denen die Zielfunkti-
on minimal wird) zu approximieren, bieten sich Polynome niedrigen Grades
an, die nicht interpolieren sollten (Faustformel: mehr Stützstellen als An-
satzfunktionen). Bei diesem Vorgehen findet sich auch numerisches Rauschen
nicht mehr in den approximierenden Funktionen wieder. Die Streuungen in
der Zielfunktion, die durch die Unsicherheiten in den Eingangsparametern her-
vorgerufen werden können, sind in Abb. 15.22 grau hinterlegt. Man erkennt,
dass die Streuungen in f das lokale Minimum bei p2,3 erreichen.
296 15 Nichtlineare Optimierung

Abb. 15.21. Sensitivität des lokalen und des globalen Minimums.

Abb. 15.22. Auswirkung streuender Parameter auf die Werte der Zielfunktion.

Anmerkung 15.11.

• Man erkennt, dass über das Verhalten des Systems in Abhängigkeit der
Parameter etwas bekannt sein sollte, um geeignete approximierende Funk-
tionen wählen zu können. Ist nichts bekannt, so muss der Anwender un-
terschiedliche approximierende Funktionen testweise einsetzen.
• Die Wahl geeigneter Stützpunkte wird durch DOE-Methoden erleichtert.
Im Folgenden werden die Vorgehensweisen RSM und DOE losgelöst von dem
einführenden Beispiel erläutert.
Ausgangspunkt ist eine Funktion f , die von den Parametern p1 , . . ., pn ab-
hängt. Die Parameter werden im Parametertupel p = (p1 , ..., pn )T zusammen-
gefasst. Die Response-Funktion q ist eine Linearkombination aus Funktionen
der Basis B = {bk ; k = 1, . . . , } :



q= αk bk . (15.43)
k=1

Die Funktion f werde an den Stützstellen pj , j = 1, . . . , m ausgewertet:


15.7 DOE und RSM 297

fj = f (pj ), j = 1, . . . , m. (15.44)

Die Summe der Fehlerquadrate ist:


m

 2
fq = q(pj ) − fj
j=1
  2

m 
= αk bk (pj ) − fj . (15.45)
j=1 k=1

Die Koeffizienten sollen so bestimmt werden, dass fq minimal wird. Da fq


quadratisch von den Koeffizienten αk abhängt und positiv ist, müssen die er-
sten Ableitungen nach den αk verschwinden. Diese Bedingung ist hinreichend
für die Minimierung von fq .
Es muss also gelten für i = 1, . . ., :
∂fq
0=
∂αi
  

m 
= 2 αk bk (pj ) − fj · bi (pj )
j=1 k=1
⎛ ⎞
⎜  ⎟
⎜  m m

= 2⎜
⎜ αk b (p )b
k j i j (p ) − fj i j ⎟.
b (p ) ⎟ (15.46)
⎝k=1 j=1 j=1 ⎠
     
aik ci

Die Koeffizienten aik bilden eine Matrix A und die Koeffizienten ci ein Tupel c.
Die Bedingung für die Minimierung der Fehlerquadrate kann also geschrieben
werden als (α = (α1 , . . . , α )T ) :
A α = c. (15.47)
Bei geeigneter Wahl der Basisfunktionen bi , i = 1, . . ., ist die Matrix A für
beliebige, paarweise verschiedene pj , j = 1, . . . , regulär (det(A) = 0) und die
Koeffizienten αk , k = 1, . . . , können bestimmt werden durch:
α = A−1 c. (15.48)
Beispiel 15.12. Bekannt ist dieses Vorgehen aus der linearen Repression, al-
so aus der Bestimmung einer linearen Ersatzfunktion einer unabhängigen
Veränderlichen x. Für diesen Fall wählt man als Ansatzfunktionen B 1 = 1, x,
also eine konstante und eine lineare Funktion, und erhält die Matrix:
⎛* m *
m ⎞
1 pj
⎜ j=1 j=1 ⎟
A=⎜ ⎝* *
⎟ (15.49)
2⎠
m m
pj pj
j=1 j=1
298 15 Nichtlineare Optimierung

und die rechte Seite ⎛* m ⎞


fj
⎜ j=1 ⎟
c=⎜
⎝* m
⎟.
⎠ (15.50)
fj pj
j=1

Bei dem beschriebenen Vorgehen wird zwar der mittlere quadratische Fehler
minimiert, der Anwender ist aber häufig an dem maximalen Fehler interessiert.
Ist der zu betrachtende Parameterraum ein n-dimensionaler Quader pu ≤ p ≤
p0 , so ist dies der maximale Fehler:




∆ = max f (p) − αk bk (p) . (15.51)
pu ≤f ≤p0
k=1

Die Aussagen, die mit Hilfe des Modells getroffen werden können, sind also
wegen dieses Fehlers beschränkt. Man ist bestrebt, ∆ durch geeignete Wahl
der Basisfunktionen bk , k = 1, . . ., und durch geeignete Wahl von Stützstel-
len pj , j = 1, . . ., m zu minimieren.
Die Wahl der Basisfunktionen wird durch das Verhalten der Funktion f fest-
gelegt. Hängt f im Wesentlichen quadratisch von den Parametern ab, so sollte
man für die Basisfunktionen ebenfalls quadratische Abhängigkeiten wählen.
Hier besteht häufig das Problem, dass dem Anwender das genaue Verhalten
der Funktion f nicht bekannt ist. In einem solchen Fall können unterschiedli-
che Mengen von Basisfunktionen eingesetzt und miteinander verglichen wer-
den.
Das Modell, das die Funktion f approximiert, kann zusammen mit einer
Fehlerfunktion ε(p) zu einer Darstellung von f verwendet werden:



f (p) = αk bk (p) + ε(p). (15.52)
k=1

Geht man davon aus, dass der Erwartungswert E der Fehlerfunktion ε ver-
schwindet (diese Annahme muss nicht richtig sein)

E(ε) = 0 , (15.53)

so kann man die Varianz V (ε) des Fehlers abschätzen. Man kann zeigen, dass
der Erwartungswert von SE mit der Varianz V (ε) des Fehlers zusammenhängt:

E(SE ) = V (ε)2 (m − ). (15.54)

Setzt man an Stelle des Erwartungswertes E(SE ) den Wert SE ein, so erhält
man eine Abschätzung von V(ε)2 :

SE
V̂ (ε)2 = . (15.55)
m−
15.7 DOE und RSM 299

Um die Modellgüte zu beurteilen, wird der folgende Wert R2 herangezogen:


SE
R2 = 1 − , (15.56)
ST
wobei ⎛ ⎞2

m
1 ⎝ 
m
ST = fj2 − fj ⎠ . (15.57)
j=1
m j=1

Ein Wert nahe bei eins lässt aber nicht zwangsläufig den Schluss auf ein gutes
Modell zu. Durch jede Erweiterung der Menge der Basisfunktionen nähert sich
R2 dem Wert eins. Daher wird zur Beurteilung auch häufig der Wert
m−1
2
Radj =1− (1 − R2 ) (15.58)
m−
herangezogen. Dieser Wert trägt der Anzahl der Basisfunktionen im Vergleich
zur Anzahl der Stützstellen Rechnung.
Anmerkung 15.13. Ist die Anzahl m der Stützstellen gleich der Anzahl der
Basisfunktionen, so erhält man bei geeigneter Wahl der Lage der Stützstellen
und der Basisfunktionen eine interpolierende Funktion. In diesem Fall ist R2 =
2
1, Radj ist nicht definiert, da der Nenner null wird.

Anmerkung 15.14. Die Idee von DOE und RSM ist es nicht, durch Wahl eines
großen Wertes für λ das tatsächliche Verhalten gut abzubilden. Die Anzahl
der Basisfunktionen und der Polynomgrad bleiben i. Allg. klein.

Anmerkung 15.15. Neben der geeigneten Wahl von Basisfunktionen ist die
Auswahl der Stützstellen wichtig. Nach Festlegung der Basisfunktionen gibt
es bestimmte Verteilungen von Stützstellen, die zu optimalen Ergebnissen für
die RSM-Modelle führen.

Anmerkung 15.16. Bei DOE-Verfahren wird davon ausgegangen, dass die


Werte fj Streuungen infolge von Messungenauigkeiten unterworfen sind. Beim
Einsatz von DOE im CAE-Bereich findet man diese Art von Streuungen i.
Allg. nicht.

Anmerkung 15.17. Klassische DOE-Verfahren gehen von sehr einfachen RSM-


Modellen bzw. von sehr einfachen Wechselwirkungen aus. Dies können z. B.
lineare Zusammenhänge sein.

Im Folgenden werden einige DOE-Versuchspläne vorgestellt.


Faktorielle Versuchspläne gehen davon aus, dass jede unabhängige Veränder-
liche pi , (i = 1, . . ., n), si unterschiedliche Werte annehmen soll und dass alle
möglichen Kombinationen getestet werden sollen. Die Anzahl nV der Versuche
ist mit
300 15 Nichtlineare Optimierung

.
n
nV = si (15.59)
i=1

sehr hoch.
Wählt man si = 2, so kann man lediglich lineare Tendenzen und Interaktionen
mit Hilfe von RSM-Modellen auf der Grundlage dieser Versuche identifizieren.
Quadratische RSM-Modelle benötigen si = 3 Stufen, also 3n -faktorielle Ver-
suchspläne.
Die Lage der Versuchspunkte orientiert sich bei den 2n - und 3n -faktoriellen
Versuchsplänen an einem n-dimensionalen Quader, dessen Eckpunkte dann
die Versuchspunkte bei 2n -faktoriellen Plänen (vgl. Abb. 15.23 b) bilden.
Bei den 3n -faktoriellen Versuchsplänen (Abb. 15.23 a) sind zusätzlich die Mit-
ten der Kanten und Flächen hinzuzunehmen.

Abb. 15.23. 33 - und 23 -faktorieller Versuchsplan.

Sind die RSM-Modelle vom Typ her bekannt, so bieten sich spezielle, optimale
Versuchspläne an. Um dies zu erläutern, gehen wir aus von der Momenten-
matrix X oder Informationsmatrix (vgl. [80]) 3 :

1
C=M = A. (15.61)
n
Es seien λ1 , . . ., λ die Eigenwerte der Inversen der Informationsmatrix C −1 .
Dann gibt es die folgenden Versuchspläne:

3
Es wird hier lediglich der Spezialfall betrachtet, dass alle Parameter α gleicherma-
ßen interessant sind. Sollen Teilsysteme oder Linearkombinationen Kα mit einer
reellen s × -Matrix K mit s ≤ betrachtet werden, wird die Informationsmatrix

C = (K T M −1 K)−1 (15.60)

herangezogen
15.7 DOE und RSM 301

/

• D-optimal: minimiert das Produkt λk der Eigenwerte, also das Volu-
k=1
men, das durch die Konfidenzintervalle der Koeffizienten α aufgespannt
wird (Determinant-optimal).
• E-optimal: minimiert den maximalen Eigenwert der λk , k = 1, . . . , , also
die maximale Varianz der Koeffizienten α.
*
• A-optimal: minimiert die Summe der Eigenwerte λk , also die Summe
k=1
der Varianzen der Koeffizienten.
Ist man nicht an den Koeffizienten sondern an der Vorhersagegenauigkeit in-
teressiert, so setzt man G- oder I-optimale Versuchspläne ein 4 .
• I-optimal: minimiert das Integral der Varianz des Modells über den Para-
meterraum, also einen Mittelwert (zur Berechnung vgl. [41])
• G-optimal: minimiert die maximale Varianz des Modells an einer beliebi-
gen Stelle (vgl. [80]).
I- und G-optimale Pläne sind sehr gut geeignet für die Erstellung von Vor-
hersagemodellen (Meta-Modelle) bei sehr rechenzeitintensiven Anwendungen
(Crash, CFD). Der Nachteil der optimalen Pläne ist, dass zu deren Erstellung
erheblicher Rechenaufwand notwendig ist. Dieser Aufwand ist bei A-, D- und
E-optimalen Plänen relativ gering (im Wesentlichen eine Eigenwertanalyse).
Durch die Betrachtung des gesamten Parameterraums bei I- und G-optimalen
Plänen ist deren Bestimmung eine sehr aufwändige Optimierungsaufgabe, die
sich lediglich bei rechenzeitintensiven Anwendungen (oder immer wiederkeh-
renden Berechnungen) lohnt.
In Abb. 15.24 ist ein I-optimaler Plan mit 11 Punkten gezeigt (nach [22]).
Ausgangspunkt ist ein quadratisches Modell
y = β0 + β1 p1 + β2 p2 + β3 p1 p2 + β4 p21 + β5 p22 . (15.62)

Abb. 15.24. I-optimaler Plan nach [22].

Es ist weit verbreitet, mit Hilfe von einfachen (linearen) RSM-Modellen oder
4
In der Literatur findet man Ansätze dazu auch unter der Abkürzung DACE (De-
sign and Analysis of Computer Experiments); Arbeiten zu diesem Thema sind in
[54] oder [94], eine gute Literaturübersicht ist in [22] zu finden.
302 15 Nichtlineare Optimierung

mit Hilfe der linearen Regressionsanalyse auf den Einfluss von bestimmten Pa-
rametern zu schließen. Dieses Vorgehen sollte in der Anwendung sehr sorgfältig
erfolgen, denn eine lineare Regressionsanalyse kann bei nichtlinearen Zusam-
menhängen zu falschen Schlüssen führen. Hätte man z. B. eine rein quadra-
tische Abhängigkeit einer Zielfunktion f von einem Parameter p, f = p2 ,
und würde man eine lineare Regressionsanalyse (für das Intervall [−1, 1])
durchführen, so erhielte man das Ergebnis, dass der Parameter p keinen Bei-
trag liefert. Man erkennt, dass dieses Vorgehen gerade bei nichtlinearen Zu-
sammenhängen zu unsinnigen Ergebnissen führen kann. Abhilfe schafft hier
eine Analyse der Varianzen (ANOVA: Analysis of Variances), die auf der Basis
nichtlinearer approximierender Funktionen (z. B. Kriging-Funktionen) durch-
geführt wird. Die Güte der ANOVA ist natürlich abhängig von der Güte der
approximierenden Funktionen (vgl. [42]).

15.8 Neuronale Netze

Eine Möglichkeit, sogenannte Metamodelle aufzustellen, bieten neuronale Net-


ze. Neuronale Netze sind mathematische Funktionen, die komplexe Zusam-
menhänge zwischen Ein- und Ausgangsgrößen darstellen können. Die Be-
schreibung an dieser Stelle beschränkt sich auf n Eingangsgrößen und eine
Ausgangsgröße. Mathematisch gesehen ist ein neuronales Netz eine reellwer-
tige Funktion von n Parametern. Das Prinzip eines neuronalen Netzes wird
anhand von Abb. 15.25 verdeutlicht.

Abb. 15.25. Neuronales Netz.

Als Eingangsgrößen dienen die Parameter p1 , . . ., pn , die die Eingangsgrößen


für die Neuronen (Rechtecke) in der mittleren Schicht des neuronalen Netzes
bilden. Jeder der in der Abbildung dargestellten Kästen in der verdeckten
Schicht (hidden layer) entspricht dabei einer Funktion φ. Die Eingangsgrößen
15.8 Neuronale Netze 303

werden, multipliziert mit den Gewichten wij und verschoben um einen Bias-
Wert θj , als Argument in die Funktion φ eingesetzt und ergeben so die Werte
y1 , . . ., yn . Einem Kasten im hidden layer entspricht also die folgende Formel:
 n 

yj = φ wij pi − θj , j = 1, . . . , m. (15.63)
i=1

Die Ausgangsgrößen der verdeckten Schicht dienen als Eingangsgrößen für die
Ausgabeschicht (output layer). Der Wert f ergibt sich auf Grund der Linea-
rität des Ausgangsneurons aus einer Linearkombination der Werte y1 , . . ., yn :

m
f= cj yj . (15.64)
j=1

Als Funktion φ (sogenannte Aktivierungsfunktion) kommen unterschiedliche


Möglichkeiten in Betracht. Ein verbreitetes Beispiel ist die sogenannte Sig-
moifunktion:
1
φ (x) = . (15.65)
1 + e−x
Der Vorteil neuronaler Netze liegt in der großen Bandbreite darstellbarer
Funktionen. Es ist möglich, beliebige stetige Abbildungen durch neuronale
Netze darzustellen. Einige approximationstheoretische Grundlagen finden sich
z. B. in [33]. Das Bestimmen der Gewichte wij , der Bias-Werte θj und der
Linearkoeffizienten cj erfolgt im Rahmen eines Optimierungsprozesses (back
propagation). Man erkennt unmittelbar, dass sehr viele Parameter zur Be-
schreibung eines relativ einfachen Netzes notwendig sind. Auf Grund dieser
Vielzahl kann sich das Netz sehr verschiedenen Gegebenheiten leicht anpas-
sen. In dieser Anpassungsfähigkeit liegt zum einen der Vorteil der neuronalen
Netze, da sie sich beliebig komplexe Sachverhalte gut annähern können, zum
anderen liegt darin allerdings auch ein Nachteil, da sich die neuronalen Netze
nur den Werten anpassen, die ihnen zur Bestimmung der unbekannten Para-
meter vorgegeben werden. D.h., dass neuronale Netze die Werte, mit denen die
Parameter bestimmt werden, sehr gut wiedergeben (man nennt diesen Pro-
zess der Bestimmung der Werte auch Trainingsprozess), dass aber Werte, die
nicht zum Trainieren des Netzes verwendet werden, unter Umständen nicht so
gut oder schlecht vorhergesagt werden. Die Fähigkeit des Netzes, auf Grund
von Trainingsdaten unbekannte Größen vorherzusagen, nennt man Generali-
sierungsfähigkeit des neuronalen Netzes.
Häufig kommt es bei der Anpassung der Parameter zu dem Fall, dass das
Netz lediglich auf die Trainingsdaten angepasst wird und andere Daten nicht
mehr vorhersagen kann (over training). Man sollte sich bei der Anwendung
von neuronalen Netzen stets über diese Zusammenhänge im Klaren sein. Wei-
terhin sollte man bei der Anwendung neuronaler Netze nicht vergessen, dass
die Parameter des neuronalen Netzes häufig keine physikalischen Rückschlüsse
zulassen. Vor dem Einsatz neuronaler Netze ist es daher ratsam, stets genau
304 15 Nichtlineare Optimierung

zu prüfen, ob nicht physikalisch motivierte Modelle genau so gute Dienste


leisten wie die neuronalen Netze.

15.9 Multikriterielle Optimierung

Häufig ist man bei der Optimierung technischer Systeme nicht daran inter-
essiert, lediglich ein Zielkriterium zu minimieren, sondern zugleich mehrere
Kriterien möglichst klein (die folgende Darstellung beschränkt sich auf Mini-
ma; die Aussagen lassen sich auf Maxima oder auf multikriterielle Optimie-
rung mit Minima und Maxima erweitern) zu wählen. Die gleichzeitige Mi-
nimierung mehrerer Zielfunktionen (mehrerer Kriterien) wird multikriterielle
Optimierung genannt. So kann man z. B. bei Fahrzeugen daran interessiert
sein, neben der Maximierung der Steifigkeit der Karosserie (dies entspricht ei-
ner Minimierung des negativen Werts der Steifigkeit) deren Masse (Gewicht)
zu minimieren. Im Allgemeinen wird das Optimum, das die Steifigkeit maxi-
miert, nicht die Masse minimieren. Es treten daher Zielkonflikte zwischen den
verschiedenen Kriterien auf, so dass lediglich Kompromisslösungen gefunden
werden können.
Um mit den bisher vorgestellten Verfahren multikriterielle Optimierungen
durchzuführen, führt man häufig Ersatzzielfunktionen ein, die in einer be-
stimmten Art und Weise die verschiedenen Zielgrößen miteinander verknüpfen.
Das Vorgehen wird anhand eines einfachen Beispieles mit zwei Zielkriterien
erläutert. Gegeben seien die beiden Zielfunktion f1 und f2 :
2
f1 = (p − p1 min ) , (15.66)
2
f2 = (p − p2 min ) . (15.67)

Die Kriterium f1 wird für p = 1(= p1min ) minimal, das Kriterium f2 für
p = 2(= p2min ). Eine Ersatzzielfunktion fges erhält man z. B. aus den beiden
Zielfunktionen f1 und f2 durch eine sogenannte konvexe Linearkombination:

fges = α f1 + (1 − α) f2
(15.68)
mit α ∈ [0, 1] .

Je nach der Größe von α wird mehr das Kriterium f1 in seiner Bedeutung
hervorgehoben (α nahe bei 1), oder es wird das Kriterium f2 mehr gewichtet
(α nahe 0). Im Diagramm a von Abb. 15.26 sind die beiden Funktionen f1 und
f2 sowie für α = 0, 9 und α = 0, 4 die Gesamtzielfunktionen fges dargestellt.
Man erkennt, dass das Optimum für die gesamte Zielfunktion fges zwischen
den beiden Optima der Funktion f1 bei pmin1 = 1 und der Funktion f2 bei
pmin2 = 2 liegt. Da der Parameter α von vornherein nicht als fest vorgegeben
angesehen werden kann, trägt man häufig zur besseren Veranschaulichung
für unterschiedliche Parameter α in einem Diagramm die möglichen Werte
für die beiden Zielfunktionen f1 und f2 auf. In diesem Beispiel nehmen die
15.9 Multikriterielle Optimierung 305

Einzelkriterien f1 und f2 beim Optimum der Gesamtzielfunktion fges für un-


terschiedliche Parameter α die Werte auf der Kurve in Diagramm d von Abb.
15.26 an. Man erhält die Kurve in diesem Fall, indem man die Gesamtziel-
funktion fges nach p ableitet und die Ableitung gleich null setzt. Die Kurve
wird beschrieben durch

2
f1 = p2 min − p1 min − f2 . (15.69)

Der Parameter α steigt von rechts unten nach links oben innerhalb dieser
Kurve. Man erkennt, dass das Optimum der Gesamtzielfunktion fges für große
Werte von α dem optimalen Wert für f1 nahe kommt, und für kleine Werte
von α dem optimalen Wert von f2 .

Abb. 15.26. Paretooptimale Kurve.

Hat man für eine Problemstellung diese Kurve aus Diagramm d bestimmt,
so kann der Anwender entscheiden, welche Werte für die beiden Zielkriterien
f1 und f2 für die entsprechende Problemstellung sinnvoll sind. Man nennt
diese Kurve in Diagramm d paretooptimale Kurve. Allgemein nennt man eine
Kurve paretooptimal, wenn man eine Verbesserung eines Zielfunktionswertes
f1 lediglich durch eine Verschlechterung des Zielfunktionswertes f2 (und um-
gekehrt) erreicht.
Hat sich der Anwender für ein Wertepaar (f1 , f2 ) auf der paretooptimalen
306 15 Nichtlineare Optimierung

Kurve entschieden, so geht eine Verbesserung einer der Zielwerte immer ein-
her mit einer Verschlechterung des anderen. Bei der multikriteriellen Optimie-
rung ist man daher häufig an der Bestimmung der paretooptimalen Kurven
(bei höherdimensionalen Problemen der paretooptimalen Oberflächen) inter-
essiert.
Anmerkung 15.18. Geht man von n-Zielkriterien aus, so bilden die pareto-
optimalen Punkte eine (n − 1)-dimensionale Hyperfläche im n-dimensionalen
Raum. So erhält man z. B. bei drei Zielkriterien eine Fläche im dreidimen-
sionalen Raum. Man erkennt hier leicht, dass die Darstellung für n ≥ 4 nur
schwer möglich ist.
Anmerkung 15.19. Um die Gesamtzielfunktion zu bestimmen, kann man sich
auch für n > 2 konvexer Linearkombinationen mit α1 , . . . , αn > 0, α1 + · · · +
αn = 1 bedienen. Es sind neben den konvexen Linearkombinationen auch an-
dere Gesamtzielfunktionskriterien möglich (Kombination von Beträgen oder
Quadraten). Bei der Bildung der Gesamtzielfunktionskriterien sollte man im-
mer im Auge behalten, dass unterschiedliche physikalische Größen in einer
Formel additiv verknüpft werden. Aus diesem Grund sollte man die Einzelziel-
kriterien jeweils geeignet gewichten, so dass lediglich dimensionslose Größen
addiert werden. Das Arbeiten mit dimensionslosen Größen ist in diesem Zu-
sammenhang besonders wichtig. Erstellt man die Gesamtzielfunktion nicht
durch Zusammenfassung dimensionsloser Größen, so wird das berechnete Op-
timum von der Wahl der Einheiten abhängen. Das heißt, dass eine Optimie-
rung auf der Grundlage der Einheiten m, s, kg ein anderes Optimum liefern
kann als eine Optimierung auf der Grundlage der Einheiten mm, ms, t.
Anmerkung 15.20. In der Literatur findet man häufig Darstellungen pareto-
optimaler Kurven wie in Abb. 15.26 d), also Kurven sehr einfacher Gestalt
(von unten konvex und mit negativer Steigung). Schon bei einfachen Funk-
tionen sieht aber die Kurve der möglichen Zielfunktionswerte-Tupel deutlich
komplexer aus.
Dies sei an dem folgenden, einfachen Beispiel erläutert. Ausgangspunkte sind
die beiden Funktionen f1 und f2 (der Parameter p sei für diese Betrachtung
dimensionslos):
f1 = (p − 1.4)2 (p − 1)2 − (p − 1.2)2 , (15.70)
f2 = (p − 0.8)2 (p − 1.2)2 − (p − 0.9)2 . (15.71)
Die Funktionen sind in den beiden rechten Diagrammen von Abb. 15.27 dar-
gestellt.
Betrachtet man die Kurve, die durch die Punkte (f1 , f2 ) gebildet wird (linkes
Diagramm in Abb. 15.27), so erkennt man, dass die paretooptimale Kurve
nicht zwingend zusammenhängend sein muss. In diesem Beispiel gibt es zwei
paretooptimale Kurvenabschnitte und zwar jeweils die (von unten) konvexen
Bereiche mit negativer Steigung. Bei diesem Beispiel gibt es sowohl für f1 als
auch für f2 Bereiche, bei denen keine paretooptimalen Kurven existieren.
15.9 Multikriterielle Optimierung 307

Abb. 15.27. Paretooptimale Kurve.

Beispiel 15.21. In folgendem Beispiel wird eine multikriterielle Optimierungs-


aufgabe vorgestellt. Es handelt sich um die Optimierung von Materialparame-
tern (Blechdicken und Streckgrenzen) sowie der Geometrie einer Motorhaube.
Ziel ist eine Minimierung der Masse und des HIC beim Kopfaufprall (vgl.
Abb. 15.28) sowie eine Maximierung der Biege- und Torsionssteifigkeit.

Abb. 15.28. Kopfaufprall auf eine Motorhaube zur Beurteilung des Fußgänger-
schutzes.

Bei diesem Problem liegt ein Zielkonflikt zwischen der Steifigkeitsanforderung


(möglichst steife Motorhaube) und der Sicherheitsanforderung (möglichst wei-
che Motorhaube) sowie der Masse (möglichst gering) vor.
Wie man sinnvollerweise paretooptimale Lösungen findet ist in [45] beschrie-
ben. Möchte man nicht über paretooptimale Ansätze diese Aufgabe bewälti-
gen, so kann man die Ziele zum Teil auch in Randbedingungen verankern, in-
dem man fordert, dass der HIC unterhalb einer gewissen Schranke bleibt und
dass die Steifigkeiten oberhalb bestimmter Werte liegen. Minimiert werden
muss dann lediglich die Masse. Bei diesem Vorgehen startet der Algorithmus
u. U. im nicht zulässigen Bereich.
308 15 Nichtlineare Optimierung

15.10 Beispiele
Im folgenden Abschnitt werden einige Beispiele aus unterschiedlichen Berei-
chen der Simulation aus [77], [78], und [79] beschrieben.

15.10.1 Crashberechnung

Im ersten Beispiel wird auf die Optimierung der Blechdickenverteilung in einer


B-Säulen-Versteifung eingegangen. Diese Versteifung soll so verstärkt werden,
dass die Eindringgeschwindigkeit eines B-Säulenknotens minimiert wird. Das
in Abb. 15.29 beispielhaft dargestellte Blech ist aufgeteilt in unterschiedliche
Bereiche. Die Frage, die beantwortet werden soll, ist: Wie müssen die Blech-
dicken d1 bis d6 in den unterschiedlichen Bereichen gewählt werden, damit
beim IIHS-Seitencrash die maximale Eindringgeschwindigkeit eines repräsen-
tativen Knotens der B-Säule reduziert wird, wobei die Blechdicken nicht über
das 3,5-fache der Ausgangsdicke ansteigen dürfen. Hat man eine optimale
Dickenverteilung gefunden, so kann man daraus konstruktive Änderungen des
B-Säulenblechs ableiten.

Abb. 15.29. Bereiche eines B-Säulenblechs.

Die Zielfunktion ist also die maximale Eindringgeschwindigkeit des repräsen-


tativen B-Säulen-Knotens. Gesucht sind die Blechdicken d1 bis d6 für die sechs
Bereiche, bei denen die Eindringgeschwindigkeit minimal wird. Die Restrik-
tionen beschränken die Blechdicken auf das 3,5-fache der Anfangsdicke.
Für dieses Optimierungsproblem wurde ein SQP-Algorithmus eingesetzt. Nach
bereits drei Iterationsschritten (das entspricht bei diesem Beispiel 19 Gesamt-
fahrzeug-Seitencrashberechnungen) ist die maximale Eindringgeschwindigkeit
um 12% reduziert. Der Optimierungsfortschritt ist in Abb. 15.30 zu sehen.
Im linken Diagramm ist der Verlauf der Blechdicken (normiert mit der An-
fangsblechdicke) und im rechten Diagramm der ebenfalls normierte Verlauf
15.10 Beispiele 309

Abb. 15.30. Optimierungsfortschritt: Veränderung der Blechdicken und Verbesse-


rung der Eindringgeschwindigkeit.

der Geschwindigkeit dargestellt.


Ausgangspunkt für das Untersuchung ist der in Abb. 15.31 dargestellte Prall-
topf.

Abb. 15.31. Ursprungsform des Pralltopfes.

Die Form des Pralltopfes soll so optimiert werden, dass die plastischen De-
formationen des Längsträgers beim sogenannten AZT-Test minimal werden.
Für das in Abb. 15.31 gezeigte Startdesign des Pralltopfes ist die Deformation
des Längsträgers ca. 50 mm. Um die Form zu verbessern, muss die Geometrie
zunächst parametrisiert werden. Ausgangspunkt ist wie in [99] ein vernetztes
Fahrzeug. Zur Parametrisierung werden allerdings nicht einfache, geometri-
sche Elemente wie in [99] eingesetzt, sondern auf dem vorhandenen FE-Netz
werden an charakteristischen Orten Punkte definiert. Diese werden durch Kur-
ven verbunden, mit deren Hilfe die Oberflächen erzeugt werden. Anschließend
erfolgt eine Neuvernetzung. Durch Verschieben der Punkte erreicht man an-
dere Formen. Das Verschieben und Neuvernetzen erfolgt automatisch mit Hil-
fe des Präprozessors MEDINA und sogenannten Protokoll-Files. Der Vorteil
dieses Vorgehens liegt darin, dass man bei den Formen nicht an einfache, geo-
310 15 Nichtlineare Optimierung

metrische Objekte gebunden ist.


In Abb. 15.32 sind zwei Formen beispielhaft dargestellt. Für diese Formen
wurden insgesamt vier Punkte in vertikaler Richtung verschoben. Die gesam-
te Geometrie erhält man mit Hilfe von Symmetrieoperationen.

Abb. 15.32. Modifizierte Geometrie der Pralltöpfe.

Die beste Form ergab eine Längsträgerdeformation von 3 mm bei gleichzeiti-


ger Reduktion der Masse des Pralltopfes. Um eine gute Form zu finden, wurde
allerdings kein Optimierungsalgorithmus eingesetzt, sondern es wurden ledig-
lich mit Hilfe einer Monte-Carlo-Simulation 80 Formen berechnet. Die beste
Form ergab dann die Reduktion der Längsträgerdeformation von 50 mm auf
3 mm. Da die Form des Pralltopfes das Deformationsverhalten maßgeblich
beeinflusst, ist die Zielfunktion für diesen Fall unstetig. Es macht daher wenig
Sinn, mit einem Gradienten- oder SQP-Verfahren zu arbeiten.

15.10.2 Parameteridentifizierung

Die Anpassung von Parametern eines Materialgesetzes an Versuchsergebnisse


ist ein häufiger Anwendungsfall von Optimierungsverfahren. Als Beispiel wird
hier die Anpassung von Parametern eines Materialgesetzes für Schaumwerk-
stoffe gezeigt. Bei den Experimenten, die zur Identifizierung herangezogen
werden, fällt eine Masse auf einen Schaumwürfel. Gemessen wird eine Kraft-
Weg-Kennlinie, die möglichst gut durch die Simulation wiedergegeben werden
soll. Insgesamt werden vier Parameter bestimmt. Eine Schwierigkeit stellt die
Definition einer geeigneten Zielfunktion dar. Häufig setzt man das Integral
über das Quadrat der Abweichungen zwischen der experimentellen und der
simulierten Kurve ein. Das Integral der Kraft über den Weg stellt die in pla-
stische Verformungsarbeit umgewandelte kinetische Energie dar. Ein anderes,
ebenso physikalisch motiviertes Vergleichsmaß stellt der Kraftstoß, also das
Integral der Kraft über die Zeit, dar.
In dem hier vorgestellten Beispiel wird das Integral der Kraft bezüglich des
Weges gewählt. In Abb. 15.33 sind die Kurven einander gegenübergestellt. Die
experimentelle Kurve ist jeweils durchgezogen, die Kurve für die Startwerte
15.10 Beispiele 311

Abb. 15.33. Kraft-Weg-Verläufe für die plastischen Deformationen eines


Schaumwürfels: Vergleich zwischen Experiment und Simulation für unterschiedliche
Optimierungsstrategien.

der Optimierung ist gestrichelt und die Kurven für die optimierten Parame-
ter sind strichpunktiert dargestellt. Das beste Ergebnis, das zugleich mit der
geringsten Anzahl von 34 Funktionsauswertungen bestimmt wird, liefert das
SQP-Verfahren. Sehr schlecht ist das Ergebnis der Monte-Carlo-Rechnung mit
30 Funktionsauswertungen (wobei dies keine Optimierung darstellt). Ähnli-
che Ergebnisse werden mit der sequentiellen Monte-Carlo-Strategie (dreimal
zehn Funktionsauswertungen) und dem Simulated Annealing (501 Funktions-
auswertungen) erreicht. Hier nicht dargestellt, aber ähnlich gut wie das SQP-
Verfahren, ist das Ergebnis einer Gradientenstrategie mit 51 Funktionsaus-
wertungen.
An den simulierten Kurvenverläufen wird deutlich, dass Ergebnisse von Crash-
berechnungen starke Streuungen aufweisen können. Deshalb haben für dieses
Beispiel das SQP- und das Gradientenverfahren nur dann Erfolg, wenn die
Schrittweite für die lokalen Approximationen nicht zu klein gewählt wird.

15.10.3 Rückhaltesysteme

Im Folgenden betrachten wir die Auslegung eines Rückhaltesystems für den


Frontalcrash mit MADYMO (vgl. Abb. 15.34). Zu optimierende Parameter
sind zwei Zündzeitpunkte eines Airbags, der Zündzeitpunkt des Gurtstraffers
und das Kraftniveau eines Gurtkraftbegrenzers. Als Zielfunktion dient eine
aus Bewertungskriterien des USNCAP und des EURONCAP zusammenge-
setzte Zielfunktion. Weiter ist eine Nebenbedingung einzuhalten.
312 15 Nichtlineare Optimierung

Abb. 15.34. MADYMO-Modell.

Es werden sechs unterschiedliche Optimierungsstrategien miteinander ver-


glichen: Reduzierte Gradienten (1), Random Search (Sequentielles Monte-
Carlo-Verfahren) (2), Self Adaptive Evolution (3), Differential Evolution (4),
DOE/RSM (5) und SQP (6). Die Zahlen geben die Nummer des Verfahrens
in Abb. 15.35 wieder. In dieser Abbildung sind die Ergebnisse zusammenge-
stellt: der Wert der Zielfunktion f am Optimum (gegenüber einem Anfangs-
wert von 5.34) und die Anzahl N der MADYMO-Rechnungen. Man erkennt,
dass sowohl das Gradientenverfahren als auch das SQP-Verfahren mit einer
geringen Anzahl von MADYMO-Aufrufen die besten Ergebnisse liefern. Die
Kopplung von DOE und RSM kommt zwar auch mit einer geringen Anzahl
von Rechnungen aus, die erreichte Verbesserung ist allerdings nicht sehr gut
und die Nebenbedingung wird zwar bei den Ersatzfunktionen eingehalten, ist
allerdings beim Nachrechnen mit MADYMO verletzt. Das Ergebnis der Self-
Adaptive-Evolution-Strategie ist zwar genauso gut wie beim SQP-Verfahren,
allerdings sind dafür 600 MADYMO-Aufrufe notwendig. Bei der Differential-
Evolution-Strategie ist die Nebenbedingung ebenfalls nicht erfüllt. In Abb.

Abb. 15.35. Güte des Optimums und Anzahl der MADYMO-Rechnungen.

15.36 ist eine approximierende Funktion (RSM-Funktion) für dieses Beispiel


gezeigt. Man erkennt, dass die Ersatzfunktion zwei Randminima hat. Auf der
15.10 Beispiele 313

Basis der Ersatzfunktionen Optimierungen durchzuführen hat den Vorteil,


dass die Rechenzeiten sehr gering sind.

Abb. 15.36. Response-Surface für ein MADYMO-Modell.

In Abb. 15.37 ist der Einfluss des Abstandes ∆ für die Bestimmung der Gra-
dienten dargestellt. Für kleine Werte ∆ sind kaum Verbesserungen erreicht
worden. Die Verbesserung für ∆ = 0.01 ist zufällig erzielt worden. Ab einem
Wert ∆ = 0.05 erkennt man, dass die Verbesserungen für alle Werte von ∆
gleich gut sind und dass diese unabhängig von ∆ sind. Dabei darf ∆ nicht zu
groß gewählt werden.

Abb. 15.37. Einfluss des Abstandes zur numerischen Bestimmung der Ableitung.

15.10.4 Sicken- und Topologieoptimierung


In diesem Unterabschnitt werden zwei Beispiele beschrieben, bei denen nicht
Parameter wie Blechdicken oder Materialkennwerte verändert werden, son-
314 15 Nichtlineare Optimierung

dern bei denen die Form oder die Topologie von Bauteilen gezielt so verändert
wird, dass bestimmte Zielgrößen optimal werden. Im ersten Beispiel wird ei-
ne Sicken- und im zweiten eine Topologieoptimierung beschrieben. Weitere
Beispiele finden sich z. B. in [98].

Beispiel 15.22. Sickenoptimierung (mit dem Programm TOSCA der Firma


FE-Design)
In Abb. 15.38 oben links ist eine Ölwanne gezeigt. Auf Grund des großen,
glatten Bodens ist die niedrigste Eigenfrequenz gering; ebenso weist die Bie-
gesteifigkeit einen kleinen Wert auf. Bei Programmen der Sickenoptimierung

Abb. 15.38. Ausgangsdesign der Ölwanne.

werden Sicken in Strukturen eingebracht und diese Strukturen werden berech-


net. In diesem Beispiel werden die niedrigste Eigenfrequenz und die Biegestei-
figkeit bestimmt. Der Vorgang des Einbringens von Sicken und der statischen
und dynamischen Analyse wird so lange iterativ wiederholt, bis ein Zielwert
erreicht ist. Bei der während eines jeden Iterationsschritts durchgeführten sta-
tischen und dynamischen Analyse wird die lineare Finite-Elemente-Methode
eingesetzt. In Abb. 15.10.4 ist zu erkennen, wie das Programm in dem fort-
schreitenden Iterationsprozess die Anzahl und die Tiefe der Sicken erhöht. Das
Ziel der Optimierung (die Erhöhung der Biegesteifigkeit und der niedrigsten
Eigenfrequenz) wird unter Einhalten bestimmter Nebenbedingungen erreicht,
die gewährleisten sollen, dass das Bauteil auch gefertigt werden kann. So sind
in diesem Beispiel die Sickenhöhe und die Sickenbreite, der Versickungsgrad
und die Flankensteigung vorgegeben.
Würde man ohne diese Nebenbedingungen arbeiten, so würden Bauteile mit
sehr vielen, sehr kleinen und sehr tiefen Sicken entstehen, die wegen der fehlen-
den Tiefziehbarkeit und der fehlenden Praxistauglichkeit ungeeignet wären.
In Abb. 15.40 sind die Eigenfrequenzen der niedrigsten fünf Eigenschwingun-
gen für das Ausgangsdesign und für das optimierte Enddesign gezeigt. Man
erkennt, dass die Frequenzen des optimierten Designs im Mittel doppelt so
hoch liegen wie die ursprünglichen Frequenzen.
15.10 Beispiele 315

Abb. 15.39. Sickenoptimierung am Beispiel einer Ölwanne mit dem Programm


TOSCA (FE-Design).

Abb. 15.40. Eigenfrequenzen der niedrigsten fünf Eingenschwingungen: Ausgangs-


design, und optimiertes Enddesign.

Beispiel 15.23. Dieses Beispiel aus dem Bereich der Topologieoptimierung


(mit dem Programm TOSCA der Firma FE-Design) zeigt eine Halterung ei-
ner Ölleitung.
Im Rahmen der Topologieoptimierung können alternativ unterschiedliche Zie-
le verfolgt werden. So kann man z. B. bei vorgegebener Steifigkeit das Volumen
(und damit die Masse) eines Bauteils minimieren. Dabei geht man i. Allg. von
einem vorgegebenen Bauraum aus, teilt diesen in kleine Würfel auf und ent-
fernt dann iterativ Würfel, berechnet die Steifigkeit des Bauteils und entfernt
anschließend weitere (oder andere) Würfel. Auch dieses Verfahren arbeitet also
iterativ, wobei der Algorithmus die richtigen Würfel entfernen muss. Wie bei
der Sickenoptimierung müssen auch hier Fertigungsrestriktionen eingehalten
werden. In den Abbn. 15.41 und 15.42 ist dieser iterative Prozess dargestellt.
Am Ende dieses Prozesses steht ein Bauteil, das aus kleinen Würfeln zusam-
mengesetzt ist und das man in dieser Form nicht fertigen würde. Daher glättet
316 15 Nichtlineare Optimierung

Abb. 15.41. Halterung einer Ölleitung: Beginn der Topologieoptimierung.

man die Struktur in einem letzten Schritt, (vgl. Abb. 15.43).


Das Ziel bei diesem Beispiel war es, die Masse, die Durchbiegung und die ma-
ximale Vergleichsspannung zu minimieren. Bei diesem Beispiel wurden Ver-
besserungen von 21%, 39% bzw. 60% für die drei Zielgrößen erreicht.
In Abb. 15.44 sind die Vergleichsspannungen für das Ausgangsdesign (links)
und für das Enddesign dargestellt.

Abb. 15.42. Toplogieoptimierung am Beispiel einer Halterung mit dem Programm


TOSCA (FE-Design).
15.10 Beispiele 317

Abb. 15.43. Halterung einer Ölleitung nach Abschluss der Topologieoptimierung


und nach der Glättung.

Abb. 15.44. Vergleichsspannung: Ausgangsdesign (links), Enddesign (rechts).


16
Phänomene nichtlinearer dynamischer Systeme

Dynamische Systeme beschreiben das dynamische Verhalten technischer Sy-


steme. Häufig führt die Modellbildung für diese technischen Systeme durch
Mehrkörpersysteme auf gewöhnliche Differentialgleichungssysteme (u. U. mit
algebraischen Nebenbedingungen). In vielen Fällen sind diese Differentialglei-
chungssysteme nichtlinear. Einige Phänomene, die bei solchen nichtlinearen
Systemen auftreten können, unterscheiden sich wesentlich von denen linea-
rer Systeme. Da ein großer Teil der Ingenieurausbildung auf der Vermittlung
von Kenntnissen in Bezug auf lineare Systeme beruht, können Phänomene
im Zusammenhang mit nichtlinearen Systemen leicht zu Fehlinterpretationen
führen. Aus diesem Grund sollte ein Ingenieur zumindest einige Phänomene
kennen, um Ergebnisse von MKS-Berechnungen im Zweifelsfall richtig beur-
teilen zu können.
In diesem Kapitel werden daher einige Phänomene nichtlinearer dynamischer
Systeme vorgestellt.
Zunächst werden im ersten Abschnitt die singulären Punkte eingeführt, mit
deren Hilfe stabile und instabile Mannigfaltigkeiten sowie die Zentrumsman-
nigfaltigkeit erklärt werden. In diesem Zusammenhang lassen sich Ähnlichkei-
ten und Unterschiede zwischen linearen und nichtlinearen Systemen aufzeigen.
Im zweiten Abschnitt wird auf Bifurkationen (Lösungsverzweigungen) einge-
gangen. Es wird am Beispiel des Duffingschen Oszillators ein Sprungphänomen
aufgezeigt, das zum Beispiel vor Augen führt, dass die Untersuchung nichtli-
nearer Systeme mit sogenannten Sweep-Signalen (dies sind Anregungen eines
Systems mit einer Frequenz, die mit der Zeit ansteigt) zu unsinnigen Ergeb-
nissen führen kann.
Der dritte Abschnitt widmet sich sub- und superharmonischen Schwingungen
ebenfalls am Beispiel des Duffingschen Oszillators. Diese Phänomene treten
offen zu Tage, wenn Antworten nichtlinearer Systeme auf harmonische Erre-
gungen fouriertransformiert werden.
Attraktoren sind das Thema des vierten Abschnitts. Hier wird neben den
sogenannten seltsamen Attraktoren auf Begriffe aus der Chaostheorie einge-
320 16 Phänomene nichtlinearer dynamischer Systeme

gangen. Ein theoretisches Resultat als Abgrenzung zwischen regulärem und


chaotischem Verhalten bildet das Theorem von Poincare und Bendixson.

16.1 Singuläre Punkte und invariante Mannigfaltigkeiten


Bevor die invarianten Mannigfaltigkeiten eingeführt werden, betrachten wir
lineare Differentialgleichungssysteme. Obwohl MKS durch Differentialglei-
chungssysteme zweiter Ordnung beschrieben werden, beschränken wir uns auf
Differentialgleichungssysteme erster Ordnung (die man leicht aus denen zwei-
ter Ordnung erhält).
Wir betrachten zunächst das System

ẋ(t) = Ax(t), x(t = 0) = x0 (16.1)

wobei x ein Tupel mit n Komponenten und A eine n × n-Matrix ist. Hat das
Eigenwertproblem  
A − λE x = 0 (16.2)
n verschiedene Eigenwerte λi , i = 1, . . ., n und n verschiedene, dazu gehörende
Eigenvektoren ci , i = 1, . . ., n, so kann jede Lösung von (16.1) in der folgenden
Form geschrieben werden:

n
x(t) = δi ci eλi t , (16.3)
i=1

wobei die Koeffizienten δi , i = 1, . . ., n an die Anfangsbedingung x(t = 0) = x0


durch Lösen des folgenden linearen, inhomogenen Gleichungssystems
⎛ ⎞
δ1
⎜ .. ⎟
C ⎝ . ⎠ = x0 (16.4)
δn

angepasst werden. Die Spalten der n × n-Matrix C werden durch die Tupel
ci , i = 1, . . ., n gebildet.
Jeder Eigenvektor spannt im C| n einen eindimensionalen Unterraum auf (an-
schaulich ist dieser eindimensionale Unterraum eine Ursprungsgerade).
Betrachtet man eine Lösung

x(t) = αi ci eλi t (16.5)

für irgendein i ∈ {1, ..., n}, so bleibt diese Lösung in dem von ci aufgespannten
Unterraum. Dies gilt für jede Lösung in einem Unterraum.
Man nennt einen Unterraum invariant, wenn jede Lösung, die in diesem Un-
terraum beginnt, für alle Zeiten t in diesem Unterraum bleibt.
Die Verhältnisse bezüglich der invarianten Unterräume bei linearen Diffe-
rentialgleichungssystemen gestalten sich besonders einfach:
16.1 Singuläre Punkte und invariante Mannigfaltigkeiten 321

Jeder von einer Teilmenge der Eigenvektoren ci , i = 1, . . ., n aufgespannte


Unterraum ist ein invarianter Unterraum.
Es ist üblich, die Eigenvektoren zu ordnen. Die Eigenvektoren werden so zu
Gruppen zusammengefasst, dass alle Realteile der zugehörigen Eigenwerte λi
in einer Gruppe gleiches Vorzeichen haben oder null sind.
Bezeichnen αi , i = 1, . . . , ns die Eigenvektoren mit Re(λi ) < 0, γ i , i =
1, . . . , nu die Eigenvektoren mit Re(λi ) > 0(i = 1, . . . , nu ) und β i , i =
1, . . . , nc die Eigenvektoren mit Re(λi ) = 0, wobei

n = ns + nc + nu (16.6)

gilt, so spannen natürlich auch diese drei Gruppen invariante Unterräume auf,
die eine eigene Bezeichnung erhalten:

Es = span {αi ; i = 1, . . . , ns } , (16.7)


0 1
Eu = span γ i ; i = 1, . . . , nu , (16.8)
0 1
Ec = span β i ; i = 1, . . . , nc . (16.9)

Die Indizes stehen für stable, unstable und center. Folgende Punkte sind jetzt
leicht einsichtig:
• Jede Lösung, die in Es beginnt, bleibt in Es und konvergiert gegen 0.
• Jede Lösung (ungleich der Nulllösung), die in Eu beginnt, bleibt in Eu
und divergiert.
• Jede Lösung, die in Ec beginnt, bleibt in Ec und ist beschränkt.
• Eine Lösung, die im von den Unterräumen Ec und Es aufgespannten Un-
terraum beginnt, bleibt in diesem Unterraum und konvergiert gegen eine
Lösung im Unterraum Ec .
Der Punkt x = 0 spielt hier eine besondere Rolle. Zum einen konvergieren alle
Lösungen aus dem stabilen Unterraum gegen 0 und zum anderen enthalten
alle Unterräume den Punkt 0.
Weiterhin ist x = 0 eine Lösung der Differentialgleichung (bei diesem linearen
System nennt man diese Lösung triviale Lösung).
Hätte man ein anderes lineares Differentialgleichungssystem

ẋ = Ax + z (16.10)

mit Ax0 = −z, so wäre x0 eine triviale Lösung dieser Differentialgleichung


und an Stelle der invarianten Unterräume würden invariante lineare Mannig-
faltigkeiten1 treten. Einen Punkt, für den die rechte Seite des Differentialglei-
chungssystems verschwindet, nennt man singulären Punkt.
1
Lineare Mannigfaltigkeiten sind verschobene Unterräume, die also die Null nicht
zwingend enthalten. Für den dreidimensionalen Raum sind Geraden und Ebenen
lineare Mannigfaltigkeiten.
322 16 Phänomene nichtlinearer dynamischer Systeme

Die linearen, invarianten Mannigfaltigkeiten Es und Eu nennt man stabil und


instabil, die invariante Mannigfaltigkeit Ec wird Zentrumsmannigfaltigkeit ge-
nannt. Das Verhalten der Lösungen nichtlinearer Differentialgleichungssyste-
me in der Nähe singulärer Punkte kann dem Verhalten der Lösungen linearer
Systeme ähnlich sein.
Dies zeigt der folgende mathematische Satz (vgl. [114]):

Satz: Gegeben sei das nichtlineare Differentialgleichungssystem

ẋ = Ax + f (x) (16.11)

mit x ∈ IRn , A ∈ IRn × IRn mit konstanten Koeffizienten (die Matrix A ist
also konstant). Der Ursprung xo = 0 sei ein isolierter singulärer Punkt,
es gilt also f (0) = 0 und es gibt eine Umgebung des singulären Punktes,
in der es keinen weiteren singulären Punkt gibt. Die Funktion f ∈ C k
ist k-mal stetig differenzierbar (k ≥ 2) in einer Umgebung des singulären
Punktes x = 0. Weiterhin gelte2
- -
-f (x)-
lim =0 . (16.12)

x
→0 x

Die stabilen und instabilen linearen Mannigfaltigkeiten des linearen Dif-


ferentialsystems
ẏ = A y (16.13)
seien Es bzw. Eu . Die entsprechende Zentrumsmannigfaltigkeit sei Ec .
Dann gibt es stabile und instabile invariante Mannigfaltigkeiten Ws ∈ C k
bzw. Wu ∈ C k des nichtlinearen Differentialgleichungssystems (16.11).
Die linearen Mannigfaltigkeiten Es und Eu sind tangential im singulären
Punkt xo zu Ws bzw. Wu aus C k , also entsprechend glatt. Es gibt eine
invariante Zentrumsmannigfaltigkeit Wc ∈ C k−1 . Die lineare Mannigfal-
tigkeit Ec ist tangential zu Wc im singulären Punkt. Die Dimension der
Unterräume Ec , Es und Eu sind gleich den Dimensionen der zugeordneten
Mannigfaltigkeiten Wc , Ws und Wu .
In Abb. 16.1 sind stabile und instabile Mannigfaltigkeiten eines nichtlinearen
und des entsprechenden linearisierten Systems für das folgende Differential-
gleichungssystem dargestellt:

2 n
*
n
Die Norm · sei die euklidische Norm im IR also x = x2i . Die Bedingung
i=1
des verschwindenden Grenzwertes des Quotienten bedeutet anschaulich, dass f
bei x = 0 keine linearen Anteile enthält. Man kann die Form der Darstellung
von (16.11) als Ergebnis einer Linearisierung des Differentialgleichungssystems
ẋ = g(x) mit g(0) = 0 und (A)ij = ∂gi / ∂xj |x=0 ansehen, wodurch f ein Term
der Ordnung o(x) wird und die Bedingung (16.12) offensichtlich ist.
16.1 Singuläre Punkte und invariante Mannigfaltigkeiten 323

ẋ1 = −x1 − x22 , (16.14)


ẋ2 = x2 + x21 . (16.15)
Man erkennt, dass die einander zugeordneten Räume tangential zueinander
sind.
Anmerkung 16.1. Man kann zeigen, dass die stabilen und die instabilen Man-
nigfaltigkeiten eindeutig (vgl. [92], S.114) sind. Zentrumsmannigfaltigkeiten
Wc kann es aber mehrere geben. In dieser Mehrdeutigkeit liegt ein wichtiger
Unterschied zwischen linearen und nichtlinearen Systemen.
Anmerkung 16.2. Die instabilen linearen Mannigfaltigkeiten Eu unterschei-
den sich von denen des nichtlinearen Systems Wu . Während Lösungen aus
Eu divergieren und gegen Unendlich streben (also außerhalb des Gültigkeits-
bereiches des zu Grunde liegenden Modells führen), können Lösungen, die in
Wu beginnen auch beschränkt bleiben.

Abb. 16.1. Stabile und instabile Mannigfaltigkeiten eines nichtlinearen und des
entsprechenden linearisierten Systems.

Beispiel 16.3. Dazu betrachten wir das Beispiel (vgl. [92]):


ẋ1 = x21 , (16.16)
ẋ2 = −x2 . (16.17)
Die stabile Mannigfaltigkeit Es des linearisierten Systems ist die x2 -Achse
und die Zentrumsmannigfaltigkeit Ec des linearisierten Systems die x1 -Achse
(vgl. 16.2).
Die stabile Mannigfaltigkeit Ws ist ebenfalls die x2 -Achse.
Eine Zentrumsmannigfaltigkeit Wc ist die x1 -Achse.
In Abb. 16.2 sind weitere Zentrumsmannigfaltigkeiten des nichtlinearen Sy-
stems gezeigt. Man erkennt, dass es für x1 < 0 unendlich viele Zentrumsman-
nigfaltigkeiten gibt. Die Zentrumsmannigfaltigkeit ist also nicht eindeutig.
324 16 Phänomene nichtlinearer dynamischer Systeme

Anmerkung 16.4. Man könnte auf Grund des Satzes der Mannigfaltigkeiten
vermuten, dass die Lösungen eines nichtlinearen Systems denen des linearen
Systems in der Umgebung eines singulären Punktes ähneln. Für den Fall, dass
das linearisierte System keine Eigenwerte mit verschwindendem Realteil be-
sitzt, stimmt das auch in der Nähe des singulären Punktes, was durch den Satz
von Hartman und Grobman (s. u.) gezeigt wird. Ein Unterschied besteht in
der Beschränktheit der Lösungen: Lösungen auf der instabilen Mannigfaltig-
keit Eu des linearisierten Systems sind immer unbeschränkt (ausgenommen
ist natürlich der singuläre Punkt); Lösungen auf der instabilen Mannigfal-
tigkeit Wu des nichtlinearen Systems müssen nicht unbeschränkt sein. Falls
allerdings Eigenwerte mit verschwindendem Realteil existieren, so können die
Lösungen für den nichtlinearen Fall im Gegensatz zum linearen Fall verwickelt
aussehen.

Abb. 16.2. Stabile Mannigfaltigkeiten und Zentrumsmannigfaltigkeiten eines nicht-


linearen und des entsprechenden linearisierten Systems.

Satz von Hartman-Grobman Gegeben sei das nichtlineare Differential-


gleichungssystem

ẋ = Ax + f (x) (16.18)
mit x ∈ IRn , A ∈ IRn × IRn .
Der Ursprung x0 = 0 sei ein isolierter singulärer Punkt. Die Funktion f
sei hinreichend glatt.
Weiter gelte: - -
-f (x)-
lim = 0. (16.19)

x
→0 x
16.1 Singuläre Punkte und invariante Mannigfaltigkeiten 325

Die Matrix A hat keinen Eigenwert mit verschwindendem Realteil. Dann


gibt es einen Homöomorphismus3 φ, eine Umgebung U von x0 und ein
Intervall I ⊂ IR. Der Homöomorphismus bildet für t ∈ I die Lösungen
des nichtlinearen Systems auf die Lösungen des linearen Systems in der
Umgebung U ab.

Anmerkung 16.5.

• Um den Satz nicht mit zu vielen mathematischen Details zu überladen,


wurde bewusst eine schwache Formulierung gewählt.
• Es sei A die Matrix des linearisierten Systems zum singulären Punkt x0 .
Hat A keine Eigenwerte mit verschwindendem Realteil, so heißt x0 hyper-
bolischer singulärer Punkt.
• Das Verhalten der Lösungen nichtlinearer Differentialgleichungssysteme
in der Umgebung hyperbolischer singulärer Punkte ist dem Verhalten der
Lösungen des zugeordneten linearen Systems ähnlich. Es ist bei den Lösun-
gen der nichtlinearen Systeme also kein qualitativ anderes Verhalten in
einer Umgebung hyperbolischer singulärer Punkte zu erwarten als bei den
linearen Systemen.
• In einigen MKS-Programmen gibt es die Möglichkeit, nichtlineare Modelle
automatisiert zu linearisieren. Falls man mit diesen so erhaltenen lineari-
sierten Modellen weiterarbeitet, sollte man sicher sein, dass die Linearisie-
rung nicht an einem nicht hyperbolischen Punkt durchgeführt wurde.
• Im Folgenden sehen wir uns die allgemeinen Lösungen eines linearen Diffe-
rentialgleichungssytems an; diese sind ähnlich (homöomorph) den Lösun-
gen des entsprechenden nichtlinearen Systems, falls die Linearisierung an
einem hyperbolischen, singulären Punkt durchgeführt wurde.
Mit Hilfe einer geeigneten linearen Transformation C kann man die Matrix
A auf die sogenannte Jordansche Normalform bringen (vgl. [116], S. 123).
Das charakteristische Polynom

p(λ) = det(A − λE) (16.20)

vom Grad n habe die Nullstellen λi der Vielfachheit ni , i = 1, . . . N . (Es gilt


*
N
also ni = n). Dann gibt es eine nicht singuläre Transformationsmatrix
i=1
C mit:
B = C −1 AC. (16.21)
Die Matrix B hat die Gestalt:

3
Ein Homöomorphismus ist eine bijektive (also umkehrbare) stetige Abbildung,
deren Umkehrabbildung ebenfalls stetig ist.
326 16 Phänomene nichtlinearer dynamischer Systeme
⎛ ⎞
J1
⎜ ⎟
⎜ J2 ⎟
B=⎜
⎜ ..
⎟ ,
⎟ (16.22)
⎝ . ⎠
JN

wobei jeder der Jordan-Kästen Ji einer quadratischen ni × ni -Matrix der


Form ⎛ ⎞
λi 1 0 ··· 0
⎜ 0 λi 1 0 · · · 0 ⎟
⎜ ⎟
⎜ .. . . . . . . . . .. ⎟
⎜ . . . . . . ⎟
Ji = ⎜ ⎟ (16.23)
⎜ 0 · · · 0 λi 1 0 ⎟
⎜ ⎟
⎝ 0 ... 0 λi 1 ⎠
0 ... 0 λi
entspricht.
Ein Hauptsystem Z i (t) für einen Jordan-Kasten lässt sich in Form einer
ni × ni -Matrix schreiben als:
⎛ ⎞
1 t 2! t · · · (ni −1)!
1 2 1
tni −1
⎜0 1 t ··· 1 ni −2 ⎟
⎜ (ni −2)! t ⎟

λi t ⎜ . .

Z i (t) = e ⎜ .. . . 1 · · · 1 ni −3 ⎟
⎟ . (16.24)
t
⎜ (ni −3)! ⎟
⎝0 ··· 0 1 t ⎠
0 ··· 0 1

Das Hauptsystem des gesamten Differentialgleichungssystems setzt sich


aus den Hauptsystemen aller Jordan-Kästen zusammen, so dass sich eine
allgemeine Lösung darstellen lässt als:

z(t) = Z c. (16.25)

Hier ist Z die Zusammenfassung aller Z i und c ein Tupel mit n Kompo-
nenten, die die Koeffizienten der einzelnen Lösungsanteile darstellen.

Falls ein singulärer Punkt nicht hyperbolisch ist, so kann das Verhalten der
Lösungen sehr verwickelt sein. In Abb. 16.3 sind einige Lösungen des Diffe-
rentialgleichungssystems

x1 = x21 , (16.26)
x2 = −x2 (16.27)

schwarz gestrichelt im Vergleich zu den Lösungen des linearisierten Systems


(graue, senkrechte Linien) dargestellt.
Die Lösungen in der Umgebung nicht hyperbolischer Punkte kann man im
Zweidimensionalen (also zwei Differentialgleichungen 1. Ordnung) charakte-
risieren durch Sektoren unterschiedlichen Typs. Die Lösungen verlaufen in
16.1 Singuläre Punkte und invariante Mannigfaltigkeiten 327

Abb. 16.3. Stabile Mannigfaltigkeiten und Zentrumsmannigfaltigkeiten eines nicht-


linearen und des entsprechenden linearisierten Systems.

Abb. 16.4. Lösungsverhalten in der Umgebung nicht hyperbolischer singulärer


Punkte.

der Umgebung der singulären Punkte innerhalb von Sektoren, die von den
Lösungen nicht verlassen werden. Die Sektoren werden durch Separatrizen
(Singular: Separatrix) getrennt. Innerhalb eines Sektors gibt es qualitativ drei
Verlaufsmöglichkeiten: hyperbolisch, parabolisch und elliptisch.
In Abb. 16.4 sind qualitativ Lösungen in einem hyperbolischen, einem para-
bolischen und einem elliptischen Sektor dargestellt (Teilbild a), b) bzw. c)).
In Teilbild d) erkennt man wie das Lösungsverhalten in einem Teil der Um-
gebung eines nichthyperbolischen singulären Punkts aussehen kann.
An diesem Beispiel wird deutlich, dass das Verhalten in der Umgebung nich-
thyperbolischer, singulärer Punkte nicht dem Verhalten des linearisierten Sy-
stems ähneln kann.
328 16 Phänomene nichtlinearer dynamischer Systeme

16.2 Bifurkationen
Bisher wurden Differentialgleichungssysteme mit einem festen Parametersatz
behandelt. Eine Frage, die sich jedem Ingenieur in der Praxis stellt, ist die,
wie sich die Lösungen bei veränderten Parametern verhalten. Parameter, die
verändert werden, können zum Beispiel Dämpfungskonstanten oder Steifigkei-
ten sein. Wir wenden uns zunächst linearen Systemen zu. Bei diesen ändern

Abb. 16.5. Zweimassenschwinger.

sich die Eigenwerte und Eigenvektoren in Abhängigkeit von den Parametern.


Eine qualitative Änderung des Systemverhaltens tritt bei Änderung der Re-
alteile auf. Wechselt der Realteil eines Eigenwertes das Vorzeichen vom Ne-
gativen in das Positive, so wird das System instabil. Die Lösungen sind nicht
mehr beschränkt.
Ebenso ändern sich die Eigenschwingungsformen bei Änderung der Parame-
ter.
Dies wird am folgenden Beispiel klar.
Beispiel 16.6. Wir betrachten im Folgenden den in Abb. 16.5 skizzierten Zwei-
massenschwinger.
Die Parameter sind: m1 = 1kg, m2 = 1kg, k1 = 1 N m , k = 0, 5 m , k2 ∈
N
2 3
0, 01 N N
m, 5m .
Das zugehörige Differentialgleichungssystem

m1 ẍ1 + k1 x1 + k(x1 − x2 ) = 0 (16.28)


m2 ẍ2 + k2 x2 + k(x2 − x1 ) = 0 (16.29)

wird mit Hilfe eines Exponentialansatzes (x1 , x2 ) = (x̂1 , x̂2 )eiωt gelöst. Das
führt auf das algebraische Gleichungssystem
16.2 Bifurkationen 329
    
−m1 ω 2 + k1 + k −k x̂1 0
= . (16.30)
−k − m2 ω 2 + k2 + k x̂2 0
  
=S

Aus dem Verschwinden der Determinante der Systemmatrix S folgt:

2 k2 + k k1 + k
ω1,2 = + (16.31)
2m 2m1
 2 2
m1 (k2 + k) + m2 (k1 + k) (k1 + k)(k2 + k) − k 2
± − .
2m1 m2 m1 m2

Die Quadrate der Eigenfrequenzen als Funktion der Steifigkeit k2 sind in Abb.
16.6 gezeigt. Jedem Vorzeichen vor dem Wurzelausdruck in (16.31) ist eine
Eigenwertkurve zugeordnet. Diese Eigenwertkurven haben charakteristische
Eigenschaften:

• Die Eigenwerte verhalten sich für kleine und für große Werte von k2
annähernd linear (Geraden in Abb. 16.6). Bemerkenswert dabei ist, dass
sich eine Gerade ergibt, die das Verhalten der unteren Eigenwertkurve im
Bereich für kleine Werte von k2 und das der oberen Eigenwertkurve im Be-
reich für große Werte von k2 annähert. Entsprechendes gilt für die andere
Gerade.
• Die Eigenformen (die durch die kleinen Pfeile in Amplitude und Phase
angedeutet werden) lassen sich durch zwei Eigenschaften charakterisieren:
bei den Eigenformen auf der oberen Eigenwertkurve schwingen die Massen
gegenphasig, auf der unteren gleichphasig; die Eigenformen für die Eigen-
werte in der Nähe der steileren Gerade werden durch große Amplituden
der Masse m2 und die der anderen Geraden durch große Amplituden der
Masse m1 bestimmt.

Dieses Phänomen, dass die charakteristischen Eigenschaften der Eigenformen


(große Amplitude von einer der beiden Massen) von einer Eigenwertkurve
auf die andere springen und die Eigenwertkurven ausweichen, ist typisch und
häufig zu beobachten (weitere Beispiele finden sich in [44]; erste Arbeiten
gehen zurück auf [66], [60] und [91]).

Für den Ingenieur hat dieses Phänomen die Konsequenz, dass die Interpreta-
tion von Eigenschwingungen lediglich auf der Basis einer Eigenwertkurve zu
Fehleinschätzungen führen kann.
Ist das Ziel zum Beispiel, Torsionsschwingungen einer Struktur in Abhängig-
keit von einem Parameter zu untersuchen, so muss man immer im Auge haben,
dass die Eigenform der Torsion nicht zwangsläufig zu einer Eigenwertkurve
gehört, sondern diese im Bereich eines Ausweichens von Eigenwertkurven von
einer Kurve auf die andere springen kann. Im Automobilbereich tritt diese
330 16 Phänomene nichtlinearer dynamischer Systeme

Abb. 16.6. Ausweichen von Eigenwertkurven und Vertauschen der Eigenformen.

Phänomen bei der Berechnung von Eingenformen für Rohkarosserien zu Ta-


ge.
Das Verhalten nichtlinearer Systeme lässt sich leider nicht so einfach charak-
terisieren wie das der linearen Systeme. Eine Schwierigkeit bei nichtlinearen
Systemen ist, dass es keinen Sinn macht, Eigenwerte und Eigenformen zu
berechnen, da es diese nicht gibt. Um Aussagen über nichtlineare Systeme
zu erhalten, kann man allerdings Linearisierungen vornehmen. In der Um-
gebung hyperbolischer singulärer Punkte ist das Verhalten des nichtlinearen
Systems dem des linearisierten nach dem Satz von Hartman-Grobman ähnlich.
Verändert man Parameter des nichtlinearen Systems und bleibt ein singulärer
Punkt hyperbolisch, so kann man die Ähnlichkeit zwischen linearen und nicht-
linearen Systemen weiterhin nutzen. Es gibt allerdings Fälle, in denen sich die
singulären Punkte qualitativ bei Parametervariationen ändern.
So kann zum Beispiel die Hyperbolizität verloren gehen, was sich in einem
veränderten Lösungsverhalten bemerkbar macht (darüber hinaus kann man
den Satz von Hartman-Grobman nicht mehr anwenden).
Wir sehen uns im Folgenden drei prinzipielle Arten von Bifurkationen an:
Sattelpunkt-Bifurkation, transkritische Bifurkation und Heugabel- (Pitch-
fork)-Bifurkation (aus [92]).
Beispiel 16.7. Sattelpunkt-Bifurkation
Wir betrachten die Differentialgleichung

ẋ = µ − x2 . (16.32)

Hier ist µ der Parameter, dessen Änderung zu unterschiedlichem Lösungsver-


halten führt.
Für µ < 0 gibt es keinen singulären Punkt 4 , denn x ist immer rein reell.
Für µ = 0 gibt es den singulären Punkt xs = 0 und für µ > 0 gibt es zwei
4
Die rechte Seite der Differentialgleichung verschwindet beim singulären Punkt.
Der singuläre Punkt ist eine zeitunabhängige Lösung der Differentialgleichung.
16.2 Bifurkationen 331

Abb. 16.7. Bifurkationen.

√ √
singuläre Punkte xs1 = µ und xs2 = − µ.
Die Phasendiagramme (dies sind für den hier dargestellten einfachen Fall Dia-
gramme mit einer Achse) sind zusammen mit den Kurven, auf denen die sin-
gulären Punkte liegen, in Abb. 16.7 a) dargestellt.
Für µ < 0 gibt es keinen singulären Punkt. Für µ = 0 gibt es einen singulären
Punkt xs = 0. Für µ = 0 ist auch die Ableitung der rechten Seite nach x
an der Stelle xs = 0 des singulären Punktes null. Dargestellt ist für den Fall
µ = 0 die Zentrumsmannigfaltigkeit Wc .
Für µ > 0 sind die stabile und die instabile Mannigfaltigkeit Ws und Wu
(wegen der besseren Übersichtlichkeit für zwei verschiedene Werte von µ) dar-

gestellt). Man erkennt, dass der singuläre
3 Punkt xs2 = − µ instabil ist. Die
√ 3 √
instabile Mannigfaltigkeit ist Wu = −∞, µ . Der 3 √singuläre
2 Punkt xs1 = µ
ist stabil, die stabile Mannigfaltigkeit ist Ws = − µ, ∞ .

Beispiel 16.8. Transkritische Bifurkation


Die Differentialgleichung
ẋ = µx − x2 (16.33)
zeigt eine transkritische Bifurkation.
Sowohl für negative als auch für positive Werte von µ gibt es jeweils zwei
singuläre Punkte bei xs1 = 0 und bei xs2 = µ. Die Ableitungen der rechten
Seite f (x) = µx − x2 nach x bei den singulären Punkten ist:

∂f
= µ, (16.34)
∂x x=xs1

∂f
= −µ. (16.35)
∂x x=xs2

Für positive Werte von µ ist der singuläre Punkt xs1 = 0 instabil, für negative
Werte von µ stabil. Der singuläre Punkt xs2 = µ ist instabil für negative Wer-
te von µ und stabil für positive Werte. Die Kurven, auf denen die singulären
Punkte liegen sind in Abb. 16.7 b) dargestellt: gestrichelt die instabilen und
durchgezogen die stabilen singulären Punkte.
Eine Zentrumsmannigfaltigkeit gibt es lediglich für µ = 0 (der zugehörige
332 16 Phänomene nichtlinearer dynamischer Systeme

Phasenfluss ist grün dargestellt). Für µ = 0 gibt es jeweils eine stabile Man-
nigfaltigkeit Ws und eine instabile Mannigfaltigkeit Wu . Diese sind ebenfalls
in 16.7 b) dargestellt.

Beispiel 16.9. Pitchfork-Bifurkation


Die Differentialgleichung
ẋ = µx − x3 (16.36)
zeigt das Verhalten einer Pitchfork-Bifurkation.
Für Werte µ ≤ 0 gibt es lediglich einen singulären Punkt xs1 = 0. Für positive
√ √
Werte existieren drei singuläre Punkte xs1 = 0, xs2 = µ und xs3 = − µ.
Der singuläre Punkt xs1 = 0 ist stabil für µ < 0 und instabil für µ > 0. Die
Ableitung der rechten Seite f (x) = µx − x3 an der Stelle xs1 = 0 für µ = 0
verschwindet.
√ √
Die singulären Punkte xs2 = µ und xs3 = − µ sind stabil. In den Diagram-
men 16.7 c) sind die stabilen singulären Punkte mit Hilfe der durchgezogenen
Linie und die instabilen singulären Punkte durch die gestrichelte Linie darge-
stellt.

Anmerkung 16.10.

• Die Punkte, bei denen die rechte Seite des Differentialgleichungssystems


verschwindet, werden auch als Gleichgewichtspunkte bezeichnet. In der
englischsprachigen Literatur heißen diese Punkte auch critical points oder
equilibrium points.
• Erweitert man die Differentialgleichung aus den Beispielen um eine Glei-
chung ẏ = −y, so erhält man entsprechende Phasendiagramme im Zwei-
dimensionalen.
• In den bisherigen Beispielen traten lediglich rein reelle Eigenwerte auf. Bei
dem Differentialgleichungssystem

ẋ1 = −x22 + x1 (µ − x21 − x22 ) (16.37)


ẋ2 = x1 + x2 (µ − x21 − x22 ) (16.38)

erkennt man an der Jacobi-Matrix der rechten Seite für den einzigen sin-
gulären Punkt (x1 , x2 ) = (0, 0)
 
∂fi µ −1
= , (16.39)
∂xj 1 µ
(x1 ,x2 )=(0,0)

dass für µ = 0 zwei rein imaginäre Eigenwerte auftauchen. Das System


kann umgeschrieben werden:

ṙ = r(µ − r2 ),
(16.40)
θ̇ = 1 ,

wobei
16.2 Bifurkationen 333

x = r cos θ,
(16.41)
y = r sin θ
gilt.
• Man erkennt, dass sich das Lösungsverhalten von Differentialgleichungs-
systemen bei Parameteränderungen qualitativ deutlich ändern kann. Dies
sollte dem Anwender von Programmen zur Berechnung von MKS-Systemen
stets bewusst sein, um ein auf den ersten Blick ungewöhnliches Verhalten
besser einschätzen zu können.
Zum Abschluss dieses Abschnitts wird der gedämpfte Duffing-Oszillator be-
handelt. Dieser wird beschrieben durch die Differentialgleichung:
mẍ + bẋ + k1 x + k3 x3 = F0 cos ωt , (16.42)
wobei hier die Parameter folgendermaßen gewählt werden: m = 400kg,
m , k3 = 20 · 10 m3 , F0 = 1, 6kN ,
b = 400 Nms , k1 = 40 kN 6 N

ω ∈ [10rad/s, 30rad/s].
In der Literatur findet man den Duffing-Oszillator häufig in dimensionsloser
Schreibweise. Wir bevorzugen hier die Darstellung mit dimensionsbehafte-
ten Größen. Die Differentialgleichung beschreibt einen Einmassenschwinger
mit nichtlinearer Steifigkeitskennlinie. Die Eigenfrequenz des linearisierten
Systems ist ω0 = 10rad/s (f ≈ 1,6 Hz). Dieses Modell beschreibt die ver-
tikalen Aufbauschwingungen eines Fahrzeugs. Der nichtlineare Anteil scheint
mit k3 = 20 · 106 m N
3 sehr groß zu sein. Wenn man von Amplituden in der

Größenordnung von 10−2 m ausgeht, so erhält man Kräfte vom linearen Stei-
figkeitsanteil in der Größenordnung von 400 N und vom nichtlinearen Anteil
in der Größenordnung von 20 N. Der Kraftanteil der Nichtlinearität liegt also
bei 5%.
Die Differentialgleichung erfüllt die Voraussetzungen von Existenz- und Ein-
deutigkeitssätzen; es existieren zu gegebenen Anfangsbedingungen immer ein-
deutige Lösungen. Im Folgenden betrachten wir zwei Lösungen der Differenti-
algleichung zu gegebener Amplitude F0 und zu gegebener Anregungsfrequenz
ω. Die Lösungen gehören zu unterschiedlichen Anfangsbedingungen.
Beispiel 16.11. In diesem Beispiel wird klar, dass die Amplituden der Lösun-
gen nichtlinearer Differentialgleichungen bei harmonischer Anregung abhängig
von den Anfangswerten sehr unterschiedlich sein können. Bei linearen Syste-
men ist die Amplitude der Lösung bei harmonischer Anregung eine Funkti-
on der anregenden Frequenz und der Anregungsamplitude, nicht jedoch eine
Funktion der Anfangsbedingungen. In Abb. 16.8 sind die Amplituden der
Schwingungen bei harmonischer Anregung durch violettfarbene Punkte ge-
kennzeichnet. Man erkennt, dass es für einige Frequenzen zwei Amplituden
gibt. Je nach Anfangsbedingungen für die Geschwindigkeit oder die Auslen-
kung stellen sich unterschiedliche Amplituden ein. Theoretisch gibt es für eine
Frequenz drei mögliche Amplituden. Da die dritte Amplitude, die zwischen
den beiden dargestellten liegt, zu einer instabilen Lösung gehören, spielt diese
Lösung praktisch keine Rolle.
334 16 Phänomene nichtlinearer dynamischer Systeme

Abb. 16.8. Amplitude des Duffingoszillators bei harmonischer Anregung und bei
Sweep-Signal-Anregung; Näherungslösung.

Beispiel 16.12. In einem zweiten Beispiel wird die Frequenz der Anregung
zum einen von einem niedrigen Wert zu einem hohen Wert gesteigert und
zum anderen von dem gleichen hohen Wert auf den gleichen niedrigen Wert
vermindert (ω ∈ [0rad/s, 30rad/s]). An diesem Beispiel wird deutlich, wie die
Amplitude von einem möglichen Lösungsast auf einen anderen springt. Der
schwarz gestrichelte Ast in Abb. 16.8 entspricht der Erhöhung der Frequenz.
Man erkennt, dass die Amplitude bei 30 rad/s rasch auf einen kleinen Wert
fällt. Die grau gestrichelte Kurve entspricht dem Fall einer Verminderung der
Frequenz. Hier bleibt die Amplitude zunächst klein und springt dann bei etwas
15 rad/s auf die schwarz gestrichelte Kurve.
Beispiel 16.13. Im Folgenden bestimmen wir mit Hilfe eines sehr groben An-
satzes eine Näherungslösung.
Dazu setzen wir für die Lösung an:
x̃ = x0 cos(ω t − ϕ). (16.43)
Zunächst betrachten wir den Fall verschwindender Dämpfung b = 0.
Setzen wir (16.43) in (16.42) ein, so erhalten wir für das Residuum R[x̃]:
R[x̃] = −x0 mω 2 cos(ωt − ϕ) + k1 x0 cos(ωt − ϕ)
+k3 x30 cos3 (ωt − ϕ) − F0 cos(ωt) . (16.44)
Die Projektion des Residuums auf die Ansatzfunktionen cos(ωt − ϕ) und
sin(ωt − ϕ) ergibt Gleichungen für x0 und für ϕ:
t= 2π
 ω

0= R[x̃] cos(ωt − ϕ)dt , (16.45)


0
t= 2π
 ω

0= R[x̃] sin(ωt − ϕ)dt . (16.46)


0
16.2 Bifurkationen 335

Aus der letzten Gleichung folgt unmittelbar ϕ = 0.


Zur Lösung der ersten Gleichung bestimmen wir zunächst die folgenden Inte-
grale:
t= 2π t= 2π
 ω  ω
1
cos (ωt − ϕ)dt =
2
(1 + cos(2ωt − 2ϕ)dt
2
0 0
π
= , (16.47)
ω
t= 2π t= 2π
ω ω
1
cos (ωt − ϕ)dt =
4
(1 + cos(2ωt − 2ϕ))
4
0 0
(1 + cos(2ωt − 2ϕ))dt
π
= . (16.48)

Die erste Gleichung führt also auf:
π π π
0 = −x0 mπω + k1 x0 + k3 x30 − F0 . (16.49)
ω 2ω ω
Dies ist ein Polynom dritten Grades für die Amplitude x0 :
−2mω 2 + 2k1 2F0
0 = x30 + x0 − . (16.50)
k3 k3
Für die freien Schwingungen (F0 = 0) erhält man

2(mω 2 − k1 )
x0 = . (16.51)
k3
Es fällt folgendes auf:
• Im Gegensatz zu linearen Systemen erkennt man, dass die Amplitude der
freien Schwingung eine Funktion der Kreisfrequenz ω ist.
• Für sehr kleine
% Amplituden nähert sich die Kreisfrequenz ω der Eigenfre-
quenz ω0 = km1 des linearen Systems an.
• Man nennt diese Kurve x0 = x0 (ω) Rückgratkurve (backbone-curve).
Für die erzwungenen Schwingungen F0 = 0 hängt es vom Vorzeichen des
linearen Gliedes und von der Größe der Anregung ab, ob es eine, zwei oder
drei Lösungen für eine Anregungskreisfrequenz gibt.
Prinzipiell ist dies in Abb. 16.9 erkennbar. Dort ist die Kurve
−2mω 2 + 2k1 2F0
f (x0 ) = x30 + x0 − (16.52)
k3 k3
für unterschiedliche Werte von F0 und festes ω dargestellt. Die Schnittpunk-
te mit der Abzisse sind die Lösungen für die Amplitude x0 . Die Größe der
Anregung ist eine Verschiebung in Ordinatenrichtung.
336 16 Phänomene nichtlinearer dynamischer Systeme

Anmerkung 16.14.

• Bei diesem nichtlinearen System gibt es also abhängig von der Anregungs-
frequenz und von der Anregungsamplitude eine, zwei (als Grenzfall) oder
drei Amplituden der erregten Schwingung.
• Ist die Anregungsfrequenz genügend groß, so gibt es immer (in dem un-
gedämpften Fall unterhalb einer Schranke für F0 ) drei Amplituden.
• Die Schwingung, die zu der mittleren Frequenz gehört, ist instabil.
• Im Falle des gedämpften Systems ist das Verhalten ähnlich. Die mögli-
chen Amplituden und Kreisfrequenzen sind in Abb. 16.8 dargestellt. Man
erkennt hier, dass es drei Lösungen lediglich in einem beschränkten In-
tervall der Kreisfrequenz ω gibt. An dieser Abbildung werden auch die
Sprungphänomene aus den ersten beiden Beispielen klar.

Auf Grund des Dämpfungsterms x0 bω sin(ωt − ϕ) erhält man aus der Projek-
tion des Residuum sin(ωt − ϕ) nicht ϕ = 0 sondern:

t= 2π
 ω

0= −x0 bω sin2 (ωt − ϕ)
0
−F0 cos ωt(sin ωt cos ϕ − cos ωt sin ϕ)) dt
π
= −x0 bπ + F0 sin ϕ . (16.53)
ω
Man erkennt,

• dass die Phasenverschiebung von der Amplitude abhängt und


• dass die Amplitude x0 maximal den Wert F0 /(ωb) annehmen kann.

Die Projektion des Residuum auf cos(ωt − ϕ) ergibt:


π π π π
0 = −x0 mω 2 + k1 x0 + k3 x30 − F0 cos ϕ. (16.54)
ω ω 2ω ω
In diesem Ausdruck ersetzen wir cos ϕ durch sin ϕ und erhalten

1 (x0 bω)2
0 = k3 x30 + x0 (k1 − mω 2 ) − F0 1 − . (16.55)
2 F02

Dies ist bis auf den letzten Term das gleiche Polynom wie für den ungedämpf-
ten Fall. Die Lösungen für unterschiedliche Werte von ω sind in Abb. 16.9 als
Kurve dargestellt. In einem mittleren Frequenzintervall erkennt man die drei
Lösungen.
16.3 Super- und subharmonische Schwingungen 337

Abb. 16.9. Die Schnittpunkte mit der x-Achse ergeben die möglichen Amplituden.

16.3 Super- und subharmonische Schwingungen


In diesem Abschnitt betrachten wir am Beispiel der Duffingschen Differenti-
algleichung super- und subharmonische Schwingungen.
Wir gehen aus von der linearen Differentialgleichung

ẍ + x = p0 cos 3t. (16.56)

Die allgemeine Lösung dieser Differentialgleichung lautet:


1
x(t) = p0 cos 3t + A cos t + B sin t. (16.57)
8
Man erkennt an der Lösung des linearen Systems, dass subharmonische
Schwingungen (hier die Lösungsanteile cos t und sin t) auftreten können. Die-
ses System ist allerdings ungedämpft, was für technische Systeme ungewöhn-
lich ist. Geht man über zu nichtlinearen und gedämpften Systemen, so kann
es vorkommen, dass die subharmonischen Schwingungen trotz Dämpfung er-
halten bleiben, dass also der Effekt der Dämpfung durch die Nichtlinearität
aufgehoben wird.
Wir betrachten die nichtlineare Differentialgleichung

ẍ + εδ ẋ + x + εx3 = p0 cos(ηt) (16.58)

mit
η = 3 + εα. (16.59)
Der Parameter ε ist klein (z. B. ε = 0, 05). Wir geben die Lösungen dieser
nichtlinearen Differentialgleichung mit Hilfe eines Ansatzes aus der Störungs-
rechnung an.
Zu diesem Zweck schreiben wir die Differentialgleichung mit der Transforma-
tion
 d
ηt = τ , (·) = (16.60)

um. Es folgt:
338 16 Phänomene nichtlinearer dynamischer Systeme

(3 + αε)2 x + εδ(3 + εα)x + x + εx3 = p0 cos τ. (16.61)

Die Differentialgleichung wird also etwa mit der dreifachen Resonanzfrequenz


(genau mit der ((3 + αε)-ten)) des linearen Systems angeregt.
Die Größe α wird in der folgenden Rechnung bestimmt.
Im Rahmen der Störungsrechnung setzen wir für die Lösung an:

x(τ ) = x0 (τ ) + εx1 (τ ) + ε2 x2 (τ ) + . . . . (16.62)

Dieser Ansatz wird eingesetzt in die nichtlineare Differentialgleichung und die


einzelnen Terme mit ε0 , ε1 , ε2 werden jeder für sich gleich null gesetzt:

ε0 : 32 x0 + x0 = p0 cos τ, (16.63)
 
1 2
ε : 3 x1 + x1 = −3δx0 − 6αx0 − x30 . (16.64)

Zunächst werden die Lösungen der Differentialgleichung für ε0 bestimmt. Die-


se ergeben die rechte Seite der Differentialgleichung für die ε1 -Terme.
Die Lösungen für die ε0 -Terme ergeben:
1 1 1
x0 (τ ) = − p0 cos τ + A cos τ + B sin τ. (16.65)
8 3 3
Einsetzen in die Terme für ε1 ergibt Resonanzterme, da im Ausdruck für x0
Terme cos 13 τ und sin 13 τ vorkommen, die Eigenschwingungen der homogenen
Differentialgleichung der ε1 -Terme darstellen. Damit es nicht zu Singularitäten
im Falle der Resonanz kommt, müssen diese Resonanzterme verschwinden. Die
Resonanzterme sind:
1 1
cos τ : − (288A3 + 288AB 2 − 36A2 p0 (16.66)
3 384
+36B 2 p0 + 9AB 2 p0 − 256Aα + 384Bδ)
1 1
sin τ : − (288A2 B + 288B 3 + 72ABp0 (16.67)
3 384
+9Bp20 − 256Bα − 384Aδ).

Dies sind zwei Gleichungen für δ und α, also für die Größe der Dämpfung und
für die Abweichung von der (dimensionslosen) Frequenz 3.
Die Lösungen lauten:

3 3A2 − B 2
δ= Bp0 2 , (16.68)
32 A + B2
9 9 2 9 A2 − 3B 2
α = (A2 + B 2 ) + p0 − Ap0 2 . (16.69)
8 256 64 A + B2
Wählt man Werte für p0 , ε, A und B so ergeben sich α und δ und damit η
so, dass die Differentialgleichung, die sich aus diesen Werten ergibt, subhar-
monische Schwingungen aufweist.
16.3 Super- und subharmonische Schwingungen 339

Ein ähnliches Vorgehen führt auf superharmonische Schwingungen.


Wir gehen wieder aus von der nichtlinearen Differentialgleichung
ẍ + εδ ẋ + x + εx3 = p0 cos ηt (16.70)
mit
1
η= + εα , (16.71)
3

transformieren die Zeit ηt = τ , (·) = ddτ (·), und erhalten
 2  
1 1
+ εα x + εδ + εα x + x + εx3 = p0 cos τ. (16.72)
3 3
Wie bei der Herleitung der subharmonischen Lösung setzen wir an
x(τ ) = x0 (τ ) + εx1 (τ ) + . . . (16.73)
und erhalten:
1 
ε0 : x + x0 = p0 cos τ , (16.74)
32 0
1  1 2 
ε1 : 2 x1 + x1 = − δx0 − αx0 − x30 . (16.75)
3 3 3
Die Differentialgleichung für die ε0 -Terme wird durch
9
x0 (τ ) = p0 cos τ + A cos 3τ + B sin 3τ (16.76)
8
gelöst.
Setzt man dies in die Differentialgleichung für die ε1 -Terme ein, so erzeugen
die sin 3τ - und cos 3τ -Terme Resonanz.
Die Koeffizienten vor diesen Gliedern müssen verschwinden:
1
cos 3τ : − (1536A3 + 1536AB 2 − 3888Ap20 + 729p30 (16.77)
2048
−12288Aα + 2048Bδ)
1
sin 3τ : − (96A2 B + 96B 3 + 243Bp20 (16.78)
128
−768Bα − 128Aδ).
Dies führt auf:
729 Bp30
δ=− , (16.79)
2048 A2 + B 2
A2 + B 2 81 2 243 Ap30
α= + p0 + . (16.80)
8 256 4096 A2 + B 2
Für p0 = 1, ε = 0, 05, A = 3, B = −1 erhält man langsam abklingende dritte
Oberschwingungen.
Anmerkung 16.15. Das Auftreten der sub- und superharmonischen Schwin-
gungen ist nicht gekoppelt an noch nicht abgeklungene Einschwingvorgänge.
340 16 Phänomene nichtlinearer dynamischer Systeme

16.4 Attraktoren und deterministisches Chaos


In diesem Abschnitt werden wir den Begriff des Attraktors und des seltsamen
Attraktors vorstellen. Weiterhin werden wir Möglichkeiten erläutern, mit de-
ren Hilfe auf eventuell vorhandenes chaotisches Verhalten geschlossen werden
kann.
Für den zweidimensionalen Fall kann chaotisches Verhalten auf Grund des
Theorems von Poincare und Bendixson ausgeschlossen werden.
Wir gehen dieses Theorem hier lediglich in anschaulicher Weise (und nicht
streng mathematisch) an.
Betrachtet man eine beschränkte Lösung x ∈ IR2 des Differentialgleichungs-
systems
ẋ = f (x) (16.81)
für t ≥ 0, dann strebt x entweder gegen einen singulären Punkt oder x strebt
gegen einen Grenzzykel (eine geschlossene Kurve im IR2 ) oder x ist ein Grenz-
zykel).
Anmerkung 16.16.

• Der Satz von Poincare-Bendixson schließt im zweidimensionalen Fall chao-


tisches Verhalten aus.
• Für praktische, technische Anwendungen spielt der Satz eine untergeord-
nete Rolle, da es in der Technik kaum relevante Beispiele im zweidimen-
sionalen Raum gibt.
• Das angetriebene Pendel lässt sich als autonomes Differentialgleichungs-
system schreiben, wenn man als dritte Differentialgleichung

ṫ = 1 (16.82)

den anderen beiden Differentialgleichungen hinzufügt. Damit wird das an-


getriebene Pendel durch drei Differentialgleichungen 1. Ordnung beschrie-
ben. Der Satz von Poincare-Bendixson ist also nicht mehr anwendbar. Das
angetriebene Pendel kann chaotisches Verhalten zeigen (und bei bestimm-
ten Parametern tut es dieses auch).

• Auch auf den zwangserregten Duffings-Oszillator kann der Satz von Poin-
care-Bendixson nicht angewendet werden.
Wir wenden uns im Folgenden dem Begriff des Attraktors zu. Bei der Defini-
tion lehnen wir uns an [92] an. Wir gehen aus von dem Differentialgleichungs-
system
ẋ = f (x), (16.83)
wobei f ∈ C 1 (E), E ⊂ IRn eine offene Teilemenge ist.
Wir nennen eine Teilmenge S ⊂ E invariant in Bezug auf das Differentialglei-
chungssystem (16.83), wenn jede Lösung die in S beginnt auch in S bleibt.
16.4 Attraktoren und deterministisches Chaos 341

Man nennt eine abgeschlossene, invariante Teilmenge A ⊂ E eine Attraktor-


menge, wenn es eine Umgebung U von A gibt, so dass jede Lösung, die in
U beginnt, gegen A konvergiert. Ein Attraktor ist eine Attraktormenge, die
eine Lösung der Differentialgleichung enthält, wobei diese Lösung dicht in der
Attraktormenge liegt.

Beispiel 16.17. Das Differentialgleichungssystem

ẋ1 = −x1 , (16.84)


ẋ2 = −x2 (16.85)

hat einen singulären Puntk (0, 0). Dieser Punkt ist invariant, er bildet eine
abgeschlossene Teilmenge, jede Lösung konvergiert gegen diesen Punkt und
der singuläre Punkt ist als Lösung des Differentialgleichungssystems dicht.
Dies ist also ein Attraktor.

Beispiel 16.18. Das Differentialgleichungssystem

ṙ = r(µ − r2 ) , (16.86)
θ=1 (16.87)

hat für µ > 0 den Attraktor r = µ. In der kartesischen Darstellung des
Differentialgleichungssystem entspricht dieser Attraktor einem Kreis.

Beispiel 16.19. Betrachtet man das Differentialgleichungssystem aus dem vor-


herigen Beispiel in kartesischer Darstellung mit einer zusätzlichen, dritten
Gleichung

ẋ = −y + x(1 − x2 − y 2 ) , (16.88)
ẏ = x + y(1 − x2 − y 2 ) , (16.89)
ż = α , (16.90)

so hat dieses Differentialgleichungssystem als Attraktormenge einen Zylinder


mit dem Radius 1 (also µ = 1) in Richtung der z-Achse. Diese Attraktormenge
ist kein Attraktor, denn es gibt keine Lösung, die dicht in dieser Menge liegt.

Die bisher vorgestellten Attraktoren haben einfache Gestalt. Es gibt allerdings


Attraktoren, die sehr komplexe Gestalt aufweisen können. Diese Attraktoren
heißen seltsame Attraktoren (strange attractors). Seltsame Attraktoren lassen
sich folgendermaßen charakterisieren:
Eine Attraktormenge ist ein seltsamer Attraktor (vgl. [92]),
• wenn sie eine abzählbare Menge periodischer Lösungen mit beliebig langer
Periodendauer enthält,
• wenn sie eine abzählbare Menge nicht periodischer Lösungen enthält
• und wenn die Attraktormenge eine Lösung enthält, die dicht in der Menge
liegt.
342 16 Phänomene nichtlinearer dynamischer Systeme

Einer der ersten seltsamen Attraktoren, die in der Literatur erwähnt wur-
den, gehen zurück auf Lorenz (1963). Das zugehörige Differentialgleichungs-
system lautet:

ẋ = σ (y − x) , (16.91)
ẏ = ρx − y − xz , (16.92)
ż = −βz + xy. (16.93)

Dieses System hat für bestimmte Parameter einen seltsamen Attraktor (eine
Lösung des Systems ist in Abb. 16.10 dargestellt). Ein Hinweis auf chaotisches

Abb. 16.10. Lösungen der Lorenzschen Differentialgleichungen.

Verhalten gibt die Dimension des Attraktors. Seltsame Attraktoren haben i.


Allg. eine nicht ganzzahlige Dimension. Um die Dimension eines Attraktors zu
bestimmen, bedienen wir uns der Kapazitätsdimension (die für unsere Zwecke
mit der Hausdorff-Dimension zusammenfällt).
Gegeben sei eine Attraktormenge A ⊂ IRn . Die minimale Anzahl von n-
dimensionalen Kugeln mit dem Durchmesser , die diese Menge A abdecken
(also alle Elemente aus A sind in den Kugeln enthalten) sei N ( ). Dann ist
die Dimension der Attraktormenge

log N (( ))
D = − lim . (16.94)
→0 log ( )

Bei einer Linie gilt N ( ) ∼ −1 , die Dimension ist also 1.


Ein mögliches Merkmal chaotischen Verhaltens ist eine nicht ganzzahlige Di-
mension des Attraktors. So liegt die Dimension des Lorenz-Attraktors zwi-
schen 2 und 3.
Eine andere Möglichkeit, chaotisches Verhalten zu erkennen, besteht in der
Berechnung des Lyapunov-Exponenten. Anschaulich gibt dieser Exponent an,
16.4 Attraktoren und deterministisches Chaos 343

wie schnell sich zwei benachbarte Lösungen voneinander entfernen (vgl. Abb.
16.11). Wir lehnen uns an die Definition aus [100] an und betrachten infinitesi-

Abb. 16.11. Bestimmung des Lyapunov-Exponenten.

mal benachbarte Trajektorien x (t) und x̃ (t). Deren Differenz ist für t = 0 ein
Skalar ε (0) (im mehrdimensionalen Fall ist dies ein Tupel). Zum Zeitpunkt t
ist ε (t).
Betrachtet man den Abstand der Trajektorien x und x̃ zum Zeitpunkt t, so
ist dieser proportional einer Exponentialfunktion:

|ε (t)| ∼ eλm t für t → ∞. (16.95)

Um Aussagen über den Exponenten λm (den sogenannten Lyapunov-Expo-


nenten) zu bekommen, geht man numerisch so vor, dass man zu einem Start-
wert x (0) einen benachbarten Startwert x̃0 (0) mit dem Abstand ε wählt,
die beiden zugehörigen Trajektorien bis zu einem Zeitpunkt t = τ berechnet
und den Abstand ε (τ ) berechnet. Ausgehend von dem Wert x (τ ) wählt man
erneut einen benachbarten Startwert x̃1 (0) im Abstand ε und bestimmt aus-
gehend von diesen beiden Anfangswerten die Trajektorien bis t = 2τ .
Auch von diesen bestimmt man den Abstand ε (2τ ). Den zweiten benachbar-
ten Startwert x̃1 (0) erhält man aus x̃0 (τ ) durch Normierung:

x̃0 (τ ) − x (τ )
x̃1 (0) = ε + x (τ ) . (16.96)
|x̃0 (τ ) − x (τ )|

Man vermeidet so während der Rechnung einen Overflow-Fehler.


Man erhält auf diese Weise eine Folge ε0 = ε , ε1 = ε (τ ) , · · ·. Diese Folge
definiert eine Folge von Exponenten (i = 1, 2, ...)
 
1 εi
λi = ln . (16.97)
τ ε0

Der durchschnittliche Exponent


344 16 Phänomene nichtlinearer dynamischer Systeme

1
n
λm = lim λi (16.98)
n→∞ n
i=1

kann Aufschluss über das chaotische Verhalten geben. Ein Exponent größer
als 0 kann auf chaotisches Verhalten hindeuten.
Nach [100] ist die sogenannte Kolmogorov-Entropie ein hilfreiches Maß, um
chaotisches Verhalten festzustellen. Für eindimensionale Systeme stimmt die
Kolmogorov-Entropie mit dem positiven Lyapunov-Exponenten überein. Wei-
tere Hinweise auf chaotisches Verhalten geben die Autokorrelationfunktion
und die Fouriertransformierte.
Anmerkung 16.20.

• Die Frage, die sich dem Anwender stellt, ist die, ob das Auftreten chaoti-
schen Verhaltens Konsequenzen hat. Diese Frage muss positiv beantwor-
tet werden. Erregt man zum Beispiel ein System harmonisch und erwartet
lediglich eine harmonische Antwort (mit einigen Oberschwingungen), so
kann die Berechnung einiger Fourierkoeffizienten durch die Anwendung
eines FFT-Algorithmus und die anschließende Synthese des Signals an-
hand der Fourieranalyse zu unsinnigen Ergebnissen führen. Der Anwender
sollte daher die Antwort eines Systems z. B. mit Hilfe der Berechnung
des Lyapunov-Exponenten auf eventuell vorhandenes chaotisches Verhal-
ten hin überprüfen.
• Ebenso sollte man sich klar darüber sein, dass nahe beieinanderliegende
Startwerte in chaotischen Systemen nicht zwangsläufig zu nahe beieinander
liegenden Trajektorien führen.
• Da bei technischen Anwendungen die Startwerte i. Allg. selten exakt be-
kannt sind, ist eine genaue Vorhersage des Systemverhaltens bei chaoti-
schen Systemen nicht möglich.
• Chaotisches Verhalten tritt zwar in der Praxis selten auf, der Ingenieur
sollte aber durchaus einige Kenntnisse über dieses Verhalten besitzen, um
es besser einschätzen zu können.
Aus der Sicht der Anwendung sollte chaotisches Verhalten in technischen
Systemen vermieden werden, da die Systeme nicht leicht berechen- und
vorhersagbar sind.
Es gibt weitere Möglichkeiten um zu überprüfen, ob chaotisches Verhalten
vorliegt. So kann eine Fouriertransformation oder die Berechnung der Auto-
korrelationsfunktion eines Zeit- oder Messsignals Auskunft darüber geben, ob
chaotisches Verhalten wahrscheinlich vorliegt.
In Abb. 16.12 sind die Fouriertransformierten von zwei Zeitsignalen (eines
mit einer Länge von 100 s und eines mit einer Länge von 500 s) dargestellt.
Die Zeitsignale setzen sich aus zwei harmonischen Funktionen mit zwei unter-
schiedlichen Frequenzen zusammen. Man erkennt diese Frequenzen deutlich
in der Fouriertransformierten. Ebenso ist die Autokorrelationsfunktion darge-
stellt. Man erkennt, dass diese nicht abklingt.
16.4 Attraktoren und deterministisches Chaos 345

Abb. 16.12. Fouriertransformierte und Autokorrelationsfunktion eines Zeitsignals


mit zwei harmonischen Anteilen.

Im Gegensatz dazu ist in Abb. 16.13 das gleiche für die Komponente x einer
Lösung der Lorenzschen Differentialgleichungen dargestellt. Charakteristisch
für chaotisches Verhalten ist das Fehlen diskreter Frequenzanteile. Ebenso
charakteristisch ist der schnelle Abfall der Autokorrelationsfunktion.
346 16 Phänomene nichtlinearer dynamischer Systeme

Abb. 16.13. Fouriertransformierte und Autokorrelationsfunktion für die Kompo-


nente x einer Lösung der Lorenzschen Differentialgleichungen.
Literaturverzeichnis

1. Ahmed SR, Lührmann L (2005) Numerische Verfahren, in: Aerodynamik des


Automobils, W.-H. Hucho (Hrsg), 5. Aufl, ATZ/MTZ-Fachbuch, Vieweg, Wies-
baden, S 985–1052
2. Ammon D (2005) Vehicle dynamics analysis tasks and related tyre simulation
challenges. Veh Sys Dyn 43: 30–47
3. Antman SS (1995) Nonlinear Problems of Elasticity, New York, Springer
4. Apanovich V (1991) The Method of External Finite Element Approximation,
Minsk
5. Aubel T (1994) Simulationsverfahren zur Untersuchung der Wechselwirkungen
zwischen Reifen und nachgiebiger Fahrbahn auf der Basis der Finite Elemente
Methode, Dissertation, Universität der Bundeswehr, Hamburg
6. Becker AA (2003) Why Do Boundary Element Analysis, NAFEMS
7. Behrendt G, Weimar-Woods E (1990) Mathematik für Physik, Bd 1, 2. Aufl,
VCH Verlagsgesellschaft mbH, Weinheim
8. Behrendt G, Weimar-Woods E (1990) Mathematik für Physik, Bd 2, 2. Aufl
VCH Verlagsgesellschaft mbH, Weinheim, 1990
9. Beitz W, Hüttner K-H (1983) Dubbel: Taschenbuch für den Maschinenbau,
Springer, Heidelberg
10. Bekker MG (1956) Theory of Land Locomotion: The Mechanics of Vehicle
Mobility, The University of Michigan Press, Ann Arbor
11. Bekker MG (1960) Off the Road Locomotion, The University of Michigan Press,
Ann Arbor
12. Bekker MG (1960) Introduction to Terrain-Vehicle System, The University of
Michigan Press
13. Bensler H, Bühren F, Samson E, Vervisch L (2000) 3-D CFD Analysis of the
Combustion Process in a DI Diesel Engine using a Flamelet Model, SAE Tech-
nical Paper Series, 2000-01-0662, SAE World Congress, Detroit (Michigan),
6.–9. März 2000
14. Bolling I (1987) Bodenverdichtung und Triebkraftverhalten bei Reifen - Neue
Meß- und Rechenmethoden, Diss TU München
15. Bishop N (2004) Fatique & durability in a VPD environment, BENCHmark,
T. Morris and D. Quinn (Hrsg.), NAFEMS, S. 31-33, Okt.
16. Braess D (1991) Finite Elemente, Springer, Berlin
348 Literaturverzeichnis

17. Braess H-H, Seiffert U (Hrsg) (2001) Vieweg-Handbuch Kraftfahrzeugtechnik,


2. Aufl, Braunschweig/Wiesbaden: Vieweg
18. Brockhaus Enzyklopädie in 24 Bd, 19. Aufl, Brockhaus Mannheim, Bd 4, S.
652
19. Buck B (2004) Multi-Body-System-Software-Application and Requirements at
Heidelberger Druckmaschinen AG, in: NAFEMS Seminar: Analysis of Multi-
Body Systems Using FEM and MBS, Wiesbaden, 27. - 28. Oktober 2004.
20. Chen ZS, Hofstetter G, Mang HA (2000) Determination of acoustic eigenva-
lues by the BEM, S. 67-78, in: O. von Estorff (Hrsgb.): Boundary Elements in
Acoustics, WIT Press, Southhampton
21. Courant R, Friedrichs KO, Lewy H (1967) Über die partiellen Differenzenglei-
chungen der mathematischen Physik, Math. Ann., 100, 32-74
22. Crary SB (2002) Design of Computer Experiments of Metamodel Generation,
Ana. Int Circ Sig Proc, 32, 7 – 16
23. Cremer L (1991) Vorlesungen über Technische Akustik, 2. Aufl, Berlin u. a.
24. Crisfield MA (1997) Nonlinear Finite Element Analysis of Solids and Structurs,
Chichester, John Wiley & Sons, korr. 1. Aufl
25. Curtiss CF, Hirschfelder JO (1952) Integration of stiff equations, Proc. Nat.
Acad. Sci. USA, 38, S. 235-243
26. Dean A, Voss D (1999) Design and Analysis of Experiments, Springer, New
York
27. Decker F, Körner M (2002) Simulation der Bremsanströmung des VW Phaeton,
VDI Berichte 1701, S 265-294
28. Deuflhard P, Bornemann F (1994) Numerische Mathematik II: Integration
gewöhnlicher Differentialgleichungen, de Gruyter, Berlin, New York
29. Dirschmid W (1969) Methode zur Auslegung einer Fahrzeug-Karosserie hin-
sichtlich optimaler Gesamtsteifigkeit, ATZ 71(1), S 11 – 14
30. Eichberger A, Schittenhelm M (2005) Implementations, applications of tyre
models in multibody simulations. Veh Sys Dyn 43: 18–29
31. Estorff O von, Coyette J-P, Migeot J-L (2000) Governing formulations of the
BEM in acoustics, S. 1-44, in O. von Estorff (Hrsgb): Boundary Elements in
Acoustics, WIT Press, Southhampton
32. Fervers W (1999) Phänomene von Luftreifen und Geländeböden – Untersuchun-
gen mit FEM –, Diss Universität der Bundeswehr, Hamburg
33. Funahashi, K (1998) On the approximate realization of continous mappings by
Neural Networks. Neural Networks 2 (183–192)
34. Franke H (Hrsgb)(1971) dtv-Lexikon der Physik, Deutscher Taschenbuch Verlag
GmbH & Co. KG, München
35. Gieck (1989) Technische Formelsammlung, Gieck Verlag, Germering
36. Gingold RA, Monoghan JJ (1977) Smooth particle hydrodynamics: theory and
applications to nonspherical stars, Mon. Not. R. Astron. Soc., 181, S. 375-389
37. Glaser St, Wüst A, Frik St, Erzgräber M (2006) Integrative Simulation für cras-
hbelastete Bauteile aus faserverstärkten thermoplastischen Polymeren, VDI-
Bericht 1967, Bd 1, S 343–361
38. Goldstein H (1989) Klassische Mechanik. 10. Aufl, AULA, Wiesbaden
39. Großmann C,Tenno J (1997) Numerik der Optimierung, 2. Aufl, B. G. Teubner,
Stuttgart
40. Hale J, Kocak H (1991) Dynamics and Bifurcations, Springer, New York
41. Hardin R H, Sloane N J A, (1993) A New Approach to the Construction of
Optimal Designs, J Stat Plan Interf, 37, S 339 – 369
Literaturverzeichnis 349

42. Harzheim L, Bohle K (2006) Vergleich verschiedener Strategien zur Optimie-


rung der Road Noise Performance einer Mehrlenkerhinterachse, VDI-Bericht
1967, Bd 1, S 175–197
43. Haug E, Scharnhorst T, Dubois P (1986) FEM-Crash, Berechnung eines Fahr-
zeugaufpralls, VDI Berichte 613, 479-505
44. He Z (1991) Beiträge zu parameterabhängigen Eigenwertaufgaben: Eigen-
wertschranken und Ausweichen von Eigenwertkurven. Diss, Mathematisch-
Naturwissenschaftliche Fakultät, TU Clausthal
45. Heiserer D, Abel B (2006) Paretooptimale Auslegung von Karosseriestrukturen,
VDI-Bericht 1967, Bd 1, S 233–244
46. Herrin DW, Martinus F, Wu TW, Seybert AF (2004) A new look at high
frequency Boundary Element and Rayleith integral Approximation, in: Procee-
dings der SAE Noise and Vibration Conference
47. Hörmann Th, Moshammer Th, Almbauer R (2006) Betrachtung des Thermal-
haushaltes im Motorraum durch gekoppelte 0D-1D-3D Simulation, VDI-Bericht
1967, Bd 2, S 937–961
48. Hübler R (2001) Unterstützung bei der Auslegung von Airbagsystemen durch
FEM-Berechnungen, Berichte aus dem Institut für Elektrische Meßtechnik und
Grundlagen der Elektrotechnik, J.U. Varchmin (Hrsg)
49. Janosi Z, Hanamoto B (1961) Analytical determination of draw bar pull as a
function of slip for tracked vehicles in deformable soils, in: Proceedings of the
1st ISTVS Conference, Turin, ISTVS
50. Joos F (2006) Technische Verbrennung: Verbrennungstechnik, Verbrennungs-
modellierung, Emissionen, 1. Aufl, Springer-Verlag Berlin
51. Kamla T, Chmielewski R, Heil U, Brettmann M (2003) Fahrzeugphysikentwick-
lung des neuen Audi A3, ATZ/MTZ Sonderheft apr. 2003, S. 132–143
52. Kaps L, Lion A, Stolze FJ, Zhang G (2002) Ganzheitliche Analyse von
Fahrzeugprototypen mit Hilfe von virtuellen Fahrzeugmodellen und virtuellen
Prüfgeländen, in: VDI-Berichte 1701, Berechnung und Simulation im Fahrzeug-
bau, S 653–678
53. Klingbeil E (1977) Variationsrechnung, Mannheim, Bibliographisches Institut
54. Koehler J, Owen A (1996) Computer Experiments, in: S. Ghosh und C. R.
Rao (Hrsgb): Handbook of Statistics, 13: Design and Analysis of Experiments,
North-Holland, S 261–308
55. Kohlrausch F (1968) Praktische Physik 1, 22. Aufl, B.G. Teubner, Stuttgart
56. Kohlrausch F (1968) Praktische Physik 2, 22. Aufl, B.G. Teubner, Stuttgart
57. Kohlrausch F (1968) Praktische Physik 3, Tafeln, 22. Aufl, B.G. Teubner, Stutt-
gart
58. Kuhnert J (1999) General Smoothed Particle Hydrodynamic, Shaker Verlag,
Aachen, Diss, Universität Kaiserslautern
59. Kuhnert J, Tramecon A, Ullrich P (2000) Advanced Air Bag Fluid Structure
Coupled Simulations applied to out-of-Position Cases, Proceedings EUROPAM,
Paris
60. Kuttler JR, Sigilito VG (1981) On curve veering. J. Sound Vib., 75(4):585-588
61. Lahtinen I, Kiviniemi T, Sainio (2000) Snow Surface Model for Tyre Perfor-
mance Simulation, Seoul 2000 FISITA World Automotive Congress, June 12-15,
Seoul, Korea
62. Lagarias JC, Reeds JA, Wright MH, Wright PE(1998) Convergence properties
of the Nelder-Mead simplex method in low dimensions, SIAM J. Optim., 9(1),
S. 112-147
350 Literaturverzeichnis

63. Landau LD, Lifschitz EM (1984) Lehrbuch der theoretischen Physik, Bd V:


Statische Physik, Akademie Verlag Berlin
64. Landau LD, Lifschitz EM (1991) Lehrbuch der theoretischen Physik, Bd VI:
Hydromechanik, Akademie Verlag Berlin
65. Landau LD, Lifschitz EM (1983) Lehrbuch der theoretischen Physik, Elasti-
zitätstheorie, Bd VII, Akademie-Verlag, Berlin
66. Leissa AW (1974) On a curve veering aberration. J. Appl. Math. and Phys.,
25:99-111
67. Lamouroux E H J, Kümmerlen P, Dölle N, Coutellier D (2006) Crash-
Detailmodell von Laser Verbindung mit Modellierung des Versagens, VDI-
Bericht 1967, Bd 2, S 705–723
68. Lanzerath H, B