[Back]

M. Mechtler:
"Structural Optimization of a Tram Car Body in Differential Design";
Supervisor: H. J. Böhm; Institut für Leichtbau und Struktur-Biomechanik, TU Wien, 2019; final examination: 2019-04-30.

There are multiple ways that optimization can be implemented in product development: in early stages topology optimization can lead to new design ideas or hints on how an existing design can be improved. At later stages size optimization can show potential design improvements to reduce a given objective, such as mass or manufacturing cost. In this thesis this optimization process is demonstrated on the car body of a tram using the optimization programs OptiStruct and HyperStudy from Altair Engineering. Additionally, the implementation of a user defined fatigue constraint is to be investigated.
Before starting on the actual car body, the use of stress constraints in topology optimization is studied. Although a promising constraint is implemented in OptiStruct, the combination of finding no feasible design and the high number of iterations made its application not viable.
The design space during the topology optimization was restricted to the underframe of the car body, because most load entry points are situated there and in order to keep the size of the elements small. The effect of including load bearing shells on the mass of the final design was examined and both results are compared with two reference models: an aluminium car body (mCB,Alu = 350 kg) and one made out of steel (mCB,Steel = 355 kg). The mass of the final design without load bearing shell elements, mCB = 434 kg, is significantly higher than both reference designs, but if shell elements are included a final mass of mCB = 352 kg confirms the design of the reference models. The small difference in the mass of the final optimization design and the reference models is due to the fact that both
reference models have already been optimized by engineers to reduce their mass.
As the direct implementation in OptiStruct of a fatigue constraint based on DVS 1612 is not possible, options provided by HyperStudy were investigated. The focus lies on response surface based optimization as most algorithms implemented in HyperStudy rely on this concept. To test the availble method a simple plate model was used. The result was surprising in that gradient based algorithms found a feasible design with an acceptable number of FE evaluations. The other methods failed to find a feasible design due to the size of the design space.
To see if the use of HyperStudy with a fatigue constraint is praticable, the thicknesses of the sheets in an end girder of a tram car body were optimized. By restricting the evaluation to a small part of the whole model and selecting only the relevant load cases, the runtime of the FE solver and fatigue post processing could be reduced to five minutes. Thus the practical use of this procedure is shown.
As sheets are manufactured with discrete thickness values, it would be useful to include discrete design variables in the optimization process.

Es gibt mehrere Möglichkeiten Optimierung in die Produktentwicklung einzubinden: zu Beginn kann Topologieoptimierung neue Entwürfe oder Ideen zur Verbesserung einer bestehenden Konstruktion liefern, später als Parameteroptimierung um Potentiale zur Verbesserung der Zielfunktion, Masse oder Fertigungskosten, aufzuzeigen. Dieser Prozess wird in dieser Arbeit anhand eines Straßenbahnrohbaus mit Hilfe der Optmierungsprogramme OptiStruct und HyperStudy von Altair Enegineering demonstriert. Zusätzlich soll die Einbindung von Ermüdungsnebenbedingungen untersucht werden.
Zuerst wurde die Anwendbarkeit der in OptiStruct vorhandenen Spannungsnebenbedingungen bei der Topologieoptimierung geprüft, allerdings konnte kein zulässiges Design gefunden werden und wurde auch aufgrund der vielen Iterationen nicht weiter verfolgt. Für die Topologieoptimierung wurde der Designraum auf das Untergestell beschränkt, da sich hier die meisten Lasteinleitungspunkte befinden und so kleinere Elemente verwendet werden können. Gleichzeitig wird untersucht, wie sich tragende Schalenelemente auf das Ergebnis auswirken und die erreichte Masse mit zwei Referenzmodellen verglichen: eines aus Aluminium (mCB,Alu = 350 kg) und eines aus Stahl (mCB,Steel = 355 kg). Werden keine Schalenelemente berücksichtigt, so hat das engültige Design eine Masse von mCB = 434 kg und ist schwerer als die Referenzmodelle, mit tragenden Schalenelementen bestätigt das Endergebnis mit mCB = 352 kg die bisherigen Konstruktionen. Die geringe Differenz zwischen der Masse des Optimierungsergebnisses und jener der Referenzmodelle kann darauf zurückgeführt werden, dass diese bereits gewichtsoptimiert wurden.
Da es nicht möglich ist eine Ermüdungsnebenbedingung basierend auf der DVS 1612 direkt in OptiStruct zu verwenden, wurden die von HyperStudy bereitgestellten Methoden herangezogen. Der Fokus liegt dabei auf Antwortflächen-basierter Optimierung, da die meisten Algorithmen in HyperStudy dieses Konzept verwenden. Zum Testen der Algortihmen wurde eine geschweißte Platte verwendet. Das Ergebnis war insofern überraschend, als die Gradienten-basierten Methoden ein zulässiges Design mit einer akzeptablen Anzahl an FE Berechnungen fanden. Die anderen betrachteten Methoden scheiterten vor allem an der Größe des Designraumes.
Um HyperStudy mit der Ermüdungsnebenbedingung auf Praxistauglichkeit zu testen, wurden die Blechstärken eines Straßenbahnrohbaus optimiert. Durch Beschränkung der Auswertung auf einen kleinen Bereich des Gesamtmodells und Selektion der relevanten Lastfälle konnte die Laufzeit der FE Berechnung und Ermüdungsauswertung auf fünf Minuten reduziert werden. Dadurch steht dem Einsatz dieser Methode nichts im Wege.
Da Bleche nur mit bestimmten Wandstärken erzeugt werden, wäre eine Optimierung mit diskreten Designvariablen interessant.