Fraunhofer-Gesellschaft

Publica

Hier finden Sie wissenschaftliche Publikationen aus den Fraunhofer-Instituten.

Approximation von Feldern mit kontinuierlichen Basisfunktionen

Approximation of Property Fields with Continuous Base Functions
 
: Penzel, Dennis
: Stork, André; Luu, Thu Huong

Darmstadt, 2020, 161 S.
Darmstadt, TU, Master Thesis, 2020
Deutsch
Master Thesis
Fraunhofer IGD ()
approximation; material properties; sensor data visualization; data reduction; Lead Topic: Digitized Work; Research Line: Modeling (MOD)

Abstract
Durch die steigende Leistungsfähigkeit moderner Computersysteme können immer detailliertere Computermodelle erzeugt werden. Diese finden in den verschiedensten Bereichen Anwendung. Von der Animation in Filmen über den digitalen Entwurf neuer Produkte bis hin zur Überwachung von Fertigungsprozessen. Da Computermodelle die Realität immer genauer abbilden können, lassen sich nicht mehr nur geometrische Körper repräsentieren. Die Modelle können zudem um Eigenschaftsinformationen, wie beispielsweise Material- oder Messdaten, erweitert werden. Diese zusätzlichen Informationen können auf unterschiedliche Weisen erhoben werden. Neben der manuellen Zuweisung durch einen Designer oder Entwickler, können beispielsweise auch Produktionsprozesse durch computergestutzte Messsysteme überwacht werden und Messdaten sammeln. Letzteres findet zum Beispiel in der additiven Fertigung Anwendung. Hier können während des Druckvorgangs verschiedene Parameter überwacht und aufgezeichnet werden, welche später mit der Modellgeometrie zusammengeführt werden. Mit diesen zusätzlichen Informationen können die Produktanforderungen später digital überprüft und getestet werden. Je detaillierter dabei die modellierten Geometrie- und Eigenschaftsinformationen abgebildet werden sollen, desto größer wird die Anzahl der benötigten Repräsentationspunkte des Modells. Um diese Datenmenge jedoch möglichst gering zu halten und somit eine effiziente Verarbeitung zu ermöglichen, können Approximationsverfahren eingesetzt werden. Diese versuchen mit Hilfe numerischer Näherungsverfahren eine große Menge diskreter Daten durch kontinuierliche Funktionen abzubilden. In dieser Masterthesis wird eine Konzept zur Approximation von Geometrie- und Eigenschaftsdaten vorgestellt, welches die Menge an benötigten Datenpunkten unter der Einhaltung von vorgegebenen Fehlertoleranzen effektiv reduziert. Dazu wird eine fünfstufige Verarbeitungspipeline eingeführt. Nachdem die Daten eingelesen wurden, werden die Geometrie- und Eigenschaftscharakteristiken analysiert. Auf Basis dieser Informationen werden die Eingabedaten in zusammenhangende Abschnitte, sogenannte Segmente, aufgeteilt. Diese werden anschließend durch die Berücksichtigung von Geometrie- und Eigenschaftsinformationen approximiert. Zu Repräsentation der Approximationsergebnisse werden dabei nicht-uniforme B-Splines genutzt. Im letzten Verarbeitungsschritt werden die gefunden Losungen für den Nutzer visuell aufbereitet. Des Weiteren werden dem Nutzer diverse Interaktionsmöglichkeiten zur Verfügung gestellt, um die Eingabe- und Approximationsdaten zu analysieren und an die individuellen Bedürfnisse anzupassen. Um sicherzustellen, dass das entworfene Konzept erwartungskonform arbeitet, wird es auf Robustheit, Laufzeit und Kompressionsverhalten hin evaluiert. Hierzu wurden diverse konstruierte und reale Testdatensatze verwendet. Es konnte gezeigt werden, dass die vorgestellte Verarbeitungspipeline die vorgegebenen Fehlerschranken einhält und zeitgleich die benötigte Menge an Datenpunkten auf ein praktikables Niveau senkt. Zudem kann der Prozess auch in realen Testfallen in angemessener Zeit abgeschlossen werden.

: http://publica.fraunhofer.de/dokumente/N-618817.html