Abstract

The simulation of product behavior is a vital part of current virtual product development. It can be expected that soon there will be more product simulations due to the availability of easy-to-use finite element analysis software and computational power. Consequently, the amount of accessible new simulation data adds up to the already existing amount. However, even when using easy-to-use finite element software tools, errors can occur during the setup of finite element simulations, and users should be warned about certain mistakes by automatic algorithms. To use the vast amount of available finite element simulations for a data-driven finite element support tool, in this paper, a methodology will be presented to transform different finite element simulations to unified matrices. The procedure is based on the projection of nodes onto a detector sphere, which is converted into a matrix in the next step. The generated matrices represent the simulation and can be described as the DNA of a finite element simulation. They can be used as an input for any machine learning model, such as convolutional neural networks. The essential steps of preprocessing the data and an application with a large dataset are part of this contribution. The trained network can then be used for an automatic plausibility check for new simulations, based on the previous simulation data from the past. This can result in a tool for automatic plausibility checks and can be the backbone for a feedback system for less experienced users.

中文翻译：

---

将异构仿真数据从有限元分析传递到神经网络的方法和应用

摘要

产品行为的仿真是当前虚拟产品开发的重要组成部分。可以预期，由于易于使用的有限元分析软件的可用性和计算能力，很快将有更多的产品仿真。因此，可访问的新模拟数据的数量总计为已经存在的数量。但是，即使使用易于使用的有限元软件工具，在有限元模拟的设置过程中也可能发生错误，并且应通过自动算法警告用户某些错误。为了将大量可用的有限元模拟用于数据驱动的有限元支持工具，本文将提出一种将不同的有限元模拟转换为统一矩阵的方法。该过程基于节点在检测器球体上的投影，然后在下一步中将其转换为矩阵。生成的矩阵表示模拟，并且可以描述为有限元模拟的DNA。它们可以用作任何机器学习模型（例如卷积神经网络）的输入。预处理数据的基本步骤以及具有大数据集的应用程序都是这一贡献的一部分。然后，可以根据过去的过去模拟数据，将训练有素的网络用于新模拟的自动真实性检查。这可以产生用于自动真实性检查的工具，并且可以成为经验不足的用户的反馈系统的基础。生成的矩阵表示模拟，并且可以描述为有限元模拟的DNA。它们可以用作任何机器学习模型（例如卷积神经网络）的输入。预处理数据的基本步骤以及具有大数据集的应用程序都是这一贡献的一部分。然后，可以根据过去的过去模拟数据，将训练有素的网络用于新模拟的自动真实性检查。这可以产生用于自动真实性检查的工具，并且可以成为经验不足的用户的反馈系统的基础。生成的矩阵表示模拟，并且可以描述为有限元模拟的DNA。它们可以用作任何机器学习模型（例如卷积神经网络）的输入。预处理数据的基本步骤以及具有大数据集的应用程序都是这一贡献的一部分。然后，可以根据过去的过去模拟数据，将训练有素的网络用于新模拟的自动真实性检查。这可以产生用于自动真实性检查的工具，并且可以成为经验不足的用户的反馈系统的基础。预处理数据的基本步骤以及具有大数据集的应用程序都是这一贡献的一部分。然后，可以根据过去的过去模拟数据，将训练有素的网络用于新模拟的自动真实性检查。这可以产生用于自动真实性检查的工具，并且可以成为经验不足的用户的反馈系统的基础。预处理数据的基本步骤以及具有大数据集的应用程序都是这一贡献的一部分。然后，可以根据过去的过去模拟数据，将训练有素的网络用于新模拟的自动真实性检查。这可以产生用于自动真实性检查的工具，并且可以成为经验不足的用户的反馈系统的基础。