NeuralWood

Neuronale Netze zur Vorhersage und Nutzbarmachung von natürlichen Material-Variationen im Holzbau

Holz weist heterogene Werkstoffeigenschaften auf, die auf natürliche Variationen wie Faserabweichungen und Äste zurückzuführen sind. In der Bauindustrie wird dieses Problem häufig durch die Einteilung von Holz in grobe Kategorien gelöst, um vereinfachten Materialmodellen wie Finite-Elemente-Modellen (FEM) zu entsprechen. Dies führt zu einer ineffizienten Materialverwendung, da die Einstufung immer strenger wird, um die Sicherheitsfaktoren zu erfüllen, was zu mehr Stürzen unter das Zielobjekt und zu mehr Abfall führt. Dieses Forschungsprojekt zielt darauf ab, die Materialnachhaltigkeit durch ein auf maschinellem Lernen (ML) basierendes Materialmodell für LH zu verbessern, das natürliche Variationen berücksichtigt. Ein präziseres Modell ermöglicht die Verwendung kleinerer Querschnitte mit optimal passenden Materialeigenschaften, wodurch Überdimensionierung vermieden wird. Der Vorschlag kombiniert Physik-informierte Neuronale Netze (PINN) und inverse Design-Optimierung (IDO), um mit einem kleinen Datensatz zu trainieren und die bestmöglichen Leistungsziele zu erreichen. PINN wird mit einem LH-Datensatz trainiert, um das hygroskopische und mechanische Verhalten von Holz basierend auf variablen Materialeigenschaften vorherzusagen, während IDO Optimierungsalgorithmen verwendet, um die bestmöglichen Holzbretter auszuwählen. Die Forschung umfasst die Erstellung eines Datensatzes von LH-Proben, die Erfassung von Materialdaten mittels digitaler Holzsortierung, 3D-Scantechnologien und Computer Vision, die Entwicklung von PINN für LH, die Integration von PINN in IDO zur Gestaltung einer leichten LH-Struktur und die Bewertung dieser Struktur hinsichtlich Vorhersagegenauigkeit und Materialeffizienz. Durch diese umfassende Herangehensweise soll das Projekt die Effizienz und Nachhaltigkeit im Holzbau erheblich steigern, indem es präzisere und ressourcenschonendere Entwurfsverfahren ermöglicht, die den aktuellen Herausforderungen in der Bauindustrie gerecht werden.