TY  - THES
A3  - Simon, Jaan-Willem
A3  - Kuhl, Ellen
AB  - Nachhaltige Materialien und eine effiziente Nutzung von Ressourcen stellen zentrale Herausforderungen im modernen Ingenieurwesen dar. Materialien, die in diesem Kontext von Bedeutung sind, weisen häufig ein komplexes mechanisches Verhalten auf, das durch Anisotropie, nichtlineare und inelastische Effekte sowie Abhängigkeiten von Herstellungsprozessen, Mikrostruktur und Materialzusammensetzung gekennzeichnet ist. Zur effizienten Nutzung dieser Materialien, zur Verbesserung ihrer Leistungsfähigkeit, zur Reduzierung von Abfällen sowie zur Unterstützung zuverlässiger Auslegungsprozesse sind daher präzise konstitutive Modelle unerlässlich. Die inhärente Komplexität dieser Materialien erschwert jedoch die Herleitung geeigneter Materialmodelle erheblich. Während kontinuumsmechanische Ansätze eine etablierte Grundlage für die Modellierung bieten, eröffnen jüngste Fortschritte im Bereich des maschinellen Lernens zusätzliche Möglichkeiten, komplexes Materialverhalten zu erfassen und konstitutive Beziehungen direkt aus Daten zu identifizieren. Die vorliegende Dissertation baut auf dieser Synergie auf, indem sie physikalisch motivierte Modellierung mit datengetriebenen Ansätzen kombiniert, um flexible, interpretierbare und robuste konstitutive Modelle zu entwickeln. Die vorgeschlagenen Methoden werden exemplarisch insbesondere an Papier und Pappkarton als anisotrope, inelastische Materialien sowie an Tofu als hydratisiertes, zusammensetzungsabhängiges weiches Material demonstriert.
AU  - Boes, Birte
CY  - Wuppertal
DO  - 10.25926/BUW/0-1075
DP  - Bergische Universität Wuppertal
LA  - eng
N1  - Bergische Universität Wuppertal, Dissertation, 2026
PB  - Bergische Universität Wuppertal
PY  - 2026
SP  - 1 Online-Ressource (201 Seiten)
T2  - Bauingenieurwesen
TI  - Constitutive modeling of sustainable materials enhanced by data-driven approaches
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:468-2-7610
Y2  - 2026-09-17T08:37:53
ER  -