Search

Frequently Searched Pages

Deutsch

Accessibility

Zahl 30 als Symbol für das Namensjubiläum der Bauhaus-Universität Weimar

Digitale Technologien für Handwerk und Kulturgut - Bauhaus HeriTech -

Thüringen und Deutschland verfügen mit ihren Denkmälern über ein kulturelles Erbe, das einerseits für unsere kulturelle Identität, andererseits auch für den Tourismus von unschätzbarem Wert ist. Unter dem Begriff der Revitalisierung zusammengefasst, stellen die Erhaltung, denkmalgerechte Sanierung und die Ertüchtigung historischer Bauwerke und Baudenkmale eine enorme wirtschaftliche sowie technische Herausforderung dar, für deren Bewältigung vielfältige maßgeschneiderte Lösungen erforderlich sind. Dabei erstrecken sich Kulturgüter über reich verzierte Kirchen, Schlösser, Burgen und Türme über Stätten der Klassischen Moderne und des Bauhauses bis hin zu Industriedenkmalen wie großen Hallen, Windmühlen oder Brücken.

 Projektdatenblatt 

 

 

 

ReSKoMB - Tools für die Verlängerung der Restnutzungsdauer von spannungsrisskorrosionsgefährdeten Massivbrücken

Ein wesentlicher Bestandteil der Strategie zur Erhaltung der Verkehrsinfrastrukturen in Deutschland ist die Verlängerung der Restnutzungsdauer von Brücken, die die Anforderungen an die Tragfähigkeit, Gebrauchstauglichkeit und Dauerhaftigkeit mit ausreichender Zuverlässigkeit erfüllen. Zur Umsetzung dieser Strategie wird das Forschungsvorhaben ReSKoMB durch experimentelle Untersuchungen und durch Nutzung moderner digitaler Technologien einen konkreten Beitrag leisten. Das Gesamtziel des Vorhabens ist es, Tools zur Ermöglichung einer Verlängerung der Restnutzungsdauer von bestehenden spannungsrisskorrosionsgefährdeten Massivbrücken zu entwickeln und zu demonstrieren.

 Projektdatenblatt 

 

Fortgeschrittene gekoppelte numerische Modelle für aeroelastische Wechselwirkungen von dünnwandigen Strukturen

Ziel des Projekts ist die Entwicklung gekoppelter numerischer Modelle für die Analyse aeroelastischer Interaktionen dünnwandiger flexibler Strukturen mit deutlich verbesserter Recheneffizienz und quantifizierter Vorhersagequalität. Es werden datengetriebene aerodynamische Prognosemodelle basierend auf Methoden des maschinellen Lernens (ML) für ausgewählte dünnwandige Systeme formuliert und mit einer geometrisch nichtlinearen Finite-Elemente-Formulierung gekoppelt, um partitionierte FSI-Modelle zu entwickeln. Bei hoher Prognosegenauigkeit wird dies die Rechenzeit von FSI-Simulationen drastisch reduzieren. Trainingsdaten von aerodynamischen Kräften an dünnwandigen Systemen für verschiedene Anströmungsbedingungen müssen die Effekte von bewegungsinduzierten Kräften und Wirbelablösungen beinhalten, die daher aus hochauflösenden Strömungsanalysen mit Hilfe von Wirbelpartikelmethoden (VPM) gewonnen werden.

Projektdatenblatt