Docente: Daniele Catelani, Cadence/MSC Software
Il workshop dimostrerà l’efficacia di ODYSSEE Lunar (Machine Learning) nell’affiancare e potenziare una classica simulazione FEM di frattura e delaminazione in un componente composito. A partire da un modello agli elementi finiti sviluppato in MSC Marc Mentat, si costruisce un Design of Experiments (DOE) variando i parametri chiave del materiale coesivo (cohesive energy e opening displacement) e le curve forza–spostamento ottenute dalle simulazioni saranno utilizzate in Lunar per generare un Reduced Order Model (ROM) basato su algoritmi POD/SVD.
Il modello ridotto riprodurrà con elevata precisione le risposte FEM, sia in validazione (parametri non inclusi nel DOE) sia in ottimizzazione, ottenendo in pochi secondi risultati equivalenti a simulazioni FEM molto più onerose, e il tool permetterà inoltre di ricostruire l’animazione deformata del componente senza eseguire nuove analisi FEM.
Questo caso dimostrerà come Lunar consenta predizioni accurate, tempi di calcolo estremamente ridotti e un supporto avanzato alle attività di progettazione, calibrazione materiali e ottimizzazione, rappresentando un efficace complemento ai tradizionali strumenti CAE.
