Adaptive Materialien mit Multiagentensystemen

Tragende Strukturen werden typischerweise in Bezug auf relevante Lastfälle entworfen, wobei statische Formen und vorgegebene Materialeigenschaften angenommen werden, die während des Entwurfs und der Materialauswahl ausgewählt werden. Neue Technologien, die das Design von Strukturen ermöglichen, die lokale Eigenschaften im Betrieb als Reaktion auf Lastwechsel verändern könnten, würden zusätzliche Gewichtsersparnispotenziale schaffen und somit Leichtbau und Nachhaltigkeit unterstützen. Materialien mit solchen Fähigkeiten bestehen aus Netzwerken mit zahlreichen aktiven Zellen, die eine Erfassungs-, Signal- und Datenverarbeitungs-, Kommunikations- und Aktuierungs-/Stimulationsfähigkeit bereitstellen, die adaptronische Strukturen bilden. Ein Beispiel für ein solches Material ist eine spezielle Klasse von Polymeren, die in der Lage sind, ihre Elastizität basierend auf dem Einfluss von optischen, thermischen oder elektrischen Feldern zu ändern. Ein zu lösendes Problem in Bezug auf aktive intelligente zellulare Strukturen ist die korrelierte und selbstorganisierende Steuerung der Reaktion und Steuerung von Zellen und die zugrundeliegende Informationsorganisation, die Robustheit und Echtzeitfähigkeiten bereitstellen muss. Wir schlagen einen hybriden Ansatz vor, der mobile und reaktive selbstorganisierende Multi-Agenten-Systeme (MAS) und Maschinelles Lernen kombiniert. Die MAS stellen die wesentliche robuste Informations- und Kommunikationstechnologie (IKT) dar. Die Agenten werden dabei in Material-integrierten Netzwerken aus Mikrorechnern ausgeführt. Die Simulation und Umsetzung solcher komplexen Systeme stellt eine große Herausforderung dar.