Terramechanik
Am Institut wird Grundlagenforschung zur Modellierung der Bodeninteraktion planetarer Explorationsysteme betrieben. Hierbei spielt vor allem die Rad-Boden Interaktion unter Berücksichtigung von dynamischen Verformungseffekten eine große Rolle. Die Terramechanikforschung stütz sich auf drei Säulen: Experimente am Prüfstand TROLL (link zu TROLL Seite hier), Simulationen basierend auf der Diskreten Elemente Methode (DEM) sowie die Entwicklung von Modellen für den Einsatz in Mehrkörpersimulationen, vor allem das Soil-Contact-Model (SCM).
Diskrete Elementemethoden (DEM)
Das inhouse entwickelte GPU basierte DEM Tool „Sir partsival“ fokussiert sich auf die effiziente Umsetzung von mikroskopischen (Partikel zu Partikel) sowie makroskopischen (Randbedingungen) Effekten. Die Umsetzung der Software auf GPUs ermöglichte deutlich kürzere Rechnenzeiten als vergleichbare CPU basierte Tools. DEM-Simulationen wurde unter anderem zur Entwicklung und Optimierung der Räder des MMX Rovers IDEFIX eingesetzt, hierbei konnte eine Radgeometrie gefunden werden, die eine Fortbewegung auf sehr weichem Regolith ermöglicht.
Das semi-empirische Kontaktmodell
Das semi-empirische Kontaktmodell SCM bietet eine rechenzeiteffiziente Darstellung komplexer terramechanischer Effekte wie Bodenfluss und Verformung in Mehrkörpersimulationen. Hierbei werden für diskrete Punkte im Boden die resultierenden Flussfelder berechnet und hier raus die sich ergebende Verformung und Tragefähigkeit des Bodens berechnet. SCM wurde in der Entwicklung und Verifizierung des Aufrichtalgorithmus des MMX Rovers IDEFIX eingesetzt. Hierzu wurden viele tausend Simulationen mit einer simulierten Sequenz von bis zu einer Stunde in einem Bereich von ca. 100 qm durchgeführt. Simulationen mit diesem Ausmaß unter Berücksichtig von Bodenverformung sind nur SCM möglich.
Machine-Learning basierte Terramechanik-Simulation
Ein neuer Forschungszweig ist die Synthetisierung von Modellen mit Hilfe von KI-Methoden basierend auf Messdaten und Simulationsdaten. Diese Kombination ermöglicht es auch Trainingsdaten für Situationen zu nutzen die sich nicht in Experimenten abbilden lassen.
